人形机器人: 人形机器人是外形与人类相似、模拟人类运动与交互方式的智能机器人，核心特征是"通用化形态+具身智能"的结合——通过双足/轮腿、双臂、灵巧手适配为人类设计的物理环境，通过多模态大模型实现任务理解与自主学习。

具身智能是技术概念，强调智能体通过物理身体与环境交互学习，区别于ChatGPT等“离身智能”。人形机器人是具身智能的终极形态，在于其与人类共存环境的高度适配性。

从功能实现上，人形机器人可分为5个能力等级，目前全球绝大多数人形机器人产品处于 Lv1 等级，少部分头部企业最新产品向 Lv2 等级探索，并从工业制造领域的 to B 端向服务领域的 to C 端拓展。

1.2人形机器人行业发展历程

人形机器人行业发展历经三大阶段：

• 1973-2010年为萌芽期，日本高校开始系统性研究双足行走，发布全球第一代人形机器人，但AI 能力薄弱； 

• 2011-2023 年为概念兴起期，美国公司实现技术突破，波士顿动力Atlas能动态模拟人类运动与生理特征，Optimus与ChatGPT 催生具身革命，行业热度快速提升；

• 2024 年至今进入产业化爆发期，2024 年国内原型机集中发布(国内超50款新品)、2025年产品批量交付、2026年商业化落地提速，Tesla Optimus量产，国内百家企业批量落地，行业正式迈入规模化商用新阶段。

1.3 产业链结构

人形机器人产业链可清晰划分为上游核心零部件（提供感知、执行、AI算力基础能力）、中游本体集成商（整机研发制造交付）、下游行业应用（工业/商业/消费场景）三层结构。

1.4人形机器人商业模式

人形机器人商业化路径正从单一硬件销售向多元服务模式演进：B端直销、RaaS租赁与数据授权。

当前产业处于商业模式探索阶段，但RaaS（机器人即服务）正逐步成为2026-2027年的主流增量选择。

长期来看，数据/模型授权是潜在的高毛利商业路径。随着整机企业在实际部署中积累海量具身交互数据，形成难以复制的数据壁垒，基于专有数据训练的垂直场景大模型将具备授权商业化价值。类比自动驾驶赛道，特斯拉FSD软件订阅业务验证了硬件-软件-数据一体化商业模式的可行性，人形机器人行业有望走出类似路径。

1.5人形机器人市场规模

高盛指出目前行业向商业化更近一步，2027-2029年将迎来规模化部署。长期来看，人形机器人市场规模极大：

• 国内市场：根据不同机构的调研与预测，2025年我国人形机器人出货量0.8-1.2万台，预计在2035年达到260万台以上。

• 全球市场：根据不同机构的调研与预测，2025年全球人形机器人出货量0.8-1.8万台，预计在2035年达到340万台（平均）。

各机构对人形机器人出货量的预测

1.6 人形机器人市场驱动因素

①政策

政策环境详析：2026年是人形机器人政策密度最高的一年。"十五五"规划纲要将具身智能列为未来产业核心方向之一；工信部等8部门联合发布《"人工智能+制造"专项行动实施意见》，对人形机器人产线升级给予最高30%设备补贴。

2026年2月发布《人形机器人与具身智能标准体系（2026版）》，规划300+项行业标准，推动产业规范化落地。北京目标2027年建成千亿级具身智能产业集群；上海主打应用示范，定位"应用落地之都"；深圳着力构建全链生态，形成三城竞逐格局。

中国主要省市机器人产业政策支持力度对比 

②供给端

从上游部件看，核心零部件和大模型的快速发展驱动人形机器人发展。

硬件方面， 由于人形和工业机器人具有很多相同的零部件，近年来工业机器人产量增加带动零部件技术更新和成本降低。目前人形机器人所需的大部分核心零部件已处于发展期， 部分接近成熟期， 为人形机器人行业的爆发式发展奠定了技术基础。

人形机器人核心零部件生命周期

软件方面， 受益于GPT、claude等大模型的发展，赋予人形机器人使用自然语言进行交互的能力和自主决策的能力， 从而推动了人形机器人的智能化、 通用化进程。 如英伟达通过GROOT项目提供通用人形机器人基础模型， 降低了具身智能门槛， 合作方包括波士顿动力、 Figure AI、 傅利叶智能、 宇树和小鹏等；达闼机器人的RobotGPT是为实现机器人在复杂应用场景下的多模态行为而提供的交互生成型AI模型， 以Transformer为基础，具备多模态融合感知、认知、决策和行为生成能力。

大模型发展进程

从下游应用看，人形机器人可与工业机器人形成互补，满足服务业蓝海市场需求。

工业：由于人形机器人更能适应现有的为人准备的生产环境，具备更强的通用性，可与工业机器人形成互补。2025年起人形机器人逐步走进实体工厂投入工业应用，宝马在美国斯帕坦堡工厂试点部署了 Figure 01；小鹏自研的 Iron 被用于组装小鹏 P7+汽车的部分组件；特斯拉Optimus 在工厂学会了分装电池单元，还能从故障中自主恢复；优必选工业人形机器人Walker S被用于蔚来汽车制造工厂进行门锁质检、安全带检测、车灯盖板质检、贴车标等工作。

机器人应用于工业领域

服务业：随着人口老龄化的加剧和社会对智能化生产、 服务的需求增长， 在养老陪护、 医疗辅助、 公共安全等领域， 人形机器人的市场需求将迅速增长。据 IFR 数据，2017-2021年服务机器人市场年均增速（27.1%）远高于工业机器人（1.8%），人形优势场景需求高增，印证其蓝海市场定位，

1.7 投融资事件数量与规模

一级市场爆发式增长：2025年国内人形机器人赛道融资事件129起,2026Q1融资事件58件，同比增幅221%，融资金额超200亿元，占全球人形机器人市场融资金额70%以上，主要投资早期、中期阶段。

一级市场投资事件数量

IPO 上市热潮：2025年国内超30家人形机器人产业链企业密集启动上市进程，9家企业成功登陆资本市场，24家企业向港交所递交招股书。

一级市场投资环节占比

产业并购深度整合： 2025年国内人形机器人产业累计发生并购重组事件超40起，其中亿元级以上并购12起，小鹏汽车等制造业龙头，通过战略投资深度布局人形机器人核心零部件、整机制造环节。

2、人形机器人成本拆解

2.1 单机成本拆解

从人形机器人结构整体来看，可拆解为旋转关节（14个）、线性关节（14个） 、大脑、感知系统、电池模组、控制器、灵巧手组（2个）成。

特斯拉机器人成本拆解

从结构分类来看，关节模组成本占比超 55%，感知系统成本占比超过25%。

从零部件成本占比来看，现阶段成本占比排名靠前的为电机、丝杠、传感器、减速器、控制器。

旋转关节:主要由“驱动器+力矩传感器+编码器+无框力矩电机+谐波减速器+轴承+机械离合器”组成，与协作机器人关节模块类似，通过输入传感器传输数据到驱动器，进而控制电机，并由谐波减速器放大输出力矩，输出传感器再作位置反馈、优化算法。

直线关节:主要由“驱动器+力矩传感器+编码器+无框力矩电机+丝杠+轴承”组成，通过驱动器带动无框力矩电机旋转，再由减速元件丝杠将旋转运动转化为直线运动。

手部关节:主要由“驱动器+编码器+传感器+空心杯电机+行星减速箱+蜗杆蜗轮”组成，具备自适应能力和非可逆驱动能力，使用工具、精确抓取零件。

2.2 核心零部件成本趋势

市场竞争推动机器人零部件成本下降：近年来越来越多的厂商（如特斯拉、奇瑞、小米、小鹏、NAVER）开始布局人形机器人，市场竞争压力推动人形机器人价格不断下降，也推动了技术的进步与成本的优化，特别是中国厂商的进入，依靠中国供应链在规模与完备性上的优势，极大降低了终端产品价格。

宇树科技机器人单价变化

工业机器人的发展推动核心零部件成本下降：人形机器人和工业机器人具有很多相同的零部件，如丝杠、传感器、轴承，二者相互促进、相互带动。我国工业机器人2016年到2023年产量从6.5万台到37万台，更高的产量降低了零部件的平均成本，间接降低了人形机器人的生产成本。

中国工业机器人产量（千台）

预计未来关节模组显著降本优化，未来灵巧手、大脑未来价值占比提升，整机成本将会下降2/3。

业内认为，随着技术成熟与规模化量产，根据tesla bot成本测算估计，未来关节模组成本将降低，灵巧手、大脑等成本占比提升，产业竞争逻辑将从硬件成本战转向全栈系统能力比拼。零部件来看，丝杠成本占比将从 28% 降至 15%，传感器成本占比从 25% 降至 17%，降本幅度可观。

3、核心零部件

3.1 电机

3.1.1 电机工作原理

电机是人形机器人执行器的动力核心，将电能转化为旋转/直线机械能，为关节提供原始动力。

电机工作原理：电机由定子（固定不动的部分，通常包含磁铁或电磁线圈）和转子（旋转部分）组成。当电流通过线圈时，线圈周围产生磁场，与定子上的永磁体相互作用，产生力并推动转子旋转。将这个原理放大到工业级别，再加上精密的位置反馈和控制算法，就构成了现代伺服电机。

3.1.1 电机技术壁垒

机器人高性能关节电机需具备四大核心性能特征：高转矩密度、低转矩波动、强过载能力和优异散热性能：

• 高转矩密度是机器人电机的核心性能指标。机器人需在复杂工况下执行搬运、抓取和行走等任务，这些动作通常依赖较大驱动力矩。同时机器人结构尺寸紧凑，要求关节电机在单位体积内实现更高转矩输出，从而满足小型化设计与高功率输出的双重需求。

• 低转矩波动是影响运动精度的关键因素。电机转矩波动主要由齿槽效应、磁路不对称、电流谐波、电枢反应及控制延时等因素导致，需通过优化槽极配合、调整永磁体参数、采用斜极斜槽设计或增设辅助槽等措施来抑制转矩波动，提高机器人运行精准性。

• 强过载能力是应对突发负载的核心保障。永磁电机的过载转矩主要由电枢反应和定子铁心饱和引起，可通过优化极槽配合、齿宽、定子裂比及永磁体厚度等参数来降低磁饱和并减小交直轴电感，从而提升过载转矩输出。此外，大电流导致的绕组温升也会制约过载能力，需结合铜损耗系数定量分析极限热负荷下的持续工作时间。

• 高效散热设计是确保可靠运行的基础。机器人关节伺服电机在过载工况下，绕组因高损耗密度会迅速积聚大量热量。而由于机器人电机通常采用全封闭式结构以适应复杂工作环境，其内部散热能力受限，导致短时间内出现急剧温升，严重影响电机的输出性能和运行可靠性。

3.1.1 电机分类

灵巧手电机主要使用空心杯电机。空心杯电机无铁芯转子结构，效率高、响应快、重量轻，但技术需持续迭代满足量产需求。

关节直驱电机技术路线已相对收敛，目前以无框力矩（内转子拓扑结构）为主流技术。无框力矩电机是关节唯一主流核心部件，以“无外壳、无轴承、中空走线、低速大扭矩、高集成性”为核心特征，可适配不同关节的负载、空间及动态需求。

机器人关节用电机拓扑结构对比

3.1.1 电机价格及竞争格局

目前电机的整体国产化率在50%左右，高端电机领域海外企业主导，中低端市场国产替代性价比较高。

海外企业主导高端电机领域：高端市场国产化率仅20%-30%。无框力矩电机领域，美国、德国等主导高端市场；空心杯电机全球市场由瑞士、德国等掌控高端市场。高端电机壁垒集中在特种原材料、精密加工专利、磁路电控一体化设计以及长期量产可靠性积淀。

国产替代性价比较高：中低端市场国产化率已达80%，价格优势显著。受益于人形机器人产业发展，国内布局相关电机的企业显著增多，部分企业技术已达国际前列，且国产产品价格仅为海外同类的50%-70%，进口替代空间广阔。

无框力矩电机与空心杯电机对比

3.2 减速器

3.2.1 减速器工作原理

精密减速器是旋转关节核心零部件。精密减速器是连接伺服电机与执行机构的关键传动部件，通过齿轮啮合将电机的高速低扭矩输出，转化为设备末端所需的低速高扭矩运动，是机器人实现精准定位和稳定承载的物理基础。

谐波减速器实物图

3.2.2 减速器分类

人形机器人行业主要应用的精密减速器包括精密行星减速器、RV减速器和谐波减速器，不同精密减速器因结构及特性差异在具身智能机器人行业有着不同的主要应用场景。

减速器分类

3.2.3 减速器价格及竞争格局

谐波减速器：国产化率突破50%。绿的谐波是国内谐波减速器龙头，2026年全球市场份额约 60%，产品技术接近国外龙头哈默纳科，但批量一致性和极端工况可靠性仍有差距。 

RV 减速器：国产化率小于30%。纳博特斯克和住友占据全球 80%份额，国产双环传动、秦川机床在中低端工业机器人领域实现突破，但高端领域（重载、高精度）仍依赖进口。

谐波减速器与RV减速器对比

3.3 丝杠

3.3.1 丝杠工作原理

丝杠是人形机器人线性执行器的重要组成成分，是将旋转运动变成直线运动的传动附件。

丝杠现阶段成本较高，未来有下降空间。线性执行器由“驱动器+无框力矩电机+丝杠+力矩传感器+编码器+轴承”组成，其中丝杠为其重要组成部分。现阶段丝杠在特斯拉人形机器人单台用量14 根，成本中占比约为20%，未来有下降空间。

滚动丝杠应用广泛。丝杠按其摩擦特性可分为三类:即滑动丝杠、滚动丝杠及静压丝杠。其中滚动丝杠因其启动阻力小、低速运动平稳性好、传动效率高、耐磨性好，寿命长、定位精度高、微量位移准确、精度保持性好等特点，应用较为广泛。

特斯拉人形机器人线性关节及结构示意图

3.3.2 丝杠价格及市场竞争格局

行星滚柱丝杠是滚动丝杠的一种，相比其他种类具有更高承载能力和寿命，是特斯拉Optimus、 Figure 等采用的关键技术。

行星滚柱丝杠是2026年国产化难度最大的零部件，国产份额小于20%，核心瓶颈在于：

• 材料方面，国产轴承钢纯净度和均匀性不足，影响滚柱接触疲劳寿命；

• 加工工艺方面，螺纹磨削精度、热处理变形控制、装配一致性等工艺 know-how 积累不足；

• 设备方面，高精度螺纹磨床、检测仪器依赖进口。

行星滚柱丝杠国内外研发情况对比

3.4 六维力传感器

3.4.1 六维力传感器工作原理

力传感器的一般工作原理是对所施加的力作出响应，并将力值转换成可测量的量。力传感器类型众多，例如称重传感器、三维力传感器、六维力传感器、应变计称重传感器等。

力传感器原理图

六维力传感器测量三维力和三维力矩，是实现机器人柔顺控制、精密装配的核心部件，单价 5000-20000 元，人形机器人通常需要 4-6 个（腕部、踝部）。六维力传感器的核心目标是：在有限的空间内，通过弹性体的机械结构将六个维度的力（Fx，Fy，Fz）或力矩（Mx，My，Mz）解耦或产生可预测的应变分布。

空间机器人用六维力传感器结构

3.4.2 六维力传感器市场竞争格局

全球前五大厂商（海外）占据了超过 60% 的市场份额，国内六维力传感器从几乎空白到起步突破，高端差距仍是核心制约。国产六维力传感器精度普遍在±1.5-2.5%FS，较海外±0.5%FS 差距明显。

主要瓶颈在于：1）弹性体加工：针对每个场景进行非标设计，弹性体加工需综合考虑轴间干扰、结构解耦、形变敏感性等，对于材料选择、结构设计及加工制造过程均有较高要求。2）贴片：当前贴片环节依赖人工，在弹性体的每个应变梁处进行精密贴片，如果贴片出现误差，对良率的影响较大。3）标定检测：六维力传感器的标定样本空间含531441个样本点，是一维力传感器难度的6次方，需要借助专用标定设备通过解耦算法极力降低串扰，提升准度和精度。

3.5 灵巧手

3.5.1 灵巧手功能

灵巧手是人形机器人的核心执行末端。人们赋予了人形机器人拟人化灵活操作的预期，其实现应用落地的关键在于可完成复杂、多变的操作指令，这就需要高灵巧性、强适应性、高智能化的末端执行器。灵巧手是以人手的结构和功能为模仿对象，是实现精细操作的基础，其需要完成抓、握、捏、拧、旋转等不同动作，满足多元化的场景需求。

灵巧手需求多样化&具备多维应用场景。不仅服务于人形机器人，灵巧手可独立应用于医疗、工业自动化、危险作业环境等领域。

灵巧手在人形机器人成本占比14-18%。在特拉斯人形机器人开发过程中，马斯克曾透露，Optimus灵巧手的工程量占到整机开发工程的一半。据亿欧统计，灵巧手成本占人形机器人整体成本的14%-18%。

3.5 灵巧手关键组成部分

典型灵巧手由驱动、传动、感知、控制系统组成。1) 驱动系统:提供动力; 2) 传动系统:将驱动系统产生的动力转换为手指关节运动; 3) 感知系统:感知自身变化和外界环境。

灵巧手构成

灵巧手结构解析

成本拆分中驱动系统占比最高。以Tesla Bot灵巧手为例，成本结构中，单只灵巧手约1.1万元，驱动系统(驱动器、空心杯电机)占比约67%，传动系统(蜗轮蜗杆、行星齿轮箱)占比约12%，感知系统(编码器)占比约21%。

灵巧手各系统成本占比

3.5.2 灵巧手自由度设计

自由度是指一个部位可以独立运动的方向数。人手(五指+手腕)共计具有24个自由度。其中拇指端具有5个自由度。

人手自由度解析

灵巧手自由度呈提升趋势。特斯拉最新一代 Optimus 3共配备22个自由度。其中大拇指配有5个自由度;食指、中指、无名指、小拇指分别配有4个自由度;手腕处再配有1个自由度，单个灵巧手合计配有22个自由度，仅比人手整体少2个自由度。

Optimus gen3自由度分布

3.5.3 灵巧手驱动方式

驱动系统为灵巧手的动力心脏，电机驱动为当前主流方式。

灵巧手驱动方式主要包括4种:液压驱动、电机驱动、气压驱动、形状记忆合金驱动，四种驱动方式各有优缺点，适用于不同的使用场景。但是从商业化的角度来看，电机驱动凭借其体积小、效率高，调控方便、成本较低、精度高、响应迅速、输出力矩稳定等优点，成为主流方案。

灵巧手驱动方式对比

3.5.4 灵巧手传动方式

灵巧手传动系统连接驱动装置与手指关节，是灵巧手精细操作的核心。灵巧手通过内部的机械部件，将驱动力高效、精准地转化为关节的运动，从而完成抓取、捏合、旋转等精细动作。传动系统是灵巧手实现复杂操作和仿生动作的核心技术之一，常见方案包括绳驱+丝杠传动、连杆传动、齿轮/蜗轮传动三种。绳驱及连杆传动为主流方案。

灵巧手传动方式对比

3.5.5 灵巧手感知方式

传感器是实现智能抓取与环境交互的关键。传感器赋予灵巧手核心能力，助力其实现抓取力闭环控制，防止物体滑脱或过压损坏。目前主要使用的传感器包括力传感器、柔性传感器、触觉传感器、视觉传感器(摄像头)、惯性测量单元(IMU)等。

力传感器、柔性传感器、触觉传感器原理图

3.5.6 灵巧手主流技术路线

灵巧手四个系统主流路线选型：自由度优先选用欠驱动；驱动落地电机驱动；传动采用绳驱 + 连杆复合结构；感知以六维力、压阻触觉传感器 + 电子皮肤多器件融合为主。

灵巧手技术路线主流技术预测及核心零部件

3.5.7 灵巧手产业链及市场格局

灵巧手产业链上游主要玩家主要集中于制造成本占比较高的零部件，包括触觉传感器、空心杯电机、丝杠、减速器等。

中游玩家可分为独立集成商、人形机器人本体厂商及多领域跨界企业三极竞争格局。

行业整体尚处于发展初期阶段，新进入局厂商持续增加，市场尚未充分竞争，技术路线尚未真正形成共识。尽管头部企业已呈现一定集中趋势（灵心巧手占据高自由度市场80%份额），但行业整体仍在快速重构中，给后来者留有较大的机会窗口。

4、具身智能模型

4.1 具身智能模型-介绍

具身智能是指依靠物理实体通过与环境交互来实现智能增长的智能系统，需同时满足“本体-环境-智能”三要素。在大模型的赋能下，人形机器人将是具身智能最佳的载体。搭载具身智能大模型，赋予人形机器人“最强大脑”，已成为人形机器人发展的必然趋势。

具身智能系统架构

现阶段人形机器人大模型技术路线主要是4条：1）LLM（大语言模型）+VFM（视觉基础模型），实现人机语言交互、任务理解、推理和规划，目前最为成熟；2）VLM（视觉-语言模型），弥合语言与视觉理解间的差距；3）VLA（视觉-语言-动作模型），在VLM基础上增加运动控制，解决机器人运动轨迹决策的问题；4）多模态大模型，实现对物理世界环境的全面感知，是未来的主要研究方向。

大模型技术路线对比 

4.2 具身智能模型-大规模应用瓶颈

人形机器人目前尚未实现大规模应用，根本原因或非硬件能力不足，而是具身智能大模型面临瓶颈。据宇树科技创始人王兴兴，目前人形机器人硬件已经足够支持应用，机器人当下及未来最关键的挑战主要为大模型的能力还不足以支持大规模应用。具体而言：

1）从产业进程来看，目前大脑层与小脑层的发展远落后于肢体层。2025年，代表机器人物理本体的肢体层技术已处于成熟期，而代表运动控制的小脑层技术，以及代表高级认知与决策能力的大脑层技术，却基本集中在技术萌芽的导入期。

2）从终局目标来看，AGI（通用人工智能）的实现，即具身智能从当前的L2向L3-L5跨越，主要依靠大模型的迭代。灵巧手、传感器等硬件的升级使得人形机器人机械性能提升，目前已经能够实现柔性操作，但想要具备更高的通用性，并最终具备与人类等同的能力，关键在于算法创新，即大模型的迭代升级。

算法能力决定人形机器人智能化等级 

4.3 具身智能模型-主流架构

当前具身智能大模型主流框架为分层式与端到端式，路径尚未收敛。

1）分层框架：分层具身模型采用“大脑-小脑-肢体”的架构，上层大模型负责感知与决策，底层硬件层和中间响应快的小模型负责分解与执行。这类模型更适合当前的数据积累水平，且更容易融入基于学习的控制方法，因此被更多厂商采用。

2）端到端系统框架：端到端大模型能够直接实现从人类指令到机械臂执行的过程。输入图像及文本指令后，模型输出末端的动作轨迹。这种方式简化了系统的层次结构，提高了响应速度，但由于缺乏中间逻辑推理层，对海量数据的依赖度较高，目前尚未成为主流选择。

具身智能大模型架构类型 

端到端架构直接将多模态输入(即视觉观测和语言指令)映射到动作，通常由VLA模型实现。端到端大模型直接学习从视觉/语言输入到动作输出的映射， 代表性模型包括Google RT-2、 Figure Helix、智元 GO-1 等。

VLA模型在复杂任务中仍面临挑战，如对输入扰动的敏感性、3D空间关系理解不足、动作生成精度有限以及训练成本高昂等。

端到端与分层决策对比

2026 年端到端大模型技术参数对比 

传统决策采用分层范式，包括感知与互动、高层规划、低层执行以及反馈与增强。机器人的控制一般可以粗略地分为高层和低层，虽然基础模型具有丰富常识与较强的推理能力，但精确性、实时性较差，所以大模型往往不会直接参与机器人的低层次控制，而是通过需求理解、任务规划、动作生成等方式进行较高层级的控制。

通过大小脑分层，人形机器人更容易落地。受现实部署约束，在端侧实时跑大横型受限于端侧芯片的迭代速度，通过大小脑分层、分别部署在边缘侧和端侧的设计，机器人更容易落地。此外，分层架构更符合生物进化规律。

分层范式依赖于独立的任务规划、动作执行和反馈模块，因此存在错误累积的问题，并且在跨多样任务泛化时表现不佳。分层架构的缺陷在于前层的微小错误会在后续环节快速放大，而且更多的人为干预往往会降低模型效果。此外，高层模型不理解物理约束，常常分配不可能完成的任务;而底层模型缺乏语义理解。

分层决策范式由感知和互动、高层规划、低层执行、反馈和增强组成

4.4 具身智能模型-国内外进展

4.5 具身智能模型-当前挑战

当前具身大模型在泛化能力、长时程任务与推理能力、响应速度、高质量训练数据等方面面临挑战。以VLA模型为例：

1）泛化能力不足：模型训练过程中容易在分布偏移下导致误差累积，制约模型的泛化能力；

2）高质量数据稀缺：模型需要包含精确动作标签和环境反馈的多模态机器人交互数据，采集此类数据需要昂贵的硬件系统、大量人力与时间成本；

3）长时程任务与推理能力不足：当前主流的自回归动作生成方法，由于逐步预测动作，容易导致误差累积；

4）实时响应速度较慢：采用大规模的VLM或集成更复杂的任务规划架构，导致推理时间延长。

5）核心零部件成熟度低：灵巧手、关节、传感器等技术尚有提高空间，灵巧手尚无细致工作能力、关节扭矩与发热问题、各类传感器对环境感和作业对象感知能力不足。

5、竞争格局

2026年全球智能机器人产业形成“三极竞争”格局:

美国凭借顶尖AI算法、算力基础设施和活跃的风险投资，在具身智能技术路线上处于领先地位，代表企业包括特斯拉、Figure AI、波士顿动力和Agility Robotics。

中国依托完整供应链、成本控制能力和丰富应用场景，强调性价比、快速迭代和商业化优先，代表企业包括优必选、宇树科技、智元机器人、傅利叶智能以及跨界布局的小米、小鹏。

日本和欧洲在精密减速器、伺服系统和工艺积累方面保持优势，但人形机器人整机布局滞后，软件算法落后，代表企业包括发那科、安川电机、ABB、库卡和哈默纳科。

全球人形机器人竞争格局矩阵

2025年人形机器人出货量

国内人形机器人产业已形成完整生态，涵盖上、中、下游。

上游竞争较为激烈，硬件领域已出现细分龙头；大脑层三类玩家并行：1）整机厂；2）互联网云厂商；3）中小算法公司，技术路线尚未收敛；中游整机环节宇树科技、智元机器人出货量领跑，传统工业机器人跨界玩家逐步参与。

国内人形机器人主要玩家

海外人形机器人主要玩家