《基礎化工行業深度研究：AI人形機器人的降本量產加速器-250308（37頁）.pdf》由會員分享，可在線閱讀，更多相關《基礎化工行業深度研究：AI人形機器人的降本量產加速器-250308（37頁）.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、 請務必閱讀報告末頁的重要聲明 glzqdatemark1 證券研究證券研究報告 行業研究|行業深度研究|基礎化工 AIAI：人形：人形機器人的降本量產加速器機器人的降本量產加速器 2025年03月08日2025年03月08日|報告要點|分析師及聯系人 證券研究證券研究報告 請務必閱讀報告末頁的重要聲明 1/36 隨著 AI 技術的飛速發展，其強大的數據分析、模擬優化和自主學習能力為人形機器人的降本提供了全新的思路和方法。我們認為 AI 技術有望通過加速研發周期、優化生產工藝流程、精準管理供應鏈等維度破解高“白癡指數”，人形機器人有機化工材料研發端和生產端成本有望大幅降低，人形機器人量產時代或

2、加速到來。許雋逸 張瑋航 陳律樓 黃楷 SAC：S0590524060003 SAC：S0590524090003 SAC：S0590524080002 SAC：S0590522090001 iYiWrQtRpMrNmRpQvNaQaO7NtRpPoMtOfQrRpMjMrQqQ9PnNzQuOnOrMMYmRzQ請務必閱讀報告末頁的重要聲明 2/36 行業研究|行業深度研究 glzqdatemark2 基礎化工 AI：人形機器人的降本量產加速器 投資建議：強于大市（維持）上次建議：強于大市 相對大盤走勢 相關報告 1、基礎化工：2024Q4 大化工行業基金持倉分析：大化工延續低配，子行業有所

3、分化2025.01.25 2、基礎化工：農藥：行業風口或指向殺蟲劑2024.11.11 AI 時代加速到來：或攻破人形機器人成本壁壘我們認為：人形機器人作為一種高度復雜的智能裝備，其研發、生產和應用涉及眾多學科領域，包括化學工程，機械工程、電子工程、計算機科學等。長期以來，高昂的成本一直是制約人形機器人大規模普及的關鍵因素。然而，隨著 AI 技術的飛速發展，其強大的數據分析、模擬優化和自主學習能力為人形機器人的降本提供了全新的思路和方法。產品的成本相比制造該產品的原材料成本的比例即為馬斯克提出的“白癡指數”。在人形機器人領域，如果廣泛運用第一性原理，深入探究機器人各個組件和材料的本質屬性和工作

4、原理，而不是局限于傳統的設計和生產方法，則“白癡指數”越高的化工材料面臨 AI+機器人的沖擊或越嚴峻。在 AI+機器人時代，高“白癡指數”意味著其生產過程有很大的優化空間，AI 技術更容易在這些材料的研發和生產中發揮作用，找到低成本的替代品。AI 破局：多維度解鎖高“白癡指數”的機器人材料降本密碼AI 可以對生產流程進行全方位的管理和優化，包括研發、制造、供應鏈等環節。通過模型對關鍵參數進行分析、預測，相比人工試錯法 AI 能夠更加高效地找到生產過程中的最優解，精確地控制生產過程中的各個參數的能力或呈指數級提升，生產過程的損耗有望大幅降低的同時產品合格率也有望得到大幅提升。此外 AI 還可以實

5、時監測設備的狀態，提前發現潛在的故障隱患，顯著降低化工設備的故障率和企業的事故率。材料新篇：AI 開辟人形機器材料降本新路徑通過對主流機器人運用材料的梳理，我們發現當前運用于人形機器人中總生產成本/原料成本比值較大的有機高分子材料為聚醚醚酮（PEEK），聚苯硫醚（PPS），碳纖維，聚二甲基硅氧烷（PDMS）和熱塑性聚氨酯（TPU），這些有機新材料大多運用于關節或傳感器，用于輕量化、耐熱性需求。就研發端而言研發端而言，成本較高材料大多存在工藝壁壘高，反應步驟長，可回收循環利用催化劑溶劑回收不充分等多個工藝瓶頸，伴隨各類 AI 算法的運用范圍擴大疊加高通量實驗機器人的介入，人形機器人相關有機新材料

6、合成工藝壁壘及瓶頸有望加快突破速度并大幅降低研發端對新牌號、新工藝的研發成本。而生產過程中生產過程中，這些有機新材料還存在現有工藝生產精度較難控制導致產品良率較低從而引發單噸生產成本較高問題，伴隨 AI 算法對合成環節的介入有望提高生產過程中的精度控制，并增加 AI 對環節產成品的關鍵性質乃至分子排列等檢驗措施從而提高當前生產工藝下的產成品良率，從而推動制造費用的下滑和原輔料的消耗減少，實現生產端的降本增效。應用篇：AI 重塑人形機器人設計端格局伴隨 AI 對研發與生產端的深度介入，PEEK、碳纖維等高“白癡指數”材料成本有望大幅下降。當成本不再是核心掣肘，人形機器人的大規模普及將取決于材料性

7、能能否與機械結構、電子系統、場景需求深度匹配，而傳統單學科研發模式或難以滿足這一要求。AI 的跨界協同能力、軟硬件深度融合、創新設計有望重塑人形機器人設計端的格局。投資建議：關注 AI 加速人形機器人降本和量產的投資機遇我們認為 AI 技術有望通過加速研發周期、優化生產工藝流程、精準管理供應鏈等維度破解高“白癡指數”，人形機器人有機化工材料研發端和生產端成本有望大幅降低，人形機器人量產時代或加速到來。建議重點關注兩類企業：一是 AI 技術賦能的高彈性材料供應商，即積極搭建 AI 研發團隊、投入大量資源探索 AI 與化工材料融合路徑的企業；二是量產場景驅動的下游應用增長領域，如家庭服務（清潔、陪

8、伴）、工業制造（精密裝配、高危作業）、醫療（手術輔助、康復護理）等領域將因人形機器人成本下降進入加速期，相關材料（包括但不僅限于柔性傳感器、機體材料等）、設備等領域有望受益。風險提示：風險提示：技術發展風險；數據風險；競爭風險；政策風險。-20%-3%13%30%2024/22024/62024/102025/2基礎化工滬深3002025年03月08日2025年03月08日 請務必閱讀報告末頁的重要聲明 3/36 行業研究|行業深度研究 投資聚焦 核心邏輯 我們認為：人形機器人作為一種高度復雜的智能裝備，其研發、生產和應用涉及眾多學科領域，包括化學工程，機械工程、電子工程、計算機科學等。長期以

9、來，高昂的成本一直是制約人形機器人大規模普及的關鍵因素。然而，隨著 AI 技術的飛速發展，其強大的數據分析、模擬優化和自主學習能力為人形機器人的降本提供了全新的思路和方法。產品的成本相比制造該產品的原材料成本的比例即為馬斯克提出的“白癡指數”。在人形機器人領域，如果廣泛運用第一性原理，深入探究機器人各個組件和材料的本質屬性和工作原理，而不是局限于傳統的設計和生產方法，則“白癡指數”越高的化工材料面臨 AI+機器人的沖擊或越嚴峻。在 AI+機器人時代，高“白癡指數”意味著其生產過程有很大的優化空間，AI 技術更容易在這些材料的研發和生產中發揮作用，找到低成本的替代品。當成本不再是核心掣肘，人形機

10、器人的大規模普及將取決于材料性能能否與機械結構、電子系統、場景需求深度匹配，而傳統單學科研發模式已難以滿足這一要求。AI 的跨界協同能力、軟硬件深度融合、創新設計有望重塑人形機器人設計端的格局。投資看點 我們認為在 AI 技術有望通過加速研發周期、優化生產工藝流程、精準管理供應鏈等維度破解高“白癡指數”，人形機器人有機化工材料研發端和生產端成本有望大幅降低，人形機器人量產時代或加速到來。建議重點關注兩類企業：一是 AI 技術賦能的高彈性材料供應商，即積極搭建 AI 研發團隊、投入大量資源探索 AI 與化工材料融合路徑的企業；二是量產場景驅動的下游應用增長領域，如家庭服務（清潔、陪伴）、工業制造

11、（精密裝配、高危作業）、醫療（手術輔助、康復護理）等領域將因人形機器人成本下降進入加速期，相關材料（包括但不僅限于柔性傳感器、機體材料等）、設備等領域有望受益。請務必閱讀報告末頁的重要聲明 4/36 行業研究|行業深度研究 正文目錄 前言：AI 時代加速到來，或攻破人形機器人成本壁壘.6 1.AI 破局：多維度解鎖高“白癡指數”的機器人材料降本密碼.6 1.1 AI 加速研發周期.7 1.2 AI 優化生產工藝流程.10 1.3 AI 精準管理供應鏈.12 2.材料新篇：AI 開辟人形機器材料降本新路徑.14 2.1 人形機器人有機化工材料的成本痛點.14 2.2 AI 助力有機化工材料研發端

12、降本.21 2.3 AI 助力有機化工材料生產端降本.26 3.應用篇：AI 重塑人形機器人設計端格局.29 3.1 跨學科知識圖譜：優化人形機器人性能.30 3.2 硬件與軟件深度融合：推動人形機器人技術的突破和應用.31 3.3 創新設計：AI 打破傳統范式，定義下一代機器人形態.33 4.投資建議：關注 AI 加速人形機器人降本和量產的投資機遇.34 5.風險提示.35 圖表目錄 圖表 1：人工智能在制造生產過程中的運用.7 圖表 2：GNoME 利用圖形網絡進行材料探索.8 圖表 3：GNoME 使材料發現實現數量級突破.8 圖表 4：AI 指導機器人制造新材料.9 圖表 5：基于大模

13、型實現了化工流程的自動設計、仿真及優化.10 圖表 6：甲醇精餾裝置(五塔三效)工藝智能優化.11 圖表 7：蒸汽裂解反應模型.12 圖表 8：全球制造供應鏈競爭范式演變.13 圖表 9：材料特性及在機器人中的運用.14 圖表 10：PEEK 主要運用于人形機器人軸承、骨架和齒輪.15 圖表 11：常用普通塑料、工程塑料及特種工程塑料示意圖.15 圖表 12：PEEK 與主要工程塑料、特種工程塑料性能對比情況.16 圖表 13：PEEK 與鋼、鋁合金性能對比情況.16 圖表 14：PPS 可用于機器人的高溫連接器材料.17 圖表 15：碳纖維運用于機器人模塊.18 圖表 16：人形機器人皮膚傳

14、感器.19 圖表 17：高柔彈性的仿生電子皮膚壓力傳感器陣列.19 圖表 18：TPU 作為柔性材料被運用于機器人手部.20 圖表 19：TPU 可用于機器人足部.21 圖表 20：PEEK 生產工藝流程.22 圖表 21：硫化鈉法生產 PPS 工藝流程及工藝重點瓶頸.23 圖表 22：碳纖維生產工藝流程及工藝重點瓶頸.24 圖表 23：有機硅產品生產工藝流程.25 請務必閱讀報告末頁的重要聲明 5/36 行業研究|行業深度研究 圖表 24：熱塑性聚氨酯生產工藝流程圖.26 圖表 25：PEEK 產業鏈各項成本占比.27 圖表 26：PPS 產業鏈各項成本占比.27 圖表 27：碳纖維產業鏈各

15、項成本占比.28 圖表 28：PC/ABS 各項成本占比.28 圖表 29：有機硅材料各項成本占比.29 圖表 30：熱塑性聚氨酯各項成本占比.29 圖表 31：AI 主要從跨學科知識圖譜、硬件與軟件深度融合、創新設計思路三個方面重塑人形機器人設計端格局.30 圖表 32：H2H 是結合多學科融合的成果.31 圖表 33：人形機器人軟硬件架構示意圖.32 圖表 34：波士頓動力 Atlas 機器人.33 圖表 35：未來人形機器人可能的應用場景.34 請務必閱讀報告末頁的重要聲明 6/36 行業研究|行業深度研究 前言：AI 時代加速到來，或攻破人形機器人成本壁壘 我們認為：人形機器人作為一種

16、高度復雜的智能裝備，其研發、生產和應用涉及眾多學科領域，包括化學工程，機械工程、電子工程、計算機科學等。長期以來，高昂的成本一直是制約人形機器人大規模普及的關鍵因素。然而，隨著 AI 技術的飛速發展，其強大的數據分析、模擬優化和自主學習能力為人形機器人的降本提供了全新的思路和方法。產品的成本相比制造該產品的原材料成本的比例即為馬斯克提出的“白癡指數”。在人形機器人領域，如果廣泛運用第一性原理，深入探究機器人各個組件和材料的本質屬性和工作原理，而不是局限于傳統的設計和生產方法，則“白癡指數”越高的化工材料面臨 AI+機器人的沖擊或越嚴峻。在 AI+機器人時代，高“白癡指數”意味著其生產過程有很大

17、的優化空間，AI 技術更容易在這些材料的研發和生產中發揮作用，找到低成本的替代品。1.AI 破局：多維度解鎖高“白癡指數”的機器人材料降本密碼 AI 可以對生產流程進行全方位的管理和優化，包括研發、制造、供應鏈等環節。通過模型對關鍵參數進行分析、預測，相比人工試錯法 AI 能夠更加高效地找到生產過程中的最優解，精確地控制生產過程中的各個參數的能力或呈指數級提升，生產過程的損耗也有望大幅降低的同時產品合格率也有望得到大幅提升。此外 AI 還可以實時監測設備的狀態，提前發現潛在的故障隱患，顯著降低化工設備的故障率和企業的事故率。請務必閱讀報告末頁的重要聲明 7/36 行業研究|行業深度研究 圖表圖

18、表1：人工智能在制造生產過程中的運用人工智能在制造生產過程中的運用 資料來源：A review of artificial intelligence applications in manufacturing operations-S.J Plathottam 等，國聯民生證券研究所 1.1 AI 加速研發周期 AI 的強大算力和數據處理能力可以在研發高“白癡指數”材料方面發揮巨大作用。傳統的材料研發往往需要大量的實驗和試錯，耗費大量的時間和資源。而 AI 可以通過對海量材料數據的分析和挖掘，建立起材料性能與成分、結構之間的關系模型。例如 2023 年 11 月，谷歌 DeepMind 推出了

19、材料探索圖形網絡(GNoME)，通過預測新材料的穩定性，大大提高了發現的速度和效率。GNoME 是一種最先進的圖神經網絡(GNN)模型，使用兩個管道來發現低能（穩定）材料。結構管道創建結構與已知晶體相似的候選材料，而成分管道則采用基于化學式的更隨機的方法。研究團隊使用已建立的密度泛函理論計算對這兩個管道的輸出進行評估，并將這些結果添加到 GNoME 數據庫中，為下一輪主動學習提供信息。請務必閱讀報告末頁的重要聲明 8/36 行業研究|行業深度研究 圖表圖表2：GNoMEGNoME 利用圖形網絡進行材料探索利用圖形網絡進行材料探索 資料來源：谷歌 DeepMind，國聯民生證券研究所 過去幾十年

20、來，科學家通過實驗方法在無機晶體結構數據庫（ICSD）中記錄了 20000種計算穩定的結構。隨著技術發展，人們通過引入 AI 技術發現了 28000 種新材料，但 AI 在準確預測實驗可行性和預測規模上遇到一定瓶頸。當前，GNoME 模型通過迭代，已發現超過 220 萬種新型結構，通過穩定性競爭篩選后新增 380,000 個條目，使總穩定晶體數達到 421,000 個，這標志著材料發現規模較歷史研究成果實現了數量級突破。圖表圖表3：GNoMEGNoME 使使材料發現材料發現實現數量級突破實現數量級突破 資料來源：谷歌 DeepMind，國聯民生證券研究所 請務必閱讀報告末頁的重要聲明 9/36

21、 行業研究|行業深度研究 例如 2023 年 11 月，美國加州大學伯克利分校團隊開發了一種自動實驗室（A-Lab）系統。這種 A-Lab 根據現存科學文獻訓練，隨后結合主動學習，可對擬定化合物創造最多 5 個初始合成配方。隨后它可以用機器臂執行實驗，合成粉末形態的化合物。如果一個配方產量低于 50%，A-Lab 會調整配方繼續實驗，在成功達到目標或窮盡所有可能配方后結束。圖表圖表4：AIAI 指導機器人制造新材料指導機器人制造新材料 資料來源：An autonomous laboratory for the accelerated synthesis of novel materials-N

22、athan J.Szymanski 等，國聯民生證券研究所 在連續 17 天的運行中，A-Lab 成功合成 58 種目標材料中的 41 種，涵蓋 33 種化學元素及 41 類晶體結構原型。相比之下，人類研究員需要花費數月去推測和實驗。憑借其驗證預測材料的高成功率，A-Lab 充分展現了第一性原理計算、機器學習算法、歷史知識積淀與自動化實驗技術在材料科學研究中的協同效應。例如 2024 年 3 月，華為與大連化物所深度合作，聯合推出智能化工大模型。研發團隊圍繞該模型，構建了首個化工設計-仿真優化-知識歸納的多智能體協同設計的平臺，在用戶輸入工藝目標后，可實現秒級生成并可視化對應設計方案，響應用戶

23、的優化指令，完成對原設計方案的修改。傳統科研范式下，新技術需要經歷實驗室小試、實驗室中試、工廠中試以及實際工廠落地多個階段，時間上需跨越數十年，人力成本、經濟投入需上億，嚴重制約了新科技成果向實際生產力轉化的速度。工藝流程圖是化工設計的核心，它反映了化工生產由原料到產品的全過程，即物流、能流的變化以及生產過程中所經歷的工藝過程和所需的設備儀表。智能化工大模型快速準確檢索化工知識，初步實現了自動生成、仿真、反饋優化等功能，降低了化工工藝設計對專家經驗的依賴度的同時，也有望實現 10+請務必閱讀報告末頁的重要聲明 10/36 行業研究|行業深度研究 倍的化工流程設計效率提升。圖表圖表5：基于大模型

24、實現了化工流程的自動設計、仿真及優化基于大模型實現了化工流程的自動設計、仿真及優化 資料來源：昇思 MindSpore，國聯民生證券研究所 1.2 AI 優化生產工藝流程 化工生產涉及眾多的化學物質和復雜的化學反應，生產過程通常是連續進行的，每個產品的生產過程均包含多個裝置及復雜的工藝流程?，F在大多數化工廠都只局限于局部場景且以安全穩定為主要目標的自動化控制為主，缺少整體的環節優化，依賴人工經驗進行粗放式的控制，普遍存在生產物料成本高、產品收率低等問題。同時，化工生產過程中的節能減排也面臨嚴峻挑戰。在生產高“白癡指數”材料的過程中，AI 可以實時監測和分析生產線上的各種數據，包括溫度、壓力、流

25、量等工藝參數，以及設備的運行狀態和產品質量情況。通過建立生產過程的數學模型，AI 可以預測不同工藝參數組合下的產品質量和生產效率，并自動調整生產參數，實現生產過程的優化和智能化控制。例如云鼎科技股份有限公司聯合華為技術有限公司，通過與山東能源集團、萬華化學等頭部企業化工及工藝專家的聯合研討、工廠需求調研等方式梳理化工工藝優化+AI應用場景。在甲醇精餾裝置工藝智能優化場景中，采用大小模型與工藝機理結合的方式構建多變量工藝優化模型，通過對精餾塔溫度、環境溫度、塔釜溫差、壓力、進料流量、蒸汽流量、塔釜液位、質檢化驗數據等 60 多個參數進行分析，基于預測大模 請務必閱讀報告末頁的重要聲明 11/36

26、 行業研究|行業深度研究 型對回流比參數進行預測，在滿足產品質量的前提下，以最小化蒸汽消耗量及最大化甲醇產品收率為目標求解最佳回流比，實現在甲醇產品滿足質量要求的條件下降低蒸汽消耗量、提升甲醇產品收率的目標。人工智能賦能行業發展高質量建設指南 2024 年基于在山東能源集團某權屬單位的試點情況評估測算，平均每噸甲醇蒸汽消耗量可降低 2%,年度可節省蒸汽成本 192萬元，擴展到全行業，以 2023 年全國甲醇產量 8300 萬噸進行估算，該場景的蒸汽成本節省空間在 10 億元以上。圖表圖表6：甲醇精餾裝置甲醇精餾裝置(五塔三效五塔三效)工藝智能優化工藝智能優化 資料來源：中國信通院人工智能賦能行

27、業發展高質量建設指南(2024 年)，國聯民生證券研究所 乙烯裝置作為化工產業的龍頭裝置與中國石化主業發展的關聯度極其高，對其核心裝置裂解爐的模擬計算因為裂解原料復雜、裂解反應規模龐大且涉及多物理場耦合而存在巨大的挑戰。國外乙烯裝置模擬軟件較為成熟，中國石化內部的煉化廠使用的蒸汽裂解模擬軟件基本以國外軟件（如 SPYRO 和 COILSIM）為主，每年不僅要支付高昂的授權費用，還有技術保密和運行數據泄漏的風險，亟需開發具有自主知識產權的裂解反應模型和裂解爐模擬軟件，幫助企業優化裂解爐操作，提高關鍵產物產率，降低乙烯裝置能耗。中石化（北京）化工研究院有限公司根據自主開發的裂解反應機理模型及裂解爐

28、輻射模型，結合裂解裝置工藝參數，得到裂解原料、操作條件與收率的對應關系，使用深度學習算法數據驅動的蒸汽裂解反應模型。請務必閱讀報告末頁的重要聲明 12/36 行業研究|行業深度研究 圖表圖表7：蒸汽裂解反應模型蒸汽裂解反應模型 資料來源：中央企業人工智能協同創新平臺等中央企業人工智能應用場景優秀案例白皮書(2024 年版)，國聯民生證券研究所 該模型通過乙烯裝置裂解原料和反應條件優化，顯著提升了關鍵產品的收率，并減少了副產品的生成。案例的測試結果表明，應用實時優化模型和平臺后，雙烯收率提高了 0.315wt%，每噸乙烯的產品效益增加了 19.52 元。對于百萬噸乙烯規模的裝置，年增效可達 19

29、52 萬元。這種優化不僅提升了乙烯裝置的經濟效益，還對化工、石油和天然氣行業的流程模擬和操作優化具有重要意義，尤其是在加熱爐、裂解爐操作的模擬計算和操作優化方面。通過模擬和優化，可以提高生產效率，降低成本，實現資源的更高效利用。1.3 AI 精準管理供應鏈 化工行業供應鏈具有以下特點：（1）復雜性:供應鏈中涉及多種化工原料，每種原料的性質、用途、存儲和運輸要求各異；（2）風險性:化工原料存在易燃、易爆、有毒等特性，安全管理和風險防控至關重要；（3）動態性:受市場需求、原料價格、政策法規等多種因素影響，供應鏈需不斷調整以適應變化等。AI 可以通過對供應鏈數據的分析和預測，優化供應鏈的各個環節，提

30、高供應鏈的效率和可靠性。AI 可以實時監測原材料市場的供求關系和價格變化趨勢，提前預測潛在的供應風險，并制定相應的采購策略。同時，AI 還可以優化物流配送方案，降低運輸成本和庫存成本。請務必閱讀報告末頁的重要聲明 13/36 行業研究|行業深度研究 圖表圖表8：全球制造供應鏈競爭范式演變全球制造供應鏈競爭范式演變 資料來源：中國如何打造新型制造供應鏈邱伏生等，國聯民生證券研究所 例如基于大數據分析賦能六國化工產銷協同管理優化項目中，從需求計劃入手，基于歷史訂單銷量、成品產品信息、產品間關系、全國銷售區域信息以及內外部影響因素等輸入數據，結合產品根據地理位置需要因地制宜進行預測的理解，以及新品投

31、放、促銷等特殊事件的考慮，建立 AI 機器學習模型和傳統時間序列模型，對各品類月度銷量進行預測。輸出按照銷售區域、時節、產品品類維度的需求計劃結果，將需求占比預估進一步細化到成品產品維度，并提供需求動態監控預警和多維度分析?；?AI 的需求計劃，項目進一步對六國化工庫存進行全局優化。結合庫存信息、倉庫信息、成品產品信息、替代關系、經銷商層級信息、補貨規則、調撥規則、成本數據、物流資源等輸入數據，建立庫存策略優化模型，平衡服務滿足率和庫存周轉率，得到針對成品的安全庫存水平，工廠倉庫間以及倉庫到經銷商的補貨計劃、倉儲計劃，以及各層級庫存健康狀態監控與關鍵績效指標（KPI）報表。生產方面，項目協助

32、六國化工量化現有生產限制：生產難度、廢料產生情況、每套裝置最小生產量等，將提報的下個月的銷量預測分配到每個工廠，并使用杉數科技自主研發的數學規劃求解器制定成本最優以及實際產量最匹配下的產品生產計劃。為了尋找供應與需求之間的最佳平衡點，項目設計了一個決策輔助-產銷協同模擬引擎，計算每一種信息每一個場景的 KPI 表現及對應的需求、供應、生產計劃。產銷協同模擬引擎將不同產品類型的預測需求與預估的產能、物料到貨時間相對應，在綜合考慮產能限制、生產提前期、生產優先級等限制條件下，由算法自動輸出自定義戰略 請務必閱讀報告末頁的重要聲明 14/36 行業研究|行業深度研究 目標（如總成本最低、產量最大、庫

33、存最少）的生產計劃方案?；跈C器學習的銷量預測，六國化工的銷售預測滿足度從 87%提升至 95%，結余庫存水平平均下降 0.5 個月的月銷量，企業各部門間協同效率提高 20%。制定需求計劃、生產計劃，人力投入時間縮短 50%以上。2.材料新篇：AI 開辟人形機器材料降本新路徑 2.1 人形機器人有機化工材料的成本痛點 目前，人形機器人所使用的材料包括有機材料和無機材料。本文側重有機化工材料，有機材料由于其具有良好的柔韌性、可塑性和生物相容性等優點，在人形機器人的皮膚、外殼，傳感器、電池等部件中得到了廣泛應用。然而，有機材料的合成和制備過程往往比較復雜，原材料成本較高。一些高性能的有機高分子材料

34、還需要采用復雜的合成工藝，更是極大地增加了成本。通過對主流機器人運用材料的梳理，我們發現主要有機高分子材料為聚醚醚酮（PEEK），聚苯硫醚（PPS），碳纖維，PC/ABS 合金，聚二甲基硅氧烷（PDMS）和熱塑性聚氨酯（TPU），大多運用于關節或傳感器，用于輕量化、耐熱性需求。圖表圖表9：材料特性及在機器人中的運用材料特性及在機器人中的運用 材料名稱材料名稱 主要特性主要特性 機器人運用機器人運用 聚醚醚酮（PEEK）耐熱性、優異的剛性與較好的韌性、耐磨性、耐腐蝕性、絕緣性、高比強度 肢體骨骼、關節、軸承 聚苯硫醚（PPS）優良的熱穩定性、化學穩定性、耐腐蝕性、電性能、優異的機械強度、低收縮率

35、、尺寸穩定性、耐熱性、電磁屏蔽性 關節軸承和齒輪等結構件、骨骼支撐部件、電機絕緣骨架、傳感器外殼 碳纖維 自重輕、強度高、耐腐蝕、高模量、耐疲勞、蠕變小 機械手、感知鞋、滑塊矩形管和固定槽鋼等部分關節部位 PC/ABS 合金 絕緣性、阻燃性、結合了 PC 的高強度、耐熱性和尺寸穩定性以及 ABS 的優良加工流動性和易成型性 外殼和結構件 聚二甲基硅氧烷（PDMS）生理惰性、化學穩定性、電緣性、耐候性、滲透性 柔性觸覺傳感器襯底材料 熱塑性聚氨酯（TPU）硬度范圍廣、耐高/低溫、可塑性強、彈性和抗沖擊性的機械性能 柔性觸覺傳感器襯底材料 資料來源：中研股份招股說明書，美瑞新材招股說明書，2025

36、 年中國碳纖維行業市場前景預測研究報告-中商產業研究院，PEEKCHINA 官網，Chemical Book，國聯民生證券研究所 請務必閱讀報告末頁的重要聲明 15/36 行業研究|行業深度研究 聚醚醚酮（聚醚醚酮（PEEKPEEK）是一種尖端特種工程塑料，在性能和商業價值上都處于工程塑料的頂端。PEEK 具有優異的耐熱性、化學穩定性和熱塑性塑料的成型加工性，與主要的工程塑料和特種工程塑料相比，PEEK 兼具優異的剛性和較好的韌性，機械特性可與合金材料媲美；具備較高的玻璃化轉變溫度和負載熱變形溫度，同時可在 250的高溫下保持較高的耐磨性，在耐熱和耐磨性能為除 PTFE 外最好的材料之一；并具

37、有耐腐蝕、耐水解、耐剝離性等優異的物理特性，以及易注塑成型、切削加工等加工特性。圖表圖表10：PEEKPEEK 主要運用于人形機器人軸承、骨架和齒輪主要運用于人形機器人軸承、骨架和齒輪 資料來源：PEEKCHINA 官網，國聯民生證券研究所 圖表圖表11：常用普通塑料、工程塑料及特種工程塑料示意圖常用普通塑料、工程塑料及特種工程塑料示意圖 資料來源：中研股份招股說明書，國聯民生證券研究所 請務必閱讀報告末頁的重要聲明 16/36 行業研究|行業深度研究 圖表圖表12：PEEKPEEK 與主要工程塑料、特種工程塑料性能對比情況與主要工程塑料、特種工程塑料性能對比情況 資料來源：中研股份招股說明書

38、，國聯民生證券研究所 在人形機器人領域，PEEK 作為性能優異的高分子新材料，“以塑代鋼”替代金屬材料。與金屬鋼、鋁合金相比，在比強度、絕緣性能、耐化學性方面均勝過傳統金屬材料，成為人形機器人輕量化、精密傳動、耐腐蝕場景的理想替代方案。PEEK 材料可用于肢體骨骼、關節、軸承等關鍵部位，輕量化前提下保持足夠的強度，特斯拉發布的Optimus-Gen2 人形機器人的手臂和其他部位均由 PEEK 材料制造，驗證了 PEEK 在輕量化與性能平衡中的核心價值。該機器人的手臂和其他部位均由 PEEK 材料制造而為，進一步證實 PEEK 材料作為非金屬新材料板塊之一，其在輕量化賽道應用趨勢上的巨大潛力，圖

39、表圖表13：PEEKPEEK 與鋼、鋁合金性能對比情況與鋼、鋁合金性能對比情況 資料來源：中研股份招股說明書，國聯民生證券研究所 聚苯硫醚（聚苯硫醚（PPSPPS），），是一種新型特種工程塑料。在人形機器人的結構件打造上，PPS 的高剛性與耐磨性使其成為關節軸承、齒輪等高負載運動部件的不二之選，有力保障機PEEKPEEKPTFEPTFEPIPIPPSUPPSUPPSPPSPOMPOMPA66PA66剛性拉升模量拉伸模量數值越大，說明剛性越好Mpa4300175037002450400028001700韌性缺口沖擊強度沖擊強度數值越大，說明材料的韌性越好KJ/mm3.54.54.512284.5

40、耐熱長期使用溫度值越高，通常代表該材料耐熱性能越好25026024018022011595除PTFE外，PEEK為耐熱性能最好的材料之一耐磨摩擦系數摩擦系數越小，通常代表耐磨性越好-0.40.150.40.450.50.520.5除PTFE外，PEEK為耐磨性能最好的材料之一耐腐蝕耐化學性能值越大，說明材料的耐化學性能越好-9.279.98.47.789.337.587.25PEEK、PTFE、PPS均為耐腐蝕性最好的材料電性能介電強度值越大，說明材料的絕緣性能越好KV/mm24112826182027PEEK絕緣性能與其他工程塑料無明顯差距性能指標性能指標特性特性剛性和韌性一般呈現反比例關系

41、，PEEK在剛性為最好的情況下韌性并非最低，展示了其全面的機械特性對比結果說明對比結果說明工程塑料工程塑料特種工程塑料特種工程塑料單位單位指標說明指標說明性能指標性能指標單位單位PEEKPEEK鋼鋼鋁合金鋁合金比強度Nm/kg150070190介電常數-優差差耐化學性-優良良指標說明指標說明拉伸強度與密度的比值，值越大說明材料在相同密度情況下強度越好反應絕緣能力的系數指物體對酸液、堿水、有機溶劑浸泡的耐力 請務必閱讀報告末頁的重要聲明 17/36 行業研究|行業深度研究 器人靈活運動與穩定姿態。經纖維增強改性，如 40%玻璃纖維增強的 PPS，機械強度能逼近鋁合金，卻能實現顯著減重，契合高負載

42、部件需求。在支架與外殼制作時，PPS低收縮率與尺寸穩定性優勢盡顯，像機器人的脊椎、大臂和小腿支撐部件，使用 PPS可有效減少因溫度變化產生的形變。電氣系統里，PPS 在電機絕緣骨架、連接器等部件中廣泛應用，其出色的耐熱性與尺寸穩定性確保電氣系統穩定運行。在傳感器保護方面，PPS 良好的電磁屏蔽性能和機械強度，讓各類傳感器外殼得以堅固制造。從產品特征來看，PPS 具備優異的機械性能與熱穩定性，高溫下尺寸穩定性極佳，是人形機器人結構件的理想選材。相比金屬，其密度僅 1.35g/cm，能實現 40%-60%的減重，大幅降低機器人運動能耗?；瘜W穩定性上，PPS 抗腐蝕能力卓越，能抵御各種有機溶劑與酸堿

43、介質侵蝕，確保機器人在復雜環境可靠運行，且阻燃等級達 UL94V-0 級，安全性高。電學性能方面，PPS 絕緣性能與介電強度突出，特別適配機器人電氣系統的絕緣部件。憑借這些特性，PPS 為人形機器人的性能提升與穩定運行提供了堅實保障。圖表圖表14：PPSPPS 可用于機器人的高溫連接器材料可用于機器人的高溫連接器材料 資料來源：EDAC，國聯民生證券研究所 碳纖維碳纖維，作為一種含碳量在 90%以上的高強度、高模量纖維材料，其微觀結構呈現出由碳原子沿纖維軸向有序排列形成的微晶石墨狀。它外觀通常為黑色，質地輕盈卻擁有卓越的性能。碳纖維最顯著的特性之一便是高強度與低密度兼具。其強度可比肩甚至超越許

44、多金屬材料，而密度卻僅約為鋼的四分之一。這種出色的強度重量比，使其在追求輕量化與高性能的應用場景中備受青睞。在力學性能方面，碳纖維具備極高的拉伸強度和良好的拉伸模量，能夠承受較大的拉力而不易斷裂或變形。同時，它還擁有優異的化學穩定性，對常見的酸堿等化學物質具有較強的抗腐蝕能力，這保障了其 請務必閱讀報告末頁的重要聲明 18/36 行業研究|行業深度研究 在復雜環境下的使用可靠性。在人形機器人領域，碳纖維展現出巨大的應用價值。在機器人的結構框架設計中，采用碳纖維復合材料制造的部件，如機身骨架、關節連接部位等，能夠在保證機器人整體結構強度的同時，大幅減輕重量，從而降低機器人運動時的能耗，提高能源利

45、用效率。例如，使用碳纖維材質制作的機器人手臂，不僅能夠靈活地完成各種復雜動作，還因其輕量化設計，使得機器人在執行任務時更加敏捷迅速。此外，碳纖維良好的剛性和穩定性，有助于維持機器人在運動過程中的精確姿態，為實現高精度的操作任務提供了有力支撐。在一些對電磁環境較為敏感的機器人應用場景中，碳纖維還具備一定的電磁屏蔽性能，能夠有效減少外界電磁干擾對機器人內部精密電子元件的影響，確保機器人電氣系統的穩定運行。圖表圖表15：碳纖維運用于機器人模塊碳纖維運用于機器人模塊 資料來源：大象機器人,國聯民生證券研究所 PC/ABSPC/ABS 合金作為聚碳酸酯（PC）與丙烯腈-丁二烯-苯乙烯共聚物（ABS）的共

46、混材料，結合了 PC 的高強度、耐熱性和尺寸穩定性，以及 ABS 的優良加工流動性和易成型性，在動態載荷下具有優異的抗沖擊性能和耐熱性，保持良好的力學性能，適用于人形機器人的外殼和結構件。PC/ABS 密度（1.1-1.2g/cm）顯著低于金屬，能夠大幅降低機器人整體重量，同時通過注塑成型實現復雜曲面設計，滿足人形機器人對外觀一體化和空氣動力學的要求。同時，PC/ABS 的絕緣性能和阻燃性可用于保護電路板、傳感器等精密電子元件，避免電磁干擾和短路風險，同時耐受設備運行中產生的局部高溫。軟銀的 Pepper 機器人在機體、腿部等部位采用了 PC/ABS 合金，使得 Pepper 機器人的外殼能夠

47、設計出流暢的線條和精致的外觀，同時為內部的電子元件和機械部件提供可靠的保護，提升其運行中的穩定性和耐碰撞性能。請務必閱讀報告末頁的重要聲明 19/36 行業研究|行業深度研究 圖表圖表16：人形機器人皮膚傳感器人形機器人皮膚傳感器 資料來源：Gizmochina 官網，國聯民生證券研究所 有機硅依托其獨特的柔韌性、耐候性和生物相容性，成為實現人形機器人“類人化”功能的關鍵材料。有機硅的柔韌性和可塑性使得其能夠模擬人類皮膚的紋理、彈性甚至溫度，可用于機器人面部、手部等外露部位，增強擬人化效果。觸覺傳感領域，有機硅可以通過摻雜導電材料制成高靈敏度的柔性傳感器，用于檢測抓握力或接觸壓力，實現觸覺反饋

48、，提升機器人的操作精度。圖表圖表17：高柔彈性的仿生電子皮膚壓力傳感器陣列高柔彈性的仿生電子皮膚壓力傳感器陣列 資料來源：機器人柔彈性仿生電子皮膚研究進展邱瀾等，國聯民生證券研究所 聚二甲基硅氧烷（聚二甲基硅氧烷（PDMSPDMS）是一種廣泛應用的有機硅彈性體，可用作柔性觸覺傳感器的襯底材料使用。聚二甲基硅氧烷又名二甲基硅油，根據相對分子質量的不同，外觀由無色透明的揮發性液體至極高黏度的液體或硅膠，它具有生理惰性、良好的化學穩定 請務必閱讀報告末頁的重要聲明 20/36 行業研究|行業深度研究 性、電緣性和耐候性，可用作消泡劑、潤滑劑、脫模劑等。同時 PDMS 也具有良好的滲透性，是各類化學生

49、物傳感器的理想載體材料。熱塑性聚氨酯（熱塑性聚氨酯（TPUTPU）是一種兼具橡膠彈性與塑料加工性能的高分子材料，由二異氰酸酯、大分子多元醇、擴鏈劑（低分子二元醇）三類基礎原料聚合而成，是由軟段（聚醚/聚酯多元醇）與硬段（二異氰酸酯+擴鏈劑）通過嵌段共聚形成的微相分離結構。TPU 具有硬度范圍廣、耐高/低溫、可塑性強、以及彈性和抗沖擊性等突出的機械性能特點，同樣適用于人形機器人的柔性觸覺傳感器的襯底材料，兼具機械支撐與柔性。伴隨高通量機器人的運用擴大疊加 AI 對生產工藝研發的運用及生產過程中的高精度控制，人形機器人的工藝瓶頸和生產成本有望大幅降低。圖表圖表18：TPUTPU 作為柔性材料被運用

50、于機器人手部作為柔性材料被運用于機器人手部 資料來源：Design of 3D-printed Cable Driven Humanoid Hand Based on Bidirectional Elastomeric Passive Transmission-T.Chen 等，國聯民生證券研究所 請務必閱讀報告末頁的重要聲明 21/36 行業研究|行業深度研究 圖表圖表19：TPUTPU 可用于機器人足部可用于機器人足部 資料來源：NU-Biped-4.5:A Lightweight and Low-Prototyping-Cost Full-Size Bipedal Robot-M.Fol

51、gheraiter 等，國聯民生證券研究所 2.2 AI 助力有機化工材料研發端降本 通過對人形機器人相關高成本有機新材料的化合過程梳理，成本較高材料大多存在工藝壁壘高，反應步驟長，可回收循環利用催化劑溶劑回收不充分等多個工藝瓶頸，伴隨各類 AI 算法的運用范圍擴大疊加高通量實驗機器人的介入，人形機器人相關有機新材料合成工藝壁壘及瓶頸有望加快突破速度并有望大幅降低研發端對新牌號、新工藝的研發成本。PEEK 的合成工藝主要包括親核路線和親電路線兩大類。前者以 4,4-二氟二苯甲酮（又稱氟酮、DFBP）和對苯二酚在無水碳酸鈉存在的條件下，以二苯砜為溶劑進行縮聚反應生成 PEEK，后者通過二苯醚和間

52、苯二甲酰氯為原料的低溫反應制成，目前業界主要采用親核工藝路線進行生產。請務必閱讀報告末頁的重要聲明 22/36 行業研究|行業深度研究 圖表圖表20：PEEKPEEK 生產工藝流程生產工藝流程 資料來源：中研股份招股說明書，國聯民生證券研究所 PEEK 價格高昂，其中一個關鍵因素在于 PEEK 的聚合環節存在工藝壁壘和難點，親核取代路線需在 300-350高溫及惰性氣體保護下進行，單體分解和交聯等副反應容易導致分子量分布不均，需精準控制溫度梯度與催化劑用量。因此，較強的合成工藝壁壘疊加較高的原材料成本使得 PEEK 成本與價格較高，技術壁壘使得產能主要分布海外，國產替代化進程正在持續推進，未來

53、隨著 AI 助力工藝優化有望跨越技術門檻、加速國產替代進程。目前工業生產 PPS 主要采用硫化鈉法，其工藝過程為：將 NMP、Na2S 及少量 NaOH 加入反應釜中，通氮氣保護反應體系，加熱升溫至蒸餾物中水分含量達到所需要求為止，此時反應釜內溫度一般為 200205，待反應冷卻至 170左右加入對二氯苯（實際生產中對二氯苯與硫化鈉的物質的量比為 105100）及補加量的 NMP 密封反應釜慢慢升溫至 230-270，并在該溫度下反應 3-6 小時。之后，冷卻、分離、洗滌、烘干即可制得 PPS 樹脂原粉。生產工藝上，需高溫高壓反應，反應條件苛刻、設備要 請務必閱讀報告末頁的重要聲明 23/36

54、 行業研究|行業深度研究 求高、能耗大，且工藝流程多步復雜，設備投資大、操作難度高，溶劑 NMP 回收難度大、損耗多。圖表圖表21：硫化鈉法生產硫化鈉法生產 PPSPPS 工藝流程及工藝重點瓶頸工藝流程及工藝重點瓶頸 資料來源：5000 噸/年聚苯硫醚生產中 N-甲基吡咯烷酮回收工藝設計王曉梅，國聯民生證券研究所 聚丙烯腈(PAN)基碳纖維的生產一般分為原絲生產和碳絲生產兩個階段。生產原絲的基礎原料丙烯一般來自石油煉化行業，通過氨氧化反應得到丙烯腈，丙烯腈采用溶液聚合的方式得到聚丙烯腈原液，聚丙烯腈原液再經過濕法紡絲或干噴濕紡，多級牽伸，卷繞，最終得到碳纖維原絲。紡絲工藝是原絲生產中的關鍵環節

55、，濕法紡絲工藝具有殘留溶劑量小，能夠紡出高強度、高密度的優質原絲的優勢，但紡絲速度低、生產成本高的特點也使得濕法紡絲發展受阻。相較于濕法紡絲，干噴濕紡可實現高速紡絲，原絲表面光滑平整。碳纖維原絲經過退絲后，先在預氧化爐中進行多段氧化，再通過碳化爐進行低溫、高溫碳化，碳化后的纖維經過表面處理、上漿、收卷、包裝等步驟得到碳纖維成品。碳纖維生產流程中關鍵的環節是氧化和碳化，而氧化和碳化環節中最關鍵的是對溫度的控制，溫度把控程度的好壞會直接影響碳纖維產品的拉伸強度。請務必閱讀報告末頁的重要聲明 24/36 行業研究|行業深度研究 圖表圖表22：碳纖維生產工藝流程及工藝重點瓶頸碳纖維生產工藝流程及工藝重

56、點瓶頸 資料來源：中復神鷹碳纖維西寧有限公司年產 10000 噸高性能碳纖維及配套原絲項目環境影響報告書，國聯民生證券研究所 碳纖維生產工藝復雜，涉及多步高溫處理，能耗大且設備投資高，生產周期長，效率較低。技術難題方面，碳纖維的質量控制要求極高，微小的工藝波動都會影響性能，同時表面處理與上漿工藝增加了復雜性，纖維均勻性也難以保證。此外，持續的研發投入和專利壁壘進一步推高了成本。市場需求相對有限，主要集中于高端領域，難以通過規?；a降低成本，且客戶定制化需求也一定程度上限制了大規模標準化生產。最后，生產過程中的高能耗和污染問題，以及碳纖維復合材料的回收難題，也增加了環保成本和環境負擔。有機硅合

57、成的核心原料為金屬硅與一氯甲烷，在工業界生產中，一氯甲烷包括外購與自制，即氯化氫與甲醇反應生成一氯甲烷，硅粉與一氯甲烷在催化劑作用下進行氣固相催化反應，生成甲基氯硅烷混合單體，經連續精餾后得到不同沸點的單體。其中低沸物、一甲和三甲進行歧化反應轉化為以二甲為主的粗單體后，繼續精餾以獲得精單體。將二甲單體進行水解反應，水解物經線環分離可獲得線性體，裂解及精餾后獲得DMC、D4 等環體。進一步，PDMS 以堿金屬氫氧化物作為催化劑，通過環狀硅氧烷單體（例如 DMC、D4）進行開環聚合反應生成。請務必閱讀報告末頁的重要聲明 25/36 行業研究|行業深度研究 有機硅領域的產品鏈較長、生產工序較多，在大

58、型流化床反應器、高效節能精餾系統、高沸和低沸物等綜合利用、反應控制系統等領域具有較高的技術難度。同時，對于例如氯化氫等副產物的綜合利用能力也會影響有機硅生產鏈的經濟效益，影響企業的生產效率與產品成本。圖表圖表23：有機硅產品有機硅產品生產工藝流程生產工藝流程 資料來源：東岳硅材招股說明書，國聯民生證券研究所 TPU的生產方法按有無溶劑分成2種,即無溶劑的本體聚合法和有溶劑的溶液聚合法。本體法聚合按是否進行預反應分類,又可分為預聚法（兩步法）和一步法。前者預先將大分子二醇與二異氰酸酯反應生成端異氰酸酯基預聚體,再與擴鏈劑反應生產 TPU；后者將大分子二醇、擴鏈劑和二異氰酸酯同時混合,無規熔融聚合

59、成 TPU。在工業生產中，主要采用一步法進行 TPU 合成。TPU 的工藝技術關鍵在于聚合反應的控制技術以及不同生產工藝下對于產品的性能調控，例如聚合反應過程中酸值、溫度、催化劑等反應條件的不同控制會對 TPU 產物的微觀結構和宏觀性能產生影響，軟硬段比例調控與動態交聯穩定性也是工藝關鍵點之一，使得產品在力學性能、耐候性、成型性等方面表現出差異。請務必閱讀報告末頁的重要聲明 26/36 行業研究|行業深度研究 圖表圖表24：熱塑性聚氨酯生產工藝流程圖熱塑性聚氨酯生產工藝流程圖 資料來源：美瑞新材招股說明書，國聯民生證券研究所 2.3 AI 助力有機化工材料生產端降本 當前多個較高成本人形機器人

60、新材料在生產過程中除了面對生產工藝流程的突破瓶頸外，還存在現有工藝生產精度較難控制導致產品良率較低，單噸生產成本較高問題，伴隨 AI 算法對合成環節的介入或有望提高生產過程中的精度控制，并增加 AI 對產成品的關鍵性質乃至分子排列等檢驗措施或有望提高當前生產工藝下的產成品良率，從而推動制造費用的下滑和原輔料的消耗減少，從而實現生產端的降本增效。PEEK 合成原料氟酮與對苯二酚都屬高附加值化學品、生產鏈長，單價較高。從成本拆解來看，總生產成本/原料成本約為 133%，4,4-二氟二苯甲酮（DFBP）約占 PEEK成本的 57%，占據 PEEK 成本的主要項。生產 1 噸 PEEK 約需要 0.7

61、6 噸 DFBP，同時DFBP 價格也較高。請務必閱讀報告末頁的重要聲明 27/36 行業研究|行業深度研究 圖表圖表25：PEEKPEEK 產業鏈各項成本占比產業鏈各項成本占比 資料來源：中研股份招股說明書，新瀚新材招股說明書，大洋生物招股說明書，百川盈孚，生意社，Chemical Book，山東君昊高性能聚合物有限公司新建 2500 噸/年聚醚醚酮（PEEK）樹脂及制品項目環境影響報告書，營口興?；び邢薰灸戤a 12600 噸鹵素一族芳香烴氟化學產品生產建設項目環境影響后評價報告書，福建中欣氟材高寶科技有限公司電子級氫氟酸技改項目環境影響報告書，濟源市恒順新材料有限公司年產 4 萬噸氯代

62、碳酸乙烯酯項目環境影響報告書，國聯民生證券研究所 PPS 的原料成本占比較高，其中對二氯苯作為主要原料，占總成本的 45%，五水硫化鈉和 N-甲基吡咯烷酮（NMP）分別占 14%和 6%。對二氯苯、苯、液氯等關鍵原料價格較高且受市場波動影響較大；NMP 作為溶劑，價格昂貴且回收難度大，損耗較多；此外，PPS 的生產還依賴甲烷和 GBL 等原料，進一步增加了成本。除了原料成本外，能耗、制造費用和環保要求也推高了總成本，使得總成本/原料成本比例達到 154%。圖表圖表26：PPSPPS 產業鏈各項成本占比產業鏈各項成本占比 資料來源：浙江新和成特種材料有限公司 30000 噸/年纖維級聚苯硫醚(P

63、PS)及 20000 噸/年復合聚苯硫醚(PPS)新材料建設項目（二期）環境保護設施竣工驗收監測報告，百川盈孚，生意社，國聯民生證券研究所 碳纖維的原料主要就是聚丙烯腈原絲，占總成本的 50%，而聚丙烯腈原絲的合成又依賴于丙烯腈、衣康酸和二甲基亞砜等原料。聚丙烯腈（PAN）作為碳纖維的主要前驅體，價格昂貴且依賴石油化工產品，價格波動較大；丙烯腈等關鍵原料的市場價格受石油化工行業影響，供應不穩定。碳纖維生產過程中受制于高能耗生產、合成工藝復雜性以及良率影響導致總成本高企，產品總成本/原料成本比例達到 200%。產品名稱產品名稱能耗能耗人工人工制造費用制造費用總成本/原料成本總成本/原料成本DFB

64、PDFBP對苯二酚對苯二酚碳酸鈉碳酸鈉57%16%1%5%8%12%133%能耗能耗人工人工制造費用制造費用總成本/原料成本總成本/原料成本氟苯氟苯對氟苯甲酰氯對氟苯甲酰氯其他其他27%53%9%4%3%4%112%能耗能耗人工人工制造費用制造費用總成本/原料成本總成本/原料成本苯胺苯胺亞硝酸鈉亞硝酸鈉氟化氫氟化氫硫酸硫酸氧化鈣氧化鈣34%8%21%3%4%4%8%18%142%對氟甲苯對氟甲苯氯氣氯氣99%1%氟化氫氟化氫對甲苯胺對甲苯胺亞硝酸鈉亞硝酸鈉硫酸硫酸氧化鈣氧化鈣22%63%7%3%4%PEEKPEEKDFBPDFBP氟苯氟苯對氟苯甲酰氯對氟苯甲酰氯對氟甲苯對氟甲苯生產原料生產原料

65、生產原料生產原料生產原料生產原料占原料成本占原料成本占原料成本占原料成本 請務必閱讀報告末頁的重要聲明 28/36 行業研究|行業深度研究 圖表圖表27：碳纖維產業鏈各項成本占比碳纖維產業鏈各項成本占比 資料來源：中復神鷹碳纖維西寧有限公司年產 10000 噸高性能碳纖維及配套原絲項目環境影響報告書，廣東納塔功能纖維有限公司年產 1 萬噸碳纖維及 6 萬噸差別化腈綸項目環境影響報告書，中復神鷹碳纖維股份有限公司 2023年年度報告，威海光威復合材料股份有限公司 2023 年年度報告，百川盈孚，Chemical Book，國聯民生證券研究所 PC/ABS 合金的主要工藝流程為首先在押出機中將原料

66、熔融共混，并引入抗氧劑或阻燃劑等功能助劑，經模頭擠出后進行水冷切粒，加工為最終制品。主要原輔料包括聚碳酸酯（PC）、丙烯腈-丁二烯-苯乙烯共聚物（ABS）、雙酚 A 對二苯磷酸酯（BDP）、抗氧化劑等，常見的 PC/ABS 合金的比例有 70/30 和 50/50，以 50/50 為例，整體生產成本中以原料成本為主，總成本/原料成本約為 111%，其中 PC 和 ABS 分別占總成本的約 38%和 30%，而 PC/ABS 原料目前大多來源自煉化一體化大型裝置，工藝優化空間較為有限。圖表圖表28：PC/ABSPC/ABS 各項成本占比各項成本占比 資料來源：普利特年度報告，金發科技年度報告，銀

67、禧科技年度報告，國恩股份年度報告，鎮江奇美化工有限公司擴建年產 4 萬噸改性 PCABS 合金塑膠項目環境影響報告書，百川盈孚，Chemical Book，國聯民生證券研究所 從有機硅中間體（環狀硅氧烷單體）的成本來看，總成本/原料成本約為 141%，其中金屬硅成本占主要的 52%，甲醇和一氯甲烷成本分別占 10%和 9%左右，能耗、人工和制造費用分別占 8%、4%和 17%左右。由于外購甲醇并不直接用于有機硅單體的生產，需首先與生產過程中的副產品鹽酸反應生成一氯甲烷，因此具體生產的成本結構可能存在差異，對于副產品鹽酸的綜合利用能力也會影響廠商的經濟效益與綜合成本。聚二甲基硅氧烷的主要原輔料為

68、 DMC、封頭劑、催化劑堿金屬氫氧化物等，生產成本來看，總成本/原料成本約為 111%，其中 DMC 為主要成本項，約占 86%。例如東岳硅材等聚二甲基硅氧烷的生產廠商大多也具備原料環狀硅氧烷單體的生產能力，可減少或無須外購有機硅中間體，實際生產的原料成本或可得到進一步改善。請務必閱讀報告末頁的重要聲明 29/36 行業研究|行業深度研究 圖表圖表29：有機硅材料各項成本占比有機硅材料各項成本占比 資料來源：合盛硅業年度報告，新安股份年度報告，東岳硅材年度報告，宏遠新材公開轉讓說明書，中天東方氟硅材料有限公司 33 萬噸/年有機硅新材料項目環境影響報告書，桐柏縣鑫洲化工有限公司年產 6000

69、噸新型環保有機硅系列生產項目環境影響報告書，百川盈孚，Chemical Book，生意社，國聯民生證券研究所 生產 TPU 的原料二異氰酸酯（如 MDI）、聚酯/聚醚多元醇及擴鏈劑等均屬較高附加值化學品，原料價格較高，進一步導致 TPU 的生產成本提升。采用一步法生產 TPU 的主要原料為 MDI、聚酯多元醇和丁二醇等，TPU 的生產成本拆分來看，總成本/原料成本約為 110%，其中聚酯多元醇和 MDI 占據主要，分別占 45%與 40%左右，能耗、人工與制造費用分別占 3%、2%、4%左右，總成本目前以原料成本為主。圖表圖表30：熱塑性聚氨酯熱塑性聚氨酯各項成本占比各項成本占比 資料來源：美

70、瑞新材招股說明書，美瑞新材年報，永州市零陵晨光樹脂有限責任公司年產 2000 噸熱塑性聚氨酯彈性體（TPU）項目環境影響報告，百川盈孚，國聯民生證券研究所 3.應用篇：AI 重塑人形機器人設計端格局 展望未來，伴隨 AI 對研發與生產端的深度介入，PEEK、碳纖維等高“白癡指數”材料成本有望大幅下降。當成本不再是核心掣肘，人形機器人的大規模普及將取決于當成本不再是核心掣肘，人形機器人的大規模普及將取決于材料性能能否材料性能能否與機械結構、電子系統、場景需求深度匹配與機械結構、電子系統、場景需求深度匹配，而傳統單學科研發模式或難以滿足這一要求。AI 的跨界協同能力、軟硬件深度融合、創新設計有望重

71、塑人形機器人設計端的格局。在跨學科知識圖譜的推動下，AI 促進了不同領域技術的融合，加速了機器人設計與優化的進程；在硬件與軟件深度融合方面，AI 使機器人能夠在硬件和控制算法的協同作用下，實現更加高效和精準的運動與決策；與此同時，AI 還帶來了創新的設計 請務必閱讀報告末頁的重要聲明 30/36 行業研究|行業深度研究 思路，通過數據驅動、智能化分析與個性化定制，極大拓展了機器人設計的邊界。這一系列的技術進步，不僅提高了人形機器人在復雜環境中的適應性與靈活性，也推動了其在多個行業中的應用，為未來機器人技術的突破與普及奠定了堅實基礎。圖表圖表31：AIAI 主要從跨學科知識圖譜、硬件主要從跨學科

72、知識圖譜、硬件與與軟件深度融合、創新設計思路三個方面重塑人形機軟件深度融合、創新設計思路三個方面重塑人形機器人設計端格局器人設計端格局 資料來源：國聯民生證券研究所繪制 3.1 跨學科知識圖譜：優化人形機器人性能 在傳統的人形機器人設計中，化工、機械、計算機等不同學科和行業的研究往往是相互獨立的，缺乏有效的溝通和協同。這種“各自為戰”的研究模式導致了不同學科之間的溝通障礙，信息共享不足，進而影響了人形機器人的整體設計優化。而 AI 可以通過建立人形機器人產業知識圖譜，將各個學科和行業的知識和數據進行整合和關聯，打破跨學科的壁壘。例如，AI 可以在設計人形機器人關節時，同時考慮化工材料的強度與韌

73、性、機械設計的力學要求以及計算機控制系統對關節動作的精確控制要求。這種跨學科的優化設計不僅能夠提升機器人的綜合性能，還能減少開發過程這種跨學科的優化設計不僅能夠提升機器人的綜合性能，還能減少開發過程中可能出現的設計沖突和冗余，節省研發時間和成本。中可能出現的設計沖突和冗余，節省研發時間和成本。2024 年 2 月，卡內基梅隆大學 Tairan He 等人通過跨學科知識圖譜實現人形機器人上的新突破。該團隊通過強化學習（RL）框架，整合了計算機視覺（RGB 攝像頭）、機械設計（人形機器人關節控制）、運動學（人類動作重定向）等多學科知識，開發出了一個人對人形機器人（Human to Humanoid

74、，簡稱 H2H）的全身遙控系統。研究 請務必閱讀報告末頁的重要聲明 31/36 行業研究|行業深度研究 中的“Sim-To-Data”過程結合了模擬環境與真實機器人部署，優化了跨學科數據的關聯性，最終在 Unitree H1 機器人上實現了行走提速（3.3m/s）、踢球、后空翻等復雜動作?？鐚W科知識圖譜為人形機器人設計與研發提供了一個全面、系統的知識框架，使得不同學科的技術能夠有效對接。未來 AI 跨學科知識圖譜有望進一步推動各領域技術的深度融合、加速創新技術的研發進程、幫助機器人研發團隊更高效、更精準地解決技術難題。圖表圖表32：H2HH2H 是是結合多學科融合的成果結合多學科融合的成果 資

75、料來源：Learning Human-to-Humanoid Real-Time Whole-Body TeleoperationTianran He 等，國聯民生證券研究所 3.2 硬件與軟件深度融合：推動人形機器人技術的突破和應用 人形機器人本質是人形機器人本質是AIAI系統落地物理世界的最佳載體，算法是核心，需要系統落地物理世界的最佳載體，算法是核心，需要與硬件匹配。與硬件匹配。機器人的輸出包含了虛擬與物理兩種能力。雖然人形機器人從本體硬件上看，存在抗壓硬度與靈敏度不足的問題，但更核心問題在于是算法對運動能力的控制，包括本體平衡、行走的步態、手部抓取等規劃與控制。這需要成熟的感知系統基礎

76、、強大的算法分解任務和規劃動作、大模型不斷仿真訓練以及超強的算力支撐。請務必閱讀報告末頁的重要聲明 32/36 行業研究|行業深度研究 AIAI 在設計端可助力硬件和軟件的深度融合。在設計端可助力硬件和軟件的深度融合。人形機器人的性能表現，不僅僅依賴于其硬件的質量優劣和精度高低，軟件所采用的算法以及控制策略同樣起著至關重要的作用。在過去，硬件設計和軟件開發通常是兩個相對獨立的環節，容易導致硬件與軟件在實際運行過程中出現適配不佳的問題。而 AI 可以在設計初期就將硬件和軟件進行一體化設計。通過先進的模擬技術和嚴格的驗證流程，確保硬件和軟件之間能夠實現無縫對接，達到最佳的協同工作狀態，進而顯著提高

77、人形機器人的整體性能和運行效率。例如，機器人需要高精度的運動控制，AI 可以分析機器人硬件的動態響應特性（如伺服電機、傳感器等）并優化控制算法，確保硬件與軟件的高效協作。圖表圖表33：人形機器人軟硬件架構示意圖人形機器人軟硬件架構示意圖 資料來源：Tesla AI Day、前瞻產業研究院，國聯民生證券研究所 以波士頓動力的人形機器人為例，Atlas 機器人是多年軟硬件協同設計的成果，在物理能力（如可舉起超過人類精英運動員能舉起的物體重量、做出特殊動作）和軟件（用于編寫全身行為的軟件）方面具備優勢。2024 年 10 月 16 日，波士頓動力公布與豐田研究所（TRI）合作，將 TRI 的大型行為

78、模型（LBM）這一復雜 AI 系統應用于 Atlas 機器人，通過軟件層面的 AI 賦能，讓機器人在硬件基礎上能夠理解和生成類似人類的行為，實現人機自然互動等功能。硬件與軟件的深度融合對于 AI 設計端的作用不僅限于技術層面的提升，還能在開發效率、性能優化、智能化、自適應能力等多個方面帶來顯著優勢。AI 作為橋梁和紐帶，促進了硬件與軟件的密切協作，從而推動人形機器人技術的突破和應用。請務必閱讀報告末頁的重要聲明 33/36 行業研究|行業深度研究 圖表圖表34：波士頓動力波士頓動力 AtlasAtlas 機器人機器人 資料來源：波士頓動力官網，國聯民生證券研究所 3.3 創新設計：AI 打破傳

79、統范式，定義下一代機器人形態 AI 技術的引入還為人形機器人的設計帶來了全新的思路和方法。由于大語言模型、深度學習、強化學習等 AI 技術強大的文本處理、推理與提出解決方案的能力，人形機器人的構建思路也將不再局限于傳統的運動范疇，在情感交互、數據分析以及養老保障、野外探險等細分領域上推出特定人形機器人產品成為可能。國內外相關研究團隊與科技企業正在積極探索其中可能，嘗試使人形機器人在特定領域上的“精神”層面更加擬人化與智能化。未來，AI 有望根據任務需求（如醫療陪護、工業搬運），自動生成人形機器人模塊化設計方案，包括材料選型+結構布局+驅動邏輯，例如輸入“家庭清潔人形機器人”需求，AI 在 1

80、小時內輸出 3 套設計方案。哥倫比亞大學的 Hod Lipson 團隊就基于神經網絡模型開發出了能夠預測人類微笑并作出回應的 Emo 機器人。該機器人利用高分辨率攝像頭捕捉面對者的面部肌肉變化，之后用預訓練好的 AI 模型提前近 1 秒預測人類表情，并通過 23 個獨立電機來嘗試模仿面對者的面部表情。這項技術為人機交互提供了更自然與新奇的體驗，結合上文本分析的語言模型將實現與用戶更好的情感交互，未來可應用于醫療、教育等領域。2024 年 8 月，1X Technologies 宣布正式推出一款專為家庭設計的雙足人形機器人 請務必閱讀報告末頁的重要聲明 34/36 行業研究|行業深度研究 原型

81、NEO Beta，能夠實現雜亂物品整理、餐飲協助與物品傳遞等日常家務操作。該機器人通過接入大語言模型以實現自然語言指令的理解和執行，同時團隊在研發強化學習類模型使機器人能夠主動適應各類場景并做出家務行為優化。圖表圖表35：未來人形機器人可能的應用場景未來人形機器人可能的應用場景 資料來源：波士頓動力官網，國聯民生證券研究所 4.投資建議：關注 AI 加速人形機器人降本和量產的投資機遇 我們認為 AI 技術有望通過加速研發周期、優化生產工藝流程、精準管理供應鏈等維度破解高“白癡指數”，人形機器人有機化工材料研發端和生產端成本有望大幅降低，人形機器人量產時代或加速到來。建議重點關注兩類企業：一是

82、AI 技術賦能的高彈性材料供應商，即積極搭建 AI 研發團隊、投入大量資源探索 AI 與化工材料融合路徑的企業；二是量產場景驅動的下游應用增長領域，如家庭服務（清潔、陪伴）、工業制造（精密裝配、高危作業）、醫療（手術輔助、康復護理）等領域將因人形機器人成本下降進入加速期，相關材料（包括但不僅限于柔性傳感器、機體材料等）、設備等領域有望受益。請務必閱讀報告末頁的重要聲明 35/36 行業研究|行業深度研究 5.風險提示 技術發展風險：技術發展風險：AI 與機器人技術在化工領域尚處發展階段，算法精度、機器人穩定性存問題，若技術未達預期，將限制應用推廣程度。數據風險：數據風險：AI 依賴高質量數據，

83、若數據難以達成共享，或對結果存在偏差，若實現共享則存在信息安全隱患。競爭風險：競爭風險：AI+機器人改變化工行業競爭格局，積極應用技術的企業搶占先機，市場競爭或將加劇。政策風險：政策風險：AI+機器人在化工應用未來可能會面臨新法規政策等問題。請務必閱讀報告末頁的重要聲明 36/36 行業研究|行業深度研究 評級說明評級說明 投資建議的評級標準 評級 說明 報告中投資建議所涉及的評級分為股票評級和行業評級（另有說明的除外）。評級標準為報告發布日后 6到 12 個月內的相對市場表現，也即：以報告發布日后的 6 到 12 個月內的公司股價（或行業指數）相對同期相關證券市場代表性指數的漲跌幅作為基準。

84、其中：A 股市場以滬深 300 指數為基準，北交所市場以北證 50 指數為基準；香港市場以摩根士丹利中國指數為基準；美國市場以納斯達克綜合指數或標普 500指數為基準；韓國市場以柯斯達克指數或韓國綜合股價指數為基準。股票評級 買入 相對同期相關證券市場代表性指數漲幅大于 10%增持 相對同期相關證券市場代表性指數漲幅在 5%10%之間 持有 相對同期相關證券市場代表性指數漲幅在-5%5%之間 賣出 相對同期相關證券市場代表性指數漲幅小于-5%行業評級 強于大市 相對表現優于同期相關證券市場代表性指數 中性 相對表現與同期相關證券市場代表性指數持平 弱于大市 相對表現弱于同期相關證券市場代表性指

85、數 分析師聲明分析師聲明 本報告署名分析師在此聲明：我們具有中國證券業協會授予的證券投資咨詢執業資格或相當的專業勝任能力，本報告所表述的所有觀點均準確地反映了我們對標的證券和發行人的個人看法。我們所得報酬的任何部分不曾與，不與，也將不會與本報告中的具體投資建議或觀點有直接或間接聯系。法律主體聲明法律主體聲明 本報告由國聯民生證券股份有限公司或其關聯機構制作，國聯民生證券股份有限公司及其關聯機構以下統稱為“國聯民生證券”。本報告的分銷依據不同國家、地區的法律、法規和監管要求由國聯民生證券于該國家或地區的具有相關合法合規經營資質的子公司/經營機構完成。國聯民生證券股份有限公司具備中國證監會批復的證

86、券投資咨詢業務資格，接受中國證監會監管，負責本報告于中國（港澳臺地區除外）的分銷。國聯證券國際金融有限公司具備香港證監會批復的就證券提供意見（4 號牌照）的牌照，接受香港證監會監管，負責本報告于中國香港地區的分銷。本報告署名研究人員所持中國證券業協會注冊分析師資質信息和香港證監會批復的牌照信息已于署名研究人員姓名處披露。權益披露權益披露 國聯證券國際金融有限公司跟本研究報告所述公司在過去 12 個月內并沒有任何投資銀行業務關系，且雇員或其關聯人士沒有擔任本報告中提及的公司或發行人的高級人員。一般聲明一般聲明 除非另有規定，本報告中的所有材料版權均屬國聯民生證券股份有限公司（已獲中國證監會許可的

87、證券投資咨詢業務資格）及其附屬機構（以下統稱“國聯民生證券”）。未經國聯民生證券事先書面授權，不得以任何方式修改、發送或者復制本報告及其所包含的材料、內容。所有本報告中使用的商標、服務標識及標記均為國聯民生證券的商標、服務標識及標記。本報告是機密的，僅供我們的客戶使用，國聯民生證券不因收件人收到本報告而視其為國聯民生證券的客戶。本報告中的信息均來源于我們認為可靠的已公開資料，但國聯民生證券對這些信息的準確性及完整性不作任何保證。本報告中的信息、意見等均僅供客戶參考，不構成所述證券買賣的出價或征價邀請或要約。該等信息、意見并未考慮到獲取本報告人員的具體投資目的、財務狀況以及特定需求，在任何時候均

88、不構成對任何人的個人推薦?？蛻魬攲Ρ緢蟾嬷械男畔⒑鸵庖娺M行獨立評估，并應同時考量各自的投資目的、財務狀況和特定需求，必要時就法律、商業、財務、稅收等方面咨詢專家的意見。對依據或者使用本報告所造成的一切后果，國聯民生證券及/或其關聯人員均不承擔任何法律責任。本報告所載的意見、評估及預測僅為本報告出具日的觀點和判斷。該等意見、評估及預測無需通知即可隨時更改。過往的表現亦不應作為日后表現的預示和擔保。在不同時期，國聯民生證券可能會發出與本報告所載意見、評估及預測不一致的研究報告。國聯民生證券的銷售人員、交易人員以及其他專業人士可能會依據不同假設和標準、采用不同的分析方法而口頭或書面發表與本報告意見

89、及建議不一致的市場評論和/或交易觀點。國聯民生證券沒有將此意見及建議向報告所有接收者進行更新的義務。國聯民生證券的資產管理部門、自營部門以及其他投資業務部門可能獨立做出與本報告中的意見或建議不一致的投資決策。特別聲明特別聲明 在法律許可的情況下，國聯民生證券可能會持有本報告中提及公司所發行的證券并進行交易，也可能為這些公司提供或爭取提供投資銀行、財務顧問和金融產品等各種金融服務。因此，投資者應當考慮到國聯民生證券及/或其相關人員可能存在影響本報告觀點客觀性的潛在利益沖突，投資者請勿將本報告視為投資或其他決定的唯一參考依據。版權聲明版權聲明 未經國聯民生證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、轉載、刊登和引用。否則由此造成的一切不良后果及法律責任由私自翻版、復制、轉載、刊登和引用者承擔。聯系我們聯系我們 北京：北京市東城區安外大街 208 號玖安廣場 A 座 4 層 上海：上海市虹口區楊樹浦路 188 號星立方大廈 8 層 無錫：江蘇省無錫市金融一街 8 號國聯金融大廈 16 樓 深圳：廣東省深圳市福田區益田路 4068 號卓越時代廣場 1 期 13 樓