2023年人形机器人行业研究 AI大模型助力具身智能发展

1 AI 赋能机器人，具身智能发展正当时

1.1 机器人是 AI 落地的最佳载体

具身智能（Embodied Intelligence）是 AI 进入物理世界进行交互的载体。根据智能程 度，可以将机器人分为两类：非智能机器人和智能机器人；同时根据有无载体，也可以将人 工智能分为两类：虚拟 AI 和实体 AI。机器人与人工智能的交集，即：作为 AI 实物载体的智 能机器人。一般的工业机器人只能被编程为执行重复的一系列运动，所有的运动轨迹、位置、 动作、力度都需要提前设定，更突出其“机器”属性，智能机器人则可以与外界交互，根据 自身对外界的感知，决定完成任务的方式，并且可以在失败中不断学习进步，相较于非智能 机器人的“机器”属性，智能机器人更像是“人”。

AI 机器人可以分成五大部分。1）感知系统，相当于机器人的“五官”，包括声音、光、 温度、压力、定位、接触等传感器，用以将外部环境信号转换为机器人可以理解的信息或者 数据；2）驱动系统，相当于机器人的“肌肉”，电机驱动包括电机、减速器、编码器等；3） 末端执行系统，相当于机器人的“手”，用以和外界环境进行交互；4）能源供应，电源或者 电池；5）运算系统及软件，相当于机器人的“大脑”。 AI 机器人在完成任务时需要经历三个层次。给到机器人一个任务时，机器人一般要经历 三层信息处理：1）第一层是感知，理解需求和环境。机器人通过传感器感知周围环境，并 且识别到任务体在环境内所处的位置。2）第二层是规划，拆解成任务和路径规划，机器人 理解任务之后，它需要将任务拆解成多个步骤，按顺序执行步骤达到完成任务的目标。3） 第三层是执行，驱动硬件执行任务，把运动规划转变成为机械指令，确定能量、动量、速度 等参数，开始执行任务。非智能机器人无法对外界进行自主感知，需要人类计算出运动路径 并设定运动参数，而智能机器人可以自主感知外界，并拆解任务、设计路径，最终完成任务。

人形机器人赛道迎来快速发展阶段。进入到 21 世纪以来，以本田、波士顿动力为首的 各大厂商纷纷布局人形机器人产品，但是受限于硬件和软件的成熟度，早期的人形机器人发 展缓慢。在算法和硬件的不断进步中，人形机器人赛道也出现了很多“新面孔”，2022 年以 来特斯拉、小米等各大厂商陆续推出了自己的人形机器人产品，尤其特斯拉以“量产”为目 标，预计将推动整个行业迎来快速发展。

1.2 AI 大模型助力具身智能发展

各大科技巨头纷纷推出 AI 大模型，有望解决人形机器人的通用性问题。1950 年图灵首 次提出具身智能的概念，此后几十年里，受制于落后的 AI 技术，具身智能并没有取得很大 的进展。近年来随着硬件和软件算力的不断提升，各大公司相继推出 AI 大模型算法，包括 Open AI 的 GPT-4、谷歌的 RT-1、PaLM-E 等，有望解决机器人的通用性问题，具身智能迎 来快速发展。

2022 年 12 月，谷歌发布多任务模型 Robotics Transformer 1（RT-1），用以大幅推进 机器人总结、归纳、推理的能力。RT-1 是一种多任务模型，可以标记机器人输入和输出动 作以在运行时实现高效推理。训练模型使用的数据集涵盖 700多项任务的 13万个数据带点， 使用 13 台机器人在 17 个月内收集而成。RT-1 可以显著改进机器人对新任务、环境和对象 的零样本泛化，机器人执行从未做过的任务的成功率明显上升，对不同环境甚至有干扰的情 况下的成功率也有上升；此外使用别的机器人数据来训练模型，使得自己机器人的执行任务 的准确率得到提升。

2023 年 3 月，谷歌和柏林工业大学共同发布可以用于机器人的多模态视觉语言模型 PaLM-E，用视觉数据来增强其语言处理能力，可以指导机器人完成复杂的任务。PaLM-E 主要基于谷歌现有的 PaLM 大语言模型，并且加入了感知信息的能力，能让机器人真正“理 解”任务，将看到的图像转化成可以理解的语言文本，从而做到在面对零样本新任务时的“举 一反三”。PaLM-E 无需对相关数据进行预处理或注释。

2023 年 4 月，Meta 发布了图像分割模型 SAM。SAM 可以在不需要额外训练的情况下 对不熟悉的对象和图像进行零样本泛化，从而“剪切”任何图像中的任何对象。在 SAM 发 布之前，想把图像准确分割，需要人类手动分割后再交给机器人学习，这需要大量专家进行 高度专业化的工作，费时费力。SAM 使得机器人将所学到的分割图像进行细致标注，让机 器人理解对象（Object）是什么，因此可以为任何图像或视频中的任何对象生成遮罩，即使 是在训练中没有见过的对象。

2 特斯拉人形机器人 Optimus 的 AI 赋能分析

2.1 软硬件不断迭代升级，核心为优化成本和效率

特斯拉人形机器人 Optimus问世，核心为优化成本和效率。2021 年 8 月，马斯克首次 发布特斯拉人形机器人（Tesla Bot）计划，代号“擎天柱”（Optimus）。在 2022 年 9 月底 举办的特斯拉 AI DAY 上，马斯克公开了人形机器人 Optimus 原型机，人形机器人体重 73kg， 静坐 100W 功耗，快走 500W 功耗，全身自由度 200+，手部自由度 27，搭载与特斯拉车辆 相同的完全自动驾驶（FSD）大脑，2.3KWh 电池组（集成充电管理、传感器、冷却系统） 可以满足一天的工作需要。特斯拉人形机器人的核心为在满足功能的前提下降低成本和能耗， 即尽可能减少零部件数量和每个元件的功耗，例如减少四肢的感应和线路。马斯克称特斯拉 机器人有望在 3-5 年时间内交付，产量可以达到数百万台，价格可能不到 2 万美元。 人形机器人 Optimus软硬件不断迭代升级。2023 年 5 月特斯拉股东大会发布人形机器 人 Optimus 最近进展，包括机器人走路、利用视觉感知周围的环境、手臂精确控制力道不打 碎鸡蛋、手掌抓取线束等柔性物体、人类演示训练 AI、机器人修理机器人等场景，表明人形 机器人 Optimus 的硬件和软件性能得到进一步提升。

特斯拉人形机器人 Optimus 类似“汽车立起来装上脚”，因此可以复用大量汽车相关技 术进行迭代升级： 1）感知系统：可采用和汽车类似的计算机视觉技术。根据最新的特斯拉股东大会， Optimus 摄像头方案为 7 个摄像头配置（前方 3 个，两侧各 1 个，下方各 1 个），通过不同 方向上的摄像头观察到的点来确定位置，投射到向量空间，让机器人感知、识别并且理解周 围环境。 2）驱动系统：14 个旋转线性执行器+14 个线性执行器； 3）末端执行系统：“灵巧手”共 12 个空心杯关节； 4）能源供应：2.3KWh 电池组（集成充电管理、传感器、冷却系统）；5）运算系统及软件：搭载与特斯拉车辆相同的完全自动驾驶（FSD）大脑，将 FSD 使 用到的神经网络和模拟仿真训练技术迁移到机器人，唯一需要改变是训练数据集，通过处理 视觉数据，做出决策，包括路径规划、路径记忆、环境互动、导航充电等。

2.2 AI 多次模拟，优化设计方案

车辆碰撞模型技术横向迁移，保护机器人的“大脑”。2022 年 9 月，在特斯拉 AI Day 上，技术人员展示了如何借助现有的 AI 碰撞模型对人形机器人部件排布进行优化。车辆碰 撞模型会先记录一次实体碰撞时各个传感器的数据，然后将车辆数据和碰撞数据传入系统中， 生成一份数据库，再由 AI 将车辆拆分成超过 3500 个自由度，模拟上万次不同角度、力度的 碰撞，最后将所有碰撞数据汇总，找到车辆现有构型的缺点并加以改进。工程师将此技术用 于机器人部件排布设计，将重要部件放置在远离碰撞受损核心处，并将外壳设计成更能抵抗 外力的形状，保证机器人即使意外摔倒也不会影响到躯干内的核心零部件。

AI 仿真模型寻找成本和效率的最佳组合。人类有超过 200 个自由度，手部 27 个自由度， 同时快走功耗只有 500W，低功耗的同时又具有高度的灵活性。在设计机器人时，需要机器 人在完成具体任务的情况下，尽可能降低成本，在运动能力和低成本间找到最佳平衡点。特 斯拉为机器人设计了全身 28 个执行器（不含手部），用以完成 Pitch（绕 X轴旋转）、Yaw（绕 Z轴旋转）和 Roll（绕 Y 轴旋转）等不同动作，再通过 AI 仿真模型和实际验证，在低功耗、 低成本和最轻质量的目标下，选取一个关节的最佳设计。

提高零部件通用程度，将 28 个关节简化为 6 种执行器。特斯拉工程师使用多个场景模 拟机器人的工作状态，计算出每种场景下执行器的消耗和质量，并将其抽象为一个点，求解 整个质点云的帕累托最优，得到可以满足多种使用场景的关节设计。经过 AI 的分析优化， 将关节选型做到复用，最终实际的执行器减少到 6 种，包含 3 种规格的旋转执行器和 3 种规 格的线性执行器。

2.3 FSD+Dojo 加持，提高机器人执行力

FSD 技术助力机器人感知世界。FSD 算法是指特斯拉的全自动驾驶（Full Self-Driving） 系统采用的算法，用以实现车辆自主导航和自动驾驶功能，让车辆能够在各种交通环境下进 行感知、决策和控制。FSD 算法主要依赖神经网络和计算机视觉技术，通过处理和分析传感 器获取的实时数据，提取有关道路、车辆、行人和障碍物的信息，实现环境识别功能。目前 特斯拉已经打通 FSD 和机器人的底层模块，将 FSD 技术复用至机器人，在机器人感知、决 策、控制方面起到重要作用。

占据网络让机器人“擦亮”双眼。在感知层面，FSD 使用占据网络（Occupancy Network） 对 3D 空间内的障碍物进行持续检测，来估计障碍物的位置、大小、运动情况。FSD 算法可 以帮助机器人感知周围环境，识别物体、人和障碍物。

FSD 海量数据库可提供 AI 学习所需要的数据基础。AI训练需要大量数据作为底层支撑， 而特斯拉的 FSD Beta 已在北美普及了超过 40 万台车辆，庞大的用户实测数据为 AI 的训练 提供了帮助。根据特斯拉股东大户展示的数据，FSD Beta 数据库目前拥有将近 2 亿英里（3.2 亿千米）的自动驾驶数据，这将对后续机器人的 AI 训练提供支持。

特斯拉超算 Dojo有望在 2024 年跻身世界前五。2023 年 6 月，Tesla AI 公布了一张算 力预期图：2023 年 7 月 Dojo 会正式投产，随后算力将进入快速增长期，2024 年 2 月 Dojo 算力规模将进入全球前五，2024 年 10 月算力总规模将达到 100 Exa-Flops，相当于 30 万块 英伟达 A100 显卡的算力总和。

Dojo 计算架构为训练机器人路径规划和执行提供算力支持。Dojo 能够处理海量的视频 数据，不仅能够加速特斯拉 FSD 系统的迭代，还能为人形机器人 Optimus 提供算力支持。 同时 Dojo 可以训练 AI 解决零样本新问题的能力，如设定“搬起箱子”动作的程序后，面对 斜侧箱子时，AI 会将动作拆分，使机器人在不转身的情况下拿起斜侧摆放的箱子。据 Dojo 项目负责人介绍，Dojo 相比于业内其他芯片，同成本下性能提升 4 倍，同能耗下性能提高 1.3 倍，占用空间节省 5 倍。

3 特斯拉人形机器人 Optimus 的驱动方案分析

3.1 身体：14 个旋转线性执行器+14 个线性执行器

特斯拉人形机器人 Optimus采用电机驱动，身体拥有 28个执行器，并且使用旋转执行 器和线性执行器两种方案。1）基于无框力矩电机+谐波减速器+力矩传感器+双编码器+交叉 滚子轴承+角接触球轴承的旋转执行器；2）基于无框力矩电机+编码器+行星滚柱丝杠+力传 感器+深沟球轴承+四点接触轴承的线性执行器。通过进行共性研究减少使用驱动器的种类， 目前 Optimus 使用 6 种执行器，旋转和线性各 3 种，其中一款线性执行器可以举起 500 斤 的钢琴。

身体拥有 28个执行器，14个旋转执行器+14 个线性执行器。分布如下：1）左臂+右臂： 7+7，其中肩部 3（×2）个旋转执行器，肘部 1（×2）个直线执行器，手腕 1（×2）个旋 转执行器+2（×2）个直线执行器；2）左腿+右腿：6+6，其中髋部 2（×2）个旋转执行器 +1（×2）个线性执行器，膝盖 1（×2）个线性执行器，脚踝 2（×2）个线性执行器；3） 腰部：2 个旋转执行器。

旋转执行器采用无框力矩电机+谐波减速器+力矩传感器+双编码器+交叉滚子轴承+角 接触球轴承的方案。1）无框力矩电机：使用特斯拉自主研发的永磁电机（Bespoke Permanent Magnet Machine）。2）减速器：使用谐波减速器，结构简单，减速比大，传动精度和传动 效率较高。3）位置传感器：使用两个，即双编码器，包括输入位置编码器、输出位置编码 器。4）力矩传感器：使用一个非接触式扭矩传感器。5）轴承：使用角接触轴承、交叉滚子 轴承。

线性执行器方案采用无框电机+行星滚柱丝杠+力传感器+编码器+深沟球轴承+四点接 触球轴承的方案。1）电机：使用特斯拉自主研发的永磁电机（Bespoke Permanent Magnet Machine）。2）丝杠：使用行星滚柱丝杠（Planetary Rollers），具有较强刚性。3）编码器： 使用一个位置传感器。4）力传感器：由于丝杠没有反驱性，配置力传感器。5）轴承：使用 深沟球轴承、四点接触球轴承。

人形机器人 Optimus 身体核心零部件市场空间测算：1）谐波减速器：单台机器人谐波 减速器数量为 14 个，单价从 2026 年的 1300 元下降到 2030 年 600 元，2030 年乐观/中性/ 悲观情景下市场空间分别为 168/126/67 亿元；2）行星滚柱丝杠：单台机器人行星滚柱丝杠 数量为 14 个，单价从 2026 年的 4000 元下降到 2030 年 2000 元，2030 年乐观/中性/悲观 情景下市场空间分别为 560/420/224 亿元；3）伺服电机：单台机器人伺服电机数量为 28 个， 单价从 2026 年的 500 元下降到 2030 年 300 元，2030 年乐观/中性/悲观情景下市场空间分 别为 168/126/67 亿元。

3.2 灵巧手：12 个空心杯关节

Optimus 手掌采用空心杯电机+微型行星齿轮箱+绳驱+蜗轮蜗杆+力传感器的方案。机 器人 Optimus 一只手掌拥有 6（×2）个执行器（大拇指 2 个，其余各 1 个），11 个自由度 （大拇指内转+屈伸共 3 个自由度，其余屈伸各 2 个自由度），能够负荷 20 磅。1）空心杯电 机：拥有功率密度高、体积小、无齿槽效应等优势，一般和微型行星齿轮箱配套。2）绳驱： 绳驱（tendon-driven）可以理解为，电机通过收缩金属线来控制手指的弯曲，驱动拉紧金属 线—手指握住，电机驱动松开金属线—弹簧使得手指张开。绳驱结构的优势在于能够实现消 隙，消隙的带来的好处是让手指在运动时更加连贯，缺点在于不耐用。3）蜗轮蜗杆：蜗轮 蜗杆结构具有自锁性，即蜗杆可以轻易转动蜗轮，但蜗轮无法转动蜗杆（这是因为蜗轮蜗杆 的结构和传动是通过摩擦实现造成的）。蜗轮蜗杆的这种自锁性使得机器人能够在不打开手 的情况下能够进行活动，具体体现为电机驱动使得手握紧—锁止。4）传感器：由于没有反 驱性，因此需配置力传感器。

人形机器人 Optimus 手部核心零部件市场空间测算：1）空心杯电机：单台机器空心杯 电机数量为 12 个，单价从 2026 年的 1000 元下降到 2030 年 400 元，2030 年乐观/中性/悲 观情景下市场空间分别为 96/72/38 亿元；2）微型行星齿轮箱：单台机器人行星滚柱丝杠数 量为 12 个，单价从 2026 年的 400 元下降到 2030 年 200 元，2030 年乐观/中性/悲观情景 下市场空间分别为 48/36/19 亿元。

4 人形机器人蓄势待发，为国内相关产业链带来机遇

4.1 减速器：具有较高技术壁垒，机器人零部件核心赛道

精密减速器主要用于机器人各个关节，负责将伺服电机输出的高速运转动力转化为低转 速、高转矩的运动，决定机器人的精度和负载。一般传动减速器控制精度低，可满足机械设 备基本的动力传动需求。精密减速器精度较高、使用寿命长，更加可靠稳定，应用于机器人、 数控机床等高端领域，包括谐波减速器、RV 减速器、行星减速器等，其中应用最广泛的是 用于重负载转传动的 RV 减速器和用于轻负载传动的谐波减速器。 行星减速器结构简单，减速比较低。精密行星减速器体积比较小，结构较为简单，主要 包括行星轮、太阳轮和内齿圈。精密行星减速器传动比都在 10 以内，且减速级数一般不会 超过 3 级，相较于其他减速器启动更加平稳，且刚性、精度和扭矩高，主要搭配步进电机和 伺服电机，用以降低转速，提升扭矩。 谐波减速器结构简单，减速比大，传动精度和传动效率较高。谐波减速器主要由 3 个基 本部件构成：刚轮、柔轮、谐波发生器，通过具有柔性的薄壁外齿齿轮产生弹性变形后与刚 性的内齿轮进行内啮合来实现传动。 RV 减速器结构较为复杂，承载能力强，传动精度高。RV 减速器是以摆线针轮行星传动 为基础发展而来的。RV 减速器主要包括两级传动装置，分别为渐开线行星齿轮传动和摆线 针轮行星传动。

谐波减速器主要用于轻负载部位，RV 减速器主要用于重负载部位。谐波减速器具有单 级传动比大、体积小、质量小、运动精度高并能在密闭空间和介质辐射的工况下正常工作的 优点，与一般减速器比较，在输出力矩相同时，谐波减速器的体积可减少 2/3，重量可减轻 1/2，这使其在机器人小臂、腕部、手部等部件具有较强优势。RV 减速器传动比范围大、精 度较为稳定、疲劳强度较高，并具有更高的刚性和扭矩承载能力，在机器人大臂、机座等重 负载部位拥有优势。

日本哈默纳科和纳博特斯克市占率领先，国产厂商快速追赶。哈默纳科谐波减速器全球 市占率在 70%，国产谐波减速器企业主要包括绿的谐波、来福谐波等，根据 GGII，2021 年 我国机器人用谐波减速器市场中，哈默纳科市占率约为 35%，其次为绿的谐波，市占率约为 25%，第三为来福，市占率为 8%。纳博特斯克 RV 减速器全球市占率在 60%，国产 RV 减 速器企业主要包括双环、珠海飞马、中大力德、南通振康等；2021 年我国机器人用 RV 减速 器市场中，纳博特斯克市占率约为 52%，其次为双环传动，市占率约为 15%，第三为日本 住友，市占率为 5%，其次珠海飞马和中大力德市占率分别在 4%左右。国产减速器厂商技术 水平不断接近海外龙头，凭借成本与交付周期优势，正在加速实现国产替代。

4.2 无框力矩电机：可用于协作机器人关节，国内产品逐步系列化

力矩电机是以扭矩为控制方向的电机。力矩电机是一种极数较多的特种电机，可以在电 机低速甚至堵转（即转子无法转动）时仍能持续运转，不会造成电机的损坏。而在这种工作 模式下，电机可以提供稳定的力矩给负载。力矩电机具有低转速、大扭矩、过载能力强、响 应快、特性线性度好、力矩波动小等特点。 无框力矩电机能够在满足机器人尺寸和重量要求的同时实现高功率和高转矩密度。无框 为结构上省去了电机的外壳，使得电机更好嵌入。与有框电机相比，无框电机的优势包括更 高的转矩密度、更强的散热能力、以及针对定制系统的灵活性。将无框电机的定子和转子直 接集成到支撑传动组件的轴承系统，可以在很大程度缩小关节组件的尺寸，并消除冗余部件， 例如可以消除支撑转子的轴承以及联轴器，带来更少的维护成本。目前无框力矩电机常用于 协作机器人的关节。目前能够提供无框力矩电机的公司包括美国科尔摩根、国内的步科股份、 昊志机电等。

4.3 空心杯电机：下游应用广泛，设计和规模量产为壁垒

空心杯电机：结构上突破了传统电机的转子结构形式，采用的是无铁芯转子（空心杯型 转子），彻底消除了由于铁芯形成涡流而造成的电能损耗，同时其重量和转动惯量大幅降低， 从而减少了转子自身的机械能损耗，电机性能得到极大改善，节能、具备了铁芯电动机所无 法达到的控制和拖动特性。

空心杯电机分为无刷空心杯电机和有刷空心杯电机。（ 1）无刷空心杯电机：直流无刷无 齿槽电机，行业内通常称为“无刷空心杯”。通过电子换向，寿命更长。（2）有刷空心杯电 机：直流有刷无铁芯电机，行业内通常称为“空心杯，”一般来说，国内的“空心杯电机” 指有刷，通过机械换向。

空心杯电机应用广泛，包括医疗器械、航空航天、机器人等领域。1）需要快速响应的 系统中，如导弹的飞行方向快速调节、相机快速自动调焦、工业机器人仿生义肢等。2）对 有体积有要求的商品采用空心杯电机作为动力元件，比如玩具车、航模、电动牙刷等。 空心杯电机的壁垒在于设计和规模量产。目前能够提供空心杯电机的公司包括瑞士 MAXON、德国 Faulhaber，国内鸣志电器、鼎智科技等。根据江苏雷利 2023 年 3 月 1 日披 露的投资者调研纪要，无刷空心杯电机全球市占率龙头为瑞士 MAXON 以及德国 Faulhaber， 两家企业销售的空心杯电机+齿轮箱+编码器集成件年销售额约 32 亿欧元，产品主要面向军 工和工业市场。空心杯电机的壁垒在于设计和规模量产，设计壁垒主要体现在材料选择、组 件配合、工艺参数等方面，硬件壁垒主要体现在设备较高的资金投入与较长的采购周期，且 对加工设备的精密程度要求高，国内大多厂商采用手工绕线的方式生产，在生产效率、产品 寿命、精度方面存在劣势。

4.4 丝杠：技术壁垒高，国产替代空间大

丝杠能够将旋转运动转化为直线运动，分为梯形螺纹丝杠、滚珠丝杠、行星滚柱丝杠。 在机械传动领域，丝杠传动属于精密度较高的传动部件，相较于液压、凸轮连杆、皮带、链 条等传动方式，丝杠有着较大的性能优势。常见的丝杠传动形式主要有梯形丝杠传动、滚珠 丝杠传动和行星滚柱丝杠传动三种。梯形丝杠中无滚动体，靠滑动摩擦传递推力，传动效率 较低；目前较常用的是滚珠丝杠传动和行星滚柱丝杠传动，行星滚柱丝杠与滚珠丝杠的结构 相似，区别在于行星滚柱丝杠载荷传递元件为螺纹滚柱，是典型的线接触，属于滑动摩擦， 而滚珠丝杠载荷传递元件为滚珠，是点接触，属于滚动摩擦。和滚珠丝杠相比，行星滚柱丝 杠具有更高的静态负载和动态负载、更强的刚度和抗冲击能力及更高的转速及更大的加速度， 适合用于高速重载工作的应用场合。

丝杠从生产工艺角度区分为轧制丝杠和研磨丝杠。研磨丝杠的优点在于运动精度高、负 载能力强、使用寿命长，但缺点是加工时间长、制造成本高；轧制丝杠中轧制工艺的核心是 采用辊轧的方法对中心螺杆进行成型，相比研磨工艺来说成型速度快、制造成本低，但是轧 制精度低、负载能力弱、使用寿命低，比较适合于对设备性能和使用寿命要求不高的应用场 景，比如中等载荷压力机械、娱乐模拟器等。

全球行星滚柱丝杠市场规模约 6.5 亿元，我国约 1.1 亿元。根据论文《E 公司滚柱丝杠 产品营销策略研究_王有雪》，由于设计和制造工艺的限制，目前全世界市场上所有丝杠产品 中滚柱丝杠只占有 5%的销售额（按金额）和 1%的销售量（按数量）。IHS Market 在 2019 年发布的针对直线传动产品的市场研究报告中包含了对于滚柱丝杠产品的市场预测，预计 2022 年全球滚柱丝杠销售数量达到 86000 根，销售额达到 6.5 亿元，预计 2022 年我国滚柱 丝杠销售数量达到 10000 根，销售额达到 1.1 亿元。 行星滚柱丝杠国产化率较低，在性能上和国外有较大差距。目前世界范围内生产滚柱丝 杠并参与市场竞争的厂家主要有：Rollvis（瑞士）、GSA（瑞士）、Rexroth（德国）、SKF（瑞 典）、CMC（美国）、南京工艺（中国）、济宁博特（中国）、优仕特（中国台湾）。除这些品 牌外，Moog（美国）、Power Jacks（英国）也有生产滚柱丝杠的能力，但产品不外销，主 要用于自身生产的电动缸等产品。根据文《E 公司滚柱丝杠产品营销策略研究_王有雪》，2021 年我国行星滚柱丝杠排名前三的分别是 Rollvis（瑞士）、GSA（瑞士）、Rexroth（德国），市 占率分别为 28%、28%、14%。目前大负载、高可靠性的行星滚柱丝杠及采用行星滚柱丝杠 的电动缸基本依靠进口，行星滚柱丝杠亟需国产化，国产品牌性能与国外产品差距较大，主 要体现在效率、承载能力和精度上，并需具备批量生产及产业化能力。

全球滚珠丝杠市场规模超过 100 亿元，国内市场规模在 30 亿元左右。根据华经产业研 究院，2021 年全球滚珠丝杠市场规模为 17.50 亿美元，预计 2022 年达到 18.59 亿美元， 2016-2021年全球滚珠丝杠市场规模 CAGR=10.2%。2021年我国滚珠丝杠市场规模为 25.60 亿元，预计 2022 年达到 28.00 亿元，2016-2021 年我国滚珠丝杠市场规模 CAGR=6.2%。 日本和欧洲企业占全球滚珠丝杠约 70%的市场份额。滚珠丝杆广泛应用于机床工具、机 器人制造等，其中机床工具是其最大的应用领域。根据华经产业研究院，全球滚珠丝杠（Ball Screws）市场主要生产商有德国 Rexroth、德国舍弗勒、日本 NSK、日本黑田精密工业、日 本 THK、台湾上银等企业，日本和欧洲企业占全球约 70%的市场份额，CR5 市占率达到约 46%。我国滚动功能部件制造厂商众多，但多数企业只能生产品种单一、技术含量不高的中 低档产品，制造工艺水平与国外相比存在一定差距。

4.5 传感器：视觉和力控必不可少，精度和可靠性为关键

3D 视觉主要有三种原理：双目相机法、结构光法、ToF法。1）双目相机法是基于视差 原理并利用成像设备从不同的位置获取被测物体的两幅图像，通过计算图像对应点间的位置 偏差，来获取物体三维几何信息的方法。目前有主动双目、被动双目之分，被动双目是采用 可见光；主动双目是发射红外激光做补光。2）结构光法通常采用特定波长的不可见的红外 激光作为光源，发射出来的光经过一定的编码投影在物体上，通过一定算法来计算返回的编 码图案的畸变来得到物体的位置和深度信息。3）ToF 法是通过红外光在空气中的飞行时间， 计算出目标体的距离。

随着国内 3C 电子、新能源、快递物流等行业的蓬勃发展，3D 机器视觉需求增长明显。 GGII 数据显示，2021 年中国机器视觉市场规模 138.16 亿元，同比增长 46.79%。其中，2D 视觉市场规模约为 126.65 亿元，3D 视觉市场约为 11.51 亿元。根据 GGII 预测，至 2025 年我国机器视觉市场规模将达到 349 亿元，其中，2D 视觉市场规模将超过 291 亿元，3D 视觉市场规模将超过 57 亿元，3D 视觉 2016-2025 年市场规模 CAGR 达 54.5%。目前可提 供 3D 机器视觉的企业有海外的英特尔、谷歌、微软、英飞凌、Leapmotion 等，国内企业有 凌云光（双目相机法）、奥比中光（结构光法）、奥普特、天准科技、矩子科技等。

特斯拉 HW4.0 自动驾驶硬件系统或将搭载 4D 毫米波雷达，未来可横向迁移至人形机 器人感知系统。除 3D 机器视觉外，4D 毫米波雷达也可用于人形机器人的 3D 感知系统。4D 毫米波雷达是传统毫米波雷达的升级版，传统毫米波雷达在速度和距离的测量上有较好的性 能表现，但其水平分辨率较低且不具备高度识别功能。“4D”指的是在原有距离、方位、速 度三个维度基础上添加了对目标高度的监测维度，从而能实现“3D+高度”四个维度的信息感知。随着毫米波雷达的半导体工艺由 GaAs（砷化镓）转向 SiGe（锗硅）和 CMOS，芯 片逻辑密度逐渐提高，成本下降有助于毫米波雷达的推广。

我国毫米波雷达行业集中度较高，被国外企业占据绝对的主导地位。根据智研咨询数据， 2022 年博世、大陆集团、安波福、海拉、维宁尔五家企业占据了我国毫米波雷达 86.4%的 市场份额，其中 CR3 为 67.1%。传统 Tier 1 厂商在 4D 产品方面布局较快，大陆、采埃孚、 安波福三家均有产品在 2022 和 2023 这两年实现量产。国内厂商目前拥有 4D 毫米波雷达样 机的有经纬恒润、威孚高科、联合光电。

触觉是机器人感知世界的重要能力之一。力矩传感器被用来帮助机器人形成触觉功能， 其原理是测量接触力和压力，从而让机器人对于“力道”精准把控。其中六维力矩传感器是 力传感器中技术壁垒最高、价值量最高的产品，可以测量空间中 X、Y、Z 轴的力分量及力 矩分量。目前，六维力矩传感器被大量应用于协作机器人末端、航空航天风洞测试、医疗领 域、运动健康领域中。

目前我国力矩传感器市场主要被海外厂商占据。根据 GGII 数据，2022 年中国力传感器 国产份额不足 30%，海外力传感器主要公司有应美盛、意法半导体、亚德诺半导体等。随着 《“机器人+”应用行动实施方案》的落实，国内相关厂商正加大研发力度，积极布局六维力 矩传感器。目前拥有力传感器产品的上市公司有：昊志机电、汉威科技、柯力传感；非上市 公司有：坤维科技、宇立仪器、海伯森技术、鑫精诚传感器、神源生智能、瑞尔特测控、埃 力智能等。 惯性传感器可以帮助机器人在运动中保持平衡。IMU（Inertial Measurement Unit，惯性 测量单元）是测量物体在空间内姿态角和加速度的装置，被广泛用于机器人定位和姿态感知。 对于人形机器人来说，IMU 可以使其在走、跑、跳、蹲等动作过程中保持平衡。最基础的惯 性传感器包括加速度计和角速度计（陀螺仪），其中陀螺仪漂移对位置的误差影响是时间的 三次方函数，所以提高陀螺仪的精度、同时降低其成本是当前追求的目标。

惯性传感器包括加速度计和陀螺仪。1）加速度计中的电容板质量很大，且设计为悬臂 结构，当速度变化或者加速度足够大时，它所受到的惯性力超过支撑力，开始移动，上下电 容板之间的距离会发生变化，上下电容因此变化，且电容的变化跟加速度成正比。2）陀螺 仪主要是利用角动量守恒原理及科里奥效应测量运动物体的角速率。

国内惯性传感器市场主要被海外厂商占据。根据头豹研究院数据，2022 年中国惯性传 感器市场中 Bosch、ST等头部企业合计市占率达 70%以上，占据陀螺仪 80%以上份额，占 据 IMU 85%以上份额。加速度计市场 CR3 大于 80%，陀螺仪计市场 CR3 大于 90%，IMU 市场 CR3 大于 95%。目前国内惯性传感器厂商主要有芯动联科等。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）