人形機器人成本真相：美國賣25萬，中國憑什麼只賣1萬還不到？

整理丨TOP創新區研究院FTA Group

圖源丨Midjourney

2026年，人形機器人賽道正當紅。

每天我們都看到有的機器人在練武術，有的在打網球，有的在摺疊襯衫，有的甚至在用自然語言與人類探討哲學。但在這些酷炫的Demo背后，投資人和產業界卻陷入了深深的信息焦慮——沒有人知道這些機器人的真實造價，沒有人知道視頻背后隱藏了多少次失敗的NG，更沒有人清楚這台精密儀器的肚子里，究竟塞滿了誰家的零部件。

好了，Humanoid Atlas (humanoids.fyi) 這個開源網站就是解決這個問題的。

額外的好消息是，它不用付費，不用註冊，直接打開就能看到所有信息。

它的締造者Julian Saks的本意也不是做一個高深莫測的智庫，他很單純，他想做一個免費的：「人形機器人領域的彭博終端（Bloomberg Terminal）」。

我們知道，彭博終端終結了金融市場的信息不對稱，很顯然，Humanoid Atlas就是想解決人形機器人賽道的信息不對稱的問題，撕下公關偽裝，通過SKELETON（核心骨架）、ALL OEMS（整機廠全景）、GEOPOLITICS（地緣政治）和 NETWORK（供應鏈網絡）等幾個關鍵標籤，拆解成一張張冷冰冰的 BOM（物料清單）表和供應鏈拓撲圖，進而看清這個行業競爭的本質。

成本的物理學

跨越1萬美元的「生死線」

在Humanoid Atlas的終端里，最先引起我們注意的是那張實時更新的「OEM價格與BOM估算表」。

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

在這一頁，全球二三十家頭部企業的數據並列在一起，你可以看到一件有意思的事情，那就是——兩極分化。

在表格的下端，是美國機器人們，價格高昂：Agility Robotics的工業級型號動輒標價25萬美元；Apptronik售價15萬美元；哪怕是擁有極致垂直整合能力的特斯拉Optimus，目前的BOM成本也徘徊在4萬美元左右，馬斯克那句「將售價打到2萬美元以下」的承諾，依然是一個需要時間去兑現的遠期目標。

而在表格的上端，中國軍團的數據則展現出了令人窒息的工業壓迫感：宇樹科技（Unitree）的G1模型，BOM成本被精準地框定在11500美元，量產售價僅為13500美元；

智元（AGIBot）、星動紀元（EngineAI）等頭部企業的機型，也悉數殺入了2萬到4萬美元的價格帶。

甚至，像Noetix這樣的廠商，已經探出了5500美元的擊穿底線的極限數字。

為什麼成本差異如此巨大？我們首先要明白，人形機器人第一性原理的核心，是模擬人類的自由度（DOF）。

爲了讓機器人能像人一樣走路、下蹲、抓取，一臺標準的人形機器人大約需要配置20到40個旋轉執行器（Rotary Actuators）和線性執行器。

這是整個系統的「阿喀琉斯之踵」。

Atlas的數據指出，一個標準的旋轉執行器，吃掉了整機極大的成本份額：諧波減速器（Harmonic Reducer）：佔據 36% 的成本。力矩傳感器（Torque Sensor）：佔據 30%。無刷電機（BLDC Motor）及其他：約 34%。

這就是成本的物理學。

成本佔比↑

要讓機器手臂在舉起10公斤重物的同時，還能精確到毫米級去穿針引線，且在運動反轉時沒有絲毫的機械曠量（即「零背隙 Zero-backlash」），你就必須依賴高精度的諧波減速器和極度靈敏的六維力傳感器。

中國整機廠之所以能把成本壓縮到老牌廠商的十分之一，是因為他們吃到了過去十年新能源汽車（EV）和消費級無人機產業的龐大紅利溢出。

從珠三角到長三角，龐大的供應鏈網絡能夠迅速提供低成本的壓鑄件、高密度的電池包和車規級的電機。

當美國工程師還在為如何採購高性價比零部件發愁時，中國工程師已經可以在深圳和東莞的工廠里，用極其低廉的打樣成本進行每周一次的硬件迭代。

這是典型的「製造摩爾定律」——用規模效應和供應鏈密集度，暴力踏平機械硬件的成本門檻。

誰在賺走機器人行業的

真金白銀？

但如果僅僅把目光停留在整機廠的報價上，你只看到了產業的表象。

Humanoid Atlas的「NETWORK（供應鏈網絡）」和「GEOPOLITICS（地緣政治）」標籤，還為我們揭示了一張錯綜複雜的隱祕暗網。

在這場轟轟烈烈的機器人造神運動中，目前真正賺到錢的，其實是隱藏在水下的「賣水人」。

以佔據執行器成本 36% 的諧波減速器為例，這本質上是一個材料學與精密加工的「黑魔法」。在過去幾十年里，這個領域的高端市場幾乎被日本企業（如哈默納科 HDSI）獨佔。儘管中國涌現出了綠的諧波等優秀的替代者，但在超高扭矩和極限壽命等核心指標上，高端產能依然是一個巨大的瓶頸。

所以，當特斯拉宣佈要年產百萬台Optimus時，整個行業算了一筆賬：全球現有的高精度減速器產能加在一起，都不夠給特斯拉一家供貨。

默納科諧波減速器

這就引出了地緣政治陰影下最脆弱的一環。

打開圖譜中的供應鏈溯源，你會發現：美國的人形機器人要動起來，其電機離不開稀土永磁材料（釹鐵硼），而全球絕大部分的稀土冶煉和加工產能集中在中國；其傳感器、絲槓和基礎機電組件，也高度依賴亞洲的代工體系。

如果未來由於不可抗力的地緣政治因素，全球供應鏈發生硬性脱鈎，歐美人形機器人的關鍵零部件成本可能會在瞬間飆升2到3倍。

而爲了對抗這種脆弱性，中美企業正在走向兩條截然不同的突圍之路。

中國路線是「生態化反」。

OEM廠商們在極度內卷的國內市場，通過扶持本土化供應商，不斷將減速器、傳感器的價格底線擊穿。

我們願意犧牲一部分早期的極限性能，換取快速量產的能力，用「先賣出去5000台」來跑通商業閉環。

美國路線則是「極致的垂直整合」。

馬斯克的邏輯一如既往：既然外部供應商又貴又不可控，那我就自己造。

特斯拉不僅自己在做FSD算法和Dojo算力中心，甚至開始深入到執行器結構、甚至自研電機的最底層設計。

這是一條極度重資產、高風險的險途；但一旦走通，特斯拉將擁有世界上最深的護城河——一個掌握從原子到比特全部Know-how的工業巨獸。

幽靈與宿體

當VLA模型注入鋼鐵骨架

如果説降本是人形機器人大規模商業化的前提，那麼「通用性」纔是其最終的商業閉環。

在Atlas的「VLA（Vision-Language-Action，視覺-語言-動作）」標籤頁里，記錄着這場產業革命的靈魂。

過去的機器人，為什麼看起來總是笨笨的？

因為它們是「基於規則（Rule-based）」的系統。

你要讓它端起一杯咖啡，程序員必須寫下無數行代碼，精準設定座標(X, Y, Z)和關節的角度。只要桌子稍微傾斜，或者杯子換了形狀，機器人就會像個傻子一樣在空氣中亂抓。

Physical World

但2024年底到2026年初爆發的具身智能（Embodied AI）大模型，徹底顛覆了這一切。

通過接入類似Nvidia GR00T、OpenAI相關模型以及各大開源VLA架構，機器人開始像人類一樣思考：

輸入端：它通過攝像頭看到「桌面上有一杯水」，通過麥克風聽到「我渴了」。

大腦中樞：VLA大模型在龐大的神經網絡中進行物理常識的推理（口渴 -> 需要水 -> 水在杯子里 -> 需要拿起杯子遞給人類）。

輸出端：模型不再輸出生硬的代碼座標，而是直接端到端（End-to-End）地輸出給關節電機的扭矩信號。

在這個範式下，硬件僅僅是一個「宿體（Vessel）」，數據纔是真正的壁壘。

這就解釋了為什麼特斯拉要在工廠里僱傭數百名工人，讓他們穿戴着動作捕捉設備，日以繼夜地演示如何搬運箱子、如何分揀零件。他們不是在作秀，而是在為VLA模型提煉最寶貴的「遙操作數據（Teleoperation Data）」。

在這一維度上，美國的先發優勢明顯。

Figure能夠迅速崛起並獲得超高估值，很大程度上是因為它直接插上了OpenAI的大模型翅膀。

但是，千億參數模型在物理世界中積攢的「直覺（Intuition）」和邊緣案例（Corner Cases）數據池，是無法靠單純的資金砸出來的——這或許也是中國的優勢。

終局演練

站在今天，對於關注這個賽道的人來説，產業的下半場，拼的是三個極其硬核的指標：

工程化降本能力：誰能率先把全量產的BOM成本壓倒1萬美元的臨界點之下，且保證一萬小時無故障運行（MTBF）。

供應鏈掌控力：誰能在諧波減速器、空心杯電機、六維力傳感器這些被少數供應商卡脖子的環節，實現技術突圍或深度的利益綁定。

高質量數據飛輪：誰能最先在真實場景（汽車產線、倉儲物流，乃至最后的家庭服務）中部署上萬台設備，通過真實物理反饋反哺自家的VLA模型。

在一個跑步進入物理AI（Physical AI）的世界里，每一次依賴關係的釐清，都意味着創新周期的縮短。

這個免費的網站Humanoid Atlas。就是將一切競爭拉回到了工業與科技最本質的維度——成本、效率、供應鏈與算力。

你站在哪一個維度？