人形机器人成本真相：美国卖25万，中国凭什么只卖1万还不到？

整理丨TOP创新区研究院FTA Group

图源丨Midjourney

2026年，人形机器人赛道正当红。

每天我们都看到有的机器人在练武术，有的在打网球，有的在折叠衬衫，有的甚至在用自然语言与人类探讨哲学。但在这些酷炫的Demo背后，投资人和产业界却陷入了深深的信息焦虑——没有人知道这些机器人的真实造价，没有人知道视频背后隐藏了多少次失败的NG，更没有人清楚这台精密仪器的肚子里，究竟塞满了谁家的零部件。

好了，Humanoid Atlas (humanoids.fyi) 这个开源网站就是解决这个问题的。

额外的好消息是，它不用付费，不用注册，直接打开就能看到所有信息。

它的缔造者Julian Saks的本意也不是做一个高深莫测的智库，他很单纯，他想做一个免费的：“人形机器人领域的彭博终端（Bloomberg Terminal）”。

我们知道，彭博终端终结了金融市场的信息不对称，很显然，Humanoid Atlas就是想解决人形机器人赛道的信息不对称的问题，撕下公关伪装，通过SKELETON（核心骨架）、ALL OEMS（整机厂全景）、GEOPOLITICS（地缘政治）和 NETWORK（供应链网络）等几个关键标签，拆解成一张张冷冰冰的 BOM（物料清单）表和供应链拓扑图，进而看清这个行业竞争的本质。

成本的物理学

跨越1万美元的“生死线”

在Humanoid Atlas的终端里，最先引起我们注意的是那张实时更新的“OEM价格与BOM估算表”。

来自 https://www.humanoids.fyi/#/tab/all_oems

在这一页，全球二三十家头部企业的数据并列在一起，你可以看到一件有意思的事情，那就是——两极分化。

在表格的下端，是美国机器人们，价格高昂：Agility Robotics的工业级型号动辄标价25万美元；Apptronik售价15万美元；哪怕是拥有极致垂直整合能力的特斯拉Optimus，目前的BOM成本也徘徊在4万美元左右，马斯克那句“将售价打到2万美元以下”的承诺，依然是一个需要时间去兑现的远期目标。

而在表格的上端，中国军团的数据则展现出了令人窒息的工业压迫感：宇树科技（Unitree）的G1模型，BOM成本被精准地框定在11500美元，量产售价仅为13500美元；

智元（AGIBot）、星动纪元（EngineAI）等头部企业的机型，也悉数杀入了2万到4万美元的价格带。

甚至，像Noetix这样的厂商，已经探出了5500美元的击穿底线的极限数字。

为什么成本差异如此巨大？我们首先要明白，人形机器人第一性原理的核心，是模拟人类的自由度（DOF）。

为了让机器人能像人一样走路、下蹲、抓取，一台标准的人形机器人大约需要配置20到40个旋转执行器（Rotary Actuators）和线性执行器。

这是整个系统的“阿喀琉斯之踵”。

Atlas的数据指出，一个标准的旋转执行器，吃掉了整机极大的成本份额：谐波减速器（Harmonic Reducer）：占据 36% 的成本。力矩传感器（Torque Sensor）：占据 30%。无刷电机（BLDC Motor）及其他：约 34%。

这就是成本的物理学。

成本占比↑

要让机器手臂在举起10公斤重物的同时，还能精确到毫米级去穿针引线，且在运动反转时没有丝毫的机械旷量（即“零背隙 Zero-backlash”），你就必须依赖高精度的谐波减速器和极度灵敏的六维力传感器。

中国整机厂之所以能把成本压缩到老牌厂商的十分之一，是因为他们吃到了过去十年新能源汽车（EV）和消费级无人机产业的庞大红利溢出。

从珠三角到长三角，庞大的供应链网络能够迅速提供低成本的压铸件、高密度的电池包和车规级的电机。

当美国工程师还在为如何采购高性价比零部件发愁时，中国工程师已经可以在深圳和东莞的工厂里，用极其低廉的打样成本进行每周一次的硬件迭代。

这是典型的“制造摩尔定律”——用规模效应和供应链密集度，暴力踏平机械硬件的成本门槛。

谁在赚走机器人行业的

真金白银？

但如果仅仅把目光停留在整机厂的报价上，你只看到了产业的表象。

Humanoid Atlas的“NETWORK（供应链网络）”和“GEOPOLITICS（地缘政治）”标签，还为我们揭示了一张错综复杂的隐秘暗网。

在这场轰轰烈烈的机器人造神运动中，目前真正赚到钱的，其实是隐藏在水下的“卖水人”。

以占据执行器成本 36% 的谐波减速器为例，这本质上是一个材料学与精密加工的“黑魔法”。在过去几十年里，这个领域的高端市场几乎被日本企业（如哈默纳科 HDSI）独占。尽管中国涌现出了绿的谐波等优秀的替代者，但在超高扭矩和极限寿命等核心指标上，高端产能依然是一个巨大的瓶颈。

所以，当特斯拉宣布要年产百万台Optimus时，整个行业算了一笔账：全球现有的高精度减速器产能加在一起，都不够给特斯拉一家供货。

默纳科谐波减速器

这就引出了地缘政治阴影下最脆弱的一环。

打开图谱中的供应链溯源，你会发现：美国的人形机器人要动起来，其电机离不开稀土永磁材料（钕铁硼），而全球绝大部分的稀土冶炼和加工产能集中在中国；其传感器、丝杠和基础机电组件，也高度依赖亚洲的代工体系。

如果未来由于不可抗力的地缘政治因素，全球供应链发生硬性脱钩，欧美人形机器人的关键零部件成本可能会在瞬间飙升2到3倍。

而为了对抗这种脆弱性，中美企业正在走向两条截然不同的突围之路。

中国路线是“生态化反”。

OEM厂商们在极度内卷的国内市场，通过扶持本土化供应商，不断将减速器、传感器的价格底线击穿。

我们愿意牺牲一部分早期的极限性能，换取快速量产的能力，用“先卖出去5000台”来跑通商业闭环。

美国路线则是“极致的垂直整合”。

马斯克的逻辑一如既往：既然外部供应商又贵又不可控，那我就自己造。

特斯拉不仅自己在做FSD算法和Dojo算力中心，甚至开始深入到执行器结构、甚至自研电机的最底层设计。

这是一条极度重资产、高风险的险途；但一旦走通，特斯拉将拥有世界上最深的护城河——一个掌握从原子到比特全部Know-how的工业巨兽。

幽灵与宿体

当VLA模型注入钢铁骨架

如果说降本是人形机器人大规模商业化的前提，那么“通用性”才是其最终的商业闭环。

在Atlas的“VLA（Vision-Language-Action，视觉-语言-动作）”标签页里，记录着这场产业革命的灵魂。

过去的机器人，为什么看起来总是笨笨的？

因为它们是“基于规则（Rule-based）”的系统。

你要让它端起一杯咖啡，程序员必须写下无数行代码，精准设定坐标(X, Y, Z)和关节的角度。只要桌子稍微倾斜，或者杯子换了形状，机器人就会像个傻子一样在空气中乱抓。

Physical World

但2024年底到2026年初爆发的具身智能（Embodied AI）大模型，彻底颠覆了这一切。

通过接入类似Nvidia GR00T、OpenAI相关模型以及各大开源VLA架构，机器人开始像人类一样思考：

输入端：它通过摄像头看到“桌面上有一杯水”，通过麦克风听到“我渴了”。

大脑中枢：VLA大模型在庞大的神经网络中进行物理常识的推理（口渴 -> 需要水 -> 水在杯子里 -> 需要拿起杯子递给人类）。

输出端：模型不再输出生硬的代码坐标，而是直接端到端（End-to-End）地输出给关节电机的扭矩信号。

在这个范式下，硬件仅仅是一个“宿体（Vessel）”，数据才是真正的壁垒。

这就解释了为什么特斯拉要在工厂里雇佣数百名工人，让他们穿戴着动作捕捉设备，日以继夜地演示如何搬运箱子、如何分拣零件。他们不是在作秀，而是在为VLA模型提炼最宝贵的“遥操作数据（Teleoperation Data）”。

在这一维度上，美国的先发优势明显。

Figure能够迅速崛起并获得超高估值，很大程度上是因为它直接插上了OpenAI的大模型翅膀。

但是，千亿参数模型在物理世界中积攒的“直觉（Intuition）”和边缘案例（Corner Cases）数据池，是无法靠单纯的资金砸出来的——这或许也是中国的优势。

终局演练

站在今天，对于关注这个赛道的人来说，产业的下半场，拼的是三个极其硬核的指标：

工程化降本能力：谁能率先把全量产的BOM成本压倒1万美元的临界点之下，且保证一万小时无故障运行（MTBF）。

供应链掌控力：谁能在谐波减速器、空心杯电机、六维力传感器这些被少数供应商卡脖子的环节，实现技术突围或深度的利益绑定。

高质量数据飞轮：谁能最先在真实场景（汽车产线、仓储物流，乃至最后的家庭服务）中部署上万台设备，通过真实物理反馈反哺自家的VLA模型。

在一个跑步进入物理AI（Physical AI）的世界里，每一次依赖关系的厘清，都意味着创新周期的缩短。

这个免费的网站Humanoid Atlas。就是将一切竞争拉回到了工业与科技最本质的维度——成本、效率、供应链与算力。

你站在哪一个维度？