炒股就看金麒麟分析師研報，權威，專業，及時，全面，助您挖掘潛力主題機會！

　　從去年春晚的轉手絹，到今年春晚各路機器人聯手登台，各大機器人主機廠輪番出圈。過去一年裏，從走貓步到拳打創始人，再到機器人馬拉松演唱會熱舞都沒落下，機器人的國民度更上一層樓，唯一遺憾是春節期間股票不開盤。

　　相比羣衆基礎漸深、看得見摸得着的中國機器人，美國機器人行業好像冷清很多。

　　激進如特斯拉不惜停產Model S/X服務機器人量產，目前口徑也還是「2026年下半年開始交付」。沉寂多年的老網紅波士頓動力勉強算另一個，在年初的CES上發布了一個臉上長着大型USB接口的機器人：

　　波士頓動力的人形機器人Atlas

　　美國的機器人確實很少，但機器人公司其實非常多。

　　人工智能泰斗李飛飛初次創業就瞄準了機器人賽道，其公司World Labs主攻數據合成和機器人模型，OpenAI投資的Physical Intellence也是一家做模型的公司，創始團隊就出自OpenAI和谷歌的DeepMind。

　　英偉達自然也不會閒着，除了做芯片，還專為人形機器人設計了Isaac大模型平台，年內連更三次，比GPU還勤快。

　　英偉達Issac平台為人形機器人提供模型訓練和仿真測試

　　可見中美產業界在機器人的發展前景上不乏共識，但科技樹似乎點向了截然不同的方向：

　　中國主攻硬件，機器人舞刀弄槍不在話下，有出息的已經在工廠擰螺絲了；美國主攻軟件，雖然機器人沒做出幾個，但算法和論文發了不少，專利申請了一堆，產品發布會像是學術研討會。

　　前有Figure AI發布VLA模型帶動公司估值大漲，後有特斯拉第三代機器人公開「端到端」視頻學習取代傳統編程，讓硅谷的視線長久地停留在了公式和代碼上。

　　中國有強大的生產製造能力，美國有計算機科學深厚的產業基礎，在機器人這個賽道上，雙方似乎又要迎來一場賽跑。

　　默契的分工

　　兩條分道揚鑣的科技樹，代表了人形機器人落地的兩條腿：硬件和軟件。

　　有別於傳統的工業機器人，人形機器人長遠的目標是「通用性」，即機器人能像人一樣，完成所有人類能做的事情。

　　人類改造自然的工具都以人為基準設計，小到鍋碗瓢盆的尺寸大到工廠產線的規劃，即普羅泰戈拉所說「人是萬物的尺度」。機器人想要做到「通用」，就得適應人類創造的事物，因此不但要做成人形，還要有人類一樣靈活的四肢和靈巧的雙手。

　　同時，機器人無法感知真實世界的觸感、重力、反饋，因此需要軟件算法，讓機器人理解真實世界的物理學規則。舉例來說，當機器人拿起一個雞蛋，硬件部分負責執行這個動作，軟件決定機器人施加多大的力，不至於把雞蛋捏爆。

　　也就是說，硬件是機器人的肉身，軟件是機器人的大腦，兩者缺一不可，既可以共同進步，也可以互為絆腳石。

　　對中國主機廠來說，機器人跳舞不是純粹的傳播訴求，而是各種意義上的秀肌肉，向產業界展示自己在硬件上下了多少功夫。

　　機器人是個全新的產業，與現有產業的零部件通用程度不高。比如覆蓋在機器人外表的「電子皮膚」，需要實現類似人類皮膚對外界的感知力，對傳感器的靈敏度和精確度的要求遠超行業標準，還要兼顧重量、成本，尚未形成統一的解決方案。

　　又比如硬件價值佔比最高的關節。就像人類關節支撐四肢活動，機器人的關節是完成一切複雜操作的基礎，髖關節的強度決定了能搬運多重的貨物，拇指、食指的指尖關節決定了能穿多細的針、引多細的線。

　　就連走路時更自然的步態、熱舞時更靈活的扭胯，都由關節方案的先進性決定。

　　特斯拉展示的人形機器人的膝蓋關節

　　相比之下，美國機器人公司的重心集中在軟件環節，致力於越過大語言模型與空間智能的分水嶺：對物理規則的理解。

　　舉例來說，語言模型也知道蘋果會掉到地上，因為它在訓練過程中輸入過無數個蘋果會掉在地上的數據，但這是對物理現象的一種描述，而不是理解物理規則本身。

　　語言模型類似一種概率預測，推測下一個詞是什麼，但空間智能更接近真實物理世界的模擬，算法需要判斷下一秒周圍環境的變化。相比舞刀弄槍，擰瓶蓋、開罐頭，反而是更難攻克的場景。

　　無論是谷歌和英偉達這類大公司，還是World Labs和Physical Intellence這些初創公司，瞄準的都是軟件層面的世界模型，讓AI學會物理學這門必修課。

　　中國在給機器人重塑金身，美國在給機器人訓練大腦，這樣一硬一軟的默契分工，似乎總讓人似曾相識。

　　沒錯，就是新能源車產業。

　　長了腿的電動車

　　電動車——確切的說是自動駕駛，可以視為人形機器人的「前置產業」。如果電動車是長了輪子的機器人，那麼人形機器人就是長了腿的電動車。

　　自動駕駛與人形機器人的主體架構都可以看作「AI大腦+執行器」：兩者都依靠各類攝像頭、傳感器獲取外界數據，通過算力芯片和模型算法進行決策，再通過電機驅動車身或機體執行任務。

　　區別在於，人形機器人需要獲取的數據更精確（更多類型傳感器和更高的精度），需要處理的決策更復雜（通用大模型），執行的任務更多樣（更靈活的關節和更科學的工學設計）。

　　對比兩者的關鍵零部件，大多都在技術上同根同源，只是在規格和參數上有差異。

　　人形機器人的關節本身就是微縮版高性能電機；特斯拉Optimus胸前的2.3kWh的電池組，電路保護和能量管理系統都複用了電動車的電池包技術；還有用來控制電動車車輪轉速的電控技術，機器人要手持雞蛋不碎，靠的就是這個。

　　硬件高度通用，軟件更是拿來就用。對機器人來說，在工廠裏識別一個螺栓和在路上辨別紅綠燈用的算法都是類似的，Optimus甚至照搬電動車用的FSD算法。

　　Optimus照搬特斯拉的FSD模型

　　這也是為什麼在電動車上有所建樹的公司，都動過機器人的心思。特斯拉自然不必多說，小鵬的機器人也已經造出來了，理想也表示自己要All in AI，轉型具身智能公司。

　　中美兩國一硬一軟的默契分工，在供應鏈上體現的更加明顯。中國是脫胎汽車產業的製造業企業，美國則是成片的軟件和芯片設計公司。

　　中國的機器人供應鏈，最忙的都是車圈的老熟人。例如被多方爆料拿下Optimus關節訂單的三花智控，就是特斯拉電動車熱管理模塊的供應商。傳聞中拿到訂單的，還包括特斯拉底盤供應商、Model 3/Y鋁合金壓鑄件供應商。

　　汽車Tier1均勝電子則直接官宣升級為「汽車+機器人雙軌Tier 1」，憑藉過去在電動車電池管理、底盤控制等積攢的綜合實力，開始給人形機器人核心零部件供貨，客戶除了傳言中的特斯拉，還有宇樹、智元等中國主機廠。

　　人形機器人這兩年體操跳得越來越好，很難說沒有這些汽車供應商的功勞。

　　硬件有中國供應鏈送溫暖，軟件自然有美國巨頭跨界馳援。

　　英偉達不必多說，霸佔高算力芯片市場多年，專門為機器人準備了算力芯片Jetson Thor——其實就是自動駕駛芯片Drive Thor的「機器人版本」，不僅用的同樣的芯片架構（Blackwell），連最高算力都差不多。

　　美國自動駕駛的全村希望Waymo，同樣是機器人積極分子，不僅兄弟公司DeepMind聯手推出機器人世界模型，還將其激光雷達和攝像頭技術，移植到了谷歌的RT-2機器人實驗平台，谷歌自己則在去年發布了用於機器人的Gemini Robotics模型。

　　上一個利用中國強大的生產製造能力與美國雄厚的計算機產業獲得成功的公司，恰恰是正在為機器人搖旗吶喊的特斯拉。

　　作為特斯拉第一座海外工廠，上海工廠2019年1月開工，12月交付，創造了「當年開工，當年竣工，當年生產，當年交付」的奇蹟，背靠長三角發達的汽車產業鏈，挽救了啱啱走出產能地獄的特斯拉。

　　目前，上海工廠依然是特斯拉產能最猛的工廠，不僅支撐着特斯拉在中國的交付，也肩負着海外市場的出口任務。

　　但與此同時，FSD算法的研發、AI5/AI6芯片的設計方案、xAI的大模型和數據中心等一切與軟件有關的部門，都不約而同的放在了美國大本營。

　　位於孟菲斯的xAI數據中心

　　如今，相似的產業背景、相似的默契分工，好像正在機器人產業重新上演。

　　沒有下一個特斯拉

　　頂尖的人才總是會向產業的高地流動，美國是計算機科學產業的發源地，優勢從集成電路一路領先到了人工智能，在軟件、互聯網、芯片設計等細分市場，金字塔尖林立的巨頭幾乎都是美國公司。

　　這些產業不僅吸引着全球最頂級的人才，也在為前沿技術不斷培養着人才預備役。特斯拉崛起的核心因素之一，是微軟、谷歌、英偉達這些IT巨頭源源不斷的人才輸送，他們雖然是製造業的門外漢，但在軟件領域一騎絕塵。

　　中國的優勢自然是製造業，很多老產業都是新興市場的「前置產業」。新能源車的動力電池出現前，消費電子產品的鋰電池就早早在東亞地區落地生根。這個過程中，電化學人才跟隨產業鏈的轉移流動，為動力電池的提供了可觀的人才儲備。

　　在機器人領域，廣袤的製造業一直在源源不斷輸送彈藥。美國產業界自然深知這一點，硅谷風投公司a16z在一份名為《America Cannot Lose the Robotics Race》的報告裏說[6]：

　　「中國企業註定會主導並壟斷一個又一個細分市場，直至所有競爭對手的生產都變得無利可圖。」

　　根據大摩此前爆料，特斯拉Optimus能打到20000美元左右，中國的低成本零部件功不可沒[4]。而TrendForce分析師透露，中國零部件廠商向特斯拉供貨後，會根據測試反饋進行改進，然後將改進後的版本提供給國內製造商[5]。

　　基於這種產業特徵，美國的高科技公司無一例外都用軟件構築核心附加值，把生產製造交給龐大的中國供應鏈，自己則牢牢掌握價值量最高、也是美國絕對的產業優勢環節：軟件。

　　作為供應鏈大師，庫克接過喬布斯的遺產，在中國建立起嚴絲合縫的供應鏈帝國。以不到20%的手機出貨量份額，拿走行業超過80%的營業利潤[3]。上海工廠負擔特斯拉超過半數的交付量，同時，一座座數據中心在美國的拔地而起。

　　2023年，谷歌關閉了機器人硬件研發部門Everyday Robots，將其技術資產併入DeepMind，基本放棄了機器人硬件開發，全面轉向以算法為核心的機器人「大腦」的研發。

　　從消費電子（蘋果）、新能源車（特斯拉）到機器人（谷歌），把資源投入軟件環節，既是基於自身優勢產業的務實選擇，也是獲取高利潤率和高附加值的關鍵。

　　但在軟件環節，中國產業界也沒閒着。

　　智能手機時代，中美在操作系統、芯片設計等環節存在巨大差距，導致核心零部件受制於人。但在新能源車產業，中美企業的自動駕駛能力孰強孰弱也許見仁見智，但雙方的差距明顯小了很多。

　　原因在於，中國發達的互聯網產業為自動駕駛、人工智能等新興領域貢獻了充足的人才儲備，美國科技公司在軟件上的統治力逐漸鬆動。去年Deepseek讓美國產學界集體破防，今年字節Seedance2.0發布，老外集體被+86手機號卡在註冊環節，就是典型的例證。

　　具體到人形機器人「大腦」，在主流技術路線上，雙方的差距在快速彌合。

　　例如當前最被看好的VLA技術路線，最早由谷歌在2023年7月首創（RT-2）、OpenAI次年5月跟進（GPT-4o）。到了2025年，智元機器人ViLLA和小鵬VLA 2.0就前後腳落地了，一個能利用人類視頻學習，一個取消了「語言轉譯」的中間環節，已經做出了差異化的改進。

　　當下特斯拉被中國車企輪番包抄的現實，未來也可能會在人形機器人上重新上演。

　　作為美國製造業的大恩人，既幹過軟件，又下過產線的馬斯克顯然有清醒的認知。去年初的財報電話會上，馬斯克給各家廠商的人形機器人排了個名次：

　　特斯拉的Optimus自然毫無懸念位列第一，但第二到第十，「我擔心全都是中國公司[8]。」

新浪聲明：此消息系轉載自新浪合作媒體，新浪網登載此文出於傳遞更多信息之目的，並不意味着讚同其觀點或證實其描述。文章內容僅供參考，不構成投資建議。投資者據此操作，風險自擔。

責任編輯：何俊熹