聚焦中国物理人工智能：量产临界点与核心零部件国产化机会

概览

报告围绕中国物理人工智能与具身智能展开，认为Unitree A股IPO及AgiBot拟在香港上市等事件重新提升市场对人形机器人供应链的关注。核心投资逻辑包括接近量产的出货拐点、核心零部件国产化空间，以及政策和真实场景部署对商业验证的推动。

核心观点

中国具备深厚制造业基础、完整供应链、较低执行层成本和政策协调能力，有望通过“真实部署—数据积累—模型迭代—商业应用”的闭环提升具身智能竞争力。短期价值量主要集中于上游硬件和设备；在放量阶段，国产化率较低、技术门槛较高的丝杠和力传感器或相对受益。长期能否由快速跟随者走向全球领导者，仍取决于高端核心技术、原创算法、高性能芯片和规模化商业化能力的突破。

分析框架

报告采用产业链分层、出货量预测、BOM价值量拆分、零部件国产化率、2026至2027年财务指标比较及中国股票流动性筛选相结合的方法，评估人形机器人产业的需求、成本、竞争与投资机会。

方法论与常识提炼

• 产业链分析感知—规划—执行三层框架

  将人形机器人生态划分为感知、规划和执行层。

  执行层包括执行器、运动控制和精密零部件，约占BOM的50%至65%；感知层和规划层各约占BOM的10%至20%。

• 商业化评估成本与生产率门槛

  以可量化生产率提升和单位使用成本判断采用速度。

  报告认为当年使用成本降至约人民币8万元、接近制造业工人平均成本时，人形机器人将具备更强商业可行性。

• 技术路径分析仿真到现实双轨训练

  先在虚拟仿真中进行大量低成本训练，再在真实环境微调和验证。

  结合遥操作示范与真实场景部署，可加快数据积累、模型迭代和落地验证。

• 股票筛选市值与流动性筛选

  筛选中国物理人工智能产业链相关股票。

  报告展示了市值不低于US$3bn、3个月日均成交额不低于US$50mn的相关股票筛选结果。

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）。

• 行星滚柱丝杠

  人形机器人执行层核心零部件

  优势

  约占BOM的22%，国产化率仅40%至50%，具备较大的本土替代和规模降本空间。

  劣势

  对精密制造、可靠性和批量交付能力要求高。

  对比

  相较于下游整机和解决方案环节，报告认为其在放量与国产化过程中具有更突出的价值捕获潜力。

  风险

  人形机器人量产不及预期、技术路线变化及行业价格竞争可能压缩收益。

• 六维力传感器

  人形机器人感知与精密控制关键部件

  优势

  国产化率低于30%，技术壁垒较高，替代空间显著。

  劣势

  性能一致性、精度和可靠性验证周期可能较长。

  对比

  在报告列示的产业链中，其国产化率低于多数成熟零部件，潜在替代空间更大。

  风险

  下游需求节奏、产品认证以及高端技术突破不确定性。

• 芯片、轴承与材料

  物理人工智能上游供应链

  优势

  报告的2026至2027年财务比较显示，芯片、轴承、材料和力传感器在营收/利润增长与净利率组合上相对突出。

  劣势

  部分细分领域受周期、供需和技术迭代影响较大。

  对比

  报告认为这些上游环节整体优于下游整机厂、解决方案提供商和基础模型参与者的财务组合。

  风险

  估值波动、供应链竞争加剧及核心技术迭代风险。

• 人形机器人整机与解决方案

  具身智能商业化载体

  优势

  受益于工业、服务和特种场景的政策支持与真实场景部署。

  劣势

  大规模商业化和差异化竞争力仍有限，当前价格水平偏高。

  对比

  与上游核心部件相比，报告认为其当前价值捕获和财务表现未必占优。

  风险

  单位经济性不达标、安全责任、需求兑现和价格竞争风险。

关键数据

• 全球人形机器人出货量预测2025年1.8万台；2026年6万台；2030年175万台2025至2030年预测出货量复合增速约150%。
• 中国市场份额超过50%报告预计中国人形机器人出货量占全球市场份额逾半。
• 中国具身智能市场规模约人民币1万亿元人形机器人当前规模约人民币30亿至85亿元，仍属较小部分。
• 商业化成本门槛约人民币8万元/年对应制造业工人平均成本；部分工业级机型售价仍约为该人工成本的5至8倍。
• 行星滚柱丝杠国产化率40%至50%约占BOM的22%，被视为国产化潜力较大的环节。
• 六维力传感器国产化率低于30%约占BOM的10%，技术门槛较高。
• 执行层BOM占比50%至65%当前硬件价值量主要由执行器复杂度、电池能量密度和精密控制系统驱动。
• 中国人形机器人型号数量超过400款截至2026年上半年，超过全球总数的一半。

影响与含义

对资本市场而言，产业放量初期可能更利好具备技术壁垒和国产替代空间的上游零部件、材料、芯片与精密设备企业，而非单纯下游整机或解决方案公司。对实体经济而言，物理人工智能有望缓解老龄化和劳动力短缺、提升生产率，并推动劳动者从直接操作转向编程、监控、维护和机器人车队管理等岗位。

风险

• 全球及中国人形机器人出货量和商业化进度低于预测。
• 整机价格及年使用成本下降慢于预期，生产率收益难以量化。
• 精密减速器、伺服电机、先进传感器、基础算法和高性能AI芯片等高端技术缺口持续存在。
• 安全、数据隐私、责任认定、军事用途伦理及人机关系等监管治理要求趋严。
• 低技能岗位转型和再培训不足可能引发社会适应成本。
• 核心零部件竞争加剧、国产化进程不及预期或价格下行可能影响盈利能力。

后续跟踪

• 2026年底前人形机器人IPO、产品发布和产业催化事件。
• 中国人形机器人实际产量、出货量及工业和服务场景部署进展。
• 单位使用成本是否向约人民币8万元/年的商业化门槛靠近。
• 行星滚柱丝杠、六维力传感器、精密减速器和伺服系统的国产化率及订单变化。
• MIIT、SASAC真实场景训练专项和“六网”基础设施的落地节奏。
• 真实世界训练网络、国内算力平台和VLA系统的能力进展。
• 上游芯片、轴承、材料和传感器企业的营收、利润率与估值变化。