2025年，中美人形机器人产业实现共振，建议聚焦两条投资主线：
1）技术引领：特斯拉Optimus引领产业技术前沿、商业化进程，从“多传感器融合”到“本体智能”，提升在真实场景的泛化性，产生的新需求：关节硬件的抗冲击性能要求提升，灵巧手力/触觉传感器部署增加，边缘测计算将增加对低功耗芯片的需求，模拟训练模型架构和高质量物理世界数据采集的需求。2）商业化驱动：2024年Optimus实现了人形机器技术瓶颈的突破：运动控制→精细操作→任务泛化。2025年，Optimus进入“技术爆发→商业验证”过渡期，供应链将逐步收敛，确定性高，弹性大，是高赔率和高胜率兼具的赛道；国内互联网大厂和车企加大人形机器人产业的投入，重塑国内产业格局；领先厂商积极探索场景落地，新进入者积极研发硬件方案，零部件需求百花齐放（对标2023年特斯拉链），优选卡位好的供应商。
关注抗冲击执行器、灵巧手、触觉传感器和模仿学习。
1）抗冲击是商业化落地的“底线”，减速器作为关键硬件，抗冲击性排序为：行星滚柱丝杠（抗冲击性能强） >新型RV减速器（抗冲击性能优异） >行星减速器（抗冲击性能较好） >谐波减速器（抗冲击性能相对较弱）。2）灵巧手是人形机器人商业化落地的“功能触角”，其性能直接确定了人形机器人可以涉足的行业，未来灵巧手的方案可能多种多样，取决于应用场景，空心杯、无刷有齿槽、微型丝杠、齿轮传动等方案均有可能被采用。本体厂商倾向于灵巧手方案自研，市场也会有第三方手商的生存空间。3）触觉传感器技术商业化优先级靠后，是未来场景泛化的关键支撑：初期场景聚焦：包括Optimus在内的首批人形机器人应用以结构化任务为主（如工厂搬运、简单家务），触觉需求较低，或采用压阻式传感器即可；渐进式升级路径：未来通过模块化插件按需扩展功能，传感器的技术可能升级到更高性能的电容式触觉传感器、电磁式触觉传感器、视触觉传感器等。4）模仿学习是商业化落地的“关键杠杆”，特斯拉复用了自动驾驶的底层能力，通过人类示范与仿真增强解决了复杂操作的泛化难题；英伟达用仿真平台生成合成数据，提供了成本效益高的实验手段。
人形机器人产业进入“1到100”阶段，本体厂商考验场景落地能力，整机硬件代工模式萌芽：
汽车供应链厂商、3C供应链厂商、工业自动化控制厂商百舸争流：规模化生产、快速迭代、成本控制、全球化供应支持能力是重要考量。
风险提示：
技术进步速度低于预期，商业化落地速度低于预期。
李淼
武汉大学博导/人形机器人“天问”手脑灵巧操控统筹
1）人形机器人可异地遥操作渗透工业岗位，降低用人成本，但短期量产难。底层接触动力学模型受限于英伟达ifx系统，全身操作与行走的一体化建模问题待解决。2）抓取技术从传统轨迹规划转向大模型驱动的泛化能力提升。当前技术路线分仿真数据训练（低成本但存在“仿真-现实”鸿沟）和现实数据采集（高成本但可靠性强）。3）灵巧手需平衡自由度、刚柔耦合及触觉传感集成。
具身推理智能
石海林
优必选-AI大模型与交互部负责人
人工智能经历符号主义、行为主义和连接主义三阶段，从手工规则到强化学习，再到神经网络与深度学习。随着GPU、TPU等技术提升，使大模型训练成为可能。2017年Transformer架构革新NLP，但计算功耗问题凸显，推动低功耗芯片、量子计算等研究。AGI仍受跨模态学习、自主推理、长期记忆等限制，未来或依赖多模型协作。AI机器人正向感知、认知、行动融合发展。
越疆机器人在技术上领先，拥有全自研电机、编码器、伺服控制器等核心技术，牵头国家研发项目，专利数行业第一。
产品涵盖4大系列、29款协作机器人，涉足工业、商业、医疗和教育领域。公司有全球最大协作机器人生产基地，年产能10万台，核心部件自研率超90%，合格率99.5%。公司通过分层决策与垂直数据驱动实现智能布局。
备注：
嘉宾观点不代表本机构观点。
