第一部分：目录
核心读者：投资银行分析师、基金经理及企业战略投资部
第一章：执行摘要与核心投资论点（执行摘要与核心投资论点）
本章旨在1分钟内阐明报告的核心价值与结论。内容将包括对2025-2026年人形机器人产业的核心判断、关键的“反共识”观点、市场规模预测摘要、最具投资价值的产业链环节，以及明确的投资策略建议（例如：当前阶段应关注“卖铲人”还是“淘金者”）。
第二章：市场重估：驱动因素、空间测算与落地节奏（Market Re-evaluation： Drivers， Sizing and Adoption Timeline）
本章为估值模型提供关键的市场假设（TAM/SAM/SOM）。我们将深入分析驱动本轮产业爆发的核心变量（技术收敛、劳动力缺口、政策催化），并构建一个可量化的市场规模预测模型，明确指出工业、商业、特种等关键场景的渗透率曲线和商业化落地的时间表（2025-2030E）。
第三章：价值链解构与成本经济学（价值链解构与成本下降经济学）
本章为财务模型提供核心的成本与利润分析。内容包括：1）BOM成本精细拆解：对标杆产品（如Tesla Optimus）进行详细的物料清单（BOM）成本分析，识别当前的核心成本瓶颈（如旋转关节、灵巧手、传感器）。2）降本路径推演：量化分析核心零部件（减速器、电机、芯片）的国产替代和规模化生产带来的“指数级降本”曲线，并预测整机成本何时能达到商业爆发的临界点（例如，从10万美元降至2万美元）。
第四章：技术壁垒与护城河分析（技术障碍与竞争护城河）
本章旨在识别决定企业长期竞争力的核心技术资产。我们将技术栈分为两大模块进行评估：1）“大脑”系统：分析多模态大模型与具身智能的技术成熟度，评估其如何构建数据飞轮和算法壁垒。2）“身体”系统：分析运动控制、能源系统及核心硬件（关节、电机等）的工程化能力，评估其如何构建制造、供应链和系统集成的护城河。
第五章：全球竞争格局与商业模式剖析（Global Competitive Landscape and Business Model Analysis）
本章旨在回答“谁会赢，以及如何赢？”。我们将选取全球范围内的头部玩家（如Tesla， Figure AI， Agility Robotics）与中国领先企业（如宇树科技， 傅利叶智能）进行横向对比，重点分析其技术路线、商业化路径（To B vs. To C， 销售 vs. RaaS）和资本运作策略的差异，并评估各自模式的成功概率与潜在风险。
第六章：投资框架：估值方法、关键指标与风险矩阵（投资框架：估值、关键绩效指标与风险矩阵）
本章为投资者提供一个即插即用的分析工具箱。内容包括：1）估值模型建议：针对不同发展阶段的公司，提出适用的估值方法（如DCF， SOTP， PS倍数法）。2）核心量化指标（KPIs）：定义一套可追踪的技术与商业化进展的量化指标（如：无故障运行时间、任务执行成功率、单机回本周期）。3）风险矩阵：系统性梳理并评估技术、市场、政策和执行层面的核心风险。
第七章：投资策略与可关注标的（投资策略与可执行目标）
本章是报告的最终落脚点，提供明确的、可操作的投资建议。我们将基于前述分析，指出2025-2026年最具吸引力的投资机会在产业链的哪一层（核心零部件 vs. 本体制造商 vs. 应用集成商），并提供一份经过筛选的、值得重点关注的未上市与已上市公司名单，阐明其核心投资逻辑。
第二部分：正文
第一章：执行摘要与核心投资论点（执行摘要与核心投资论点）
本报告旨在为投资银行专业人士提供一份关于2025-2026年人形机器人产业的深度研究与可交易洞察。我们认为，人形机器人正处于从实验室原型到商业化试点落地的“iPhone时刻”前夜。技术收敛（尤其是具身智能AI）、结构性劳动力短缺以及头部企业（如特斯拉）的强势入局，共同构成了本轮产业爆发的核心驱动力。
核心投资论点：
市场规模即将引爆，但节奏存在分歧： 金融机构（如高盛）预测2035年市场规模将达380亿美元，其模型高度依赖于成本的快速下降。我们认为，2025-2026年将是商业化验证（Pilot Program）的关键时期，但大规模部署（>10,000台）的拐点更可能出现在2027-2028年，主要受限于供应链成熟度和“Sim-to-Real”的技术鸿沟。
反共识观点：短期内，“大脑”的价值高于“身体”；长期看，“身体”的制造壁垒决定最终赢家。当前市场估值（如Figure AI的26亿美元估值）主要由其AI能力和顶级合作伙伴（OpenAI）驱动。然而，我们认为，随着AI基础模型趋于通用化（VLA模型），最终决定企业护城河的将是能够以汽车级成本和可靠性大规模制造高性能硬件（尤其是执行器）的能力。
投资策略：“卖铲人”优先于“淘金者”。 鉴于本体制造商（“淘金者”）在商业模式（RaaS vs. 直销）、技术路线（通用 vs. 专用）和资本消耗上面临巨大不确定性，我们判断，当前阶段最具吸引力的投资机会在于产业链上游，即那些具备高技术壁垒、已进入核心供应链且受益于整个行业增长的核心零部件供应商（“卖铲人”）。
最具投资价值的环节： 我们识别出三大核心零部件环节具备最高的投资价值：1) 执行器系统（谐波减速器、行星滚柱丝杠、无框力矩电机）；2) 灵巧手与触觉传感系统；3） 端侧计算平台（高性能SoC）。这些环节的技术壁垒高、客户转换成本高，且毛利率优于下游集成。
核心预测：
- 整机成本：
标杆产品（如Tesla Optimus）的BOM成本将在2026年底前从当前的约4-5万美元下降至3万美元以下，主要由执行器系统的国产化和规模化驱动。 - 商业化场景：
2025-2026年，商业化将高度集中于结构化/半结构化场景，如汽车总装线边物流和电商仓库的周转箱搬运。 - 关键玩家：
全球竞争将呈现“三极”格局：以特斯拉为代表的垂直整合派，以Figure AI/Agility Robotics为代表的生态合作派，以及以宇树科技/傅利叶智能为代表的中国性价比与场景深耕派。
第二章：市场重估：驱动因素、空间测算与落地节奏（Market Re-evaluation： Drivers， Sizing and Adoption Timeline）
本章旨在为估值模型提供关键的市场假设（TAM/SAM/SOM），并深入剖析驱动产业爆发的核心变量与落地节奏。
2.1 核心驱动因素分析
- 技术收敛（Technology Convergence）：
多模态大模型与具身智能（Embodied AI）的突破，特别是视觉-语言-动作（VLA）模型的出现，使机器人首次具备了理解复杂指令和泛化到未见任务的能力，这是区别于传统工业机器人的根本性变革。 - 劳动力缺口（Labor Shortage）：
全球性的人口老龄化和劳动力成本上升，为机器人替代高重复性、高强度、非意愿性岗位创造了刚性需求。例如，美国制造业目前存在约60-70万个职位空缺，为人形机器人的早期部署提供了明确的经济动机。 - 政策催化（Policy Catalysis）：
主要经济体均将机器人产业提升至国家战略高度。例如，中国的**《“机器人+”应用行动实施方案》**明确支持机器人在制造业、养老服务等关键领域的应用，为产业发展提供了顶层设计和市场准入支持。
2.2 市场规模测算 （TAM/SAM/SOM）
我们综合主流机构的预测，并加入我们的独立判断，构建了如下市场规模模型：
长期潜在市场（TAM - Total Addressable Market）：长期来看，人形机器人的TAM是全球劳动力市场，这是一个数万亿美元级别的市场。ARK Invest基于“莱特定律”的激进预测认为，一旦机器人成本降至2-3万美元（与廉价汽车相当），其应用将无处不在。
中期可服务市场（SAM - Serviceable Addressable Market）： 在2030-2035年时间框架内，SAM主要集中在制造业、物流、医疗健康和特种作业领域。高盛（Goldman Sachs）在其基准情景下预测，到2035年市场规模可达380亿美元，年出货量140万台。这一预测的核心假设是BOM成本从2023年的约25万美元，下降至2030年的5万美元，再到2035年的3万美元。
近期可获得市场（SOM - 可获得市场，2025-2026E）：这是我们关注的焦点。我们认为，2025-2026年的SOM将高度集中于能够快速实现正向ROI的特定场景。
- 工业制造：
重点是汽车总装线上的**“上下料”（Machine Tending）和“线边物流”（Line-side Logistics）**。Figure AI与宝马（BMW）的合作即是这一趋势的明证。 - 物流仓储：
重点是**“拖车卸货”（Trailer Unloading）和“周转箱搬运/回收”（Tote Handling）**。Agility Robotics的Digit机器人在亚马逊（Amazon）仓库的试点是典型案例。 - 量化预测 （2025-2026E）：
我们预测，到2026年底，全球人形机器人年出货量将在5,000至15,000台之间，市场规模约2亿至6亿美元。这远低于部分过于乐观的预测，主要因为我们考虑了下述落地节奏的制约因素。
2.3 商业化落地节奏与反共识观点
与金融机构的乐观预测不同，我们认为2030年前的大规模部署面临显著的技术和工程瓶颈，这将拉长商业化的时间线。
反共识观点： 机器人学术界和部分行业专家普遍认为，短期内的技术成熟度被高估。核心瓶颈在于：
- 能源密度与续航：
当前电池技术（主流机载容量1.5-3.0 kWh）难以支撑高强度工业环境下连续工作一个标准班次（8小时），实际续航普遍在2-4小时。频繁充电或换电严重影响整体运营效率（OEE）。 - “Sim-to-Real”鸿沟：
AI模型在模拟环境中表现优异，但在迁移到充满不确定性的真实物理世界时，性能衰减严重。处理变形物体、应对光照变化和突发干扰等边缘情况，需要极高的现场工程化部署成本。 - 安全与监管：
在人机协作的紧凑环境中，现有的安全标准（如ISO 10218）不完全适用。监管框架的滞后，尤其是在欧盟市场，可能限制其在2030年前的SOM。
渗透率曲线预测： 我们预测渗透率将遵循“S型曲线”，2025-2027年为早期验证期，渗透率极低;2028-2030年为快速增长期，随着成本下降和技术成熟，渗透率开始攀升;2030年后进入大规模普及期。
2.4 关键敏感性变量
构建财务模型时，必须关注以下几个核心敏感性变量：
- 硬件成本年复合下降率 （CAGR）：
这是决定ROI何时转正的最大变量。 - 劳动力成本替代阈值： 机器人每小时综合成本（RaaS定价或折旧+运维）需低于目标市场的人类时薪。例如，美国物流仓储时薪约**
20 − - 任务执行效率 (相对于人类):
如果机器人只能以人类50%的速度工作且需要频繁干预，其经济性将大打折扣。模型需假设机器人效率达到人类的70%以上才能具备竞争力。
第三章：价值链解构与成本经济学（价值链解构与成本下降经济学）
本章为财务模型提供核心的成本与利润分析，通过精细拆解BOM成本和推演降本路径，判断商业爆发的临界点。
3.1 标杆产品BOM成本精细拆解 （以Tesla Optimus Gen 2为例）
根据多家研究机构的逆向工程分析，Tesla Optimus Gen 2在2025年初小批量试产阶段的BOM成本估算在4万至5万美元之间。其成本结构高度集中：
| 执行器系统 （Actuators） | 50% - 60% | 绝对的成本中心。 |
| 传感器系统 | 15% - 20% | |
| 计算与控制模块 | 10% | |
| 电池组与电源管理 | 5% - 8% | |
| 机身结构件与外壳 | 5% - 10% |
核心推论： 要实现马斯克提出的2万美元目标售价，执行器系统的成本必须削减至少60%-70%。
3.2 核心零部件二次拆解与成本瓶颈
旋转执行器（旋转执行器）：
- 构成:
通常采用“无框力矩电机 + 谐波减速器 + 双编码器 + 驱动器”集成方案。 - 成本瓶颈：
谐波减速器是成本痛点，在单个执行器中成本占比高达35%-45%。 - 供应链动态：
行业龙头日本Harmonic Drive （HD） 产品价格昂贵（单价约3000-5000人民币）。国产替代厂商如绿的谐波 （LeaderDrive） 性能已接近HD中端产品，价格低30%-50%，是实现降本的关键。
线性执行器（线性执行器）：
- 构成：
用于膝盖、肘部等需要大推力的关节。 - 成本瓶颈：
行星滚柱丝杠（Planetary Roller Screw，PRS） 是技术和成本的双重壁垒，在执行器中成本占比可超50%。 - 供应链动态：
高端市场被欧洲厂商垄断，如瑞士Rollvis、德国Schaeffler、瑞典SKF。国内厂商如鼎智科技、贝斯特等正积极突破，其国产化进程是线性关节降本的核心变量。
灵巧手（灵巧之手）：
- 构成：
Optimus Gen 2手部有11个自由度，集成了微型执行器集群（空心杯电机+微型齿轮箱）和指尖触觉传感器阵列。 - 成本瓶颈：
微型精密部件数量多，总成本高。触觉传感器多为定制开发，尚未规模化。 - 供应链动态：
全球领先的灵巧手供应商如Shadow Robot Company产品成本极高（>10万美元/只），主要用于科研。触觉传感方面，SynTouch的BioTac技术是金标准，但成本高、规模化难。更具性价比和耐用性的方案如Psyonic的Ability Hand和基于光学的Contactile技术是潜在方向。
六维力/力矩传感器（六轴F/T传感器）：
- 作用:
安装在脚踝和手腕，实现稳定行走和精确力控。 - 成本瓶颈：
工业级产品（如ATI Industrial Automation）单价可达数千至上万美元，成本过高。 - 降本路径：
特斯拉极有可能自研低成本替代方案（基于应变片或MEMS），或通过算法（关节电流环数据+IMU）进行力矩估算，减少对昂贵物理传感器的依赖。国产厂商如坤维科技、宇立仪器提供高性价比方案。
3.3 指数级降本路径推演（成本下降曲线）
我们认为，整机成本从~5万美元降至2万美元的临界点，需要在未来3-5年内实现年产10万台至50万台的量级。降本驱动力来自四个方面：
- 规模效应 （Economies of Scale）：
随着产量指数级增长，谐波减速器、滚柱丝杠等高固定成本部件的摊销将显著降低。 - 供应链国产化/本土化 （Localization）：
将高成本的机械结构件（减速器、丝杠）和电机供应链从欧美日转移至中国，利用中国制造的成本优势和快速响应能力。 - 工艺创新（工艺创新）：
- 行星滚柱丝杠:
采用**“以车代磨”（硬车削）或冷滚压**等高效工艺替代传统全磨削，有望将加工时间缩短60%以上，成本降低40%-50%。 - 谐波减速器：
通过自动化产线迭代和柔轮材料改性，在现有基础上进一步降本20-30%。 - 无框力矩电机：
采用针式绕线或扁线发卡技术提高槽满率，优化磁路设计减少稀土用量。
- 垂直整合:
特斯拉自研执行器、驱动器和传感器，去除供应商溢价。 - 集成化设计：
采用一体化关节设计，通过“结构共用”减少BOM条目和装配工时。 - 一体化制造：
借鉴汽车经验，采用大型一体化压铸技术制造机身结构，大幅降低成本。
第四章：技术壁垒与护城河分析（技术障碍与竞争护城河）
本章旨在识别决定企业长期竞争力的核心技术资产，分为“大脑”（AI与软件）和“身体”（硬件与工程）两大模块进行评估。
4.1 “大脑”系统：多模态大模型与具身智能
“大脑”决定了人形机器人的能力上限和泛化能力，其核心壁垒正在从传统控制算法转向数据驱动的端到端学习。
技术范式转移：视觉-语言-动作 （VLA） 模型
将机器人控制转化为序列建模问题，通过在海量“视觉-语言-动作”数据上训练Transformer模型，使其继承LLM的语义理解和推理能力，实现惊人的零样本（Zero-shot）泛化。 - 技术壁垒：
严重依赖高质量的专家演示数据（Imitation Learning）和庞大的GPU算力，构建成本极高。
Tesla Optimus 的“纯视觉端到端”与数据飞轮
- 技术路径：
迁移FSD的技术栈，仅凭摄像头输入的纯视觉神经网络，直接输出关节控制指令。 - 核心护城河 (数据飞轮):
特斯拉的真正壁垒在于其构建“数据飞轮”的能力。一旦Optimus大规模部署于自有工厂，其收集真实世界交互**边缘情况（Corner Cases）**的能力将指数级增长，并通过自动化标注流水线和影子模式进行高效训练，形成难以复制的数据规模和多样性优势。
模拟技术 （Simulation） 的关键作用
- 核心平台 （NVIDIA Isaac Sim/Lab）：
高保真模拟技术是解决真实世界数据采集昂贵、危险且低效的关键“加速器”。通过域随机化（Domain Randomization）和Sim2Real迁移技术，可以在模拟中大规模训练复杂技能，显著降低对真实数据的依赖。 - 战略意义:
这为新进入者提供了绕过特斯拉数据护城河的潜在路径。
混合架构的持久性：大模型作为“高层规划器”
- 务实路径:
纯端到端在安全性和可解释性上仍有挑战。当前更务实的架构是：多模态大模型（如GPT-4V）充当高层“推理大脑”，负责任务分解和规划;底层的运动执行仍依赖经典的控制算法（如全身控制WBC、模型预测控制MPC）来保证物理稳定性和精确性。 - 护城河分析:
这种“大模型规划 + 经典控制执行”的混合架构，构成了不同于纯数据驱动的另一类技术壁垒，即系统集成与控制工程能力。
4.2 “身体”系统：运动控制、能源系统与工程化能力
“身体”决定了机器人能否在物理世界中可靠、高效地执行任务，其核心壁垒在于将理论转化为稳定产品的工程化能力。
底层运动控制软件栈
- 全身控制 （WBC）：
是运动控制的底层核心，以高频（~1kHz）运行，将任务指令实时转化为关节力矩。壁垒在于求解复杂的实时二次规划（QP）问题。 - 模型预测控制 （MPC）：
是实现动态平衡的主流中层控制器，通过预测未来状态来优化控制序列。壁垒在于简化模型与复杂现实之间的权衡。 - 接触隐式优化 （Contact-Implicit Optimization）：
是控制算法的最高阶壁垒，允许机器人在优化中自主决定接触策略，是实现非结构化环境自主运动的关键，但计算复杂度极高。 - 核心观点：
AI与经典控制正在融合。AI（特别是强化学习RL）用于生成复杂运动策略，而经典控制（MPC/WBC）作为“安全过滤器”和“执行稳定器”，确保物理世界的安全可靠。
能源系统瓶颈
- 能耗基准：
主流电驱动人形机器人在混合任务下的平均功耗为1.5kW至2.5kW，但峰值功率可瞬间突破8kW。 - 续航瓶颈：
机载电池容量普遍在1.5-3.0 kWh，导致实际工况续航仅2-4小时，无法满足8小时工业班次需求。 - 解决方案：
快速换电（Swappable Battery）已成为提升运营效率（OEE）的关键工程路径。Agility Robotics等公司已采用热插拔电池模块，可在3分钟内完成能源补给。 - 未来技术：
硅负极电池（能量密度~400-450 Wh/kg）和全固态电池（>500 Wh/kg）是突破续航瓶颈的希望，但短期内难以规模化商用。
制造与规模化护城河
- Agility Robotics （重资产自建）：
在俄勒冈州建立**“RoboFab”专用工厂，初期年产数百台，目标超万台。旨在建立“制造工艺护城河”**。 - Figure AI（轻资产合作）：
利用巨额融资，与宝马等合作伙伴进行试点，未来可能寻求与汽车Tier 1供应商合作代工。旨在建立**“系统集成与生态护城河”**。
- 策略分化:
- 核心挑战：
规模化的真正瓶颈在于深层供应链，特别是高性能执行器和精密减速器的稳定供应与成本控制。
第五章：全球竞争格局与商业模式剖析（Global Competitive Landscape and Business Model Analysis）
本章旨在回答“谁会赢，以及如何赢？”，通过横向对比全球头部玩家的技术路线、商业模式和资本运作，评估其成功概率与风险。
5.1 全球头部玩家对比分析
| 特斯拉（擎天柱） | 垂直整合，纯视觉端到端AI。复用 | 先自用，后低价直销。目标售 | ||
| Figure AI | “全明星”人才聚合，AI优先。硬件与Boston Dynamics | 高资本强度多场景试点，混合模式。先与宝马 | ||
| 敏捷机器人（数字） | 动力学优先，商业化领先。 | 专注物流，纯RaaS模式。与GXO Logistics |
5.2 中国领先企业对比分析
中国企业凭借强大的供应链生态和快速迭代能力，正成为全球市场不可忽视的力量。
| 宇树科技（Unitree） | 极致动态性能，硬件自研。 | “降本增效”，工业物流优先。 | ||
| 傅利叶智能 （Fourier） | 高负载、高稳定性，平台化。核心技术 | “康养基因”，医疗场景切入。 |
5.3 商业模式深入剖析：RaaS vs. 直销
机器人即服务 （RaaS）：
- 优势：
降低客户前期投入（CapEx -> OpEx），加速市场采纳;厂商可通过软件更新和数据服务获得持续性收入。 - 挑战：
对厂商的资本要求极高（需承担硬件成本）;单位经济效益（Unit Economics）高度依赖机器人的有效使用寿命和利用率。如果机器人寿命短、维护成本高，RaaS模式的现金流很难转正。 硬件直销 (+软件订阅):
- 优势：
快速回笼资金;商业模式简单清晰。 - 挑战：
只有当硬件BOM成本降至极低水平（如特斯拉的目标），客户的ROI才足够吸引人。对售后服务网络要求高。 结论： 2025-2026年，由于硬件成本依然高昂，RaaS或租赁模式将是主流，以教育市场和验证技术。随着成本曲线下降，“硬件销售+软件订阅”的混合模式可能成为长期赢家。
第六章：投资框架：估值方法、关键指标与风险矩阵（投资框架：估值、关键绩效指标与风险矩阵）
本章为投资者提供一个即插即用的分析工具箱，用于评估人形机器人公司的投资价值。
6.1 估值模型建议
对于尚未产生规模化收入（Pre-revenue）的人形机器人公司，传统估值模型（DCF， P/S）基本失效。当前估值逻辑高度依赖于**“技术去风险化里程碑”**的达成情况。
里程碑式估值体系:
- 实验室原型阶段：
展示基本行走和遥作能力。 - 受控环境演示阶段：
自主完成特定任务（如Figure 01煮咖啡）。 - 试点项目阶段：
进入真实客户场景（如Agility在GXO仓库）。 - 商业化验证阶段：
证明在特定垂直领域的ROI。
估值基准： Figure AI在2024年2月完成的B轮融资（投后估值26亿美元）为市场设定了极高的基准。这一估值由其与OpenAI的合作和与宝马的商业协议等关键里程碑支撑。对于处于B轮、拥有顶级AI伙伴和令人信服演示的头部公司，20-30亿美元已成为当前估值高位基准。
新兴估值锚点（高投机性预测）： 未来，人形机器人公司的价值可能部分取决于其收集的**“高质量具身作数据（Embodied Manipulation Data）”**的规模和多样性。这种数据对于训练下一代通用物理世界AI模型至关重要且极其稀缺，可能成为新的估值锚点。
6.2 核心量化指标（KPIs）
在当前阶段，应关注以下非财务的技术与运营指标，以评估公司的真实进展：
技术稳定性与自主性 KPIs：
- 平均人为干预间隔时间（Mean Time Between Interventions，MTBI）：当前最关键的运营指标。
衡量机器人每运行多少小时需要一次人工干预。目标是从“每小时数次”降低到“每班次一次”。 - 任务执行成功率（任务成功率，TSR）：
首次尝试即成功完成指定任务的百分比。商业试点门槛通常为95%-99%。 - 自主作时长 （Autonomy Streak）：
无需人类输入连续执行任务的最长时间记录。 商业化潜力关键绩效指标：
- 单机部署与调试时间 （Time-to-Deploy）：
从开箱到开始执行任务所需时间。目标是从数周缩短到数小时（即插即用）。 - 新任务学习时间 （Time-to-Learn New Task）：
教会机器人一项新技能所需的数据量和训练时间。衡量其通用性和软件栈效率。 - BOM成本路径（BOM Cost Trajectory）：
公司是否有清晰的路线图，在3-5年内将BOM成本降至5万美元以下。
6.3 风险矩阵
| 技术风险 | 泛化能力瓶颈： | 高 | 极高 | |
| 供应链风险 | 核心零部件瓶颈： | 高 | 高 | |
| 市场采纳风险 | ROI难以验证： | 中 | 高 | |
| 监管与政策风险 | 安全标准缺失： | 中 | 中 | |
| 竞争与策略风险 | 技术路线分歧： | 高 | 高 |
第七章：投资策略与可关注标的（投资策略与可执行目标）
本章是报告的最终落脚点，提供明确、可操作的投资建议。
7.1 核心投资策略 (2025-2026年)
基于前述分析，我们建议在2025-2026年采取**“哑铃型”投资策略**：
重点配置“卖铲人”——核心零部件供应商： 这是确定性最高、风险调整后回报最具吸引力的部分。无论下游哪个“淘金者”最终胜出，他们都需要高质量、低成本的“铲子”。投资于这些供应商，相当于投资于整个行业的增长。
精选配置“淘金者”——头部本体制造商： 选择性投资于1-2家在技术路线、商业模式和人才团队上已建立明确护城河的全球领军企业。这部分投资风险高，但潜在回报也巨大。
7.2 可关注的产业链环节与标的
A. 核心零部件环节 (“卖铲人”，重点推荐)
减速器（谐波 & 行星/RV）：
- 绿的谐波 （Leaderdrive， 688017.SH）：
国内谐波减速器龙头，已进入多数国产人形机器人供应链，正积极验证进入国际头部厂商。成本优势和快速响应是其核心竞争力。 - 双环传动（双环驱动线，002472.SZ）：
依托汽车齿轮业务的规模优势，布局人形机器人所需的高精度行星减速器和RV减速器，应用于大负载关节。
线性执行器 (行星滚柱丝杠):
- 鼎智科技（Dingzhi Technology， 873593.BJ）：
国内行星滚柱丝杠国产替代的核心标的。该领域技术壁垒极高，一旦突破，将打破海外垄断，市场空间巨大。需密切关注其客户验证和量产进展。
电机 (无框力矩电机 & 空心杯电机):
- 步科股份 （Kinco， 688160.SH）：
国内协作机器人无框力矩电机领军企业，技术和客户基础扎实，有望延伸至人形机器人领域。 - 鸣志电器 （Moons'， 603728.SH）：
全球步进电机龙头，横向拓展力矩电机和空心杯电机业务，全球化渠道和精密制造能力是其优势。
B. 本体制造商环节 (“淘金者”，精选关注)
已上市公司 (关注其机器人业务分拆或进展):
- 特斯拉（特斯拉，TSLA。O）：
最大的变量和潜在的颠覆者。其在AI、制造和供应链上的垂直整合能力无人能及。Optimus的任何实质性进展都将重塑行业格局。 未上市公司（私募市场/IPO前关注）：
- 全球头部：
Figure AI、敏捷机器人、Sanctuary AI。这些公司代表了不同的技术和商业路径，是观察行业风向的最佳窗口。 - 中国头部：
宇树科技， 傅利叶智能。分别代表了“极致性能+性价比”和“场景深耕+生态”两条极具潜力的发展路径。
7.3 前瞻性与反共识思考
最后，我们提出两个可能重塑产业价值链的长期变量，值得投资者保持关注：
“机器人作系统”之争： 当前头部玩家均采用垂直整合的软件栈，这反驳了“通用OS”的必要性。然而，NVIDIA的Isaac平台正通过“计算+仿真”的捆绑，试图成为事实上的开发标准，形成一种隐形的“平台税”。Alphabet旗下的Intrinsic也在尝试构建“安卓化”的机器人平台。未来是否存在一个通用的“Android for Robotics”，将深刻影响价值链分配。
AI基础模型成为新的价值核心：
扫码订阅 全行业调研报告
点击关注✍
