? 具身智能产业链深度报告 — 核心结论
一、产业链三段式拆解
? 上游：核心零部件（占成本73%） ├── 丝杠（行星滚柱丝杠）—— 价值最高，恒立液压、贝斯特 ├── 减速器（谐波+RV）—— 用量最大，绿的谐波、双环传动 ├── 电机（无框力矩+空心杯）—— 汇川技术、鸣志电器 ├── 传感器（六维力+触觉）—— 国产化率最低<10% └── AI芯片（端侧推理）—— 华为昇腾、寒武纪 ⚙️ 中游：本体+AI大脑 ├── 人形机器人本体：Tesla Optimus、宇树、智元、优必选 ├── VLA模型（AI大脑）：RT-2、π₀、OpenVLA、智元GO-1 └── 数据工厂：被低估的中游环节，数据是胜负手 ? 下游：应用场景 ├── 工业制造（最先落地）：汽车、3C装配 ├── 物流仓储（已商用）：Amazon部署Digit ├── 基础设施巡检（已规模化）：电力、能源 └── 家庭服务（仍早期）：1X NEO预售中
| 输入 | ||
| 输出 | ||
| 数据来源 | ||
| 评估方式 | ||
| 商业化路径 |
⚡ 产业核心判断
具身智能没法靠纯软件公司单独完成，必须把本体硬件、数据采集、模型训练、场景部署绑成一个交付单元。这就是为什么2024-2026的国内外具身智能公司都在做"全栈"。
?第四章：中游——本体制造 + AI大脑（VLA模型）
? 人形机器人本体：全球五强对比
| Tesla Optimus | 5-10万台 | ||||
| Figure AI | BMW扩展 | ||||
| Agility Robotics | Amazon多站点 | ||||
| 1X Technologies | NEO家用上市 | ||||
| Boston Dynamics | 现代工厂试点 |
? AI大脑：VLA模型技术路线对比
VLA（Vision-Language-Action）是具身智能的"大脑"，2024-2025已基本成为行业共识架构。
| RT-2 | ||||
| π₀ | ||||
| Figure Helix | ||||
| 智元GO-1 | ||||
| OpenVLA | ||||
| Octo |
? 技术核心洞察
1. 离散化 vs 连续动作：256-bin离散化够用于抓取，流匹配才能做亚毫米精度（如USB插拔），但需要4-8倍推理时间。2. Co-fine-tuning配比：50% VLM数据+50%机器人数据是RT-2默认配置，配比决定泛化vs记忆的权衡。3. 数据是正胜负手：算法已收敛（VLA架构），具身数据无法从互联网爬取，必须靠机器人在真实物理世界产生。
? 数据服务（3家）
- 海天瑞声
：已上市（688521），数据标注 - 数据堂
：拟上市，数据采集 - 标贝科技
：语音+具身数据，融资中 ?第六章：下游应用场景——从专用到通用
下游应用走的是"从专用到通用、从ToB到ToC"的清晰路线。2026年最先落地的是工业制造场景。
应用场景 机器人形态 代表客户 落地进度 市场规模预测 工业制造 人形机器人 汽车（Tesla/宝马）、3C（富士康） 已试点，2026规模化 2030年$500亿 物流仓储 人形/轮式双臂 Amazon、京东、顺丰 Digit已商用部署 2030年$300亿 基础设施巡检 四足机器人 电力、能源、矿业央国企 已规模化应用 2026年$50亿 商业服务 人形/轮式 商场、酒店、餐厅 导览、巡检为主 2028年$100亿 家庭服务 人形机器人 消费者（长期目标） 仍处早期，1X NEO预售中 2035年$500亿+ ? 落地案例分析
Figure AI × BMW（2025）
Figure 02部署到BMW Spartanburg工厂，执行车身车间物料搬运任务。这是人形机器人首次进入汽车制造核心工位。
Agility Digit × Amazon（2023-2026）
Digit在Amazon Sequoia履行中心执行周转箱搬移任务，已商业部署。Agility RoboFab年产能达1万台。
优必选 × 汽车工厂（2025）
优必选Walker S系列进入中国多家汽车工厂，执行质检、装配任务。2025年全尺寸人形机器人交付1079台，全球第一。
宇树科技 × 同济大学（2025）
宇树中标同济大学通用人形机器人训练平台设备采购，构建数据采集基础设施。
未来五大趋势（2026-2030）
趋势1：本体成本继续下降（2026-2028）
人形机器人国产入门级价格已下探到10万元以下，2027-2028预计还有20-30%下降空间。将让具身智能从"实验室试点"走向"中型工厂可批量采购"。
趋势2：数据工厂规模化（2026-2027）
具身智能数据工厂在2024-2025还是少数玩家概念，2026-2027将出现10000+平方米级别的多家工厂。数据工厂会成为具身智能的"中游基础设施"。
趋势3：工业场景集中落地（2026-2028）
仓储拣货、精密装配、基础设施巡检三个场景会集中出现规模化项目。这三个场景的共同点是"重复但需要灵活性"的物理任务。
趋势4：VLA模型端侧部署（2027-2029）
小鹏VLA Gen2已去掉语言中转层，视觉→动作直接映射。端侧部署将让人形机器人脱离云端，实现低延迟、高可靠性操作。
趋势5：具身智能操作系统标准化（2028-2030）
目前各家本体使用不同软件栈，未来会出现类似"Android for Robots"的标准化操作系统，降低应用开发门槛。
⚠️第九章：风险提示——投资需谨慎
⚠️ 技术风险
1. 技术路线变更风险：腱绳驱动可能替代丝杠，端到端VLA可能替代模块化架构。2. 泛化能力瓶颈：机器人能跳舞不等于能拧螺丝，从"学徒工"到"熟练工"仍需3-5年。3. 数据采集成本高：每条物理交互数据需真实机器人+真实环境，成本远高于互联网数据。
⚠️ 商业化风险
1. 成本下降速度不及预期：目标$2万/台，当前国产约10万人民币，仍需2-3年降本。2. 场景刚需不明确：仓储/装配场景ROI能否打正，仍需大规模试点验证。3. 竞争格局恶化：140+家整机企业，未来3年将迎来整合，90%玩家可能被淘汰。
⚠️ 地缘政治风险
1. 核心设备进口受限：丝杠磨床、六维力传感器校准设备等仍依赖进口。2. 算力芯片管制：NVIDIA禁售影响AI大脑训练，国产芯片需加速替代。3. 数据跨境限制：工业现场数据可能涉及国家安全，跨境训练VLA模型受限。
?报告总结：具身智能——AI的终极形态
具身智能产业链2026的真实结构，不是"算法定胜负"的单线竞争，而是上游本体性价比、中游数据规模、下游场景落地三段同时推进的多线战役。
? 核心投资结论
环节 投资价值 确定性 推荐标的 上游核心零部件 ⭐⭐⭐⭐⭐ 高 绿的谐波、汇川技术、恒立液压、鸣志电器 中游数据服务 ⭐⭐⭐⭐ 中 海天瑞声、有工业出货积累的集成商 中游整机（龙头） ⭐⭐⭐ 中 优必选（港股）、宇树（IPO后） 下游场景集成 ⭐⭐⭐ 高 有行业know-how的集成商 AI大脑/VLA ⭐⭐ 低 需结合本体或数据才有护城河 ? 一句话总结
"具身智能是AI从比特到原子的跨越。上游零部件是确定性最高的黄金赛道，数据是中游被低估的胜负手，下游场景落地速度决定终局。中国路径在本体性价比和数据规模上已建立结构性优势，但VLA基础模型仍需追赶。"
?参考文献与数据来源
高盛《Global Humanoid Robot Market Report 2024-2035》 国际机器人联合会（IFR）《World Robotics 2025》 国海证券、东吴证券《具身智能核心零部件龙头梳理》 网易科技《具身智能产业链2026解构》 Humanoid.guide《Humanoid Robot Race Index June 2026》 Google DeepMind《RT-2: Vision-Language-Action Models》arXiv:2307.15818 Physical Intelligence《π₀: A Generalist Robot Policy》2024 Stanford《OpenVLA: An Open-Source Vision-Language-Action Model》CoRL 2024 UC Berkeley《Octo: An Open-Source Generalist Robot Policy》RSS 2024 中国机器人产业联盟（CRIA）《2025年度白皮书》 工信部《人形机器人与具身智能标准体系（2026版）》 雪球《具身智能核心零部件龙头梳理》（2026-04-10） 东方财富《具身智能上市大年：20+拟上市企业名单》（2026-03-22）
