芝能科技出品

在經歷了AI大模型的爆發之后，人類迎來了另一個科技革命的前夜——人形機器人（Humanoids）。

摩根士丹利最新研報指出，到2050年，全球人形機器人市場年收入有望達到4.7萬億美元，累計部署量達10億臺。這一體量幾乎是當前全球汽車產業的兩倍，預示著“物理AI”將成為未來幾十年最具顛覆性的產業浪潮。

在這一顛覆性浪潮中，中國不僅有機會成為最大應用市場，更可能憑借完備的制造體系、工程人才儲備和成本控制能力，在核心零部件、自主操作系統與工程集成能力上實現“由量到質”的躍遷。

我們跟著大摩的這篇報告，一起剖析技術發展路徑與產業實現邏輯，系統分析中國能否在這一“物理AI革命”中成為最大贏家。

01

工程起點：

為什么是人形機器人？

在機器人發展歷史中，“形態”的選擇始終圍繞功能性與成本權衡展開。

與輪式或履帶式機器人相比，人形形態的最大價值，在于其對人類環境的通用適應性：樓梯、門把手、工具、座椅、駕駛艙等均為人類設計，人形結構幾乎無需改造環境即可部署。

這意味著，在未來融合了VLA（Vision-Language-Action）模型的通用智能后，人形機器人將具備“即插即用”的潛能。

01

工程挑戰：感知-理解-執行的閉環

人形機器人的核心挑戰不是能否造出雙腿、手臂，而是如何構建完整的“感知-理解-動作”閉環。

工程上這意味著：

◎ 感知模塊：集成多模態傳感器（RGB-D相機、IMU、ToF激光、觸覺等）；◎ 決策模型：融合VLA模型，通過Transformer等架構進行語義理解與任務規劃；◎ 運動控制：依靠高精度電機、絲杠、減速器，結合閉環控制算法，實現亞毫米級動作執行；◎ 實時反饋：搭建高可靠性RTOS或ROS2框架，確保毫秒級控制延遲。

從工程實現路徑看，當前產業正處于技術進步期（2025–2035），關鍵在于打通各子系統耦合瓶頸，逐步向高度集成化、低功耗、低延遲、高冗余容錯結構演進。

02

成本轉折點：從實驗平臺向消費品轉化

當前人形機器人BOM成本高達5萬~20萬美元，主要卡在“柔性執行系統 + 智能模型融合”兩個點。

但隨著下列趨勢推進，行業將在2035年前后觸達“拐點”：

◎ VLA模型從定制訓練轉向遷移學習與邊緣部署；◎ 零部件國產化比例提升至80%以上；◎ 電機與絲杠、諧波減速器等部件壽命突破關鍵節點（>2萬小時）；◎ 主控芯片從X86/GPU逐步過渡至ARM+NPU專用SoC。

這將使人形機器人在商業場景（制造/物流/客服）中達到TCO拐點，進入批量部署期（2035–2045），并于2045年后進入家庭端普及期。

02

價值鏈解構：

誰控制“大腦”，

誰占據“制造高地”？

摩根士丹利提出，人形機器人的產業結構由“大腦”模型、“身體”硬件及集成控制系統三部分組成。在工程實現維度上，每一層都存在“成本-性能-通用性”之間的技術權衡。

01

機器人模型：從VLM到VLA的通用化演進

當前VLA（視覺-語言-動作）模型的構建路徑在架構思路上與大語言模型（LLM）有一定共性，但在工程實現上提出了更為復雜的要求。

這類模型不僅需要融合3D視覺輸入、語言語義理解，還需集成多目標路徑規劃能力，以支撐機器人在真實環境中的智能行為。

數據采集高度依賴“真實物理交互”，其成本遠高于傳統文本或圖像數據的獲取；更重要的是，模型必須能夠適配硬件反饋機制，實現在100毫秒以內的“感知-決策-動作”閉環控制，對實時性和系統協同提出極高要求。

從工程角度看，目前仍面臨多重挑戰：

◎ 一是缺乏標準化的物理交互數據集（如抓取、行走、物品分類等），限制了模型泛化能力；

◎ 二是算法優化需兼顧邊緣端部署，適配如邊緣NPU或嵌入式GPU等算力受限的硬件平臺；

◎ 三是從靜態任務（如搬運、巡邏）向動態交互（如對話、協作）演進過程中，亟需構建支持實時推理與多線程感知的系統架構。

中國企業如優必選、傅利葉、小米等已開始布局自主VLA模型訓練，并結合寒武紀、地平線、華為昇騰等國產芯片進行邊緣推理優化，初步形成技術積累。

相較于英偉達的GR00T和谷歌Gemini Robotics等國際領先方案，仍存在代際差距，核心問題在于跨模態統一數據集的建設滯后以及工程優化工具鏈的積累不足，這將成為下一階段突破的關鍵方向。

02

集成制造系統：軟硬協同是核心壁壘

機器人并非簡單的“硬件堆砌”，真正的競爭力在于系統級的深度集成與工程化能力。當前，領先的機器人企業正從機構設計、動作控制、供電與熱管理、冗余與安全機制等多個維度構筑工程護城河。

◎ 在機構設計方面，輕量化與剛性匹配成為關鍵，高模量復合材料和碳纖維結構的應用日益廣泛；

◎ 動作控制則趨向于全身運動協調（Whole-body control），需融合IMU、足底傳感器與視覺系統進行精準的狀態估計；

◎ 供電與熱管理強調高功率密度與低發熱設計，以避免因溫升導致的動作失穩；

◎ 而冗余與安全機制涵蓋異常關節鎖止、環境感知避障以及語義層級的權限控制，確保運行過程中的穩定與安全。

目前，國際領先企業如特斯拉Optimus、Apptronik與Agility Robotics普遍采用模塊化設計理念，提升系統的可迭代性與場景適應力。

相比之下，中國廠商亟需補強“運動控制系統”這一長期短板，重點發展具備高帶寬、抗干擾與快速響應能力的閉環控制系統，推動軟硬實時協同，從而實現從硬件到系統層面的全面突破。

03

核心零部件：中國制造的“反擊戰場”

在人形機器人核心部件的設計與選型中，減速器、絲杠電機和力/扭矩傳感器是決定整機性能的關鍵環節。

◎ 減速器方面，諧波減速器以高精度、小體積見長，但壽命相對有限；行星滾柱減速器則具備更長的使用壽命和更高的剛性，適合重載場景；而新型彈性傳動方案正在崛起，兼顧輕量化與集成度，成為降本增效的新選擇。◎ 絲杠電機趨向于中空結構設計，便于布線與散熱，并通過優化電磁干擾抑制措施提升系統穩定性，同時推動電驅一體化進程，實現更高集成度。◎ 力/扭矩傳感器則多采用六維應變計結構，要求達到1N以下的分辨率，以滿足精細操作中的感知需求。摩根士丹利估算顯示，采用中國供應鏈的BOM成本約為4.6萬美元，僅為歐美方案（約13萬美元）的三分之一，拓普、恒立、綠的諧波、山河智能等中國廠商正通過“工程降本 + 精度提升”的雙線策略主導產業鏈升級。為加快商業化落地，建議從三方面推進工程演進路徑：◎ 首先，借助Simulink與Gazebo等系統仿真平臺優化力學設計與功耗匹配；◎ 其次，推進減速器一體化方案，將減速器、電機與傳感模塊共封裝，提高集成度與可靠性；◎ 最后，引入自對準誤差補償算法，以應對多關節冗余系統帶來的運動精度挑戰，從而全面提升機器人性能與量產可行性。

從工程突破到產業躍遷，中國應扮演怎樣的角色？

人形機器人產業的核心不是“是否能造出一個機器”，而是“能否以產業化邏輯，大規模造出可靠、安全、經濟的人形機器人”。

這要求國家與企業在以下三個維度協同布局：

◎ 技術路線選擇清晰化：在動力系統（液壓 vs 電動）、控制框架（集中 vs 分布）、操作系統（通用 vs 專有）之間做出戰略取舍；◎ 數據與仿真驅動研發體系：構建跨企業共用的“物理交互數據平臺”和“高保真仿真庫”，支撐VLA模型與控制策略訓練；◎ 產業鏈協同：推動零部件標準化、模塊化設計，加快形成類似“人形機器人通用平臺”的產業生態，降低入局門檻、加速場景落地。

小結人形機器人不是一次消費電子迭代，而是一場深刻的工業與社會基礎設施重構。未來，誰能控制“大腦算法 + 本體制造 + 系統控制”三位一體的能力閉環，誰就掌握了下一代通用人工智能的主導權。對于中國而言，這不僅是一場技術戰，更是一場工程體系能力的檢驗。在這場可能持續25年甚至更久的“物理AI”革命中，中國工程師將成為真正的決定性力量。

       原文標題 : 人形機器人5萬億美元市場崛起，中國成為主導者？