人形机器人研发挑战及市场规模如何？

与自动驾驶相比，人形机器人研发的挑战主要体现在以下几个方面：

1）人形机器人运动控制具有极大难度。首先，机器人 200 多个自由度，规划求解可能会导致计算量暴增。根据莫拉维克悖论，对计 算机而言实现逻辑推理等人类高级智慧只需要相对很少的计算能力，而实现感知、运动等低 等级智慧却需要巨大的计算资源，其背后的原因是求解难度非常大。我们在前面介绍自动驾 驶决策控制时解释了车的算法是高维的非凸问题，其实车上只有 6 个自由度，分别是表示位 置坐标的 x、y、z、时间 t、速度、加速度，而人形机器人所对应的机械原理会更加复杂和精 细，全身有 200 多个自由度，这意味着在优化求解时计算量将暴增。而且机器人在更开放的 场域，可能面对更强的安全约束条件，所以如何在计算时能够使其收敛至最优解也会面临较 多的挑战。 假设决策规划通过模型化实现，我们认为如果采用影子模式进行模型训练，则还需要进行人 体运动控制的数据，比如握力方向、握力大小等，因此为了训练人形机器人达到更加类人的 效果，特斯拉还需要做大量的数据采集工作或者在仿真环境下进行模拟仿真。

第二，灵活性要求动态计算，对软硬件响应速度及配合提出较高要求。人形机器人如果想要 达到人类操作的灵活性，所需要做出的运动控制都是实时且连续的，这就意味着在极短的时 间内发生了位移，就需要感知算法在动态的情况下进行连续计算，计算时间差缩短对硬件的 灵敏度、软件计算速度都提出很高的要求。 第三，硬件降本产生的零部件调整，与软件算法稳定性之间存在平衡。2022 年 AI day 上马 斯克提出人形机器人未来的售价将为 2 万美金，我们预计仍需要一段时间完成硬件的降本， 因此目前部分结构件仍处于正向研发阶段，以保证达到降本的需求。但由于软硬件方案是相 互耦合的，硬件降本导致零部件方案变化，会导致人形机器人算法跟着调整，影响软件方案 的开发节奏；其次，由于软件算法与硬件的稳定性与精度有很高的要求，这在一定程度上会 推高硬件成本，因此研发的过程就需要不断在算法稳定性与硬件降本间进行平衡，对工程师 团队带来一定的挑战。

2）对特斯拉自研算力提出更高的要求。如前所述，自动驾驶汽车出货量增长使得当前特斯拉超算中心达到了较高的占用，而人形机 器人的感知、规控模型均比自动驾驶更复杂，可能在训练期间消耗更多的算力，因此对特斯 拉目前的超算中心的算力提出了更多要求。在各业务均处于算力需求快速增长的情况下，若 一旦出现机器人业务与自动驾驶业务的算力冲突，考虑到自动驾驶业务更成熟，存在量产出 货需求，优先自动驾驶业务对算力资源的需求，则可能影响人形机器人算法能力的迭代，进 而拖慢整体开发进展。目前 Dojo 处于投产建设中，我们判断其投入使用的时间节点也对人 形机器人业务有较重要的影响。 人形机器人的成功依赖于特斯拉在硬件体系、AI 能力的全面升级迭代，也是对现有车、家、 人场景的全面延展，将加大对能源业务需求，同时扩大了对消费者需求覆盖面，因此我们认 为人形机器人的成熟是特斯拉从电动汽车企业向能源及科技企业进化的重要标志。

站在人形机器人发展早期，去推演其后续的发展节奏，可以自动驾驶汽车智能化迭代的节奏 作为参考: AP1.0 时期（约 24 个月）：特斯拉 2014 年 9 月发布 Autopilot，并在 Model S 上使用。 这一阶段特斯拉选择 Mobileye 作为供应商，为其提供 ADAS 服务，而当时的方案能够在 车上进行自适应巡航等功能； AP2.0 时期（约 10 个月）：2016 年特斯拉转向自研算法模型，发布了 AP2.0，并推出配 备 AP2.0 的车型，所有车辆都将支持自动驾驶硬件，期间激活 FSD 的智能汽车的渗透率 达到 10.86%； AP2.5 时期（约 19 个月）：2017 年 7 月中旬发布 AP2 硬件的更新，该版本变化并不大， 较之前没有明显的功能优势；这个阶段主要是小规模的迭代、版本的细化，但体现出明 显的 FSD 渗透率提升，期间激活 FSD 的智能汽车占比达到 19.02%。AP 3.0 时期：2019 年 3-4 月份开始在车上发布 AP 3.0 硬件，支持完全自研的 FSD，将 原有的 Autopolit 整合为一个体系，但这一阶段由于出货量的增加，特别是 Model 3 等 相对低端车型的推出，使得 FSD 的渗透率又有一定下降。造成这一指标下降的原因一方 面与用户群体的扩散有关，另一方面也与自动驾驶功能展现出一定阶段的瓶颈有关。

结合汽车智能化发展阶段、人形机器人的需求场景、人形机器人算法进展，我们基于以下假 设对人形机器人 2023-2030 年间的市场规模做出测算：

1）潜在场景及对应需求。从当前时间点看，推动机器人发展的根本原因在于劳动力替代，发生概率较大的两大场景， 一方面是工厂场景下的劳动力替代，主要系人口老龄化、劳动力成本上涨等因素造成的劳动 力短缺；另一方面是家庭场景下的家人陪伴、养老需求。在这两类机器人中，此前工业型机 器人的发展较为成熟，而服务型机器人仍处于相对高增长的阶段，我们预计随着技术能力的 提升能够解锁更多的服务场景，未来机器人需求将有望大幅增长，假设 2021-2030 年服务型 机器人销量的复合增速为 30%，工业型机器人销量的复合增速为 20%。

2）量产节奏及对应市场规模分析。结合对智能驾驶汽车历史回溯及前述对人形机器人、自动驾驶技术难度的分析，我们对人形 机器人未来市场空间及量产节奏进行预测： 研发阶段（2023-2024 年）：这一阶段需要完成软硬件方案的固化，包括软件算法成熟度 提升以及硬件降本，由于人形机器人建立在自动驾驶的软硬件体系之上，我们预计该阶 段时间将较自动驾驶缩短，假设经历 2 年时间至 2024 年底；产业链导入期（2025-2026 年）：当软件算法达到一定高度且成本下降到一定水平时，假 设特斯拉先启动小规模试生产，这一阶段由于“尝鲜心理”可能会带来短时间内渗透率 的快速提升；但系早期产品价格会相对较高；预计需要 2 年时间。 渗透率逐步提升（2027-2030 年）：随着软硬件成熟度提升，人形机器人无论是用于服务 型还是工业型场景都将进入业务落地阶段，一方面会解锁更多应用机器人的场景，使机 器人总量提升，另一方面会推动人形机器人渗透率快速提升。从价格端看，软硬件降本 以及规模效应释放将推动销售价格逐步下降。 基于以上关键假设，我们对 2023-2030 年人形机器人的发展节奏及市场规模进行预测如下， 得出，预计 2030 年人形机器人家庭场景人形机器人需求为 64.2 万台，平均售价为 25 万元， 市场规模为 1605.3 亿元；工业场景人形机器人需求为 106.7 万台，平均售价为 35 万元，市 场规模为 3734.6 亿元。综上，预计 2030 年人形机器人市场需求为 170.9 万台，平均售价为 25-35 万元，合计对应市场规模为 5339.9 亿元，市场空间广阔。

长期来看，人形机器人市场规模有望超越电动汽车。2023 年特斯拉股东大会上，马斯克表示 “人类和机器人的数量比例为 1：2，人形机器人的需求将达到 100 亿至 200 亿台，远超过电 动汽车。”，并预计售价有望下降到 2 万美金，因此从长期来看，人形机器人市场规模有望远 超电动汽车。