机器人产业深度（七）：机器人的大脑——具身智能

报告日期：2024/8/20

2024年人形机器人最具突破性的进展主要体现在具身智能领域：3月，Covariant发布端到端具身大模型RFM-1，具身智能创业团队Sergey Levine和Chelsea Finn创立Pi（Physical Intelligence），Figure AI发布接入OpenAI GPT-4V的Figure 01 demo。4月，李飞飞创立World Labs，致力于解决AI在三维空间感知和理解方面的难题。5月，特斯拉发布视频，展示Optimus精准分拣特斯拉电动车4680电池的场景，使用完全端到端神经网络，只利用2D摄像头视频和机载自传感器，直接生成关节控制序列，完全靠视觉辅助和人类示范进行训练。国内人形机器人产业硬件供应链优势明显，在具身智能、数据采集、人才领域的短板需要补齐。

分层端到端是目前具身智能的主要路径。大模型分为非具身大模型（基础大模型）、具身智能大模型（机器人大模型），区别是能否生成运动姿态。非具身大模型如GPT、Sora等，输入和输出的模态都是语言、图片和视频。具身智能大模型输入视觉、语言信号，输出三维物理世界的操作，其中，端到端的具身大模型对数据和算力要求高，如Tesla FSD、谷歌RT模型；Figure AI等大多数公司都采取了分层端到端的具身大模型，一般分为三层：基础大模型（LLM或VLM）、决策大模型、操作大模型，其中决策大模型以ChatGPT for Robotics、谷歌PaLM-E为代表，技术方向从LLM 向强化学习（RL）演进，基于RL的范式可以使模型能够在不同环境和任务中学习和适应，实现更高级的决策能力。操作大模型根据决策大模型的输出执行具体动作，需要与机器人硬件深度集成，且必须通过数据采集来实现，技术方向从“MPC+WBC”向“RL+仿真”演进，MPC更适合具有精确模型和短期优化目标的场景，RL更适用于不确定性高、需要长期学习和自适应的环境。在操作大模型领域，大多数厂商都刚起步。

数据采集的主要方式：远程操作、仿真合成数据。互联网上各类文本、图像和视频数据集庞大，机器人的场景和交互有价值的数据量小，限制了AI模型在人形机器人上的泛化能力。特斯拉Tesla Bot开发团队使用人类的真实运动方式来训练机器人，英伟达推出MimicGen和Robocasa模型，通过真人的遥操作数据捕获，再通过生成合成运动数据和模拟环境，加速机器人技术的研发和应用。国内人形机器人创新中心加速建设人形机器人训练场。

具身智能估值逻辑：硬件、数据、模型、人才。硬件是一切的基础，如果没有自己的硬件，就无法根据算法和数据进行硬件的快速优化和修改。涉及数据的采集、组织管理以及与模型的闭环开发，需要有强大组织能力的团队，核心团队需要具备组织大规模工程师的经验；越来越多的算法陆续开源，开源算法可以提供基础的功能和技术，但要实现高质量、高性能的人形机器人，需要专业的算法团队进行深入研究和开发。

风险提示：1）竞争环境恶化；2）新技术的应用速度低于预期。

2024年人形机器人产业投资九大要点

报告日期：2024/1/6

2024年，人形机器人迎来产业化元年。2022年10月，特斯拉发布Optimus人形机器人原型机，11月，ChatGPT问世，AIGC与人形机器人的融合，给具身AI带来无限想象。2023年，Optimus技术不断迭代：4月发布Gen 1-Demo1视频，9月发布Gen 1-Demo2视频，12月发布Gen 2视频，每一次的进步都引发了市场的强烈关注。2024年，特斯拉计划在工厂部署人形机器人、国内优必选、智元机器人公告将进入工厂产业化验证，新年初始，三花、拓普相继发布公告，分别投资50亿元，在国内建设机器人核心部件制造基地，人形机器人迎来产业化元年。2024年，我们坚持“硬件设计创新+中国制造降本”的核心产业逻辑，关注“3+3”核心零部件的产业发展趋势，总结出2024年人形机器人产业九大要点，一起迎接人形机器人产业化浪潮。

人形机器人三大技术瓶颈：数据获取、运控算法、硬件创新。人形机器人无论是进入工厂还是进入家庭，要解决三个方面的技术瓶颈问题：1）大模型数据获取的速度和成本：机器人大模型需要的数据来自于真实需求和场景，数据采集成本高、速度慢，因此数据的采集是第一个难点。2）硬件控制的统一性和准确性：人形机器人执行具体任务时，需要解决准确性和实时性，AI在机器人的任务/运动规划、对硬件控制的统一性和准确性上，存在挑战。3）灵活高效的身体需要高功率密度的硬件，在一定体积、一定成本条件下输出最高功率的硬件产品，也是技术需要探索的方向。

“硬件设计创新+中国制造降本”是人形机器人产业的核心逻辑，聚焦“3+3”关键核心零部件。从成本构成来看，自动化控制三大件（驱控和执行部件）占比接近1/3，各类传感器占比1/3，软件占比接近1/3。综合考虑“单机价值量+国产替代+技术壁垒”三大因素，我们总结出“3+3”关键核心零部件：第一个3指的是自动化控制核心三大件：电机电控+执行器（谐波减速器、行星滚柱丝杠）；第二个3指的是传感器三大件：力觉传感器、触觉传感器、视觉传感器。这些核心部件的技术突破和创新，进口替代降本的进展，是人形机器人产业化的重要关注点。

软件算法：2024年FSD有望落地中国，人形机器人AI化进程提速。特斯拉机器人与汽车共用FSD系统，这个系统由数据、算法、硬件构成整体架构，其迭代路径是通过不断升级算力的硬件来支撑不断升级的算法，处理不断增加的海量数据。预计到2024年，特斯拉DOJO的算力将接近10万块英伟达A100显卡算力的总和。特斯拉人形机器人与FSD底层模块打通，一定程度上算法可复用。特斯拉“交互搜索”规划模型进一步增强了FSD系统的规控能力，且FSD系统还能通过Occupancy Network对可视区域进行建模，处理未知不可见的场景。

本体厂商：软硬件全栈自研的AI机器人本体厂商更有机会胜出。我们认为机器人与汽车、手机行业一样，未来稳定状态下会是赢者通吃、头部聚集的竞争格局。软硬件全栈自研的AI机器人本体厂商更有可能胜出，要关注细细打磨产品，积累后发优势的公司。有底层操作系统的大厂，可以通过收购，或者自己组建本体团队，具备全链条整合创新能力的企业胜率更大。

风险提示：低估了技术的复杂性；实际应用中的难题远比预期中的多；投资过度。

机器人产业深度（六）：机器人的关节——高效电机

报告日期：2023/11/29

人形机器人关节电机的三个关键需求：高效率、高动态和高功率密度。①高效率：低能耗和低摩擦损失很重要，因为机器人通常由电池供电，能经受得起苛刻的运行条件，可进行十分频繁的正反向和加减速运行，能在短时间内承受过载。②高动态：整个驱动器的惯性应尽可能低，电动机从获得指令信号到完成指令所要求的工作状态的时间应短。③高功率密度：机器人应用需要高速、高扭矩电机，电机需要小巧，紧凑，轻巧。由于应用需求场景不同，将人形机器人关节与工业机器人、协作机器人关节进行对比优劣没有可比性。工业机器人对精度、寿命要求高，更适合采用伺服电机；人形机器人对控本、提效、力矩和运转稳定的诉求更强，更适合采用力矩无框电机。 

力矩电机相对于伺服电机能提供更加稳定的力矩和运转速度，且由于不需要使用齿轮减速箱，能够有效降低其成本和体积，减少误差及提升效率，更能够满足人形机器人的需求。①提供稳定的力矩和运转速度，利于人形机器人的大范围推广及长期使用。②不需要使用齿轮减速箱，减少人形机器人部件的数量，从而最大限度降低其成本和体积。③维护更加简单，可靠性更高。④效率更高，更节能。机械系统中每增加一个传动部件都将会产生效率的损失，因此减少系统中传动部件，提高整个系统的效率，从而能够变相的节能，有利于提高人形机器人的续航及负载。

人形机器人的空心杯电机以无刷空心杯电机为主。因为空心杯电机高速低扭矩的特性，为了在较小空间内获得较大的手指抓握力，空心杯电机都需要搭配行星减速箱进行使用，一般都会集成2-3级的行星减速箱。无刷电机通过驱动器实现电子换向，其定子部分使用空心杯绕组，采用无齿槽铁芯设计，具有高转速、长寿命、低噪音的特性，又具有高功率密度、高效率的优势。

当人形机器人年销量分别为100万台时，直流无刷力矩电机年新增市场规模140~280亿元，是2022年市场规模的5~11倍。空心杯电机市场规模为72亿元，是2022年市场规模的2倍。1）直流无刷力矩电机市场规模的核心假设，单台人形机器人配置直流无刷力矩电机28个；空心杯电机价格随量产进程逐年下降，当人形机器人年销量100万台时，关节电机均价500~1000元；2）空心杯电机市场规模测算的核心假设：单台人形机器人用空心杯电机12个；空心杯电机价格随量产进程逐年下降，销量达到100万台时，单价600元。据 QY Research 数据，2022年全球空心杯电机市场规模为7.48亿美元。

我国力矩电机和空心杯电机厂商钧处于全球第二梯队。力矩电机全球第一梯队厂商主要有科尔摩根、Aerctech、Parher。我国的力矩电机厂商主要厂商有步科股份、雷赛智能、昊志机电等，伺服厂商如汇川技术、禾川科技也有基础切入无框电机市场。海外龙头在空心杯电机领域布局较早，技术经验积累深厚，产品系列完善，项目经验丰富。与海外龙头企业产品性能相比，我国空心杯电机部分品类的产品性能接近或达到海外龙头，高端产品在功率、效率等方面存在差距。 

风险提示：1）产业进展低于预期；2）竞争环境恶化；3）新技术的应用速度低于预期。

机器人产业深度（五）：机器人的触觉——六维力矩传感器

报告日期：2023/09/17

六维力矩传感器，助力机器人的柔顺控制。随着机器人技术的快速发展，机器人应用越来越聚焦于机器人与环境发生交互的场景，如打磨抛光、柔顺装配、医疗康复等，对机器人柔顺控制的需求快速增长。对人形/四足机器人、外骨骼机器人而言，柔顺控制对于复杂地形的通过能力、人机柔顺交互能力也非常重要。力矩和位置结合，机器人可以实现更加柔性的控制。

预计2027年工业场景六维传感器需求为4.2万套，2022~2027年CAGR超过50%；当人形机器人年销量达到100万台时，对六维力矩传感器的年需求为400~1600万套。与人工打磨相比，机器人打磨能提高效率和产品良率，降低成本，机器人装配、抛光打磨场景渗透率进入快速提升阶段。2022年中国六维力矩传感器销量/规模分别为8360套/2.39亿元，预计2027年将分别达到42000套/15亿元，CAGR分别为57.97%/52.04%。目前人形机器人主要将六维力矩传感器配置在手腕（2个）、脚踝（2个）处，如果成本大幅下降，灵巧手也有可能配置（12个），据此测算，当人形机器人年销量100万台时，六维力矩传感器年销量有望达到400~1600万套。

六维力矩传感器的技术壁垒：结构设计、标定校准、数据精确采集、解耦算法。六维力测量技术是个平台技术，根据应用场景的环境、载荷、安装、通讯、算力、动力学特性不同，在不同行业中体现出不同的产品形态。他的技术难度不是三个1维力传感器和三个扭矩传感器的简单叠加，而是一维力传感器难度的6次方，体现在：1）它的非线性力学特征明显，要考虑多通道信号的温漂、蠕变、交叉干扰、数据处理的实时性，2）六维联合加载标定的复杂性，3）解耦算法。

六维力矩传感器降本空间大，BOM成本中应变片占比最高，制造费用和研发费用占比高。六维力矩传感器单价昂贵，根据e-motion supply和爱采购网站数据，ATI机器人用mini45、axia80 m8、nano43型号进口价格超过3万元人民币，大型传感器omega191进口价格10.5万元。BOM成本中主要构成是应变片（占比最高，为24.2%-39.9%）、弹性体和敏感器件。此外，人工贴片费用、标定校准、研发费用占成本较高。随着市场规模扩大，成本有较大下降空间。

全球六维力和力矩传感器厂商主要分为欧美、日韩、国产三大阵营：1）欧美：包括传感器制造商如ATI、Bota、Kistler等和机器人末端工具生产商如OnRobot、Robotiq等，后者主要和优傲等协作机器人厂商合作。2）日韩：Wacoh-Tech、Robotous等，配套日本机器人厂商发那科、安川等。3）国内企业体量普遍较小，龙头企业宇立仪器与ABB、kuka合作紧密，主要技术指标靠近国际一流水平，如：欧美品牌过载值在量程5倍左右，ATI Axia80-Ure过载值在量程8倍，宇立仪器工业级传感器M43XX和机器人专用传感器M33XX达到10倍量程。测量准度方面：ATI通用型产品 Axia-80在满量程的2%以内，宇立仪器的产品在满量程的3%以内。国内为数不多的六维力矩传感器厂商还有坤维科技、鑫精诚、海伯森（汉宇集团参股5.52%）、蓝点触控、神源生、瑞尔特等。核心零部件方面，国内以金属应变片为主，主要供应商有中航电测。

风险提示：1）产业进展低于预期；2）竞争环境恶化。

机器人产业深度（四）：机器人的眼睛——3D工业视觉

报告日期：2023/08/24

从2D视觉到3D视觉是一次技术的跃升。3D视觉针对工业自动化应用上的“痛点”，提升缺陷识别的精度和自动化产线在线检测的速度，加速在机器人引导和移动机器人环境感知场景落地。针对不同自动化领域的专业化定制是3D工业视觉的主要特征，视觉大模型赋能3D工业视觉，降低定制化开发的成本，提升定制化开发的效率，有效拓展应用场景。2022年中国3D工业相机市场规模18.4亿元/yoy+59.9%，GGII预计2027年接近160亿元，复合增速53.8%。

3D视觉技术满足工业领域更高精度、更高速度、更柔性化的需求，扩大工业自动化的场景。2D视觉技术基于物体平面轮廓，无法获得曲度、空间坐标等三维参数，检验精度低。激光三角测量、结构光、ToF、多目视觉等技术共同推动了3D视觉发展。高精度缺陷检测场景（如：半导体有图形晶圆检测）技术要求最高，主要采用激光三角测量、干涉和共聚焦技术；生产线在线检测和装配最难，需要复杂的解决方案来适应不同的生产场景，并在振动和环境光干扰下实现高速度和高精度，主要技术是激光三角测量和结构光。仓库自动化（尺寸测量、环境感知、手势识别、随机拣箱）主要采用结构光和立体视觉。

移动机器人视觉引导最具前景的场景，主要技术包括结构光、ToF、立体视觉。环境感知具备宽视场、高速度(用于实时视觉伺服)、高精度的要求，技术路径尚未确定。特斯拉Optimus的3D传感模块以多目视觉为主，全身搭载8个摄像头，自研SoC芯片FSD，纯视觉方案硬件成本低，对软件算法要求高。国内外其余厂商多采用3D相机+激光雷达方案，优必选WALKERX的视觉模块采用多目视觉，小米CyberOne的Mi-Sense采用iToF+RGB，追觅采用ToF+结构光，智元A1采用RGBD相机。

从深度学习到通用视觉大模型，AI助力机器视觉提升效率，拓展应用场景。过去工业机器视觉主要针对垂直场景的少量数据进行小模型训练，模型处理问题的复杂程度受限。23年4月Meta发布通用图像分割大模型SAM，视觉大模型赋能3D视觉，可以实现：a.大模型在广泛下游场景中具备优势，有望降低定制化开发成本，提升机器视觉产品毛利率，快速拓展应用场景。B.大模型在零样本或少量样本上表现优秀，机器视觉将在这些领域得以拓展，如从代码驱动变为视觉驱动的机器人、流程工业场景。

在精密检测及测量场景中，原2D视觉头部厂商优势较大；在机器人引导类场景中，内资初创型厂商以快速设计并落地方案的优势，处于领先地位。在精密检测及测量场景中，3D通常是与1D、2D技术融合使用，现有2D视觉领导厂商依靠成熟的供应链以及深厚的行业Know-How，依然会主导行业发展，领先的企业有：基恩士、奥普特、大恒图像、凌云光等。国内3D工业视觉企业主要集中设备组装和集成环节，依靠性价比、深度定制以及服务能力赢得市场，但其主要核心零部件（机器人运动算法、应用工艺包，3D工业相机）主要为外购。在移动机器人引导应用中，内资初创型3D视觉厂商处于领先地位。目前大部分企业集中在机械臂进行分拣、上下料等场景。以视觉为主要导航方式的移动机器人在国内还较少。

风险提示：新技术的应用速度低于预期。

机器人产业深度（三）：机器人的关节——精密执行器

报告日期：2023/06/26

方案不断迭代、成本持续下降，Tesla Optimus在产业化的道路上奋力奔跑。马斯克预计Tesla Optimus最终售价将在2万美金以下，有很大降本空间。从去年特斯拉开放日到近期的股东大会上，特斯拉人形机器人技术迭代的速度超出了市场的预期，产业链核心部件降本的速度也非常快。我们目前还无法判断产业链上具体环节成本下降的幅度和时间，但降本的趋势是确定的，技术快速迭代和成本大幅下降将加速Tesla Optimus产业化和规模化，Tesla电动车产业化进程可作参考。

执行器决定机器人的负荷和精度，微特电机和执行器有望在人形机器人上大规模应用。执行器是机器人的核心部件，参考工业机器人成本构成，执行器（减速器）成本占比35%，伺服控制系统占比25%（伺服电机+驱动器），控制器占比10%。预计Tesla Optimus旋转执行器方案为：永磁无刷电机+谐波减速器+抱闸+双编码器+力矩传感器+轴承，采用谐波传感器的优点：小体积，大速比，扭矩密度比较高。预计直线执行器方案为：永磁无刷电机+行星滚柱丝杠+位置编码器+力传感器+轴承，采用线性执行器驱动器关节的优势：高精度、低能耗、高负载、高空间利用率、具备自锁能力。我们预计特斯拉Optimus身体关节共有28个，对微特电机及执行器的需求将大幅增加。

预计人形机器人对执行器的需求弹性排序为：行星滚柱丝杠 >谐波减速器 >行星滚珠丝杠 >滑动丝杠 >轴承。我们进行了执行器需求的敏感性分析，当Tesla Optimus年销量达到100万台时，将新增谐波减速器年需求1400万台（2022年市场规模100万台）。Tesla尚未公布其线性执行器方案，我们猜测可能有两种：方案1：4个滑动丝杠+8个行星滚柱丝杠；方案2：14个滚珠丝杠。假设采取方案1，将新增行星滚柱丝杠年需求800万台（2022年12万台）及滑动丝杠400万台；假设采取方案2，将新增高精度滚珠丝杠年需求1400万台（2022年中国市场规模1400万台，主要集中在中低端产品）。

技术壁垒：主要体现在设计、材料、工艺和加工精度上，在产品性能上表现为精度保持度、寿命、故障率等。以谐波减速器为例进行说明：1）在设计上，绿的谐波的P 齿形、来福谐波的δ齿形率先打破垄断，新进入厂商很难避开哈默纳科专利限制设计优良性能的齿形；2）材料：国外提纯技术较高、杂质少，因此国产谐波减速器的柔轮材料长期依赖进口；3）工艺：国产厂商在柔轮的热处理工艺、慢走丝、连续切割等加工工艺上还需要经验积累；4）精加工：热处理、磨齿机、三坐标等关键设备依赖进口。

产业链及投资机会梳理：谐波减速器国产化进程提速。

风险提示：1）技术、方案成熟速度低于预期；2）产业链成本下降速度低于预期；3）出现相似技术。

机器人产业深度（二）：AI大模型赋能人形机器人，迈向通用人工智能的一大步

报告日期：2023/05/22

AI大模型+人形机器人，迈出了通向通用人工智能的一大步。机器人进化路径：从固定到移动，从独立到协作，从单一到通用。服务机器人商业化落地的前提是产品能提供真实价值，真实价值的判断在于机器人能否通用。把机器人做成人形，就是为了使机器人的执行能力更加通用，上游核心零部件随着协作机械臂的兴起快速发展，促进了人形机器人硬件本体制造能力的提升，同时伴随自动驾驶技术的高速发展，人形机器人在视觉、SLAM与基础AI上有了更多的方案选择，大模型的出现，会从语音、视觉、决策、控制等多方面实现同人形机器人的结合，形成感知、决策、控制闭环。我们认为机器人产业将进入渗透率快速提升的新阶段，看好机器人产业发展前景。

AI大模型从语音、视觉、决策、控制等多方面实现同人形机器人的结合，形成感知、决策、控制闭环，使机器人具备常识。1）语音：语言大模型为机器人的自主语音交互难题提供了解决方案，在上下文理解、多语种识别、多轮对话、情绪识别、模糊语义识别等通用语言任务上，ChatGPT显著优于深度学习，表现出了不亚于人类的理解力和语言生成能力。2）视觉：人形机器人的场景相对工业机器人更通用、更复杂，通用视觉大模型的All in One 的多任务训练方案能使得机器人更好地适应人类生活场景：大模型的强拟合能力使人形机器人在进行目标识别、避障、三维重建、语义分割等任务时，具备更高的精确度；通用视觉大模型通过大量数据学到更多的通用知识，并迁移到下游任务中，基于海量数据获得的预训练模型具有较好的知识完备性，提升场景泛化效果。3）决策：基于多模态的预训练大模型将增强机器人可完成任务的多样性与通用性，让其不局限于文本和图像等单个部分，而是多应用相容，拓展单一智能为融合智能，使机器人能结合其感知到的多模态数据实现自动化决策。

驱动：相比工业机器人，人形机器人硬件需求更复杂、更多元，特斯拉采用的电驱方案具备商业化应用基础。特斯拉Optimus采取电驱方案，预计全身共40个执行器，其中：身体关节28个执行器，旋转关节方案采用伺服电机+减速器方案，我们推测单台人形机器人将搭载6台RV减速器（髋、腰腹）和8台谐波减速器（肩、腕）；我们猜测摆动角度不大的关节（膝、肘、踝、腕）采用力矩电机+行星滚柱丝杠方案，将使用14个线性执行器。2）机械手采用微型电机+腱绳驱动传动结构，单手6个电机，11个自由度。空心杯电机结构紧凑、能量密度高、能耗低，和人形机器人机械手需求契合度高。

减速器、伺服电机、线性执行器、滚柱丝杠是人形机器人的运动控制产业链中价值量较大的硬件设备。1）电机：数量更多、品类更丰富，需满足全身各关节的驱动需求，手部需采用微型电机。2）减速器、传动装置：数量更多，旋转执行器延续了对RV、谐波减速器的需求，线性执行器中需要用到行星滚柱丝杠作为线性传动装置。3）环境感知：区别工业机器人在固定场景外接机器视觉设备实现识别的方案，人形机器人场景复杂，需采用激光雷达、摄像头等方案实现环境感知、三维重建并实现路径规划，对设备品类、算法、实时算力要求更高。4）运动控制：类似于工业机器人，运控算法均是厂商自研，开发难度大，是核心竞争力之一；特斯拉Optimus复用特斯拉汽车的感知和计算能力，在全自动驾驶FSD芯片基础上开发适合人形机器人的控制器系统。人形机器人传感器数量、品类、执行机构复杂程度远高于工业机器人，对控制器实时算力、集成度要求高。

风险提示：1）经济复苏低于预期；2）AI大模型、超融合发展速度低于预期；3）出现相似技术。

机器人产业深度（一）：技术奇点靠近，需求拐点来临

报告日期：‍‍‍‍‍‍‍‍2023/03/06

我们认为，中国机器人行业已经迎来需求拐点，有望逐渐从复制跟随走向技术引1领，从国产替代迈入海外拓展阶段。中国是全球规模最大，增速最快的机器人市场，2001~2022年机器人销量从700台增长至30.3万台（销售规模87亿美元），复合增速33.5%。2017年是中国机器人行业的分水岭，2017年以前是国产替代阶段，国内机器人公司主要通过模仿，以更低的成本获得市场。2017年开始，结合AI深度学习、3D视觉、力控等技术的变革，中国机器人行业逐渐走向市场领,2017~2022 年销量复合增速 23.1%。人口结构变化，制造业数字化转型，中国新能源产业爆发并领先全球，中国机器人或能复制日本机器人产业发展路径。除了享受外部红利，运动控制（含伺服控制、减速器等）、自主定位导航、人机交互等核心部件和技术的持续进步才是机器人行业长足发展的决定性因素。

新能源产业崛起，工业机器人进口替代提速。回顾日本机器人产业的腾飞之路，汽车作为工业机器人的最大下游，1970~1990年产量从581万升至1349万台，日本工业机器人产量由1350台升至 10 万台，复合增速 25%，两大机器人公司发那科、安川包揽了汽车冲压、焊接两大工艺。2020年，中国新能源产业爆发并领先全球，或能复制日本机器人产业发展路径。新能源作为新兴产业，企业愿意联合国产机器人探索标准化工艺，技术能力的积累也使得国内机器人厂商具备满足工业场景客户需求的能力，国产工业机器人得以借势追赶，订单额、交付质量、复购率良性增长。2020 年疫情期间，外资品牌进口受阻，交付能力更胜一筹的国产品牌把握住了发展良机。

服务机器人进入海外拓展阶段。服务机器人国内市场主要由内资主导，海外市场拓展也已获得成效。中国品牌拓展海外市场的优势：1）海外服务业长期面临员工流动性高、工资上张的压力，企业很惠意使用机器人实现自动化；2）中国有成熟的产业链配套，性价比优势明显，投资回收期短；3）工程师红利 ：服务机器人对不同的使用场景有不同的需求，中国品牌对问题的响应能力、持续的服务能力。

技术奇点逐渐靠近：1)运控核心部件国产化拐点有望出现，人形机器人产业的发展将促进核心部件快速成长：以汇川技术为代表的伺服控制系统、以绿的谐波为代表的谐波减速器等核心部件制造能力显著提升，国产 RV 减速器也努力缩小差距。2）自主定位和环境感知率先进入项目工程化和成本控制的阶段 ：多传感器融合（相机、激光雷达、毫米波雷达、惯导等）的 SLAM 技术逐渐成为趋势，机器人的自主移动和感知环境的能力 与自动驾驶有一定通用性，移动机器人产业化面对的是相对封闭确定的低速场景，比自动驾驶已率先进入了项目工程化和成本控制的阶段。3）人机交互：语音交互技术已发展较为成熟，ChatGPT将人类反馈强化学习引入深度学习的方式为机器人更智能化。人性化发展提供了新思路。

风险提示：1）经济复苏低于预期；2）超融合在国内水土不服；3）出现相似技术。