華泰 | 汽車/機械：人形機器人產業化步入深水區

　　炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

市場審美逐步成熟，投資範式或轉向去偽存真+邊際變化

人形機器人賽道行情始於從特斯拉官宣進軍開始，賽道估值中樞跟隨產業技術突破而不斷抬高，市場信心與認可不斷加強，並採取了終局估值視角。機器人早期為主題行情，后產業逐步在軟件端硬件端實現技術突破、並形成較成熟的硬件方案，開始在簡單工業場景和特種應用場景落地，並在國內外產業共振向上后，開啟趨勢行情，核心標的也由T鏈向國產鏈擴散。市場對機器人的審美從最早「看視頻剪輯的運控能力」，如特斯拉/宇樹科技，轉向「關注機器人大腦能力」，如智元，再到「看一鏡到底的應用效果」，我們認為后續需關注B端或C端應用的實況，投資範式或轉向去偽存真，關注實際能卡位關鍵機器人客户、有實際訂單出貨、兼顧技術與產能的公司，以及注重產業新技術變化方向、國產大廠鏈條。

本機任務執行從標準化單一向非標多元化進化，大腦逐步向VLA發展

人形機器人在工廠場景有廣闊的應用空間，在基本實現了自動化生產的汽車工廠，總裝車間90%的工作仍靠人工完成，人形機器人可補充工業機器人和AGV無法覆蓋的工作場景。目前機器人執行任務從標準化向非標準化、從單一任務向複雜多元任務轉變，我們認為機器人或在2035年實現B端與AGV協同高效運裝、C端的家庭護理和家務處理。同時當前頭部機器人公司如優必選向學習型端到端全身控制方向發展，實現機器人自主感知決策行動。當前行業技術不成熟，大腦技術以分層算法+仿真數據訓練為主，我們認為端到端的VLA大腦算法+實機收集數據或為終局技術路線。

靈巧手為機器人核心，微型行星滾柱絲槓或為行業新趨勢

靈巧手為人形機器人核心，是人形機器人實現通用性的基礎。特斯拉靈巧手已迭代至第三代，採用腱繩與微型絲槓方案。我們認為靈巧手的發展趨勢在於更高自由度與更高負載能力，微型滾柱絲槓憑藉其長壽命和高承載的優勢，有望成為未來靈巧手傳動方案的新趨勢。

絲槓或成為機器人下肢主流方案，生產可靠性和量產降本是難點

反式行星滾柱絲槓在人形機器人有較大應用優勢，相較滾珠絲槓，滾柱絲槓具備高負載和高可靠性，尤其是反向式行星滾柱絲槓應用后，電機不佔絲槓的軸向空間，結構更加緊湊，且其輸出軸是光軸，更易於維護，適應機器人的高扭矩輸出、精準利空、抗衝擊性和輕量化的平衡，我們看好其成為機器人下肢主流方案。絲槓難點在於螺紋的加工難度高，尤其是內螺紋，其存在長徑比和導程角問題，難以實現低成本大規模量產。主流加工方式包括螺紋磨削、高速硬車、旋風銑、滾軋成型，目前業內不斷通過優化傳統加工工藝，引入新切削技術，國產設備替代，從高成本+低效率向高精度+高產能+低成本轉型。

風險提示：技術進度不及預期；國產化降本進度不及預期；貿易政策變化不及預期。

正文

覆盤：產業進度向前堅定市場信心，驅動行業估值中樞上移

覆盤2022年以來人形機器人的行情，我們發現伴隨產業進度不斷加快，市場至今已深度認可人形機器人的廣闊空間，對核心零部件給予了終局估值法。從特斯拉官宣進軍人形機器人賽道開始，行情從早期的主題行情向趨勢行情切換，並由T鏈向國產鏈擴散，我們認為底層邏輯在於產業進度不斷加快，加強了市場對人形機器人的遠期市場空間的信心和認可度。機器人產業從早期的概念階段逐步在軟件端硬件端實現技術突破，形成了較成熟的硬件方案並開始在簡單工業場景和特種應用場景落地，市場的估值體系也從早期的主題行情切換到了終局視角的估值體系，如市場對供應鏈的估值是基於特斯拉2029-2030年出貨指引100萬台情景下的利潤空間。我們認為，人形機器人產業雖滲透率起點符合主題特徵，但市場已提前計價其滲透率躍升預期，疊加顯著的預期前置效應，推動行情快速跨越純主題階段，當前我們將其定位為產業趨勢投資前期。

我們可將2022年以來的機器人行情分為五階段：

2022年6-9月：特斯拉推出機器人開發計劃，賽道開啟普漲行情，但產業在最早期階段、核心技術軟件端不成熟，未能到達拐點，市場將機器人視為主題賽道。特斯拉上半年推出原型機器人並在AI DAY展示，三花智控/綠的諧波/鳴志電器等標的漲幅明顯，但此時產業不成熟，多數機器人產品僅會握手/緩慢行走，后特斯拉在2022年9月展示機器人僅能輕微行走和揮手，以及供應鏈沒有接收訂單，機器人僅被視為主題炒作，之后賽道快速抹去所有漲幅。

2023年5月-2024年2月：特斯拉機器人實現行走/抓取，且AI大模型突破為產業打開天花板，市場對機器人有一定技術信任度，但供應鏈率先打滿遠期出貨預期，與實際產業進度割裂，市場迴歸理性。2023年5月特斯拉機器人展示了良好行走狀態和穩定抓取物體，供應鏈開啟初步送樣對接，並給予了較高的遠期出貨指引，板塊泡沫快速膨脹且估值超越前高，但機器人實際產業進度較慢，2023年7月世界人工智能大會驗證了產業進度不及預期，市場迴歸理性，板塊僅在供應鏈給予積極的遠期指引時纔有所反彈，12月即使特斯拉發佈GEN2機器人，運控能力大幅提升，但由於供應鏈定點不及預期以及大盤流動性較差，板塊回撤較多。

2024年3-9月：特斯拉技術穩定迭代+開啟審廠提高了訂單預期，板塊信心修復，但排產量級下調，壓制了市場對遠期空間的信心，板塊估值中樞下移。24Q1特斯拉機器人月頻更新展現能力迭代以及加快供應鏈國產化進度，板塊估值快速修復，但4月馬斯克指引2025年工廠自用1-2千（市場理解為量產等級下調，2025年出貨從1萬下調到1-2千），板塊快速下跌，后特斯拉更新GEN2能力、國產機器人開始有能力突破，但板塊維持陰跌，我們認為核心原因是產業在技術早期發展階段、無應用場景開拓、大廠參與玩家過少，市場信心不足，仍將機器人視為主題賽道，量級下調都會引發估值中樞大幅下滑。

2024年10月-2025年3月：國內大廠佈局機器人+特斯拉上調量級預期且供應鏈驗證加快，國內外共振開啟大行情，市場對機器人遠期空間的信心充分夯實。24Q3華為雲開啟具身智能簽約大會，特斯拉鍊送樣進展較快，市場對機器人進展逐步恢復信心，疊加板塊估值在低位，賽道開啟普漲，並從T鏈蔓延到國產鏈，2025年初馬斯克上調特斯拉機器人2025/2026/2027年的出貨量為1/10/100萬台，疊加國產機器人在特定場景出貨超預期，市場對機器人產業信心達到巔峰，板塊估值中樞大幅上移。

2025年4-5月：T鏈不斷下修指引，舊T鏈估值中樞下西，而新T鏈格局優且進展快，打開了賽道高度，此后行情不斷拓寬，從能力外延到併購重組再到場景應用。2025年3月起，特斯拉不斷下修機器人指引，員工大會指引2025年下線5千台（供應鏈下單是1萬台）+2027年50-100萬台（強調原先指引的下限，即50萬台）、Q1業績會指引2028/2029年年產100萬台（原指引2027年100萬台），有所影響核心供應鏈的估值中樞。但由於機器人板塊未來行業空間大、資金容量大、賺錢效應強，同時T鏈的新進入者格局好且進度快，過去機器人業務估值溢價低，帶領賽道打開了板塊高度，同時行情寬度打開，從公司能力能外延到機器人到收併購進入機器人賽道再到機器人場景應用。

當前市場投資範式轉向去偽存真，兼顧新變化與國產鏈。從2023年以來行情的演繹特點來看：

第一輪：主題賽道為主，漲幅靠前的為小票，市場重視絲槓、六維力、絲槓設備、空心杯電機環節，市場審美為價值量大、國產化降本訴求強、壁壘高的賽道，選客户關係綁定強的標的，同時注重能否做，而不關注做的好與否。

第二輪：漲幅靠前的為客户關係強的公司，市場重視能做進T鏈的標的，審美為綁定兩家TIER1、配合度高的TIER2，或直接對接T的TIER0.5。

第三輪：國產鏈+個股邏輯新變化的漲幅靠前，市場審美聚焦在華為宇樹國產鏈，T鏈新邏輯，進展超預期的個股。

第四輪+第五輪：行情寬度打開，炒新邏輯，包括新T鏈、新進入機器人賽道且估值低（多為收併購）、機器人應用場景新故事、新技術路線。

相關個股回顧，請見研報原文。

本體：加快從執行標準化單一任務向非標多元任務進化

人形機器人在工廠場景有廣闊的應用空間，B端是機器人落地的第一站，實際在當前基本實現了自動化生產的汽車工廠，總裝車間90%的工作仍是靠人工完成，工業機器人和AGV無法滿足所有的工作場景，而人形機器人可以做充分的補充，目前國內外頭部廠商均選擇了大尺寸人形機器人，並選擇了B端場景做初步落地。

從產業進度上看，目前眾多具身廠商仍在B端採數、C端調試，應用上侷限於特定場景如導覽/表演/巡檢等，在B端應用替代部分勞動力的機器人稀缺，海外目前在1→N階段，①特斯拉Optimus已經在工廠里執行一些任務，如分揀電池；②亞馬遜測試 Digit；③梅賽德斯-奔馳測試 Apollo；④寶馬測試Figure AI ；⑤現代汽車工廠測試新版 Atlas。國內處於0→1加速突破階段，①優必選機器人面向多任務工業場景，Walker S1已進入汽車工廠實訓，與L4級無人物流車、無人叉車、工業移動機器人和智能製造管理系統系統作業，是全球首個人心機器人與無人物流車系統作業的工業場景解決方案，目前合作了比亞迪、富士康、吉利、奧迪、一汽大眾、東風柳汽等全球知名企業，實現了工業場景深度應用；②智元面向4S店銷售、商業清潔，逐步斬獲訂單；③宇樹在科研機構和機器人解決方案公司/AI公司出貨幾百台；④銀河通用在尋找藥店等之外的新場景；⑤機器人集中在汽車配件等的組裝和上下料環節，總裝車間里主機廠均在和一些廠商做POC；⑥鋰電產業鏈（包括寧德時代）、3C廠商、製造行業等有意願去和具身廠商做實驗。

往后看，我們認為人形機器人執行任務將從標準化→非標準化，從單一任務→複雜多元任務，2030年或能在裝配、分揀、質檢、搬運等場景有成熟應用，機器人的效率可能接近於人類，在家庭場景的安全看護等應用逐步成熟，2035年實現B端與AGV協同高效運裝、C端的家庭護理和家務處理，在高危環境全流程作業逐步成熟。格局上，科技大廠或率先突破通用版的具身智能大模型，車廠和大型製造企業或率先落地B端人形機器人的大規模應用，大多創業公司或被整合，留有少數差異化路線創業公司。

軟件層面，當前業內頭部公司如優必選正在向學習型端到端全身控制方向發展，能優化運動規劃能力，使得機器人擺脫遙控器，實現機器人的自主感知決策行動。我們認為，當前具身智能的大腦技術處於多條路徑並行、逐步向端到端方向演進的狀態，25年以來雙系統架構的VLA模型成為主流路徑。現階段具身智能大模型的主流技術路線為：①LLM大語言模型+VLM視覺基礎模型，現階段技術更為成熟，能實現人機交互+任務理解+推理+規劃；②VLM視覺語言模型，進一步彌補了語言與視覺理解間的差距；③VLA視覺-語言-動作模型，在VLM基礎上增加了運動控制，解決運動軌跡決策；④多模態大模型，能全面感知物理世界，是終局發展方向。23年谷歌DeepMind推出RT-2模型，實現從語言指令和視覺信號直接生成特定動作，具身智能算法加速向VLA方向發展，25年以來國內外頭部公司如英偉達、FIGURE、PI、智元等，均推出雙系統架構的VLA模型。

具身智能算法與自動駕駛有強相似性，其終局必要解決長尾問題，長尾數據難以依靠收集數據解決，我們認為，模型範式大概率會進化到VLM、VLA。而當前VLA模型尚不成熟：①VLA與推理的結合路徑未明確最優方案；②訓練VLA的數據量級與多樣化不及訓練VLM的數據，且目前數據多采集於簡單環境，使得行業陷入數據限制模型能力而模型能力又限制數據採集的負循環；③實際部署VLA時，系統運行頻率單一，設計類似人類的高低頻自適應閉環系統目前沒有經濟性的方案；④VLA訓練存在割裂，當前大腦VLM和小腦底層策略模型一般是分開訓練，缺乏端到端訓練（類似人類大小腦的雙向交互），同時VLA僅能由大模型生成中間信號驅動小模型輸出，無法像語言模型通過強化學習在測試時，能夠持續計算優化推理能力。我們認為往后看端到端的大腦算法+實機收集數據或為終局技術路線，但考慮到當前行業技術不成熟，短期或仍然是分層算法+仿真數據訓練為主。

靈巧手：機器人的核心，微型行星滾柱絲槓或為行業新趨勢

靈巧手是人形機器人的核心，決定了機器人硬件功能的上限，是人形機器人實現通用性的基礎。靈巧手從結構和功能上參考人手，其具備的高自由度和靈活的運動能力，使得機器人能夠完成從簡單抓取到複雜操作的各種任務。靈巧手核心由驅動、傳動和感知系統構成，驅動系統提供動力與扭矩，傳動系統將動力傳至手指關節，感知系統實時監測位置、力覺和觸覺，實現環境交互與閉環控制。人手擁有約27個自由度，靈巧手要達到類似靈活性，必須在有限空間內集成大量驅動、傳動部件，同時兼顧整體重量與體積，這對結構設計提出嚴苛要求。此外，高自由度、高精度的靈巧手通常成本較高，限制了其大規模商業應用。目前，靈巧手的技術方案仍未收斂，每條技術路線基於成本、性能、功能表現來看，各有優劣。

特斯拉靈巧手已經迭代至第三代，採用「腱繩+絲槓」傳動方案。特斯拉第一代靈巧手單手11個自由度，配備6個電機模組，採用電機直驅方案；第二代靈巧手自由度與電機模組沒有變化，增加陣列式觸覺傳感器；第三代靈巧手單手自由度上升至22個，採用繩驅方案，電機數量大幅增長。相較於前幾代將電機放置於手掌中，第三代模仿人體構造，將電機放置於小臂中，通過減速箱和微型絲槓等傳動部件牽引腱繩實現手指的彎曲。第三代方案降低了對電機體積的要求，從而降低了電機成本，提高了自由度。但繩驅方案需解決長期使用的蠕變問題，目前產業解決方案有三類：1）通過傳感器做自校準，但觸覺傳感器需長期保持高精度，並且傳動結構設計時需要考慮冗余度；2）採用蠕變更少的高分子聚合材料繩子，成本高但能稍微延長壽命；3）參考汽車保養，定期更換。

靈巧手的發展趨勢在於更高自由度與更高負載能力，微型滾柱絲槓是未來靈巧手傳動方案的新趨勢。人形機器人靈巧手的靈活度需要向人手看齊，從而才能更好實現工具的可靠使用，因此各個傳動部件均需要微型化。其次，負載能力的提升使得靈巧手能夠抓取和操作更重的物體。一般而言，生活中大部分日常物品操作，需要人手30-40N的握力，指尖末端操作力達到3kg。而工業場景的靈巧手工況更為嚴苛，需要長時間、大負載工作需求，高負載能力是靈巧手實現通用性的基礎。微型行星滾柱絲桿通過滾柱與絲桿齧合傳動，具備高承載、耐衝擊、長壽命等優勢，有望成為未來靈巧手傳動方案的新趨勢。

絲槓：有望成為機器人下肢主流方案，量產可靠性和降本為難點

反式行星滾柱絲槓在人形機器人有較大應用優勢，難點在於螺紋的加工難度高。相比滾珠絲槓，行星滾柱絲槓的負載傳遞單元由滾珠替換成了螺紋滾柱，從而由點接觸轉為線接觸，獲得了更高數量的接觸點和接觸點的幾何結構，進而能夠承受較滾珠絲槓 3 倍的靜態負載，有更高轉速和加速度、更高剛度和抗衝擊力，且壽命是滾珠絲槓的 10-15 倍。此外行星滾柱絲槓是螺紋傳動結構，螺距的設計範圍更廣，其導程設計可以比滾珠更小。綜上，滾柱絲桿憑藉高可靠性和高負載，適應機器人的高扭矩輸出、精準利空、抗衝擊性和輕量化的平衡，隨着特斯拉機器人下肢引入絲槓方案，主流玩家逐步嘗試絲槓上機，我們認為滾柱絲槓憑藉高負載高可靠性，或成為下肢的主流方案。

根據物理結構和傳動原理不同，滾柱絲槓又可分為標準式、反向式、循環式、差動式，其中反向式行星滾柱絲槓應用后，電機不佔絲槓的軸向空間，結構更加緊湊，且其輸出軸是光軸，更易於維護，但難點在於加工難度較高，尤其是內螺紋。螺紋是絲槓傳動的核心機械要素，關鍵工序包括外螺紋磨、內螺紋磨、齒輪磨，其中內螺紋難度更高，其存在長徑比和導程角問題，比如刀杆加長后剛度較弱，以及導程角對磨削的工藝要求過高，難以實現低成本大規模量產。

目前業內不斷通過優化傳統加工工藝，引入新切削技術，國產設備替代，從高成本+低效率向高精度+高產能+低成本轉型，當前主流加工方式包括螺紋磨削、高速硬車、旋風銑、滾軋成型：

① 磨削：用旋轉砂輪研磨絲槓表面，工序包括粗磨螺紋、螺紋底溝磨削、精磨螺紋等，在淬火處理后，用螺紋磨牀做精細磨削。但磨削需要頻繁修整砂輪和絲槓校準，磨削的生產效率較低。常用方法包括直杆單線程方案、直杆多線程方案、彎杆方案，其中前兩者屬於干涉磨方法，為傳統加工方式，長徑比有限，彎杆磨的磨干水平而磨頭傾斜，有更大長徑比，但穩定性和效率更慢，我們認為磨削工藝採用國產專用設備或自制設備，或為量產經濟性方案。

② 以車代磨：通過旋轉工件，用刀具切削工件表面，依據螺紋不同而調整軸向進給量，做連續成型切削，能顯著提高加工效率、降低成本，以及規避切削熱導致的硬度退化，但由於絲槓螺紋滾道的車削工藝要求連續成型切削，單刃切削，面粗度有限，會產生較大加工應力，機牀受到的反推力更大，因此對刀具的要求更高。我們認為以車代磨工藝對刀具和車牀有一定要求，應用海外高端車牀如漢佈雷格或國產定製車牀、採用超硬刀具等可能為解決方法。

③ 軋製：通過金屬毛坯在軋機的旋轉軋輥間發生塑形變形，從而改變金屬毛坯的形狀和尺寸，生產效率可大幅縮短且製造成本能有效降低，但精度控制存在一定缺陷。

1、 技術進度不及預期。人形機器人技術涉及軟件與硬件，硬件涉及各類核心部件的製造工藝，軟件涉及機器人大腦小腦算法，若機器人軟件硬件的技術進度不及預期，則會影響其商業化進度和遠期市場空間，進而影響市場對機器人出貨量和出貨時間的預期，會有下調供應鏈的利潤空間和估值水平的風險。

2、 國產化降本進度不及預期。人形機器人商業化進度與製造成本緊密相關，而機器人規模量產依賴於核心硬件國產化，若國產化降本進度不及預期，則會影響機器人的市場空間和出貨水平，或影響賽道的估值水平。

3、 貿易政策變化不及預期。人形機器人降本以來國產供應鏈，若貿易政策出現加徵關税等不確定事件，則會影響本土硬件的性價比優勢，進而影響國產供應鏈在全球機器人市場的份額。

研報：《2025年中期策略會速遞—— 人形機器人論壇：產業化步入深水區》2025年6月6日

宋亭亭 分析師 S0570522110001 | BTK945

倪正洋 分析師 S0570522100004 | BTM566

李思佳 聯繫人 S0570123090067

王自 聯繫人 S0570123070064

（轉自：華泰證券研究所）