2025年人形机器人行业运控专题：从“做出来”到“卖出去”

人形机器人小脑（运控）介绍

人形机器人“小脑”概念

人形机器人“小脑”：目前产业界对人形“小脑”的定义并没有形成统一共识，一般认为“小 脑”就是运动控制，即由软硬件构成，硬件包括控制器、驱动系统、编码器等，软件主要为部 署在硬件上的控制和感知算法等。人形运控与传统运控最大的区别在于：后者是根据已编程好 的轨迹去完成实时控制，而前者需要通过各种场景的实时判断来生成实时运动轨迹（即AI大模 型训练学习后，实时生成运控轨迹的指令），进而实现控制。

“小脑”的主要功能：与“大脑”主要负责环境感知和智能交互不同，“小脑”更多地关注于机器 人的运动控制和平衡调节，通过接收来自传感器（如视觉传感器、力觉传感器、触觉传感器等）的 信息，对这些信息进行处理和分析，进而指导机器人的运动。主要功能可以分为四类：运动执行、 协调运作、反馈调节和动态平衡。

人形机器人“小脑”的控制技术

包括三类：①模型控制（MPC）。基于精确的运动学和动力学模型，实现对机器人动作的精准控制， 适用于特定任务的自动化执行，即传统运控范畴。②强化学习。通过在复杂环境中的自主探索，学 习最优控制策略，显著提升了上肢和下肢在复杂任务中的效率、精度和适应性。③模仿学习。通过 模仿人类行为，减少对环境探索的依赖，利用人类行为数据训练智能体（动捕是关键，即数据获 取），显著提升任务执行能力。

人形机器人“小脑”案例

案例：目前业界基于强化学习和模仿学习已进行多种尝试，以美国Agility Robotics的Digit机器人 为例，其利用强化学习算法，通过在仿真环境中不断进行训练和优化，学习各种运动技能（行走、 奔跑、转弯、上下台阶）。在实际应用场景中，Digit机器人与亚马逊合作，负责仓库物流，能够根 据环境的变化和任务需求，自主规划路径，快速准确地完成物品的搬运和分拣。Digit在物流领域中 的成功应用，不仅提高物流效率，还降低人力成本，为物流行业的发展带来了新的解决方案。

人形机器人“小脑”面临的挑战

挑战：主要包括如何进一步提高AI模型在机器人控制中的实时性、鲁棒性和可解释性，以确保机器 人在复杂环境中的稳定运行和安全可靠。此外，如何将控制与感知、决策和规划更紧密地结合，构 建端到端的自主系统，亦是未来重要的研究方向。

小脑在垂直场景有望率先成熟， 小模型性价比凸显

人形机器人落地难度和市场规模：To C ＞To B

TO B有望率先落地和放量，原因： 技术适配与需求刚性：B端客户，如工业、医疗、物流等需求明确且结构化，技术更易适配。例如，工厂 中的搬运、质检等任务对机器人的运动控制、环境感知能力要求较高，但场景相对封闭，无需复杂的人 机交互。To C场景家庭环境复杂多变，需要高度灵活性与自然交互能力。 成本与价格敏感度：企业用户注重性价比，TO B产品量产万台后价格预计可降至20-30万元（以优必选机 器人为例），而C端对性能要求高，目前To C主流产品售价在9.9万元-65万元（以宇树科技机器人为例）。 政策与法规支持：政策明确支持工业场景开放与标准化；To C场景下，隐私、安全等伦理问题尚未解决， 制约C端场景落地。

TO B场景下，开发统一的底层大模型难度大

机器人下肢：运动关节相对固定，更容易形成一个统一的模型，可以设置“不摔倒、走得快” 等作为奖励函数来强化学习。目前主流的下肢算法是英伟达的Issac Gim底层算法+强化学习。 机器人上肢：属于精细运动范畴，尤其是灵巧手关节的控制，不同应用场景下运动轨迹的规 划千差万别，开发统一的底层大模型面临两大难题：①开发难度大，训练成本高，高能耗 以及在特定场景下的性能瓶颈等；②高质量的训练数据获取难。

难度①：上肢的底层运控算法

人形运控产业未来将由一次开发(一开)商和二次开发(二开)商两部分构成。一开企业如特斯 拉、华为、宇树等做人形运控算法的一次开发（即平台型通用机器人企业），类似于iOS之于 苹果，不同厂商硬件规格和方案不同，运控算法不兼容，因此运控产业是平台型企业的兵家 必争之地；二开企业是应用厂商，类似于APP应用开发商，在一开企业软硬件基础上，开发针 对特定应用场景的机器人（如针对教育、养老、消防、危化、矿山、电力、冶金等领域开发 机器人）。

难度②：数据采集

数据需求激增：在特斯拉2024年第四季度财报电话会上，马斯克指出，人形机器人所承担的 任务及用途，相较汽车自动驾驶而言复杂得多，大概有1000倍之多，所需的训练数据规模也 会随之扩大至10倍左右。 数据现状难以支撑训练：目前可用于训练人形机器人的开源数据集，无论是在数量上还是规 模上都极为匮乏，难以支撑高效训练。

谁有望抢占小脑发展的制高点？

人形机器人运控重要环节的玩家

人形运控有五大玩家： ①本体企业（一开企业）：负责机器人基础硬件和软件架构设计（如特斯拉Optimus骨骼动力学模型）、核 心控制器开发、传感器标定等。 ②应用企业（二开企业）：基于本体企业软硬件平台，进行二次开发，应用企业需针对不同行业需求，优 化控制算法，提升机器人在特定场景的性能与安全性。 ③传统工控企业：负责执行层面，与传统机器人控制类似，但人形需要更高密度的驱动技术和力控融合技 术等，如SCHUNK的EcoGrip 60系列触觉夹持器，实现精准力控与柔顺操作。 ④第三方“小脑”企业：提供SLAM+运动规划融合方案，通过运控算法给机器人企业进行通用性赋能。 ⑤动捕企业：前文已有详细介绍，不再赘述。

人形机器人运控①：本体企业（一开厂商）

本体企业（一开厂商）是运控产业链核心，软硬件结合构筑核心壁垒。前文提到，类似于iOS之于苹果，本 体企业将硬件和底层算法集成，以硬件为例，高精度关节模组是关键，如宇树M107电机，关节动态响应精 度显著提升（误差<0.1°）。

人形机器人运控②：应用企业（二开厂商）

应用企业基于一开厂商产品进行二次开发，以满足特定下游需求。应用企业（二开厂商）需要基于本体企 业硬件平台，针对不同行业需求，优化控制算法，提升机器人在特定场景的性能与安全性。此外，应用企 业亦可以与工控企业联合，针对特定场景定制末端执行器，如汽车厂焊接机器人的耐高温夹爪，满足特定 工艺需求。

人形机器人运控③：工控企业（终端执行器企业）

工控企业需与本体或应用企业适配开发执行器。在终端执行器层面，人形机器人和传统工业机器人差异并 不明显，只需配合本体或应用企业开发适用于特定应用场景的关节模组，如高密度的驱动技术和力控融合 技术。

人形机器人运控④：第三方“小脑”企业

第三方“小脑”企业类似于Android至于手机厂商，赋能机器人企业。iOS之于苹果属于闭源生态，在开源 生态模式中，独立第三方企业可以通过开发“小脑”底层运控算法，赋能机器人企业。如桥介数物，其是 国内领先的具身智能控制系统开发公司，致力于构建足式机器人的通用控制系统平台，公司已帮助多家人 形机器人公司完成从0到1的强化学习运动控制demo开发，并在2024年8月的世界机器人大会上，27家中有11 家人形机器人厂商采购了其运控解决方案。

投资逻辑： 聚焦二开本体厂商及动捕企业

聚焦①：二开本体厂商

2025年，人形机器人关注度已逐渐从供给端转向需求端，在量产的大背景下，具备垂直应用场景的二开 本体厂商无疑是最有可能放量的环节，预期差大，建议重点关注二开本体企业，包括：教育、养老、消 防应急、危化、防爆、矿山、电力、冶金等行业。

聚焦②：动捕企业

相较于大模型的发展拥有海量的数据输入，机器人的训练数据集是十分有限的，在人形机器人量产的大 背景下，动捕厂商作为铲子企业，有望受益，建议重点关注凌云光和诺亦腾（奥飞娱乐子公司）。

报告节选：

编辑：火腿肠