深度研究|人形机器人产业深度研究报告-从“能动”到“能持续创造经济价值”(2026年7月)

2026-07-12 14:18

深度研究|人形机器人产业深度研究报告-从“能动”到“能持续创造经济价值”(2026年7月)

人形机器人产业深度研究报告

从“能动”到“能持续创造经济价值”

2026 产业阶段 · 技术趋势 · 全产业链 · 商业模式 · Tesla Optimus 价值量与关键材料

行业阶段商业验证早期

近期主战场工厂与物流

核心判断有效工时> 出货量

本研究报告由微信公众号AI观察站首发

研究日期：2026 年 7 月 11 日

口径说明：公开资料与公司披露优先；机构预测单独标注；供应链按证据等级分类

01 结论先行

核心判断2026 年的人形机器人产业已经跨过“只有原型机”的阶段，但仍处在“小批量制造 + 单任务商业验证”的早期。行业真正的拐点不是整机下线，而是客户在低人工干预下获得稳定吞吐、实现复购并扩展到第二个工位。

•阶段判断：当前更接近“0→1 的后半程”，不是“1→100 的成熟放量期”。Figure 已生产 350 多台 Figure 03、将节拍提升至每小时 1 台，但这些机器人仍被分配给研发、数据采集、家庭测试和商业场景开发；Tesla 披露的是年设计产能 100 万台与 1,000 万台的产线规划，首代产线仍在安装准备阶段。[7][20]

•技术判断：双足运动已不再是唯一瓶颈。决定商业价值的四项能力是灵巧操作、长时序任务成功率、硬件可靠性与功能安全。发布会上的跑跳能力不能直接转化为工厂节拍。

•场景判断：未来三至五年，标准料箱搬运、机器上下料、分拣、检测和危险环境作业最先落地；家庭是潜在价值最大、同时数据分布最复杂、失败成本最高的终局场景。

•产业链判断：2026–2028 年硬件投资先行，执行器、灵巧手、丝杠/减速器、传感器和制造测试设备最早确认收入；长期最大利润池更可能位于通用模型、真实数据闭环、车队管理、RaaS 与客户运营入口。

•商业模式判断：人形机器人不是单纯卖硬件。客户真正购买的是“每小时完成多少合格任务”。因此 RaaS、按工时/吞吐计费、远程运营和持续软件订阅会成为重要模式。

•中美格局：美国在通用模型、AI 芯片和平台软件上领先；中国在本体成本、精密制造、供应链响应和丰富场景上更强。未来的领先者可能是跨区域组合，而非单一国家完成全部价值链。

•Tesla 判断：Optimus 的核心优势是 AI、芯片、制造、内部工厂场景和资本的一体化；最大风险是 V3 架构尚未完全公开、机械供应链仍在变动、灵巧手和有效任务能力尚未由公开经营数据充分证明。

•供应链判断：Tesla 从未公开 Optimus 完整供应商清单。拓普、三花具备最高的机械 Tier 1 关注度，但公开文件只确认机器人执行器研发、送样或客户合作，未正式点名 Optimus；旭升、荣亿等主要来自机构研究列名；绿的谐波、五洲新春、北特、鸣志、柯力等应视为能力池，而非已确认 T 链。

图1｜2025–2026 年人形机器人商业化证据板

资料来源：[5][6][7][8][9]。公司口径不同，不作简单排名。

02 物理 AI 与人形机器人的本质

2.1 物理 AI 是“闭环行动系统”，不是给机器人接一个聊天模型

数字AI 的输出可以停留在文字、代码或图像；物理 AI 的输出会改变真实世界。一个完整系统必须连续完成感知、状态估计、任务理解、规划、控制、执行、反馈与安全回退。任何一环的误差都会通过身体放大，因此物理 AI 的容错条件远严于聊天机器人。

人形机器人只是物理AI 的一种载体。无人车、无人机、工业机器人、四足机器人和智能工程机械同属这一范畴。人形形态的最大理由，不是外形像人，而是全球工厂、仓库、家庭、楼梯、工具和工位都按照人的尺寸与动作范围建造；人形本体可以在不大改环境的情况下复用这些基础设施。[4]

2.2 为什么不是所有场景都需要双足

人形是一种通用性与效率之间的折中。平整地面长距离运输时，轮式AMR 更省电、更稳定；固定重复动作时，六轴机械臂更快、更精确；崎岖地形巡检时，四足机器人更有优势。只有当任务同时需要在人类空间移动、使用人类工具、跨多个工位并完成复杂操作时，人形形态的适配价值才可能覆盖其更高的成本与控制难度。

判断准则如果改造环境+ 专用设备的全生命周期成本低于部署人形机器人，就不应为了“人形”而人形。近期最有价值的产品形态可能包括双足、轮式人形和移动双臂等多种方案。

图2｜物理 AI 技术栈

资料来源：综合NVIDIA、Google DeepMind、Figure 等公开技术资料 [11][12][32]。

03 行业阶段：量产拐点还是商业化拐点

图3｜人形机器人产业阶段框架

注：阶段划分为本报告研究框架，不是行业统一标准。

3.1 三个“量产”必须拆开

第一是工程量产：设计可装配、供应链可交付、产线有良率；第二是产品量产：整机能够稳定出厂并长期运行；第三是商业量产：客户愿意付费、复购并在更多工位复制。2026 年已有公司跨过前两者的一部分，但第三种量产仍只在少数任务和少量客户中得到验证。

Figure 在 2026 年 4 月披露已制造 350 多台 Figure 03，单台节拍从每天 1 台提升至每小时 1 台，末端一次通过率超过 80%，并生产 9,000 多个执行器。这是明确的制造进展；但公司同时说明，机器人被分配到内部研发、数据采集、家务研究和商业用例开发，说明出货结构尚未等同于客户生产力。[7]

Tesla 在 2026 年一季度更新中披露，Fremont 首代 Optimus 产线设计能力为每年 100 万台，Texas 二代线长期设计能力为每年 1,000 万台；同一文件又明确写明首代线处于安装准备阶段。[20] 因此，这些数字应理解为目标产能与资本开支方向，而不是 2026 年已实现产量。

3.2 出货量内部正在分化

全球出货预测开始迅速抬升。IDC 数据被 2026 年上市公司文件引用为 2025 年全球人形机器人出货接近 1.8 万台；TrendForce 则预计 2026 年超过 5 万台。[2] 但统计可能同时包含科研教育、数据采集、展演、开发平台、工业测试和商业部署，不能直接换算为被替代的劳动岗位。

图4｜宇树人形机器人收入结构提供的阶段线索

资料来源：宇树科技招股书；2025 年 1–9 月数据 [5]。

宇树招股书显示，2025 年前三季度人形机器人收入约 5.95 亿元，其中科研教育占 73.60%，商业消费占 17.39%，行业应用占 9.01%。这不能代表全行业，却直接证明早期“卖得出去”与“在工厂替代工时”之间存在显著差距。[5]

与之相对，优必选披露2025 年全尺寸具身智能人形机器人及服务收入约 8.20 亿元、销量 1,079 台，并在年末开始 Walker S2 千台级小规模量产交付。[6] 两家公司分别体现了开发平台/消费与工业解决方案两条商业化路线。

图5｜人形机器人商业化漏斗

本报告研究框架。

3.3 本阶段最可信的六个 KPI

指标	定义	属性
自主有效小时	机器人在目标节拍与质量下、无需人工接管的生产小时	核心
干预率	每百次任务/每小时人工接管、复位或遥操作次数	核心
任务成功率	不仅看单动作，还要看整段长时序任务完成率	核心
可用率与MTBF	计划运行时间中真正可工作的比例、平均无故障时间	核心
单位吞吐TCO	每件合格产品、每箱搬运或每有效小时的总成本	商业
复购/扩单	同一客户从试点到多工位、多站点的追加采购	商业

04 需求与场景：为什么工厂先于家庭

图6｜人形机器人场景落地优先级矩阵

注：位置为本报告基于环境结构、任务复杂度与失败成本的相对判断。

4.1 工业与物流最先跑通的原因

•任务边界清晰：料箱、货架、工装夹具和动作节拍可以标准化，模型面对的分布更窄。

•价值容易量化：客户可直接比较单位吞吐、节拍、人员成本、工伤风险与停线损失。

•环境可适度改造：可以增加标识、固定照明、外部摄像头、充电站和安全区域，提高成功率。

•数据闭环可控：失败发生在企业可管理的流程内，便于遥操作纠错、复盘与OTA。

•安全责任相对明确：工业标准、系统集成商和现场EHS 体系已经存在。[18][39]

Figure 02 在 BMW 的首个任务本质上仍是较窄的钣金件上下料：10 小时班次、累计运行 1,250 多小时、装载 90,000 多个零件，目标节拍为 84 秒、单班成功率目标超过 99%、人工干预目标为零。[8] 这类公开 KPI 比展示复杂动作更能证明产业价值。

Agility Digit 在 GXO 真实仓库完成 100,000 多个料箱搬运，且采用 RaaS 模式，把机器人、车队软件 Arc 与运营服务打包，说明近期客户购买的是一个可被管理的工作单元，而不是一台裸机。[9][10]

4.2 家庭为什么更晚

家庭同时具备开放物品集合、儿童与宠物、柔性物体、狭窄空间、隐私要求和极低容错率。一次杯子跌落可能只是小事故，但热水、刀具、药物和老人照护的失败会形成重大责任。家庭还难以提供统一的工位改造，导致每个家庭都是新的分布。

1X NEO 的公开产品说明保留“Scheduled Expert Mode”，复杂任务可由远程专家监督。这不是缺点，而是对当前技术边界的诚实揭示：远程人类是早期家庭机器人安全、任务完成与数据采集的重要组成部分。[40]

05 技术趋势：竞争焦点已从运动转向操作与可靠性

5.1 模型：从语言模型外挂，走向 VLA 与分层控制

VLA（视觉—语言—动作）把图像、语言指令和机器人状态映射为动作。主流架构正在形成分层：高层模型负责语义理解、空间推理与任务规划，低层策略负责高频、连续、可稳定执行的运动控制；安全控制器独立于生成式模型，负责速度、力、碰撞与紧急停机。

Google DeepMind 的 Gemini Robotics 1.5 强调跨本体学习和“先思考再行动”，Gemini Robotics-ER 1.6 继续强化空间推理；NVIDIA GR00T N1.6 则将真实与仿真数据结合，并在 Unitree G1、AgiBot、Fourier 等多个本体上训练和评测。[11][12][30][31]

5.2 数据：规模在增长，但分布与质量比总量更重要

Open X-Embodiment 汇集 100 万条以上真实机器人轨迹、覆盖 22 种本体；DROID 有 7.6 万条演示、约 350 小时、564 个场景；AgiBot World 披露 100 万条以上轨迹、217 个任务和五类场景。[13][14][15] 这些数据显著扩大了研究基础，但与互联网文本相比仍极小，并且不同机器人自由度、相机视角、控制频率和动作空间并不一致。

图7｜具身智能数据飞轮

本报告依据机器人学习与车队运营流程归纳。

因此，模型公司的壁垒不只在基础模型参数，而在四件事：能否低成本获得真实失败样本；能否把遥操作纠错转化为高质量示范；能否用仿真扩大长尾覆盖；能否通过标准化评测安全地把新策略推送到整支车队。

5.3 硬件：从“动作惊艳”转向“可制造、可维护、可认证”

环节	2026 年技术焦点
执行器	高扭矩密度、低背隙、低温升、低噪音；旋转与直线方案尚未完全收敛
灵巧手	自由度、触觉与可靠性同步提升；线缆、散热、微型传动和耐久是难点
感知	头部视觉之外，腕部/掌部相机、六维力、关节力矩和触觉更关键
电源	快换电池、自主充电、热管理与峰值功率；有效续航必须按任务测量
制造	模块化SKU、供应商来料质量、端到端测试、烧机与可维修设计
安全	低层功能安全、外部感知、安全PLC、力/速限制与现场系统集成

Figure 披露 Figure 02 在 BMW 运行中，前臂因封装、三自由度、散热和动态线缆成为最高频硬件故障点；Figure 03 因此重构腕部电子和通信。这类“现场故障—设计修正”才是量产工程积累。[8]

安全标准仍在演进。ISO 10218-1/2:2025 覆盖工业机器人本体和系统集成，ISO 13482:2014 覆盖个人护理机器人；面向更开放的人形机器人，责任边界、AI 行为验证与跨场景认证仍未完全成熟。[18][19]

06 产业链结构化拆解

图8｜人形机器人完整产业链

本报告归纳。

6.1 核心硬件环节

模块	典型构成	作用	价值密度	核心壁垒
旋转执行器	无框力矩电机、谐波/行星减速器、轴承、编码器、驱动器、力矩传感器	肩/肘/髋等	高	扭矩密度、温升、寿命、一致性
直线执行器	电机、行星滚柱/滚珠丝杠、轴承、编码器、力传感器	模拟肌肉的直线运动	高	精密制造、磨损、效率；存在架构切换风险
灵巧手	空心杯/无框微电机、微型丝杠/齿轮/腱绳、触觉、掌部视觉	抓取与工具使用	最高	集成密度、耐久、标定、柔性物体操作
视觉与传感	RGB/深度相机、IMU、编码器、六维力、触觉	感知与闭环控制	中高	低延迟融合、漂移、可靠性与成本
计算与控制	边缘AI SoC、MCU、安全控制器、通信与存储	推理、运动与安全	中高	算力/功耗比、实时性、功能安全
结构与电源	轻量化材料、壳体、线束、连接器、电池、BMS、热管理	支撑、供电与维护	中	重量、冲击、快换、可维修与规模成本

6.2 软件与数据环节

环节	功能	变现方式	投资特征
基础模型/VLA	跨任务理解与动作生成	模型订阅、授权或整机内嵌	潜在平台效应强；开源可能压缩定价
仿真与合成数据	降低真实采集成本、覆盖危险与长尾场景	开发平台/算力/工具链	生态与工作流粘性强
遥操作与数据服务	早期任务兜底、纠错和示范采集	按工时、数据或项目收费	劳动密集，长期需自动化降本
车队管理	调度、监控、升级、诊断、权限与日志	SaaS/RaaS recurring revenue	部署规模越大，价值越高
系统集成	对接WMS/MES、工装、安全设施与流程	项目制+ 运维	场景know-how 强，但扩张可能重人力

6.3 利润池如何迁移

早期阶段，整机厂需要快速造机和验证，执行器、手、传感器、测试设备与数据采集服务先获得订单。随着设计收敛、供应商增多和规模扩大，标准零部件可能降价；价值会向能够提供高可靠模块、跨客户平台产品、软件订阅、车队运营和客户场景入口的企业迁移。

最需警惕的是“高价值量等于高护城河”的误判。某部件今天占 BOM 很高，可能只是因为良率低、产量小；若技术路线切换或国产替代加速，其价值量和毛利会同时下降。真正的长期壁垒是：规格迭代参与权、可靠性数据库、客户认证、规模良率和跨平台复用能力。

07 商业模式与单位经济性

7.1 客户购买的是任务结果，而不是自由度

人形机器人的收入模式可能分为整机销售、租赁、RaaS、按有效工时计费、按吞吐计费、软件订阅、运维备件和数据服务。对客户而言，最可比较的单位不是“每台多少钱”，而是每个合格动作、每箱搬运、每个班次或每个有效小时的总成本。

图9｜机器人等效小时成本的敏感性示例

注：为说明性模型，假设见图内；不代表任何厂商报价或盈利预测。

模型显示，只要自主有效工时不足，降低电费或小幅降低BOM 对经济性的帮助有限。提高可用率、减少人工接管、延长班次和提高一次成功率，往往比把单机价格再降 10% 更重要。

7.2 适合早期商业化的合同结构

模式	客户逻辑	供应商含义
PoC/试点费	验证任务与安全边界	供应商承担高工程成本，收入质量弱
整机销售	客户资本开支购买	回款快，但客户承担技术迭代与残值风险
RaaS	按月、工时或吞吐付费	降低客户门槛，供应商承担资产与运营风险
里程碑合同	成功率/节拍/可用率达标后付款	更能证明产品价值，也更考验执行
软件与运维	车队管理、OTA、备件、维修	形成持续收入，依赖在役规模

7.3 毛利的真实来源

科研教育型产品在早期可能因小批量、高配置和开发者溢价获得较高毛利；工业产品则需要把现场集成、远程支持、质保和备件成本计入。若机器人表面硬件毛利较高，但需要大量驻场工程师与遥操作人员才能完成任务，合并后的服务毛利可能很低。

因此，分析企业时应把“硬件毛利率、部署毛利率、全生命周期贡献毛利”分开。最优模式是硬件规模降本、软件持续收费、远程支持人数随车队规模下降，而不是依靠每新增一台机器人同步增加一个运营人员。

08 全球竞争格局

8.1 竞争不是一条赛道，而是四种路线

路线	代表	核心优势	主要约束
垂直一体化AI+制造	Tesla、Figure	模型、本体、制造与车队闭环	资本强、闭环快；工程复杂度与资本消耗高
工业交付优先	Agility、UBTECH、Apptronik	围绕物流/制造任务、客户集成与安全	商业证据更直接；泛化速度取决于模型伙伴
高性价比硬件平台	Unitree、部分中国本体厂	运动控制、供应链、开发者生态、价格	出货快；收入可能偏科研教育，工业ROI 需验证
横向模型与基础设施	NVIDIA、Google DeepMind、Physical Intelligence	模型、仿真、算力、数据工具	可跨本体扩张；需与OEM 分享价值

8.2 关键公司进展与应如何解读

公司	公开进展	研究解读
Tesla Optimus	Fremont 首代线准备；Texas 长期规划	产能是设计目标；尚缺公开有效工时与客户KPI
Figure	350+ 台 F03；1 台/小时；BMW 1,250+ 小时	制造与数据闭环快；估值显著领先收入披露
Agility	GXO 100,000+ 料箱；多客户商业协议；RaaS	商业证据强，任务范围仍较窄
UBTECH	2025 年 1,079 台、相关收入约 8.2 亿元	工业交付领先；仍需观察效率、毛利与客户复购
Unitree	低价开发平台与运动控制领先	科研教育占比较高；工业任务经济性尚在扩展
Apptronik	Mercedes/GXO/Jabil 合作；累计融资近 10 亿美元	合作网络强；公开运行指标少于Figure/Agility

资本投入已经明显前置。Figure 2025 年融资超过 10 亿美元、投后估值 390 亿美元；Apptronik 2026 年 Series A 累计超过 9.35 亿美元；Agility 2026 年宣布以 25 亿美元 pre-money 估值通过 SPAC 上市，并披露超过 3 亿美元多年度订单。[10][35][36] 这说明行业具备强资本支持，也意味着估值可能提前反映远期成功。

8.3 中国的真正优势与结构性短板

中国2024 年吸收全球 54% 的工业机器人新装机，存量超过 200 万台，本土厂商在中国市场份额升至 57%。[1] 这带来密集的零部件供应、工程人才、试验场景、制造客户和快速迭代条件。低成本机器人平台又能扩大开发者数量和数据采集规模。

短板主要在通用模型、基础软件生态、先进边缘算力和全球化安全认证；同时，低价竞争可能让零部件在真正放量前先出现产能过剩。中国整机和零部件企业若只依靠政策采购与研发需求，无法证明长期全球竞争力。

图10｜市场预测的数量级与口径差异

资料来源：[2][3][4] 及 2026 年上市公司文件引用的 IDC 数据。

高盛把2035 年人形机器人市场预测提高至 380 亿美元、出货量 140 万台；摩根士丹利长期情景则预计 2050 年接近 10 亿台在役、市场规模超过 5 万亿美元，并明确认为采用在 2030 年代中期前仍较慢、后期才加速。[3][4] 两者并不矛盾：一个是中期年度市场，一个是极长期保有量与生态情景。

09 Tesla Optimus：战略、量产与护城河

9.1 Tesla 为什么天然适合做机器人

•AI 与边缘芯片：Tesla 自研 FSD/AI 推理芯片，并在 2026 年 4 月完成 AI5 最终设计；AI5 计划 2027 年生产，AI6 计划 2028 年。[21][22]

•真实制造场景：自有工厂既是首批客户，也是数据、故障、维护和节拍验证的闭环场。

•制造工程：汽车积累的DFM、质量追溯、自动化产线、供应商管理和全球制造网络可迁移到机器人。

•电池与电驱：电机、电控、热管理、连接器和轻量化与电动车供应链高度同源。

•资本与品牌：可承担长期研发和产能投入，并吸引AI、芯片、机械和控制人才。

9.2 汽车数据不能直接变成操作数据

Tesla 的道路视频与 FSD 训练基础设施能迁移视觉理解、算力平台、训练工程和安全文化，但车辆动作空间主要是方向、加速和制动；人形机器人需要数十个自由度、双手接触、摩擦与力控制。汽车数据无法替代抓取、插接、折叠、拧紧和人与物体接触的数据。Optimus 仍必须建立自己的遥操作、仿真和真实工厂数据飞轮。

9.3 量产路线：设计产能很大，爬坡仍从零开始

事项	公开信息	正确解读
产品定位	通用双足自主机器人，用于不安全、重复或枯燥任务	Tesla 官方 AI 页面
Fremont	首代大规模工厂设计年产100 万台，替代 Model S/X 产线	2026Q1：准备/安装阶段
Texas	二代线长期设计年产1,000 万台	长期目标，不是近期指导
AI5	2026 年 4 月完成最终设计，目标 2027 年生产	初期Optimus 可能采用过渡算力
公开缺口	V3 完整规格、BOM、供应商、良率、有效工时、干预率	截至报告日未充分披露

9.4 Tesla 的四个关键风险

•架构风险：V3 未完整公开，旋转/直线执行器、灵巧手与传感方案可能继续迭代，供应商定点和单机价值量都可能变化。

•灵巧操作风险：手部自由度增加会显著提高电机、传动、线束、标定、散热和失效率，可能成为良率瓶颈。

•供应链与地缘风险：Musk 已确认中国稀土磁体出口限制影响 Optimus 生产，说明关键磁材仍具有集中度风险。[27]

•商业风险：内部工厂能够吸收首批机器人，但外部客户会要求可验证的ROI、服务网络、责任界定和安全认证。

10 Tesla Optimus 核心供应链拆解

10.1 Optimus 的价值量核心：执行器与灵巧手

Tesla 早期公开架构被行业资料概括为两类身体执行器：旋转执行器用于肩、肘等旋转运动，直线执行器通过行星滚柱机构模拟肌肉的直线运动；两手另有多组执行机构。[4] V3 的完整架构尚未公开，因此不能把早期数量直接外推到量产版本。

Counterpoint 2026 年 6 月估计，在 2026 年下半年产量显著提升前，Optimus V3 单台制造成本仍高于 6 万美元；新灵巧手约占 BOM 近 20%，执行器与灵巧手合计约占六成。[26] 这属于机构拆机/产业研究估计，而非 Tesla 官方成本，应作为价值量范围而非确定订单测算。

图11｜Tesla Optimus V3 单机价值量集中度（机构估计）

资料来源：Counterpoint Research [26]；本报告据“灵巧手约 20%、执行器与灵巧手合计约 60%”推导身体执行器约 40%。非 Tesla 官方 BOM。

价值量≠ 供应链稀缺性 执行器与灵巧手决定大部分单机价值；但高性能永磁体、柔性线束、润滑与热界面材料即使金额较小，也可能因断供、寿命或一致性问题让整机停产。研究时必须同时看金额占比、技术壁垒和断供后果。

子系统	主要构成	Tesla/候选供应格局	证据
AI/主控	AI 芯片、主控板、存储、通信、安全控制	Tesla 自研设计；TSMC/Samsung 代工	确认/高
旋转关节	无框电机、减速器、轴承、编码器、驱动、力矩传感	拓普/三花关注度高；其他精密传动厂竞争	B–D
直线关节	电机、行星滚柱/滚珠丝杠、轴承、力传感	拓普披露从直线执行器切入；丝杠厂能力池	B–D
灵巧手	微电机、微型传动/腱绳、触觉、掌部视觉	拓普披露灵巧手电机研发；其余多为能力映射	B–D
视觉/力觉	相机、IMU、编码器、六维力、触觉	具体供应商未公开	D
结构/壳体	铝镁结构、精密件、线束、连接器、柔性表皮	Counterpoint 列旭升、荣亿等，未获 Tesla 点名	C
磁材/电源	NdFeB 永磁、电池、BMS、热管理	磁材约束被Tesla 确认；具体厂商未公开	系统风险
总装/测试	模块装配、整机集成、EOL、烧机、OTA	Tesla Fremont/Texas 自建	确认

10.2 关键配件与材料：价值、瓶颈与降本路径

Optimus V3 的完整材料清单尚未公开。下表按人形机器人通用工程逻辑拆解，并把“原材料价值”与“材料加工、模组集成和可靠性价值”分开；其中只有稀土磁体约束得到 Tesla 公开确认，其他材料不应据此映射为 Tesla 供应商。

配件/系统	关键材料与工艺	价值与瓶颈	主要降本路径/研究边界
电机与磁路	高性能NdFeB、电工钢、漆包铜线、绝缘/灌封材料	决定扭矩密度、温升与能效；原料金额未必最高，磁体却有系统性断供风险	优化磁路、减少重稀土、提高散热；具体磁材供应商未公开
旋转减速与轴承	轴承钢、渗碳/合金钢、润滑脂、密封材料	价值主要来自齿形、热处理、回差、寿命和一致性，而非钢材本身	集成化、工艺良率与规模制造降本；路线可能在谐波/行星等方案间变化
直线执行器	高强合金钢丝杠/滚柱/螺母、轴承、涂层与润滑	行星滚柱丝杠兼顾高载荷与紧凑体积，精密磨削、表面处理和寿命验证是难点	国产化与设备扩产可降价；若架构改变，单机数量和价值量会重估
灵巧手	微电机、微型齿轮/腱绳、硅胶或 TPU 表皮、柔性电路、导电复合材料	重量很小却集成度最高；触觉标定、线束弯折寿命、防尘和维修性决定良率	模块化手指、传感器融合与算法补偿；约20% BOM 为机构估计
力觉与位置感知	应变片/弹性体、光学或磁性编码材料、IMU、薄膜传感	元件成本常低于标定与封装价值；漂移、冲击和批次一致性影响安全控制	减少传感器数量需依靠模型估计，但不能牺牲功能安全与可诊断性
轻量化结构	铝/镁合金为主的通用候选，局部可用钛合金、工程塑料或复合材料	目标是在刚度、抗冲击、散热、屏蔽、可维修和成本之间平衡；Tesla V3 选材未披露	一体化设计、压铸/锻造/CNC 组合与拓扑优化；原料价格不是主要护城河
电源、线束与热管理	电芯材料、铜/铝导体、高柔线缆、连接器、导热界面与胶黏剂	峰值功率、续航、关节反复弯折和快速维修共同决定可用率；小件失效也会停机	提高能效、快换/充电、标准接口和状态监测；V3 电芯体系与供应商未公开

从投资角度看，最具弹性的不是大宗原料企业：钢、铜、铝等原料用量相对其全球市场很小，机器人放量对原料总需求的拉动有限；更有可能形成超额收益的是专用规格、精密加工、模组集成、可靠性数据库与客户认证。稀土磁材例外之处在于其供应集中和出口约束会放大停产风险，但仍需区分“行业受益”与“进入 Tesla 供应链”。

10.3 核心供应商/能力池证据矩阵

图12｜Tesla Optimus 核心供应链与证据等级

资料来源：Tesla、公司年报/半年报、Counterpoint、Reuters；本报告按证据强度分类 [20][21][23][24][26][27][28]。

企业/群组	可能环节	公开证据	等级	研究结论
Tesla	AI/VLA、AI5/AI6、系统设计、整机制造	官方披露	A	核心平台与最终利润池
TSMC / Samsung	AI 芯片晶圆制造	Tesla 已公开 AI 芯片外部代工路线；Optimus 采用节奏随芯片迭代	A/B	非Optimus 独占收入
拓普集团	直线/旋转执行器、灵巧手电机；结构件、传感、足部减震、柔性皮肤布局	2025 半年报称与“客户”合作并多次送样，未点名 Tesla	B	覆盖面最宽，但定点、份额与收入未披露
三花智控	仿生机器人机电执行器	2025 年报确认切入并提供研发方案；未单列机器人收入；未点名 Optimus	B-/C+	精密电机与规模制造协同；订单传闻需排除
旭升集团/ 荣亿精密	轻量化结构件/精密件候选	Counterpoint 2026 研究列名；公司未公开确认 Optimus	C	受益取决于真实定点与单机价值
绿的谐波	谐波减速器、旋转执行器、行星滚柱丝杠	披露向国际头部机器人客户批量交付、丝杠规模量产；未点名Tesla	C/D	技术与产能较强，客户身份不确定
五洲新春/ 北特科技	行星滚柱/滚珠丝杠、轴承能力	公开扩产或研发计划；无Tesla 机器人定点确认	D	高弹性伴随路线与产能过剩风险
鸣志电器/ 兆威机电	微电机、空心杯电机、微型传动	产品能力映射；无公开Optimus 定点	D	灵巧手放量的能力池，不等于供应商
柯力传感等	力/力矩及六维力传感	产品能力与机器人布局；无公开Optimus 定点	D	标定、可靠性和量产一致性决定份额
稀土磁材企业	高性能NdFeB	Tesla 只确认磁体供应受出口限制，未披露厂商	系统	关键约束，但不可点名映射订单

10.4 两家最受关注的机械 Tier 1：拓普与三花

拓普的公开披露相对具体。公司2025 年半年报称，从直线执行器开始与客户合作，随后研发旋转执行器和灵巧手电机，已经多次送样；同时布局躯体结构、传感器、足部减震器和电子柔性皮肤，并成立独立电驱事业部。[23] 这证明其机器人平台化能力与客户协同，但文件没有写出客户名称、定点数量、订单金额或量产收入。

三花2025 年年报确认利用电机与规模制造能力切入仿生机器人机电执行器，为客户提供研发与解决方案；年报只列示制冷与汽车两大收入板块，未单独披露机器人收入。[24] 2025 年市场流传约 50 亿元 Optimus 订单时，公司明确表示相关大额订单传言不属实。[25] 因此，三花可以被视为高相关候选，但不能以未经证实的订单测算业绩。

10.5 供应链投资最容易犯的四个错误

•把送样当定点：送样可能经历多轮设计变更，也可能最终由客户自研或转给第二供应商。

•把设计产能当订单：产线可建成不代表下游需求、良率和零件供应同步成熟。

•把早期BOM 当长期价值量：量产降本、架构切换和集成度提升会改变单机用量。

•把能力相似当T 链：能生产丝杠、减速器或电机，只能证明可参与竞争，不能证明进入 Tesla。

11 投资框架、风险与跟踪指标

11.1 哪些环节更可能形成长期护城河

环节	潜在护城河	形成条件	主要风险
整机+模型+运营闭环	高	部署产生数据，数据提升模型，模型提高有效工时，形成复购	资本消耗、客户集中与安全责任
高可靠关节模组	中高	规格共创、寿命数据库、良率、客户认证与规模制造	架构切换、价格竞争
灵巧手与触觉	中高（若领先）	跨学科集成、标定与数据耦合，仍是稀缺瓶颈	技术路线快速变化、寿命不足
通用传动零件	中低至中	精密加工和产能壁垒	扩产快、降价与替代风险
数据采集/遥操作	中	早期需求强、场景know-how	劳动密集，标准化后被压价
车队管理与安全软件	高（随规模）	持续订阅、客户流程粘性、跨车队数据	标准尚未统一、OEM 可能自研

11.2 一套可执行的跟踪框架

维度	应跟踪的硬指标	红旗信号
需求	付费客户数、复购、扩单、从PoC 转商业合同的比例	客户只签框架协议、订单来自数据中心/政府采购
运营	自主有效小时、干预率、任务成功率、可用率、MTBF	只公布视频、速度、负载与自由度
制造	实际产量、良率、节拍、返修率、供应商PPM	只公布厂房面积与设计产能
经济性	单位吞吐成本、部署毛利、服务人员/机器人比	硬件毛利高但驻场与遥操作成本不披露
技术	跨任务迁移、第二工位上线速度、零样本/少样本成功率	每个新任务仍需长期定制
供应链	定点公告、量产收入、资本开支转固、产能利用率	送样、意向、传闻订单

11.3 主要风险

风险	传导机制
技术泛化不及预期	从单任务到多任务成功率下降，人工接管成本居高
安全与责任	人机共域事故、认证周期延长、保险成本上升
架构未收敛	执行器、丝杠、减速器与灵巧手路线改变，设备和库存减值
资本开支过热	零部件扩产快于有效部署，产能利用率和价格下行
订单质量	政府、科研与数据采集订单替代真实运营客户，复购弱
地缘与出口管制	磁材、先进芯片、传感器和软件生态受到限制
估值透支	远期TAM 被提前资本化，而现金流与商业证据跟不上

11.4 本报告的三档情景

情景	年度出货假设	关键条件
保守	2030 年年度出货约 15 万台	有效部署集中于少数工业任务；家庭商业化延后；硬件价格快速下行
基准	2030 年约 35 万台；2035 年约 150 万台	工厂/物流形成多任务复制，RaaS 和服务收入建立；与高盛 2035 数量级接近
乐观	2030 年约 80 万台；2035 年约 500 万台	VLA 泛化、灵巧手和安全同时突破，成本快速降至大众可接受区间

以上是用于敏感性分析的研究情景，不是点预测。真正决定情景切换的是自主有效工时、复购、跨任务迁移与单位吞吐TCO，而不是单纯的整机发布数量。

12 结语与参考资料

12.1 最终结论

一句话人形机器人已经从“科学项目”进入“产业工程”，但尚未从“批量造机”全面跨入“批量创造生产力”；未来两三年最值得跟踪的，不是动作有多像人，而是每台机器人一年能交付多少低干预、可复购的有效工时。

物理AI 的长期方向成立：当模型能够理解世界、身体能够安全行动、制造成本足够低，机器人会成为继计算机和智能手机之后的重要通用终端。但产业兑现不会像软件复制那样瞬间发生，它要穿过机械寿命、良率、供应链、现场集成、安全责任和客户 ROI 等多重门槛。

短期看，执行器、灵巧手、精密传动、传感器、数据与制造设备先受益；中期看，能够用付费部署建立数据飞轮的整机平台胜出；长期看，利润池将向模型、车队、服务和生态集中。Tesla Optimus 是最有可能推动行业形成大规模供应链的项目之一，但在 V3 规格、真实产量、有效工时和供应商定点公开之前，仍应把“确定的产业趋势”与“不确定的 T 链名单”严格分开。

12.2 参考资料

[1]IFR, World Robotics 2025：2024 年全球工业机器人安装 542,000 台，中国占 54%

[2]TrendForce：2026 年人形机器人出货预计超过 50,000 台

[3]Goldman Sachs Research：2035 年人形机器人市场 380 亿美元、出货 140 万台

[4]Morgan Stanley：2050 年近 10 亿台、5 万亿美元长期情景与价值链研究

[5]宇树科技招股书：人形机器人收入、应用结构与成本数据

[6]UBTECH 2025 Annual Report：全尺寸人形机器人收入与销量

[7]Figure：Ramping Figure 03 Production

[8]Figure：F.02 at BMW，运行小时、零件与 KPI

[9]Agility Robotics：Digit 在 GXO 搬运 100,000+ 料箱

[10]Agility Robotics：2026 年 SPAC 交易、估值与 3 亿美元合同披露

[11]NVIDIA：Isaac GR00T N1.6 与 Physical AI 平台

[12]Google DeepMind：Gemini Robotics 1.5

[13]Open X-Embodiment：100 万+轨迹、22 种本体

[14]DROID：7.6 万条机器人演示、350 小时、564 场景

[15]AgiBot World Colosseo：100 万+轨迹、217 项任务

[16]工信部《人形机器人创新发展指导意见》

[17]2026 年人形机器人与具身智能实景实训专项通知

[18]ISO 10218-1:2025 工业机器人安全要求

[19]ISO 13482:2014 个人护理机器人安全要求

[20]Tesla Q1 2026 Update：Optimus 工厂设计能力与产线阶段

[21]Tesla Q4 2025 Update：AI5/AI6 进度

[22]Tesla AI & Robotics 官方页面

[23]拓普集团2025 半年报：执行器、灵巧手电机与平台化布局

[24]三花智控2025 年报：仿生机器人机电执行器布局

[25]三花智控对50 亿元机器人大额订单传闻的澄清报道

[26]Counterpoint Research：Tesla Optimus V3 成本与供应链估计

[27]Reuters：Tesla 确认 Optimus 受中国稀土磁体出口限制影响

[28]绿的谐波2025 年度股东会资料：批量交付、旋转执行器与行星滚柱丝杠

[29]Unitree G1 官方规格与价格

[30]NVIDIA Research：GR00T N1.6

[31]Google DeepMind Robotics Model Cards

[32]Figure：Helix 02 Full-Body Autonomy

[33]Agility Robotics：RoboFab 年峰值产能 10,000 台

[34]Unitree H2 官方规格与价格

[35]Apptronik：累计 Series A 超 9.35 亿美元

[36]Figure：Series C 超 10 亿美元、投后估值 390 亿美元

[37]NVIDIA Halos for Robotics：物理 AI 功能安全平台

[38]OSHA Robotics Overview

[39]OSHA Robotics Standards

[40]1X NEO Home Robot：Scheduled Expert Mode

12.3 免责声明

本报告基于截至2026 年 7 月 11 日可获得的公开资料，用于产业研究与投资框架讨论，不构成证券买卖建议。人形机器人技术路线、供应商定点、订单、产能和成本变化很快；除 Tesla 或供应商正式公告外，任何“Optimus 供应商”归类均应视为研究判断或第三方信息，并持续验证。

打赏

目录