中国仿人机器人：模型、数据和成本曲线继续推进，规模化落地仍看2027-2029

概览

本报告基于高盛在香港GS Asia Communacopia + Technology Conference以及深圳、北京中国AI机器人调研期间与14家机器人公司的交流，覆盖私有公司与上市公司。核心结论是，中国仿人机器人和具身智能产业正在从概念验证走向更清晰的技术与商业路径：模型端加速融合VLA/VTLA与世界模型，数据端更重视可扩展的高质量真实数据采集，应用端优先进入工业搬运、物流分拣、拣选、检测等结构化场景，成本端通过规模和全栈研发控制持续下降。但报告同时强调，当前离广泛规模化部署仍有距离，模型质量、数据积累、POC转化、成本阈值和安全稳定性仍是关键约束。

核心观点

第一，模型路线正从单一VLA扩展为VLA/VTLA加世界模型的组合，以提升规划、动作验证和真实场景鲁棒性。第二，高质量真实数据是行业主要瓶颈，企业对人本、第一视角、触觉、可穿戴、VR、客户现场和数据工厂的重视明显提升。第三，商业化已不再局限于展示，工业、物流和服务场景正在推进POC和小批量验证，但大订单和跨场景泛化仍需等待。第四，短期硬件形态更务实，轮式机器人加二至三指夹爪被认为可覆盖约70%-90%的工业应用，双足加五指灵巧手更多是中长期方向。第五，投资上行业长期前景仍具吸引力，但投资者需要对2027-2029年前的大规模落地保持耐心。

分析框架

报告采用产业链调研和公司逐一访谈方法，围绕模型/具身智能栈、数据策略、商业化进度、成本下降路径和竞争格局进行横向比较，并将私有公司与上市公司放在同一技术与商业化框架下观察。

方法论与常识提炼

• 技术路线VLA/VTLA + 世界模型

  将视觉-语言-动作、视觉-触觉-语言-动作模型与世界模型结合

  报告把该组合视为提升机器人规划、下一状态预测、动作提交前验证和真实场景鲁棒性的关键路径。

• 数据壁垒真实世界高质量数据采集

  通过数据工厂、客户部署、可穿戴设备、VR、第一视角和人本采集积累多维数据

  报告认为数据问题已从笼统的数据配方转向可扩展、可复用、可验证的数据采集架构。

• 商业化漏斗POC-小批量-验证-试点-规模部署

  工业客户通常先经历3-6个月POC、2-3轮验证、小批量测试和约12个月验证，再进入更大订单

  该框架用于判断当前行业仍处于早期商业化阶段，订单放量需要模型质量和场景稳定性进一步成熟。

• 成本曲线规模化与全栈研发控制

  通过自研核心部件、复用机器人平台、扩大出货和优化形态降低成本

  报告强调成本下降并非单一零部件降价，而是产品形态、架构选择、供应链国产化和规模效应共同作用。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• 中国仿人机器人与具身智能产业链

  行业主题资产

  优势

  技术路线更清晰，VLA/VTLA、世界模型、真实数据和成本下降形成共同推进方向。

  劣势

  当前多数场景仍在POC、试点和小批量阶段，稳定质量和跨场景泛化尚未充分验证。

  对比

  相较纯概念阶段，行业已进入更具体的场景、数据和成本验证阶段。

  风险

  商业化晚于预期、模型能力不足、数据质量不足、客户订单转化慢、成本下降不及预期。

• Estun Automation (002747.SZ/2715.HK)

  上市工业自动化公司，报告列示评级为Sell/Neutral

  优势

  受益于国产替代、海外扩张和中高负载机器人产品结构改善，管理层强调利润率和增长质量。

  劣势

  2024年亏损后公司策略转向更重视盈利和项目质量，执行依赖较高。

  对比

  相较早期仿人机器人公司，Estun更偏传统工业机器人和自动化平台。

  风险

  国内竞争加剧、价格压力、低毛利项目选择、海外扩张和费用控制执行风险。

• Dobot (2432.HK)

  协作机器人和具身智能上市公司，报告列示为Not Covered

  优势

  拥有协作机器人平台和大客户基础，具身AI收入增长快，产品覆盖机械臂、机器狗、轮式和双足机器人。

  劣势

  具身AI收入占比仍低，产业模型和数据路线尚未完全收敛。

  对比

  相较纯仿人机器人公司，Dobot更强调“一脑多形态”和现有协作机器人能力复用。

  风险

  新产品放量低于指引、工业POC转化不足、硬件形态选择和客户需求变化。

• Geek+ (2590.HK)

  物流机器人公司，报告列示为Not Covered

  优势

  场景优先策略清晰，依托真实仓储任务流和数据闭环，聚焦可部署的边界明确场景。

  劣势

  管理层认为行业模型、数据和技术路线尚未收敛，因此对前沿具身AI采取相对谨慎路径。

  对比

  相较通用仿人机器人路线，Geek+更偏物流场景深耕和可靠性优先。

  风险

  资源交付能力限制、客户教育周期、物流自动化需求节奏和新客户转化。

• UBTech (9880.HK)

  仿人机器人上市公司，报告列示为Not Covered

  优势

  报告提到公司认为2026年数据工厂需求仍将强劲或更强，体现数据相关需求支撑。

  劣势

  提供的节选中缺少更完整的公司级模型、收入和成本细节。

  对比

  作为上市仿人机器人资产，其数据和应用进展可作为行业需求温度观察点。

  风险

  数据工厂需求波动、产品落地节奏、订单质量和盈利能力验证。

• Galaxea

  私有具身智能公司

  优势

  全栈覆盖VLA加世界模型、数据和机器人本体，强调真实数据护城河，并已开源500小时内部数据。

  劣势

  跨本体迁移仍需后训练迭代，尚未完全适用于广泛部署。

  对比

  在真实数据、UMI手套和轮式机器人形态方面处于报告重点关注位置。

  风险

  数据规模化质量、模型后训练效果、客户部署速度和轮式形态应用边界。

• Linkerbot

  私有灵巧手与技能数据公司

  优势

  高自由度灵巧手市场份额和量产能力突出，拥有LinkerSkillNet技能数据库和多路线灵巧手产品。

  劣势

  软件/技能当前多与硬件打包变现，独立Skill Store在国内变现困难。

  对比

  相较整机仿人机器人公司，Linkerbot更像灵巧手和精密技能基础设施供应商。

  风险

  灵巧手路线标准尚未统一、技能付费模式不成熟、客户采用周期和硬件成本下降压力。

• PaXini

  私有触觉、数据和传感基础设施公司

  优势

  拥有人本非遥操作数据采集体系和5个数据工厂，触觉传感成本较历史水平显著下降。

  劣势

  当前商业化更多集中在数据和触觉传感，整机应用放量仍取决于下游模型和机器人客户。

  对比

  相较视觉主导VLA路线，PaXini强调触觉和VTLA对物理交互任务的重要性。

  风险

  数据销售持续性、触觉路线竞争、下游客户采购节奏和标准化进展。

• Spirit AI

  私有具身模型公司

  优势

  强调VLA与世界模型融合、真实交互数据和开放模型表现，已在CATL等工业场景通过POC并进入小批量采购。

  劣势

  管理层认为基础模型仍不足以支持广泛商业化，后训练时间和跨场景泛化仍是约束。

  对比

  更偏“机器人之脑”和数据工厂路线，商业化节奏可能晚于硬件型公司。

  风险

  模型成功率低于规模部署阈值、工业场景扩展慢、家庭服务安全稳定性门槛高。

• One Robotics (6600.HK)

  服务与通用仿人机器人公司，报告列示为Not Covered

  优势

  目标架构为端到端具身AI，推进VLA加世界模型，结合家庭和服务场景数据工厂。

  劣势

  消费级落地仍在约三年周期，家庭场景数据短缺和BOM门槛仍待解决。

  对比

  相较工业场景公司，One Robotics更强调半结构化服务、政府部署和最终消费场景。

  风险

  BOM降至US$3k门槛的速度、家庭场景安全稳定性、消费者接受度和服务场景订单持续性。

关键数据

• 调研覆盖14家公司包括Daimon Robotics、Dobot、Estun Automation、Galaxea、Galbot、Geek+、LimX Dynamics、Linkerbot、Mech-Mind、One Robotics、PaXini、Spirit AI、UBTech和X Square Robot。
• 大规模部署时间窗口2027-2029多家行业参与者预计在积累数千万小时高质量数据并形成可部署模型后，大规模部署更可能出现。
• 工业POC周期通常3-6个月，平均2-3轮之后通常进入小批量测试和约12个月验证，再逐步扩大订单。
• 小批量与试点订单规模小批量通常低于50台；后续试点订单约50-100台/客户体现当前工业落地仍处于分阶段转化过程。
• 模型规模讨论约40B-80B参数级别报告提到模型栈讨论正从较小的十亿级预训练系统转向更大规模。
• 务实硬件形态覆盖率约70%-90%工业应用多家公司认为轮式底盘加二至三指夹爪短期更现实，双足和五指灵巧手仍偏中长期。
• Dobot具身AI收入2025年占收入4%，同比增长4倍管理层预计2026年继续保持高增长；2026年出货指引约300-500台。
• Dobot人形机器人价格与毛利率ASP约Rmb200k-500k，平均约Rmb300k；GPM约45%反映部分工业场景已具备商业定价和毛利框架。
• Galaxea数据目标2026年数据量扩大至100万小时公司强调真实机器人遥操作、UMI手套、外骨骼和第一视角等高质量数据。
• Linkerbot市场与产能高自由度灵巧手全球份额超过80%；每月量产1000+只公司称峰值可达4000只，客户覆盖头部仿人机器人、工业、3C、汽车、科研和数据客户。
• PaXini数据工厂5个数据采集工厂位于天津、宿迁、武汉、自贡和赣州，聚焦人本、非遥操作数据采集。
• Spirit AI数据部署800+台机器人；年末目标100万小时真实数据公司认为真实交互数据是具身模型能力的核心变量。
• One Robotics长期价格设想Onero夹爪版约US$10k ASP；家庭采用关键BOM门槛约US$3k公司计划从半结构化服务场景和政府部署切入，消费端约三年周期。

影响与含义

对投资者而言，报告传递的是“技术进展明确但商业化节奏仍需耐心”的信号。模型融合、真实数据基础设施和成本下降提升了行业长期可投资性；但多数收入和订单仍处于POC、小批量或早期验证阶段，短期估值需要与实际出货、数据收入、客户复购和毛利改善相互验证。更直接受益的可能包括拥有工业客户基础、真实数据闭环、核心部件自研能力或具备数据/传感/灵巧手基础设施属性的公司。

风险

• 模型质量和跨场景泛化低于预期，导致POC难以转化为稳定订单。
• 高质量真实世界数据积累不足，或数据采集成本高于预期。
• 工业客户验证周期长，小批量订单难以及时放大至50-100台以上规模。
• 硬件成本下降慢于预期，影响毛利率和终端客户ROI。
• 国内竞争加剧和价格竞争可能压缩盈利能力。
• 触觉、灵巧手、轮式、双足等技术路线尚未完全标准化，可能造成研发和产品方向反复。
• 家庭和消费级服务机器人面临更高的安全、稳定性和法规门槛。
• 数据工厂或政府相关需求若波动，可能影响部分公司的数据收入预期。

后续跟踪

• 2026年各公司真实数据小时数、数据质量和数据收入占比变化。
• VLA/VTLA加世界模型在新任务上的成功率是否从约40%-50%提升至更接近60%-70%的可放量门槛。
• 工业POC是否能稳定转入小批量采购，并进一步扩大至每客户50-100台订单。
• 轮式机器人、二至三指夹爪、双足和五指灵巧手之间的实际订单结构变化。
• 核心零部件国产化、BOM下降和整机ASP是否带来毛利改善。
• Dobot、Estun、Geek+、UBTech等上市公司与私有头部公司的出货、订单、毛利和研发投入节奏。
• 2027-2029年大规模部署预期是否被提前或推迟。