「一頁紙」吃透產業鏈之：人形機器人，Figure鏈與特斯拉Optimus鏈
（1）人形機器人：孕育下一個百倍機會的溫床
人形機器人產業正處在從研發演示向量產落地的關鍵拐點。
基於當前頭部企業如特斯拉（Optimus計畫2026年量產）、Figure AI及國內優必選等的量產規劃，2025-2026年被視為產業規模化驗證與商業化加速的關鍵窗口期。
當前人形機器人呈現出“硬體降本”與“軟體增智”雙輪並進的態勢，由B端工業場景率先驅動，尤其是汽車製造領域。
優必選Walker S1、小鵬Iron等已進入比亞迪、極氪、小鵬等車企工廠進行實訓，驗證其在產線上的應用價值。
全球競爭格局初步形成，海內外企業路徑分化：
1）海外巨頭：以特斯拉、Figure AI為代表，憑藉其在AI演算法、系統整合和端到端模型上的領先優勢，佔據技術制高點。
2）國內企業：依託中國強大的汽車及3C產業鏈，在供應鏈協同、整機快速迭代和成本控制上形成顯著優勢，部分國產產品價格已下探至10萬元等級，與海外產品形成明顯價差，為規模化市場滲透奠定基礎。
（2）人形機器人產業鏈結構分析
人形機器人產業鏈可劃分為上游核心零部件、中游本體製造和下游場景應用三大環節。
其中，中游本體企業類比汽車產業中的“主機廠”，在產業鏈中佔據核心主導地位，負責技術整合、產品定義與規模化生產。
a. 上游核心零部件：價值量高度集中於三大部件。
關節是實現運動的基礎，分為旋轉和線性兩類。
減速器是確保運動精度的關鍵，主流方案包括諧波減速器（特斯拉Optimus採用）和行星減速器，代表企業有日本哈默納科及國內的來福諧波等。
感測器賦予機器人感知能力，包括力/力矩、觸覺和視覺感測器。
b. 中游本體製造：海內外企業加速佈局，形成技術競賽。
海外以特斯拉（Optimus）和Figure AI（Figure 01）為代表，引領技術前沿。
國內則湧現出優必選（Walker S1）、智元機器人（遠征A1）等初創企業，同時小鵬（PX5）、小米（CyberOne）等車企與科技巨頭也紛紛入局。
c. 下游應用場景：當前商業化聚焦B端。
工業製造是首要落地場景，特別是汽車工廠，如優必選Walker S1已進入比亞迪和東風柳汽的產線進行實訓。
物流倉儲的搬運和分揀是另一大潛力市場。未來將逐步向商業服務和家庭場景滲透。
（3）人形機器人面臨的主要挑戰
人形機器人普遍採用“大腦-小腦-肢體”的全端式技術架構，該架構通過模組化分工，高效協同支撐機器人的感知、決策與執行三大核心能力，是實現具身智能的關鍵框架。
其中，“大腦”負責高等級的任務規劃與決策智能；“小腦”專注於即時的運動控制與平衡協調；“肢體”作為執行終端，負責與物理世界進行直接互動。
這種分層解耦的設計，旨在平衡複雜任務的泛化能力與高頻、即時的物理控制需求，是當前主流的技術實現路徑。
人形機器人的產業化處理程序取決於硬體與軟體兩大層面的協同突破。
硬體層面聚焦於“降本、量產、續航”三大核心挑戰，而軟體層面則致力於解決“智能泛化、資料稀缺、即時性”三大技術瓶頸。
首先來看“硬體”層面的挑戰。
1）成本高昂與標準化缺失：目前人形機器人硬體方案未收斂， 缺乏統一標準，導致BOM成本高企，其中關節模組、靈巧手為降本核心。
2）量產能力不足：頭部人形機器人公司2025年僅能實現百至千台級小批次交付，多用於資料採集等非商用。
但隨著傅利葉智能的諧波減速器進入量產測試，宇樹科技自研M107關節電機，量產瓶頸有望突破。
3）續航能力限制：主流產品續航時間有限，距離全天候作業尚有差距，對商業化落地構成制約。
續航能力依賴電池技術的發展，目前廣汽GoMate採用全固態電池實現6小時續航；普渡科技PUDU D7電池容量超1kWh，支援超8小時工作。
然後我們來看“軟體”層面的挑戰。
1）智能泛化能力不足：人形機器人領域尚未出現“ChatGPT時刻”，模型表徵能力與高品質資料短缺是智能湧現的核心瓶頸，但行業正在快速演進中。
智元機器人發佈通用具身基座大模型GO-1，採用ViLLA架構，任務成功率平均提升32%。
Figure的Helix VLA則採用 “慢系統+快系統”平衡泛化與即時控制，成為工程落地主流。
2）高品質資料稀缺：運動與運算元據模態複雜，真實環境採集成本高、泛化難、標準缺失，制約模型訓練效果。
在資料方面，輝達發佈了Cosmos平台，提供視訊世界模型生成物理合成資料，解決資料不足問題。
銀河通用則推出端到端抓取大模型GraspVLA，基於合成巨量資料進行預訓 練。
3）即時性與算力約束：現有模型動作頻率（如π0的50Hz）未滿足複雜場景需求（目標100Hz），且端到端模型對算力要求極高。
模型動作頻率是目前人形機器人的重要瓶頸。把機器人想成一個人，動作頻率 = 你每秒能“刷新”多少次動作。
50Hz 就是每秒 50 幀，看起來已經挺快，但在摔了一跤要瞬間用手撐地這種場景下，50 幀裡可能少算了關鍵 1 幀，手就斷了。
從RT-1到Helix，模型控制頻率從不足10Hz提升至200Hz，逐步滿足即時性要求。只有機器人的“小腦”有足夠高的工作“更新頻率”，才能應付更複雜的突發情況。
當前，產業正通過供應鏈協同、核心部件自主化、大模型創新及開源生態建構等方式，加速攻克上述難題，推動商業化落地。
（4）人形機器人市場規模與應用場景
人形機器人產業正處在商業化爆發前夜，2025年被普遍視為“量產元年”，標誌著行業從原型演示邁向規模化落地的關鍵拐點。
長期來看，人形機器人有望實現C端普及，全球出貨量超7000萬台，市場規模突破10兆元。
人形機器人產業化遵循“工業製造→商業服務→家庭服務”的場景遞進路徑。
當前，工業製造是核心突破口，聚焦汽車產線等柔性生產環節；商業服務正加速拓展，在無人零售、辦公服務等場景驗證價值；家庭服務作為遠期目標，因技術複雜度和成本較高，商業化尚處早期探索階段。
（5）全球人形機器人主要參與者
當前人形機器人行業呈現多元化競爭格局，主要參與者可劃分為四類：引領技術前沿的海外巨頭、資本加持的國內第一梯隊初創企業、深度佈局的跨界車企，以及提供智能化底座的科技巨頭。
各方憑藉不同稟賦優勢，在技術路線、商業化路徑及生態建構上展開激烈角逐，共同推動產業從實驗室走向規模化應用。
海外巨頭引領：海外巨頭在核心演算法與系統整合上佔據領先地位，引領行業技術發展方向。
a. 特斯拉 (Tesla)：憑藉其在AI和自動駕駛領域的技術積累，Optimus系列是端到端模型路線的典型代表。
b. Figure AI：技術路徑採用分層決策模型，頂層由GPT-4V進行視覺推理，底層實現高頻控制，實現了優異的工程落地效果。
國內梯隊分化：國內初創企業借助資本和產業資源快速崛起，已形成清晰的梯隊分化格局。
a. 第一梯隊：以優必選、智元機器人、宇樹科技為代表，估值均超百億人民幣，具備強大的融資能力和產業資源整合能力。
優必選Walker S1已進入比亞迪、東風柳汽等車企實訓；宇樹科技完成C+輪7億元融資，其Unitree G1以9.9萬元的定價策略積極開拓消費市場。
b. 第二、三梯隊：包括樂聚、普渡科技、傅利葉、銀河通用等企業，或依託地方政府及行業龍頭（如華為、美團）資源，或聚焦開源平台、核心零部件等細分領域，形成差異化競爭優勢。
跨界車企入局：車企入局的核心邏輯在於利用其成熟的供應鏈體系、規模化生產能力和精益管理經驗，實現快速降本和場景落地。
a. 小鵬汽車 (XPeng)：旗下小鵬鵬行發佈的PX5/Iron機器人已在廣州工廠參與P7+車型總裝線實訓，並計畫於2026年實現L3級量產，成本目標控制在12萬元以內，路徑清晰。
b. 廣汽集團 (GAC)：其GoMate機器人強調核心零部件的完全自主研發，依託汽車供應鏈實現硬體復用與成本控制，計畫2026年推進整機規模化落地。
c. 其他車企：比亞迪、奇瑞等也通過直接投資（如比亞迪投資智元機器人）或成立合資公司的方式深度參與產業鏈。
科技巨頭賦能：科技巨頭主要扮演“賦能者”和“投資者”角色，通過輸出AI大模型能力和注入資本，加速產業智能化處理程序。
a. 模型與平台賦能：華為盤古大模型賦能樂聚機器人，百度文心大模型與優必選合作最佳化任務規劃效率，小米自研“Xiaomi Brain”系統，為人形機器人提供“大腦”。
b. 資本與生態佈局：騰訊、阿里巴巴、京東、LG集團等通過戰略投資深度繫結頭部初創企業，如騰訊投資智元機器人和宇樹科技，阿里投資宇樹科技和逐際動力，搶佔未來生態入口。
c. 場景驅動投資：美團等場景方則從自身業務需求出發，投資宇樹科技、高仙機器人等，聚焦即時配送等特定場景的應用落地。
（6）值得重點關注的兩條鏈之一：Figure機器人產業鏈
Figure在2025年9月C輪融資後估值飆升至390億美元，較2024年2月的26億美元增長近15倍，並獲得輝達、微軟、亞馬遜等科技巨頭加持，標誌著人形機器人賽道已從概念走向產業爆發前夜。
當前價值高度集中於上游核心零部件，合計佔硬體成本70%以上，技術壁壘高，是短期焦點。
以下是 AlphaEngine 整理好的Figure機器人核心供應鏈圖譜，具體表格不適合放在文中，可以入群領取。
（7）值得重點關注的兩條鏈之二：特斯拉Optimus機器人產業鏈
特斯拉正加速推進Optimus機器人的迭代處理程序，V3版本的設計方案已進入最後的敲定階段，其核心目標是實現技術定型並為規模化生產鋪平道路。
新一代Optimus的技術突破主要聚焦於兩大方面。
首先是實現“像人類一樣靈巧的手”，每條手臂將整合26個執行器，大幅提升操作的精準度與協同能力。
其次是深度整合Grok語音大模型，使機器人能夠理解複雜的自然語言指令並自主規劃行動，顯著增強了人機互動的智能化水平。
特斯拉為Optimus機器人設定了極具挑戰性的產能爬坡目標，旨在通過復用汽車領域的規模化製造經驗，快速實現百萬級年產能。
以下是 AlphaEngine 整理好的特斯拉機器人核心供應鏈圖譜：
(Alpha Engineer)