《人形機器人行業運控專題：從“做出來”到“賣出去”-250312（35頁）.pdf》由會員分享，可在線閱讀，更多相關《人形機器人行業運控專題：從“做出來”到“賣出去”-250312（35頁）.pdf（35頁珍藏版）》請在三個皮匠報告上搜索。

1、1從“做出來”到“賣出去”人形機器人運控專題中 泰證 券研 究 所專 業 領 先 深 度 誠 信2025.3.12 證 券 研 究 報 告 分析師：王可分析師：王可執業證書編號：執業證書編號：S0740519080001Email：2目 錄C O N T E N T SC O N T E N T S人形機器人小腦（運控）介紹人形機器人小腦（運控）介紹1誰有望搶占小腦發展的制高點？誰有望搶占小腦發展的制高點？3小腦在垂直場景有望率先成熟，小腦在垂直場景有望率先成熟，小模型性價比凸顯小模型性價比凸顯2投資邏輯：聚焦二開本體廠商及投資邏輯：聚焦二開本體廠商及動捕企業動捕企業4NBgWnNsNvNzQ

2、qNoQbR9R8OtRpPmOqNlOrRoNfQpOsR9PpPzQNZrQyQvPrNmM31 人形機器人小腦（運控）介紹41 1.1.1、人形機器人“小腦”概念人形機器人“小腦”概念人形機器人小腦（運控）介紹 人形機器人“小腦”：人形機器人“小腦”：目前產業界對人形“小腦”的定義并沒有形成統一共識，一般認為“小腦”就是運動控制，即由軟硬件構成，硬件包括控制器、驅動系統、編碼器等，軟件主要為部署在硬件上的控制和感知算法等。人形運控與傳統運控最大的區別在于：人形運控與傳統運控最大的區別在于：后者是根據已編程好后者是根據已編程好的軌跡去完成實時控制，而前者需要通過各種場景的實時判斷來生成實時

3、運動軌跡（即的軌跡去完成實時控制，而前者需要通過各種場景的實時判斷來生成實時運動軌跡（即AIAI大模大模型訓練學習后，實時生成運控軌跡的指令），進而實現控制。型訓練學習后，實時生成運控軌跡的指令），進而實現控制。圖表圖表1 1:機器人機器人“小腦小腦”構成構成來源：雷賽智能招股書、中泰證券研究所整理5“小腦”的主要功能：“小腦”的主要功能：與“大腦”主要負責環境感知和智能交互不同，“小腦”更多地關注于機器人的運動控制和平衡調節，通過接收來自傳感器（如視覺傳感器、力覺傳感器、觸覺傳感器等）的信息，對這些信息進行處理和分析，進而指導機器人的運動。主要功能可以分為四類：運動執行、主要功能可以分為四類

4、：運動執行、協調運作、反饋調節和動態平衡。協調運作、反饋調節和動態平衡。1 1.1.1、人形機器人“小腦”概念人形機器人“小腦”概念圖表圖表2 2:人形機器人人形機器人“小腦小腦”主要功能主要功能來源：茶派科技公眾號、中泰證券研究所繪制人形機器人小腦（運控）介紹61 1.2.2、人形機器人“小腦”的控制技術人形機器人“小腦”的控制技術 包括三類：模型控制（包括三類：模型控制（MPCMPC）。）?；诰_的運動學和動力學模型，實現對機器人動作的精準控制，適用于特定任務的自動化執行，即傳統運控范疇。強化學習。強化學習。通過在復雜環境中的自主探索，學習最優控制策略，顯著提升了上肢和下肢在復雜任務中的

5、效率、精度和適應性。模仿學習。模仿學習。通過模仿人類行為，減少對環境探索的依賴，利用人類行為數據訓練智能體（動捕是關鍵，即數據獲動捕是關鍵，即數據獲取?。?，顯著提升任務執行能力。圖表圖表3 3:“小腦小腦”的控制技術介紹的控制技術介紹來源：人形機器人技術與產業發展研究、中泰證券研究所繪制人形機器人小腦（運控）介紹71 1.3.3、人形機器人“小腦”案例人形機器人“小腦”案例圖表圖表4 4:人形機器人制造商人形機器人制造商“小腦小腦”環節方案環節方案（部分部分）來源：茶派科技公眾號、中泰證券研究所整理制造商制造商產品名稱產品名稱控制技術控制技術控制系統方案控制系統方案本田ASIMO機器人模仿學習

6、基于零力矩點（ZMP）判據及預觀控制算法，通過精確計算零力矩點（ZMP），規劃機器人的運動軌跡，確保在行走和運動過程中保持平衡和穩定AIST-模仿學習通過ZMP判據及預觀控制算法，實現對自身運動的精確控制，確保在不同的工作場景下都能穩定、高效地完成任務AgilityRoboticsDigit機器人強化學習利用強化學習算法，通過在仿真環境中不斷進行訓練和優化，學習各種運動技能北京理工大學-模仿學習采用模仿學習算法，以人機關節軌跡相似為目標，通過非線性最優化求解的動作映射，規劃出合理的運動方案 案例：案例：目前業界基于強化學習和模仿學習已進行多種嘗試，以美國Agility Robotics的Dig

7、it機器人為例，其利用強化學習算法，通過在仿真環境中不斷進行訓練和優化，學習各種運動技能（行走、奔跑、轉彎、上下臺階）。在實際應用場景中，在實際應用場景中，Digit機器人與亞馬遜合作，負責倉庫物流，能夠根據環境的變化和任務需求，自主規劃路徑，快速準確地完成物品的搬運和分揀。DigitDigit在物流領域中在物流領域中的成功應用，不僅提高物流效率，還降低人力成本，為物流行業的發展帶來了新的解決方案。的成功應用，不僅提高物流效率，還降低人力成本，為物流行業的發展帶來了新的解決方案。人形機器人小腦（運控）介紹81 1.4.4、人形機器人“小腦”面臨的挑戰人形機器人“小腦”面臨的挑戰圖表圖表5 5:

8、“小腦小腦”面臨的挑戰面臨的挑戰來源：茶派科技公眾號、中泰證券研究所整理 挑戰：挑戰：主要包括如何進一步提高AI模型在機器人控制中的實時性、魯棒性和可解釋性，以確保機器人在復雜環境中的穩定運行和安全可靠。此外，如何將控制與感知、決策和規劃更緊密地結合，構建端到端的自主系統，亦是未來重要的研究方向。人形機器人小腦（運控）介紹面臨的問題面臨的問題詳細內容詳細內容實時性問題機器人需要對環境變化做出快速響應，但在復雜環境中快速行走、躲避障礙物或與人類進行實時交互時，大模型的計算和推理過程可能會產生較大的延遲。實時性問題的產生主要源于大模型的復雜性和計算量。魯棒性難題現實世界中，環境容易變化，如光線、溫

9、度、地形、障礙物分布等，這些因素都會對機器人的運動控制產生影響，進而導致運動規劃和控制出現偏差?？山忉屝匀笔I的告訴發展使得越來越多復雜算法和模型被應用于機器人的運控中，但它們往往是黑盒模型，難以理解其決策過程和輸出結果的依據。其他方面“小腦”在與感知、決策和規劃的結合方面存在不足，這些環節往往存在脫節的現象，導致機器人的整體性能受到影響，嚴重阻礙了構建端到端的自主系統。9小腦在垂直場景有望率先成熟，小模型性價比凸顯102.12.1、人形機器人落地難度和市場規模：、人形機器人落地難度和市場規模：To C To C To BTo B小腦在垂直場景有望率先成熟，小模型性價比凸顯 TO BTO B

10、有望率先落地和放量，原因：有望率先落地和放量，原因：技術適配與需求剛性：技術適配與需求剛性：B端客戶，如工業、醫療、物流等需求明確且結構化，技術更易適配。例如，工廠中的搬運、質檢等任務對機器人的運動控制、環境感知能力要求較高，但場景相對封閉，無需復雜的人機交互。To C場景家庭環境復雜多變，需要高度靈活性與自然交互能力。成本與價格敏感度：成本與價格敏感度：企業用戶注重性價比，TO B產品量產萬臺后價格預計可降至20-30萬元（以優必選機器人為例），而C端對性能要求高，目前To C主流產品售價在9.9萬元-65萬元（以宇樹科技機器人為例）。政策與法規支持：政策與法規支持：政策明確支持工業場景開放

11、與標準化；To C場景下，隱私、安全等倫理問題尚未解決，制約C端場景落地。圖表圖表6 6：B B端和端和C C端機器人場景對比端機器人場景對比來源：搜狐網、中國信息通信研究院、中泰證券研究所整理圖表圖表7 7：人形機器人未來規模預測人形機器人未來規模預測來源：思瀚產業研究院，中泰證券研究所繪制To B場景To B場景To C場景To C場景應用場景應用場景工業、醫療、物流作為家庭助手，幫助用戶完成家務、陪伴老人和兒童等任務價格價格量產萬臺后價格預計可降至20-30萬元主流產品售價在9.9萬元-65萬元銷售量銷售量2024年約2000臺，預計在2030、2035年分別達到15萬臺、80-90萬臺

12、預計2030、2035年分別達到2萬臺、120-130萬臺技術成熟度技術成熟度諧波減速器/傳感器國產化率高雙足行走/情感交互技術未閉環政策支持政策支持深圳市推出“雙一百”政策：開放100個應用場景與百億基金持續發力推動人工機器人發展倫理法規待完善，暫無明確政策11圖表圖表8 8：機器人上肢和下肢特征及對應算法機器人上肢和下肢特征及對應算法來源：中泰證券研究所繪制2.22.2、TO BTO B場景下，開發統一的底層大模型難度大場景下，開發統一的底層大模型難度大小腦在垂直場景有望率先成熟，小模型性價比凸顯 機器人下肢：機器人下肢：運動關節相對固定，更容易形成一個統一的模型，可以設置“不摔倒、走得快

13、”等作為獎勵函數來強化學習。目前主流的下肢算法是英偉達的Issac Gim底層算法+強化學習。機器人上肢：機器人上肢：屬于精細運動范疇，尤其是靈巧手關節的控制，不同應用場景下運動軌跡的規劃千差萬別，開發統一的底層大模型面臨兩大難題：開發統一的底層大模型面臨兩大難題：開發難度大，訓練成本高，高能耗開發難度大，訓練成本高，高能耗以及在特定場景下的性能瓶頸等；高質量的訓練數據獲取難。以及在特定場景下的性能瓶頸等；高質量的訓練數據獲取難。人人形形機機器器人人下肢下肢上肢上肢特征特征運動關節固定，有統一底層算法精細運動，沒有統一底層算法特征特征算法算法Issac Gim底層算法+強化學習難題難題開發難度

14、大，訓練成本高；訓練數據缺失12圖表圖表9 9：人形運控產業一次開發商和二次開發商的關系人形運控產業一次開發商和二次開發商的關系來源：中泰證券研究所繪制2.32.3、難度：上肢的底層運控算法、難度：上肢的底層運控算法小腦在垂直場景有望率先成熟，小模型性價比凸顯 人形運控產業未來將由一次開發人形運控產業未來將由一次開發(一開一開)商和二次開發商和二次開發(二開二開)商兩部分構成。商兩部分構成。一開企業如特斯拉、華為、宇樹等做人形運控算法的一次開發（即平臺型通用機器人企業），類似于iOS之于蘋果，不同廠商硬件規格和方案不同，運控算法不兼容，因此運控產業是平臺型企業的兵家因此運控產業是平臺型企業的兵

15、家必爭之地必爭之地；二開企業是應用廠商，類似于APP應用開發商，在一開企業軟硬件基礎上，開發針對特定應用場景的機器人（如針對教育、養老、消防、?；?、礦山、電力、冶金等領域開發機器人）。人人形形運運控控產產業業教育教育二次開發二次開發(二開二開)商商企業：企業：特斯拉、華為、宇樹、figuer、1X、智元等，即平即平臺型企業臺型企業公司：公司：科大訊飛、優必選等一次開發一次開發(一開一開)商商養老養老消防消防?；；V山礦山其他其他公司：公司：麥迪科技、歐圣電氣等公司：公司：青鳥消防等公司：公司：博實股份等公司：公司：運機集團、華榮股份等電力、智能家居等領域132.32.3、難度：上肢的底層運控

16、算法、難度：上肢的底層運控算法小腦在垂直場景有望率先成熟，小模型性價比凸顯 針對特定應用場景開發小模型有望漸成主流。針對特定應用場景開發小模型有望漸成主流。隨著Deepseek的出現，通過蒸餾技術縮小模型規模，進而將小模型植入人形端部成為可能，進而將小模型植入人形端部成為可能，未來特定場景應用的小模型會越來越多。小模型優勢：小模型優勢：小模型適用于特定場景，如工業制造、醫療護理、家庭服務等，能顯著降低開能顯著降低開發與部署成本。發與部署成本。相較于通用大模型需要海量數據和算力支持，小模型可以通過遷移學習或微調快速適配特定任務，減少數據標注和訓練周期。減少數據標注和訓練周期。并且這種針對性的強化

17、學習，使得垂直并且這種針對性的強化學習，使得垂直模型決策邏輯更貼近實際需求。模型決策邏輯更貼近實際需求。圖表圖表1010：小模型優勢小模型優勢來源：賢集網、中泰證券研究所整理優勢優勢主要內容主要內容成本效益顯著成本效益顯著大模型的訓練成本呈指數增長，從早期Transformer到如今谷歌Gemini Ultra模型近2億美元訓練成本。而一些小模型通過精心設計和優化，在保證性能的前提下，極大地降低了訓練所需的計算資源和時間成本部署靈活性高部署靈活性高小模型所需的計算資源和存儲空間較少，這使得AI技術能夠更貼近用戶，實現本地化的智能處理，減少對云端服務器的依賴，提高響應速度專業性與針對專業性與針對

18、性強性強與通用的大模型不同，小模型可以針對特定的專業領域或具體業務需求進行定制化訓練，從而在特定任務上展現出卓越的性能。美國生物技術公司Path AI利用小模型在圖像處理方面的優勢，對病理圖像進行自動化分析，輔助醫生進行疾病診斷，其專業性和準確性在實際應用中得到了有效驗證能源消耗低能源消耗低由于小模型的計算復雜度相對較低，對高性能硬件資源的需求較少，因此在運行過程中能耗大幅降低142.32.3、難度：上肢的底層運控算法、難度：上肢的底層運控算法小腦在垂直場景有望率先成熟，小模型性價比凸顯 特定應用場景小模型一般是基于通用底層大模型進行的二次開發。特定應用場景小模型一般是基于通用底層大模型進行的

19、二次開發。為了給模型注入特定領域知識，就需要用該領域內的語料進行繼續的預訓練，就需要用該領域內的語料進行繼續的預訓練，進而通過SFT激發模型理解該領域內各種問題并逐漸具備回答的能力，最后通過RLHF可以讓模型的回答對齊人們偏好，比如行文的風格。圖表圖表1111：特定應用場景小模型開發的基本思路特定應用場景小模型開發的基本思路來源：機器學習社區、中泰證券研究所152.32.3、難度：上肢的底層運控算法、難度：上肢的底層運控算法小腦在垂直場景有望率先成熟，小模型性價比凸顯 小模型應用案例：小模型應用案例：工業質檢場景：工業質檢場景：小模型可基于少量缺陷樣本實現高精度識別，開發成本較通用模型顯著降低

20、。醫療護理場景：醫療護理場景：養老機構中，小模型結合多模態傳感器數據（語音、觸覺、體溫），實現老人跌倒檢測與應急響應，誤報率降低，響應時間縮短。家庭服務場景：家庭服務場景：1X的NEOGamma家用機器人通過垂直模型實現衣物分類與清潔力度自適應調節，識別準確率提升，能耗降低。農業與物流場景：農業與物流場景：農業采摘機器人通過小模型識別果實成熟度，結合地形感知調整抓取路徑，采摘效率提升，同時損壞率降低。162.42.4、難度：數據采集、難度：數據采集小腦在垂直場景有望率先成熟，小模型性價比凸顯 行業痛點：人形機器人訓練數據嚴重短缺行業痛點：人形機器人訓練數據嚴重短缺 數據需求激增：數據需求激增：

21、在特斯拉2024年第四季度財報電話會上，馬斯克指出，人形機器人所承擔的任務及用途，相較汽車自動駕駛而言復雜得多，大概有1000倍之多，所需的訓練數據規模也所需的訓練數據規模也會隨之擴大至會隨之擴大至1010倍左右倍左右。數據現狀難以支撐訓練數據現狀難以支撐訓練：目前可用于訓練人形機器人的開源數據集，無論是在數量上還是規模上都極為匱乏，難以支撐高效訓練。圖表圖表1212:人形機器人與自動駕駛開源訓練數據集大小對比人形機器人與自動駕駛開源訓練數據集大小對比來源：51CTO、中泰證券研究所整理自動駕駛自動駕駛數據集數據集數據集描述數據集描述人形機器人人形機器人數據集數據集數據集描述數據集描述Waym

22、o包含1150個場景、2030個20s片段、1260萬個3D標注框RoboSet包括7500條軌跡BDD100K包含10萬段40s高清視頻Open X-EmbodimentGoogle整合的60個已有機器人數據集，包含22個機器人的527個技能訓練數據Boxy Vehicle Detection包含20萬張高分辨率圖像G1宇樹G1人形機器人擰瓶蓋倒水、疊三色積木等5種操作Lyft L5包含1805個場景、4.6萬張圖像、約130萬個3D標注框AgiBot World智元機器人開源數據集，涵蓋80余種日常生活動作nuScenes包含1000個20秒場景，140萬張相機圖像，39萬次激光雷達掃描A

23、LOHA 2.0ALOHA機器人的操作Argoverse包含多個城市的駕駛場景數據4.4萬張圖像數據、約99萬個3D標注框HumanPlus結合了機器人仿真數據和人類運動數據172.42.4、難度：數據采集、難度：數據采集小腦在垂直場景有望率先成熟，小模型性價比凸顯 數據來源與采集方式：數據來源與采集方式：雙軌并行：真實數據雙軌并行：真實數據+數字孿生。數字孿生。人形機器人的數據來源主要為真實人類運控數據采集及數字真實人類運控數據采集及數字孿生兩類，孿生兩類，需要兩者結合，即先在孿生環境中將真實數據進行倍增，跑通基礎模型，再通過sim to real的遷移學習，疊加真實人類運動數據采集矯正，從

24、而完成一套動作學習。真實數據采集來源為動捕及傳感器信息輸入。真實數據采集來源為動捕及傳感器信息輸入。動捕系統通過捕捉目標對象關鍵點位位移信息，并將其轉化為數字信號，進而生成三維空間中的運動數據。采集工具包含vision pro、動捕裝置等，在精細程度、環境約束條件、成本上有所差異。數字孿生：數字孿生：虛擬環境模擬，通過“sim-to-real”遷移學習提升模型泛化能力。圖表圖表1313：穿動捕服進行數據捕捉：穿動捕服進行數據捕捉來源：VR圈中圈，中泰證券研究所整理圖表圖表1414：RoboGenRoboGen流程流程來源：新智元公眾號，中泰證券研究所整理182.42.4、難度：數據采集、難度：

25、數據采集小腦在垂直場景有望率先成熟，小模型性價比凸顯圖表圖表1515:光學動捕和慣性動捕的差異點對比表光學動捕和慣性動捕的差異點對比表來源：Chen Wang et al,MimicPlay:Long-Horizon mitation Leaming by Watching Human Play,2023、A1 寒武紀公眾號、新智元公眾號、中泰證券研究所整理 真實數據采集依賴動捕設備：真實數據采集依賴動捕設備：動作捕捉按技術路線可以分為慣性式、光學式、光慣混合式與搖操作式（VR頭顯加手柄）。其中，慣性式和光學式是目前較為主流的兩種技術路線，分別適用于不同的動捕場景。光慣混合式結合了慣性式和光學

26、式兩種方式。搖操作式因精度和維度較小，只適用于做簡單的多模態感知訓練，不適用于復雜應用。國內各大人形機器人本體廠均采用光學動捕與慣國內各大人形機器人本體廠均采用光學動捕與慣性動捕結合的方式進行數據采集性動捕結合的方式進行數據采集。特性特性光學動捕光學動捕慣性動捕慣性動捕原理通過攝像頭捕捉標記點或物體的位置和運動通過慣性傳感器（如加速度計、陀螺儀）測量運動精度高精度，尤其在靜態環境下精度較高，但可能隨時間累積誤差實時性實時性較好，但可能受處理速度影響實時性非常好，延遲極低環境要求需要特定環境（如光線、空間、無反光干擾）對環境要求低，可在各種環境下使用設備復雜度設備復雜，需要多個攝像頭和標記點設備

27、簡單，只需佩戴傳感器成本成本較高，尤其是高精度系統成本相對較低便攜性便攜性差，安裝和校準復雜便攜性好，易于攜帶和安裝機器人領域適用場景上肢等精細運動的捕捉上肢等精細運動的捕捉全身運動的捕捉全身運動的捕捉192.42.4、難度：數據采集、難度：數據采集小腦在垂直場景有望率先成熟，小模型性價比凸顯 全球動捕市場由海外廠商主導。全球動捕市場由海外廠商主導。根據MarketsandMarkets數據，2023年動作捕捉市場規模約32億美元，其中Vicon占38%，OptiTrack占25%，Motion Analysis占15%。圖表圖表1616:競爭格局競爭格局來源：各公司官網，中泰證券研究所整理技

28、術路線技術路線地區地區廠商名稱廠商名稱優勢優勢光學動捕英國Vicon全球視覺運動捕捉技術領域處于領導地位，擁有先進的紅外攝像技術和計算機視覺算法，實時追蹤記錄三維運動數據美國Optitrack具備高精度、低延遲和實時數據處理能力，廣泛應用于電影、游戲、VR等領域的高端動作捕捉美國Motion Analysis光學動作捕捉系統具備高精度、高可靠性，在科研、影視制作等領域具有很強的競爭力瑞士Qualisys提供高速精度動作捕捉相機以及先進的動作數據跟蹤分析軟件，專門為醫療和工業領域提供光學動作捕捉平臺中國度量科技自主研發、制造和銷售三維動作捕捉系統中國凌云光自主研發的 FZMotion 動捕系統精

29、度高中國青瞳視覺自主研發并生產的紅外光學動作捕捉系統具有高精度、低延時、遠距離、高魯棒性等優勢中國瑞立視基于自主研發的紅外光學相機硬件和動作捕捉算法，為多個領域提供沉浸式交互應用解決方案慣性動捕荷蘭Xsens慣性動捕領軍企業，動捕系統精度高，不易受外界環境干擾中國諾亦騰自主研發的慣性傳感器+光學/慣性混合運動測量兩大核心技術202.42.4、難度：數據采集、難度：數據采集小腦在垂直場景有望率先成熟，小模型性價比凸顯 國內市場：光學動捕國內品牌和國外品牌各占部分市場份額。人形機器人應用領域：國內主要做光學動捕的企業包括：度量科技、青瞳視覺和凌云光等。圖表圖表1717:國內動捕設備廠商在人形機器人

30、領域的產品應用國內動捕設備廠商在人形機器人領域的產品應用來源：各公司官網，中泰證券研究所整理動捕設備廠商動捕設備廠商動捕產品動捕產品合作人形機器人本體廠商合作人形機器人本體廠商凌云光動捕產品Fzmotion可實現0.01精度的穩定捕捉，擁有先進骨骼結算算法，在遮擋情況下能實現數據自動修復宇樹科技、優必選、小米諾亦騰PN Studio慣性動作捕捉套裝低成本、環境適應性強，HybridTrack 光學運動測量系統具有強魯棒性和高精度智元機器人、千尋智能度量科技Mars系列、Plotu系列、Orbit系列、VRT系列以及水下動作捕捉相機青瞳視覺MC系列、R系列、K系列、D系列以及U系列捕捉相機212

31、.42.4、難度：數據采集、難度：數據采集小腦在垂直場景有望率先成熟，小模型性價比凸顯 產業鏈價值分布：產業鏈價值分布：光學動捕設備：高精度光學攝像頭光學動捕設備：高精度光學攝像頭+光學標記點光學標記點+輔助硬件輔助硬件+軟件與算法。軟件與算法。其中,高精度光學攝像頭單價高，占絕大部分硬件成本；光學標記點單價低但用量大，需定期更換，屬消耗品。核心壁壘：軟件算法+高精度傳感器技術圖表圖表1818:產業鏈價值分布表產業鏈價值分布表來源：產業鏈調研、中泰證券研究所整理主要構成主要構成價值量占比價值量占比技術特點技術特點代表廠商代表廠商高精度光學攝像頭30%-40%紅外攝像頭為主，需高幀率（如120-

32、1000Hz）、高分辨率及低延遲Vicon（英國）、OptiTrack（美國）、Qualisys（瑞典）光學標記點5%-10%分為被動反光球（低成本）或主動發光標記（高精度場景）輔助硬件5%-10%包括校準設備、支架、同步控制器等，技術門檻較低，競爭激烈軟件與算法20%-30%包括數據采集、實時跟蹤、噪聲濾波、骨骼綁定等功能模塊，算法優化（如遮擋處理）為核心競爭力Motion Analysis（光學）、Xsens（側重慣性+光學融合）223誰有望搶占小腦發展的制高點？23圖表圖表1919：人形機器人運控五大玩家存在人形機器人運控五大玩家存在“數據數據-算法算法-硬件硬件”的關聯關系的關聯關系來

33、源：中泰證券研究所整理 人形運控有五大玩家：人形運控有五大玩家：本體企業（一開企業）：本體企業（一開企業）：負責機器人基礎硬件和軟件架構設計（如特斯拉Optimus骨骼動力學模型）、核心控制器開發、傳感器標定等。應用企業（二開企業）：應用企業（二開企業）：基于本體企業軟硬件平臺，進行二次開發，應用企業需針對不同行業需求，優化控制算法，提升機器人在特定場景的性能與安全性。傳統工控企業：傳統工控企業：負責執行層面，與傳統機器人控制類似，但人形需要更高密度的驅動技術和力控融合技術等，如SCHUNK的EcoGrip 60系列觸覺夾持器，實現精準力控與柔順操作。第三方“小腦”企業：第三方“小腦”企業：提

34、供SLAM+運動規劃融合方案，通過運控算法給機器人企業進行通用性賦能。動捕企業：動捕企業：前文已有詳細介紹，不再贅述。3.13.1、人形機器人運控重要環節的玩家、人形機器人運控重要環節的玩家誰有望搶占小腦發展的制高點？動捕數據動捕數據第三方算法訓練第三方算法訓練本體硬件集成本體硬件集成應用企業部署應用企業部署場景驗證反饋場景驗證反饋工控執行器適配工控執行器適配24圖表圖表2020：本體企業通過軟件結合構筑壁壘本體企業通過軟件結合構筑壁壘，位居運控產業鏈核心位置位居運控產業鏈核心位置來源：Unitree宇樹科技、中泰證券研究所整理 本體企業（一開廠商）是運控產業鏈核心，軟硬件結合構筑核心壁壘。本

35、體企業（一開廠商）是運控產業鏈核心，軟硬件結合構筑核心壁壘。前文提到，類似于iOS之于蘋果，本體企業將硬件和底層算法集成，以硬件為例，高精度關節模組是關鍵，如宇樹M107電機，關節動態響應精度顯著提升（誤差0.1）。3.23.2、人形機器人運控：本體企業（一開廠商）、人形機器人運控：本體企業（一開廠商）誰有望搶占小腦發展的制高點？基礎架構設計如特斯拉已經打通了FSD和機器人的底層模塊，實現復雜動作支撐與平衡，為機器人運動奠定基礎。本體企業設計的架構需適應多場景，如工業、服務領域，滿足不同負載與運動需求。核心硬件開發如宇樹M107高精度電機，關節動態響應精度顯著提升（誤差0.1）。全身動力學實時

36、解算能力，確保機器人在動態環境中快速響應與穩定運行。技術壁壘本體企業通過以高精度關節模組為代表的硬件與動力學解算技術，構建技術壁壘，不僅保護自身優勢，還為產還為產業鏈上下游合作提業鏈上下游合作提供穩定基礎與標準。供穩定基礎與標準。25 應用企業基于一開廠商產品進行二次開發，以滿足特定下游需求。應用企業基于一開廠商產品進行二次開發，以滿足特定下游需求。應用企業（二開廠商）需要基于本體企業硬件平臺，針對不同行業需求，優化控制算法，提升機器人在特定場景的性能與安全性。此外，應用企業亦可以與工控企業聯合，針對特定場景定制末端執行器，如汽車廠焊接機器人的耐高溫夾爪，滿足特定工藝需求。3.23.2、人形機

37、器人運控：應用企業（二開廠商）、人形機器人運控：應用企業（二開廠商）誰有望搶占小腦發展的制高點？圖表圖表2121：應用企業基于一開廠商產品進行二次開發應用企業基于一開廠商產品進行二次開發來源：萬國企業網、中泰證券研究所整理場景適配開發基于本體企業硬件平臺，開發行業專用控制協議，如醫療機器人手術臂適配ISO 13482安全規范。應用企業需針對不同行業需求，優化控制算法，提升機器人在特定場景的性能與安全性。聯合定制模式與工控企業聯合定制末端執行器，如汽車廠焊接機器人的耐高溫夾爪，滿足特定工藝需求。聯合定制模式促進產業鏈協同，提升機器人在復雜工業場景的應用效率與可靠性。商業價值拓展應用企業通過場景適

38、配與定制，提升機器人在各應用領域的滲透率與市場份額。商業價值拓展不僅依賴技術適配，還需與上下游企業建立緊密合作關系，實現互利共贏。26 工控企業需與本體或應用企業適配開發執行器。工控企業需與本體或應用企業適配開發執行器。在終端執行器層面，人形機器人和傳統工業機器人差異并不明顯，只需配合本體或應用企業開發適用于特定應用場景的關節模組，如高密度的驅動技術和力控融合技術。3.23.2、人形機器人運控：工控企業（終端執行器企業）、人形機器人運控：工控企業（終端執行器企業）誰有望搶占小腦發展的制高點？圖表圖表2222：工控企業在人形時代需要開發特定執行器工控企業在人形時代需要開發特定執行器來源：SCHU

39、NK官網、中泰證券研究所整理技術攻堅突破高密度驅動技術高密度驅動技術：如Harmonic Drive的諧波減速器，提升執行器功率密度與精度；力控融合技術：力控融合技術：如SCHUNK的EcoGrip60系列觸覺夾持器，實現精準力控與柔順操作。模塊化接口策略通過模塊化接口，如ISO/TS 15066標準快拆頭，實現跨本體平臺兼容，拓展市場應用范圍。模塊化接口策略降低用戶更換成本，提升工控企業在產業鏈中的競爭力與靈活性。27 第三方“小腦”企業類似于第三方“小腦”企業類似于AndroidAndroid至于手機廠商，賦能機器人企業。至于手機廠商，賦能機器人企業。iOS之于蘋果屬于閉源生態，在開源生態

40、模式中，獨立第三方企業可以通過開發“小腦”底層運控算法，賦能機器人企業。如橋介數物，如橋介數物，其是國內領先的具身智能控制系統開發公司，致力于構建足式機器人的通用控制系統平臺，公司已幫助多家人形機器人公司完成從0到1的強化學習運動控制demo開發，并在2024年8月的世界機器人大會上，27家中有11家人形機器人廠商采購了其運控解決方案。3.23.2、人形機器人運控：第三方“小腦”企業、人形機器人運控：第三方“小腦”企業誰有望搶占小腦發展的制高點？圖表圖表2323：搭載橋介數物搭載橋介數物“小腦小腦”方案的機器人方案的機器人來源：橋介數物官網、中泰證券研究所圖表圖表2424：搭載橋介數物搭載橋介

41、數物“小腦小腦”方案的機器狗方案的機器狗來源：橋介數物官網、中泰證券研究所人形機器人運控：動捕企業，前文已有詳細介紹，不再贅述人形機器人運控：動捕企業，前文已有詳細介紹，不再贅述283.63.6、小結：小腦發展圍繞本體廠商展開，應用落地是關鍵、小結：小腦發展圍繞本體廠商展開，應用落地是關鍵誰有望搶占小腦發展的制高點？在整個人形機器人運控產業鏈條中，本體廠商的軟硬件進步驅動行業發展，本體廠商的軟硬件進步驅動行業發展，動捕和工控企業的硬件進步助推本體廠商持續迭代。隨著人形機器人量產時代來臨，尋找應用場景成為關鍵（即生產出來的人形機器人尋找應用場景成為關鍵（即生產出來的人形機器人賣不賣的出去），賣不

42、賣的出去），二次開發的廠商具備三大優勢：綁定某一細分領域客戶；對特定下游（如電力、消防、礦山、養老等）工況有獨特理解；有特定應用場景的數據，并基于本體企業產品進行訓練，進而滿足終端客戶需求。因此我們認為，20252025年基于應用場景進行二次開發的企業將成為最先放量，且最具彈性年基于應用場景進行二次開發的企業將成為最先放量，且最具彈性的方向。的方向。294 投資邏輯：聚焦二開本體廠商及動捕企業304.14.1、聚焦：二開本體廠商、聚焦：二開本體廠商投資邏輯：聚焦二開本體廠商及動捕企業 2025年，人形機器人關注度已逐漸從供給端轉向需求端，在量產的大背景下，具備垂直應用場景的二開本體廠商無疑是最

43、有可能放量的環節，預期差大，建議重點關注二開本體企業，包括：教育、養老、消防應急、?；?、防爆、礦山、電力、冶金等行業。圖表圖表2424：不同應用場景下的二開本體企業匯總不同應用場景下的二開本體企業匯總來源：中泰證券研究所，注：以上公司eps均來自wind一致預期2025/3/12股價（元）股價（元）2023A2024A/E2025E2026E2023A2024A/E2025E2026E科大訊飛 002230.SZ51.800.280.250.370.51190.32209.29144.03104.49未評級優必選9880.HK96.95(3.05)-未評級麥迪科技 603990.SH15.63

44、(0.88)(0.66)0.280.34-57.8247.62未評級優必選9880.HK96.95(3.05)0.00(1.86)(1.04)-未評級歐圣電氣 301187.SZ41.340.961.391.782.2545.8029.7124.7019.54未評級?？低?002415.SZ33.281.521.711.722.0022.1119.5119.5316.80未評級大華股份 002236.SZ18.812.311.011.221.427.8718.6114.9012.80未評級億嘉和603666.SH37.21(0.05)0.170.670.87-222.9559.4345.77

45、未評級申昊科技 300853.SZ32.40(0.69)0.00(0.78)0.10-302.50未評級核電領域-景業智能 688290.SH64.170.351.511.472.15203.4342.5848.4433.12未評級電網能源領域業務處理特定領域巡檢養老陪護、康養陪護養老康養領域家庭養育陪伴，情感陪伴，stem教具教育科研領域安防巡檢領域復雜場景簡單業務邏輯處理環節環節具體業務具體業務公司名稱公司名稱最新評級最新評級公司代碼公司代碼EPS（元元）PE314.14.1、聚焦：二開本體廠商、聚焦：二開本體廠商投資邏輯：聚焦二開本體廠商及動捕企業圖表圖表2424：不同應用場景下的二開本

46、體企業匯總不同應用場景下的二開本體企業匯總（接上圖接上圖）來源：中泰證券研究所、注：以上公司中，除華榮股份外，其他公司eps均來自wind一致預期2025/3/12股價（元）股價（元）2023A2024A/E2025E2026E2023A2024A/E2025E2026E華榮股份 603855.SH25.351.371.621.862.1918.5015.6513.6311.58買入運機集團 001288.SZ35.830.640.951.462.0150.5237.7622.1416.08未評級梅安森300275.SZ17.080.150.250.400.60127.4968.5747.43

47、31.62未評級電力、應急-咸亨國際 605056.SH15.280.240.540.690.9062.3828.2421.7016.63未評級博實股份 002698.SZ20.130.520.590.740.8738.2134.2626.9522.92未評級中控技術 688777.SH57.401.441.861.862.2340.1330.9031.0625.91未評級消防-青鳥消防 002960.SZ13.650.900.730.891.0715.1218.7915.2912.72未評級科沃斯603486.SH59.251.081.982.522.9453.7429.9823.0319.

48、74未評級美的集團 000333.SZ70.104.935.035.656.1814.4313.9312.5911.51未評級比亞迪002594.SZ351.0010.3212.9317.8421.7434.7827.1420.1216.51未評級江淮汽車 600418.SH33.910.070.210.300.53500.00162.48116.6766.04未評級長城汽車 601633.SH26.750.821.491.802.0830.6117.9113.9412.07未評級工業企業-匯川技術 300124.SZ74.701.781.842.222.6143.4140.6334.8129

49、.61未評級環節環節具體業務具體業務公司名稱公司名稱最新評級最新評級公司代碼公司代碼EPS（元元）PE智能家居服務家居機器人疊加簡單任務工業領域特定工業場景執行任務礦山巡檢機器人-石化-32圖表圖表2626：諾亦騰具身智能動捕方案諾亦騰具身智能動捕方案來源：諾亦騰官網、中泰證券研究所4.24.2、聚焦：動捕企業、聚焦：動捕企業投資邏輯：聚焦二開本體廠商及動捕企業 相較于大模型的發展擁有海量的數據輸入，機器人的訓練數據集是十分有限的，在人形機器人量產的大背景下，動捕廠商作為鏟子企業，有望受益，建議重點關注凌云光和諾亦騰（奧飛娛樂子公司）。圖表圖表2525：凌云光凌云光FZMotionFZMoti

50、on光學運動捕捉系統光學運動捕捉系統來源：凌云光官網、中泰證券研究所33風險提示風險提示風險提示風險提示 人形機器人小腦產業發展進度不及預期；特定應用場景小模型開發速度不及預期；相關標的業務進展不及預期；相關標的業績不及預期；研報使用的信息存在更新不及時風險；產業鏈調研的樣本偏差。34投資評級說明：投資評級說明：評級評級說明說明股票評級股票評級買入預期未來612個月內相對同期基準指數漲幅在15%以上增持預期未來612個月內相對同期基準指數漲幅在5%15%之間持有預期未來612個月內相對同期基準指數漲幅在-10%+5%之間減持預期未來612個月內相對同期基準指數跌幅在10%以上行業評級行業評級增

51、持預期未來612個月內對同期基準指數漲幅在10%以上中性預期未來612個月內對同期基準指數漲幅在-10%+10%之間減持預期未來612個月內對同期基準指數跌幅在10%以上備注：評級標準為報告發布日后的612個月內公司股價（或行業指數）相對同期基準指數的相對市場表現。其中A股市場以滬深300指數為基準；新三板市場以三板成指（針對協議轉讓標的）或三板做市指數（針對做市轉讓標的）為基準；香港市場以摩根士丹利中國指數為基準，美股市場以標普500指數或納斯達克綜合指數為基準（另有說明的除外）。35重要聲明重要聲明中泰證券股份有限公司（以下簡稱“本公司”）具有中國證券監督管理委員會許可的證券投資咨詢業務中

52、泰證券股份有限公司（以下簡稱“本公司”）具有中國證券監督管理委員會許可的證券投資咨詢業務資格。本公司不會因接收人收到本報告而視其為客戶。資格。本公司不會因接收人收到本報告而視其為客戶。本報告基于本公司及其研究人員認為可信的公開資料或實地調研資料，反映了作者的研究觀點，力求獨立、客觀和公正，結論不受任何第三方的授意或影響。本公司力求但不保證這些信息的準確性和完整性，且本報告中的資料、意見、預測均反映報告初次公開發布時的判斷，可能會隨時調整。本公司對本報告所含信息可在不發出通知的情形下做出修改，投資者應當自行關注相應的更新或修改。本報告所載的資料、工具、意見、信息及推測只提供給客戶作參考之用，不構

53、成任何投資、法律、會計或稅務的最終操作建議，本公司不就報告中的內容對最終操作建議做出任何擔保。本報告中所指的投資及服務可能不適合個別客戶，不構成客戶私人咨詢建議。市場有風險，投資需謹慎。在任何情況下，本公司不對任何人因使用本報告中的任何內容所引致的任何損失負任何責任。投資者應注意，在法律允許的情況下，本公司及其本公司的關聯機構可能會持有報告中涉及的公司所發行的證券并進行交易，并可能為這些公司正在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。本公司及其本公司的關聯機構或個人可能在本報告公開發布之前已經使用或了解其中的信息。本報告版權歸“中泰證券股份有限公司”所有。事先未經本公司書面授權，任何機構和個人，不得對本報告進行任何形式的翻版、發布、復制、轉載、刊登、篡改，且不得對本報告進行有悖原意的刪節或修改。