汽车产业从自动驾驶走向人形机器人
AI 摘要卡
汽车产业从自动驾驶走向人形机器人
摩根大通认为，人形机器人正在成为全球汽车产业的新增长主题，机会覆盖整车厂、零部件供应商、执行器、制造自动化和机器人软件。
- 报告将人形机器人类比为“有腿的自动驾驶汽车”，核心逻辑是视觉神经网络、摄像头、推理芯片和AI平台存在复用潜力。
- 中国方面，XPeng的IRON机器人进展较快，目标是在2026年底前实现量产并达到每月超过1,000台，2027年开始更广泛商业交付。
- 韩国观点强调执行器约占人形机器人BOM的一半，是近期最可能的供应瓶颈；随着QDD等架构标准化，成本有显著下降空间。
- 美国方面，Tesla Optimus的规模化低于30,000美元单机目标被视为市场预期的重要锚点，Tesla的垂直整合和内部应用场景构成优势。
- 欧洲整车厂和供应商已通过Renault-Wandercraft、Mercedes-Benz-Apptronik、BMW-Hexagon/Figure AI、Audi-Mimic Robotics、Porsche/Volvo-Neura Robotics等合作参与生态。
研报解读
概览
本报告讨论全球汽车产业如何参与人形机器人趋势。核心观点是，汽车行业不仅可能成为人形机器人零部件供应方，也可能成为机器人制造方和最早的大规模工业应用场景之一。报告按欧洲、美国、中国、日本、韩国和印度梳理整车厂、零部件供应商、机器人公司和关键合作关系，并强调执行器、成本下降、供应链标准化、AI软件和工厂部署是决定商业化速度的主要因素。
核心观点
汽车产业拥抱人形机器人主要有三条路径：第一，整车厂将机器人引入工厂物流、搬运、检测和非人体工学任务，以降低高劳动力成本地区的生产压力；第二，传统汽车供应链可向人形机器人提供电机、执行器、传感器、减速器和制造能力；第三，自动驾驶积累的视觉AI、芯片、仿真、训练计算和软件迭代能力可迁移到机器人平台。报告整体对主题机会持建设性态度，但也提示早期硬件成本、供应瓶颈、应用验证和标准化仍会影响产业节奏。
分析框架
报告采用区域和价值链结合的框架：先按欧洲、美国、中国、日本、韩国、印度逐一区分整车厂和供应商，再列举核心机器人合作伙伴、产品形态、部署场景、融资和成本指标。分析重点不在单一股票评级，而在识别汽车产业链中最可能受益于人形机器人扩张的环节和公司类型。
方法论与常识提炼
按区域拆分整车厂、零部件供应商、机器人公司和应用场景
该框架用于判断不同国家和地区的汽车企业在人形机器人产业中的位置，包括供应零部件、制造机器人、投资合作伙伴或在工厂中部署机器人。
通过BOM占比、执行器类型和成本下降路径识别价值池
报告特别强调执行器约占人形机器人BOM的一半，早期可能具有供应瓶颈和议价能力，但随着标准化和第二供应源出现，硬件环节可能逐步商品化。
视觉AI、推理芯片、仿真和训练计算在汽车与机器人之间复用
Tesla案例显示，FSD与Optimus共享AI基础设施可能让同一笔AI资本开支服务于汽车、机器人和能源存储等多平台。
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）。
- Tesla Optimus / TSLA美国人形机器人核心整车厂样本，利用FSD、训练计算、芯片和内部制造场景推动机器人平台
- 优势
- 垂直整合、内部应用场景、共享AI基础设施、规模化成本目标明确
- 劣势
- 早期成本和量产曲线仍需验证
- 对比
- 相较依赖外部客户验证的机器人公司，Tesla拥有自身工厂作为捕获数据和迭代产品的闭环
- 风险
- 低于$30K的单机成本目标、采用曲线和实际生产效率可能低于市场预期
- XPeng IRON / XPeng中国人形机器人进展较快的整车厂案例，目标2026年底量产并于2027年扩大交付
- 优势
- 软件和硬件整合进度较快，拥有门店和潜在商业部署场景
- 劣势
- 商业化仍处早期，海外交付和规模化可靠性有待证明
- 对比
- 在中国整车厂中被描述为最积极的人形机器人参与者之一
- 风险
- 量产节奏、单位成本、应用场景验证和供应链瓶颈可能影响兑现
- Renault / Wandercraft欧洲整车厂投资并合作部署工业人形机器人
- 优势
- Renault具备制造场景，Wandercraft具备自平衡外骨骼技术和Calvin-40工业机器人
- 劣势
- 仍以特定工厂任务和初期部署为主
- 对比
- 相较单纯供应零部件，Renault更接近直接工厂应用和商业化验证
- 风险
- 350台部署计划的执行、实际效率提升和安全协作表现仍需跟踪
- Mercedes-Benz / Apptronik Apollo欧洲豪华车企通过Apollo机器人探索工厂物流、零部件搬运和检测
- 优势
- 已有Berlin和Hungary等站点试点，Mercedes-Benz参与Apptronik融资
- 劣势
- 大规模上产线预计可能在2030-2035年才更现实
- 对比
- 与Renault相比，Mercedes-Benz案例更强调物流和现有工厂布局下的渐进式集成
- 风险
- 安全性、灵巧性和可扩展应用范围决定部署速度
- BMW / Hexagon Robotics / Figure AI欧洲整车厂与工业机器人及AI机器人公司合作，面向制造环境
- 优势
- Hexagon在传感器、软件、数字孪生和工业自动化方面具备技术基础
- 劣势
- 机器人部门成立时间较新，商业化历史有限
- 对比
- Hexagon AEON采用轮式移动以提升工厂效率，不完全依赖双足形态
- 风险
- 产品可靠性、任务泛化和与现有生产系统集成难度
- 汽车零部件供应商与执行器企业人形机器人BOM和规模化生产的关键供给方
- 优势
- 汽车供应链在电机、执行器、传感器、制造质量和成本控制方面有积累
- 劣势
- 早期设计分散，标准尚未确定，部分供应商仍聚焦汽车执行器
- 对比
- 短期硬件供应商可能具备议价能力，长期随着标准化和第二供应源增加可能被商品化
- 风险
- 成本下降过快可能压缩硬件利润率，OEM议价权上升
关键数据
- XPeng IRON量产目标2026年底前量产，目标每月超过1,000台初期预计部署在XPeng门店，2027年开始在中国和海外更广泛商业交付。
- 中国机器人零部件来源70%或以上可能来自现有汽车供应链报告认为中国汽车供应链与人形机器人供应链具备较深整合基础。
- 执行器BOM占比约占人形机器人BOM的一半韩国分析师认为执行器是近期最可能的供应瓶颈。
- Hyundai Motor Group人形机器人执行器成本下降从原型到早期量产阶段可能下降约70%成本下降与设计标准化、QDD主导架构和规模化量产相关。
- Tesla Optimus成本目标规模化后单机低于$30K该目标被视为市场对人形机器人长期成本曲线和采用节奏的重要锚点。
- Renault部署计划未来18个月计划部署350台人形机器人包括Calvin等型号，应用于法国工厂并扩展至高度自动化设施。
- Apptronik融资$520 mnMercedes-Benz在2026年2月参与Apptronik融资，以支持Apollo机器人生产扩张。
- Neura Robotics融资€120 mn Series B资金支持其认知机器人和人形机器人产品扩张。
- Sona Comstar目标BOM覆盖53%-60%公司计划通过电机和执行器进入人形机器人供应链，并投资US$6.5mm于机器人零部件制造。
- Addverb Technologies交易Reliance以US$132mm收购54%股权对应当时估值约US$270mm，体现印度机器人生态的早期资本参与。
影响与含义
投资含义在于，人形机器人可能重塑汽车产业链的增长叙事：短期更偏向执行器、电机、传感器、减速器和工业部署合作伙伴；中期受益者可能包括具备工厂场景、自动化需求和制造能力的整车厂；长期更高利润池可能转向机器人软件、车队管理、持续更新和跨平台AI基础设施。汽车企业的优势并非仅来自硬件制造，而是来自供应链、量产经验、工厂场景、自动驾驶AI能力和内部客户闭环。
风险
- 人形机器人早期量产成本可能高于市场预期，导致采用曲线推迟。
- 执行器、电机和高精密减速器等关键零部件可能出现供应瓶颈。
- 机器人形态尚未完全标准化，双足、轮式、机械臂和混合形态可能导致平台路线分化。
- 工厂安全、人机协作、可靠性和任务泛化能力不足可能限制规模部署。
- 硬件环节随着标准化、第二供应源和OEM优化而商品化，长期利润池可能从零部件转向软件。
- 监管、劳动安全、数据和责任边界可能影响人形机器人在工业和家庭场景的落地速度。
后续跟踪
- XPeng IRON能否按计划在2026年底量产并达到每月超过1,000台。
- Tesla Optimus是否能接近规模化低于$30K的单机成本目标。
- Renault未来18个月350台机器人部署的实际进度和工厂效率改善。
- Mercedes-Benz与Apptronik从试点到常态化使用的节奏，尤其是Berlin-Marienfelde和Hungary站点。
- 执行器架构是否向QDD主导方案收敛，以及成本下降是否兑现。
- 中国汽车供应链是否能持续提供70%或以上的人形机器人零部件来源。
- 软件、车队管理、仿真训练和持续更新是否成为更高利润、更可持续的价值池。
- Neura Robotics、Figure AI、UBTech Robotics、Unitree、AgiBot、Apptronik等机器人公司的融资、订单和产业合作进展。