點名 58 家企業：人形機器人——AI 只是門票，量產才是決賽

在 AI 算力與模型能力吸走全部注意力的當下，這份 Nomura 報告把焦點拉回到更“殘酷”的現實：人形機器人進入工業化擴張期後，勝負不在“模型多強”，而在“能否規模化量產並在工廠高利用率跑起來”。因此，早期價值更偏向擁有工廠測試場、供應鏈一體化與資本耐力的平台型整機廠（汽車 OEM），零部件放量與利潤改善往往更滯後。本文梳理了 58 家相關企業，並在正文中逐一呈現。

我們的核心觀點如下：

第一，整機廠（OEM）具備結構性優勢。類似電動車早期的發展歷史，定價權和學習曲線帶來的收益，最先會集中到掌握平台、掌握內部需求和製造規模的整機廠手中。

第二，人形機器人是“執行問題”，而不是 BOM 問題。 在成本結構中，執行器和運動系統佔比最高，且短期內很難被快速商品化；真正有意義的拐點，必須依賴規模化製造和高利用率，而不僅僅是單個零部件成本下降。

第三，關注企業：KIA、HMC、Mobis、奧比中光 Orbbec、雙環傳動 。

第四，策略催化劑：預計 Boston Dynamics 於 2027–2028 年 IPO，有望成為板塊的重要事件催化。

從代表性機型來看，Boston Dynamics 的 Atlas、Tesla 的 Optimus Gen-3、優必選 Walker S2、宇樹 G1 和 Figure 03，在價格、自由度、負載和續航等方面差異明顯：

Atlas 的目標售價約為 13–15 萬美元，自由度達到 56DoF，負載約 50kg，續航約 4 小時；Optimus Gen-3 的目標售價僅約 2–3 萬美元，自由度 40+DoF，負載 20kg，續航時間可達 12 小時；優必選 Walker S2 約 6.8–12 萬美元，52DoF、15kg 負載、續航 2 小時；宇樹 G1 定價約 1.6 萬美元，自由度 23DoF，負載 2kg、續航 2 小時；Figure 03 目標價格約 2 萬美元，30+DoF，負載 20kg，續航約 5 小時。

* 以上價格/參數為報告口徑或目標價/公開口徑彙總，隨版本迭代可能變化，僅供參考。

在供應鏈上，Atlas 主要依託韓國系供應商，例如 Hyundai Mobis（執行器）、LG Innotek（視覺）、NVIDIA（算力）、DeepMind（AI 模型）、Samsung SDI（電池）；Tesla Optimus Gen-3 的供應鏈更偏向中日韓協同，執行器與減速器由 拓普、三花、雙環傳動、日電產 Nidec 等 提供，電機由 猛獅電機、豐光科技 等供貨，扭矩感測器來自 凌雲，相機模組由 SEMCO 供應，算力與電池分別由 Samsung Electronics / xAI / LGES 承擔；優必選主要採用自研執行器，算力用 NVIDIA，AI 模型由華為提供；宇樹則自研執行器，配套 Intel 處理器與攝影機、Livox 雷射雷達、Orbbec 視覺、NVIDIA 算力與 DeepSeek 模型；Figure 03 採用自研執行器，LG Innotek 攝影機模組，NVIDIA 算力與 OpenAI 模型。

在整車合作方面，Atlas 對接現代汽車集團（HMG）；Optimus 為 Tesla 內部配套；Walker S2 重點對接比亞迪、吉利、蔚來；宇樹 G1 對接東風汽車；Figure 03 則與 BMW 合作。

按硬體物料成本（BOM）拆分，執行器/運動系統約佔整機成本的 50%，是最核心、也最難迅速降本的部分；視覺系統約佔 20%；電源系統約佔 15%；結構件框架約佔 15%。整體來看，“能動起來”的那一半（執行器）才是真正的成本重心，遠高於視覺和結構等模組。

在人形機器人關鍵子系統中：

• 運動系統 / 執行器的價值驅動主要是：精度、耐久性、自由度（DoF）、可擴展性以及車規級質量控制。核心供應商包括：Hyundai Mobis、HL Mando、浙江三花智能、Innocence Technology、寧波拓普集團、日電產 Nidec 以及 Harmonic Drive Systems（哈默納科）。
• 視覺系統 / 感測器強調 精度、延遲、魯棒性和大規模生產能力。主要供應商有：Sony Semiconductor、基恩士 KEYENCE、奧比中光 Orbbec、Teledyne、SEMCO 和 LG Innotek。
• 智能系統 / AI 晶片的核心指標是 能效、時延、生態鎖定能力以及即時推理性能。代表性廠商包括：NVIDIA、Intel、Qualcomm、Tesla、華為和地平線 Horizon Robotics。
• 電源系統關注 功率密度、能量密度、熱穩定性與安全性。關鍵供應商為：LG Energy Solution、Samsung SDI、Panasonic 以及寧德時代 CATL。

整體來看，執行器與 AI 晶片分別鎖定了“硬體成本”和“智能溢價”兩大價值高地，視覺與電源則更多依託傳統消費電子和動力電池供應鏈。

當前全球機器人 / 人形機器人板塊在估值上呈現出明顯的區域差異。報告將代表性公司分為韓國、美國和中國三組，對比了市值、本地股價以及 2025–2027 年的市盈率、每股收益增速、營業利潤率、EV/EBITDA、P/S、P/B 和 ROE 等核心指標。整體來看，韓國組合（現代汽車、Kia、現代摩比斯、HL Mando 等）盈利能力與 ROE 相對穩健，但估值折價明顯，整體 P/E 和 EV/EBITDA 低於全球平均；美國組合（例如 Tesla、Teradyne、Rockwell Automation 等）則在自動化和實體 AI 上享受更高成長預期與更高估值溢價；中國組合（匯川技術、浙江三花、寧波拓普、奧比中光、優必選、雙環傳動等）一方面受益於製造能力和本土人形機器人放量預期，另一方面也反映出市場對盈利波動和政策不確定性的不同定價。 表格下方給出了韓國平均值、中國平均值和全球平均值，方便對比各區域在估值與盈利質量上的相對位置。

從競爭格局看，人形機器人玩家大致可以分為三大陣營：汽車 OEM、中國機器人製造商以及人形機器人專業初創公司。 汽車 OEM 陣營的代表是Tesla、現代汽車集團和梅賽德斯-奔馳，它們在人形機器人所需的零部件和技術路徑上，與 EV/ADAS 有大量重疊，能夠復用既有的供應鏈規模和製造體系，並將自有工廠與物流網路用作內部測試場和首批應用場景，因此在規模化部署和質量管控上具有結構性優勢。中國機器人製造商陣營代表包括優必選、宇樹、Agibot 等，依託強製造能力和政策紅利，走的是“低價快速放量 + 本土密集部署”路線，再逐步向海外擴張。人形機器人專業廠商陣營則以 Figure AI、Apptronik、Rainbow Robotics 為代表，它們專注於端到端學習與實體 AI，在軟體和控制演算法迭代上更加敏捷，強調通過與 B 端大客戶或平台企業的試點合作，建構平台和生態能力。

中國人形機器人廠商：在成本和速度上佔優，並受益於政策驅動部署

按 Nomura 的估算，Boston Dynamics 的 Atlas 與 Tesla 的 Optimus 在硬體 BOM 上有明顯差異：Atlas 的運動系統（執行器）約佔整機 BOM 的 60%，Optimus 約為 45%；Atlas 其餘“其它”結構件（骨架、手部等）約佔 19%，Optimus 則高達 34%；智能層（晶片 + AI 模型）在 Atlas 中約佔 10%，在 Optimus 中約佔 9%；視覺系統（相機、視覺感測器、感知模組）在 Atlas 中約 6%，在 Optimus 中約 8%；電源系統（電池包 + BMS）兩者均約為 5%。整體來看，Atlas 更像“執行器堆料型”，而 Optimus 在結構件與外形上的成本佔比更高。

執行器 / 運動系統：硬體 BOM 的核心成本驅動

執行器是硬體 BOM 中最大的一塊成本， 因為每增加 1 個自由度（DoF），都需要一整套精密減速器、大扭矩電機與編碼器的組合。 當前商業化人形機器人多集中在30–40 個自由度區間，而 Atlas 和 Optimus 這類下一代平台正衝向更高的關節自由度，意味著 BOM 成本將呈現“非線性上升”。因此，供應鏈經濟高度依賴執行器架構的標準化、模組化，以及在廠內完成更多一體化設計，才能支撐真正的規模化生產和更快的降本週期。

感測 / 視覺系統：從“視覺中心”走向“觸覺前沿”

在硬體 BOM 中，視覺棧大約佔 15–20%。這一部分明顯受益於汽車 ADAS 產業鏈的技術溢出，通過出貨量拉動與學習曲線，成本正在隨著向“以視覺為中心”的方案遷移而下降，對高成本雷射雷達的依賴在減弱。 隨著人形機器人朝著精細操作與長期互動演進，對力矩感測器、IMU 以及觸覺感測器（電子皮膚）的需求正在上升。但觸覺感知仍然是門檻極高的細分領域，在小型化、耐久性與時延方面的嚴格要求，使得供應高度集中在少數專業公司手中。

電源系統：在能量密度與智能熱管理之間找平衡

電源系統當前在 BOM 中大約佔 8–12%，卻對裝置可用時長與可靠性起到“槓桿性”作用。 核心挑戰在於如何在能量密度與系統質量之間找到平衡：更大的電池容量會顯著增加整機重量與執行器負載。 除電芯與電池包之外，電池管理系統（BMS）的戰略地位日益提升：幾十個執行器帶來高度波動的功率需求，必須在有限空間內兼顧電壓穩定與熱量堆積控制。 因此，在報告看來，電源系統正在從“被動供能模組”，演變為保障整機安全性與可靠性的關鍵層。

軟體構成：從一次性開發投入走向持續性服務模式

儘管硬體成本更多發生在前期，Nomura 估計軟體相關費用最終會佔到整個系統生命週期成本的約 50%。這一“對半開”的格局，源於行業從傳統“硬編碼機器人”轉向“Physical AI”範式：需要持續的大規模資料處理、即時推理以及長期模型維護。

在智能側內部，算力與軟體的成本大致按 3:7 分配：

• 計算 / AI 晶片約佔智能預算的 30%。 隨著人形機器人演化為需要在本地進行多模態大模型即時推理的邊緣 AI 平台，算力硬體在 BOM 中的重要性會持續上升。
• 軟體 / AI 棧約佔智能預算的 70%。 這一部分是單項投入最大的領域，因為它承擔著持續模型演進與營運支撐的角色——包括 AI 模型訓練、數字孿生開發，以及與 RaaS（Robot-as-a-Service）模式的整合。

領先的人形機器人廠商，正在圍繞各自的戰略優先順序——比如 AI 泛化能力、控制精度、成本可及性、部署就緒度——搭建差異化的供應商生態。 這些不同的取捨，直接反映在執行器、算力、感測器和電源系統的選型與整合方式上，形成截然不同的平台級供應鏈路徑。

Tesla Optimus：雙軌整合（“AI 優先 + 硬體簡化”）

Optimus 體現的是 Tesla 的“雙軌戰略”：一方面在垂直整合算力和資料流水線的基礎上，長期押注 AI 泛化能力；另一方面主動做“硬體簡化”，為放量和降本騰出空間。在執行器架構上，Tesla 更強調 標準化而非極致靈巧性；而在電源與控制電子部分，則儘量復用Tesla 既有的電動車供應鏈。 這套思路，本質上是用規模化和軟體槓桿，換取更長週期的商業化空間。

為此，Tesla 在平台內部自研了若干關鍵部件：包括機器人上約 28 個機電一體化執行器，以及靈巧手的感測系統，這些“核心子系統”都是內部開發，目的是在性能最佳化、系統級整合和資料效率之間做到最佳平衡。同一套架構也讓 Tesla 能夠 把自家 FSD（全自動駕駛）計算晶片和 AI 軟體棧直接塞進機器人平台， 在實現軟硬體協同最佳化的同時，降低對外部晶片廠商毛利的長期依賴。

與此同時，要實現 Tesla 心目中的 單機 2 萬美元長期售價目標，離不開中國具備成本優勢的製造生態。報告指出，Tesla 已經與數百家中國供應商合作，搭建所謂 “Optimus Chain”，圍繞關鍵零部件建立大規模本地採購關係。

Boston Dynamics Atlas：專家主導，控制優先

相較之下，Atlas 的供應鏈傳統上更偏“專家型 + 控制優先”路線， 長期依賴一批高端運動控制廠商，採購頂級精密執行器與運動部件，以追求 極致可靠性和動態控制性能，代價是整體 BOM 明顯偏高。在被 現代汽車集團（HMG） 收購之後，Atlas 的供應鏈正在向“更高標準化 + 車規級驗證”演進，從過去的小批次定製組裝，逐步轉向可規模複製的模組化方案，同時儘量保留其在運動性能上的領先優勢。

報告還按 BOM 子系統對全球關鍵零部件與供應商做了梳理：

在 運動系統 / 執行器環節，核心部件包括 精密滾柱絲槓、大型關節的 RV 減速器、緊湊關節的諧波減速器、一體化執行器單元（電機 + 減速器 + 編碼器）、編碼器和力矩感測器， 價值驅動因素是 精度、耐久度、自由度可擴展性以及“車規級”質量控制，代表供應商有 Hyundai Mobis、HL Mando、三花智能控制、Inovance（英威騰）、寧波拓普和 Harmonic Drive Systems 等。

在 視覺系統 / 感測器 環節，關鍵部件是CMOS 圖像感測器、深度感測模組（雙目 / ToF）、IMU（陀螺儀 + 加速度計）以及觸覺 / 壓力感測器（手部與身體接觸）， 價值點在於 精度、時延、可靠性和大規模可製造性，供應商包括 Sony Semiconductor、KEYENCE、奧比中光、Orbbec、Teledyne、SEMCO、LG Innotek 等。

在 智能系統 / AI 晶片環節，重點是 邊緣 AI 計算平台（SoC/GPU/NPU）、機器人軟體棧與 RTOS、支援即時推理的儲存體系， 價值驅動是 功耗效率、時延、生態鎖定能力以及即時推理性能，代錶廠商有 NVIDIA、Intel、Qualcomm、Tesla 自研平台以及華為、寒武紀等。

在 電源系統環節，則由 鋰電芯、電池模組與電池管理系統（BMS）、熱管理部件 組成，考驗的是 能量密度、熱穩定性與安全性， 供應商包括LG Energy Solution、Samsung SDI、Panasonic、CATL 等。 (AI工業)