人形機器人成本真相：美國賣25萬，中國憑什麼只賣1萬還不到？
2026年，人形機器人賽道正當紅。
每天我們都看到有的機器人在練武術，有的在打網球，有的在折疊襯衫，有的甚至在用自然語言與人類探討哲學。但在這些酷炫的 Demo 背後，投資人和產業界卻陷入了深深的資訊焦慮——沒有人知道這些機器人的真實造價，沒有人知道視訊背後隱藏了多少次失敗的NG，更沒有人清楚這台精密儀器的肚子裡，究竟塞滿了誰家的零部件。
好了，Humanoid Atlas (humanoids.fyi) 這個開源網站就是解決這個問題的。
額外的好消息是，它不用付費，不用註冊，直接打開就能看到所有資訊。。
它的締造者 Julian Saks的本意也不是做一個高深莫測的智庫，他很單純，他想做一個免費的：
“人形機器人領域的彭博終端（Bloomberg Terminal）”。
我們知道，彭博終端終結了金融市場的資訊不對稱，很顯然，Humanoid Atlas就是想解決人形機器人賽道的資訊不對稱的問題，撕下公關偽裝，通過SKELETON（核心骨架）、ALL OEMS（整機廠全景）、GEOPOLITICS（地緣政治）和 NETWORK（供應鏈網路）等幾個關鍵標籤，拆解成一張張冷冰冰的 BOM（物料清單）表和供應鏈拓撲圖，進而看清這個行業競爭的本質。
01. 成本的物理學跨越1萬美元的“生死線”
在 Humanoid Atlas 的終端裡，最先引起我們注意的是那張即時更新的
“OEM價格與BOM估算表”。
在這一頁，全球二三十家頭部企業的資料並列在一起，
你可以看到一件有意思的事情，那就是——
兩極分化。
在表格的下端，是美國機器人們，價格高昂：
Agility Robotics的工業級型號動輒標價 25 萬美元；
Apptronik售價 15 萬美元；
那怕是擁有極致垂直整合能力的特斯拉 Optimus，目前的 BOM 成本也徘徊在 4 萬美元左右，馬斯克那句“將售價打到 2 萬美元以下”的承諾，依然是一個需要時間去兌現的遠期目標。
而在表格的上端，中國軍團的資料則展現出了令人窒息的工業壓迫感：
宇樹科技（Unitree）的G1模型，BOM 成本被精準地框定在11,500美元，量產售價僅為13,500美元；
智元（AGIBot）、星動紀元（EngineAI）等頭部企業的機型，也悉數殺入了 2 萬到 4 萬美元的價格帶。
甚至，像 Noetix 這樣的廠商，已經探出了 5,500 美元的擊穿底線的極限數字。
為什麼成本差異如此巨大？
我們首先要明白，
人形機器人第一性原理的核心，是模擬人類的自由度（DOF）。
為了讓機器人能像人一樣走路、下蹲、抓取，一台標準的人形機器人大約需要配置 20 到 40 個旋轉執行器（Rotary Actuators）和線性執行器。
這是整個系統的“阿喀琉斯之踵”。
Atlas的資料指出，一個標準的旋轉執行器，吃掉了整機極大的成本份額：
諧波減速器（Harmonic Reducer）：佔據 36% 的成本。
力矩感測器（Torque Sensor）：佔據 30%。
無刷電機（BLDC Motor）及其他：約 34%。
這就是成本的物理學。
成本佔比↑
要讓機器手臂在舉起 10 公斤重物的同時，還能精確到毫米級去穿針引線，且在運動反轉時沒有絲毫的機械曠量（即“零背隙 Zero-backlash”），你就必須依賴高精度的諧波減速器和極度靈敏的六維力感測器。
中國整機廠之所以能把成本壓縮到老牌廠商的十分之一，
是因為他們吃到了過去十年新能源汽車（EV）和消費級無人機產業的龐大紅利溢出。
從珠三角到長三角，龐大的供應鏈網路能夠迅速提供低成本的壓鑄件、高密度的電池包和車規級的電機。
當美國工程師還在為如何採購高性價比零部件發愁時，中國工程師已經可以在深圳和東莞的工廠裡，用極其低廉的打樣成本進行每周一次的硬體迭代。
這是典型的“製造摩爾定律”——
用規模效應和供應鏈密集度，暴力踏平機械硬體的成本門檻。
02. 誰在賺走機器人行業的真金白銀？
但如果僅僅把目光停留在整機廠的報價上，你只看到了產業的表象。
Humanoid Atlas 的“NETWORK（供應鏈網路）”和“GEOPOLITICS（地緣政治）”標籤，還為我們揭示了一張錯綜複雜的隱秘暗網。
在這場轟轟烈烈的機器人造神運動中，目前真正賺到錢的，
其實是隱藏在水下的“賣水人”。
以佔據執行器成本 36% 的諧波減速器為例，這本質上是一個材料學與精密加工的“黑魔法”。在過去幾十年裡，這個領域的高端市場幾乎被日本企業（如哈默納科 HDSI）獨佔。儘管中國湧現出了綠的諧波等優秀的替代者，但在超高扭矩和極限壽命等核心指標上，高端產能依然是一個巨大的瓶頸。
所以，當特斯拉宣佈要年產百萬台Optimus 時，整個行業算了一筆帳：
全球現有的高精度減速器產能加在一起，都不夠給特斯拉一家供貨。
這就引出了地緣政治陰影下最脆弱的一環。
打開圖譜中的供應鏈溯源，你會發現：美國的人形機器人要動起來，其電機離不開稀土永磁材料（釹鐵硼），而全球絕大部分的稀土冶煉和加工產能集中在中國；其感測器、絲槓和基礎機電元件，也高度依賴亞洲的代工體系。
如果未來由於不可抗力的地緣政治因素，全球供應鏈發生硬性脫鉤，歐美人形機器人的關鍵零部件成本可能會在瞬間飆升2到3倍。
而為了對抗這種脆弱性，
中美企業正在走向兩條截然不同的突圍之路。
中國路線是“生態化反”。
OEM 廠商們在極度內卷的國內市場，通過扶持本土化供應商，不斷將減速器、感測器的價格底線擊穿。
我們願意犧牲一部分早期的極限性能，換取快速量產的能力，用“先賣出去 5000 台”來跑通商業閉環。
美國路線則是“極致的垂直整合”。
馬斯克的邏輯一如既往：
既然外部供應商又貴又不可控，那我就自己造。
特斯拉不僅自己在做 FSD 演算法和 Dojo 算力中心，甚至開始深入到執行器結構、甚至自研電機的最底層設計。
這是一條極度重資產、高風險的險途；
但一旦走通，特斯拉將擁有世界上最深的護城河——
一個掌握從原子到位元全部 Know-how 的工業巨獸。
03. 幽靈與宿體當VLA模型注入鋼鐵骨架
如果說降本是人形機器人大規模商業化的前提，
那麼“通用性”才是其最終的商業閉環。
在 Atlas 的“VLA（Vision-Language-Action，視覺-語言-動作）”標籤頁裡，記錄著這場產業革命的靈魂。
過去的機器人，為什麼看起來總是笨笨的？
因為它們是“基於規則（Rule-based）”的系統。
你要讓它端起一杯咖啡，程式設計師必須寫下無數行程式碼，精準設定坐標(X, Y, Z)和關節的角度。只要桌子稍微傾斜，或者杯子換了形狀，機器人就會像個傻子一樣在空氣中亂抓。
但2024 年底到2026 年初爆發的具身智能（Embodied AI）大模型，徹底顛覆了這一切。
通過接入類似 Nvidia GR00T、OpenAI 相關模型以及各大開源 VLA 架構，機器人開始像人類一樣思考：
輸入端：它通過攝影機看到“桌面上有一杯水”，通過麥克風聽到“我渴了”。
大腦中樞：VLA 大模型在龐大的神經網路中進行物理常識的推理（口渴 -> 需要水 -> 水在杯子裡 -> 需要拿起杯子遞給人類）。
輸出端：模型不再輸出生硬的程式碼坐標，而是直接端到端（End-to-End）地輸出給關節電機的扭矩訊號。
在這個範式下，硬體僅僅是一個“宿體（Vessel）”，資料才是真正的壁壘。
這就解釋了為什麼特斯拉要在工廠裡僱傭數百名工人，讓他們穿戴著動作捕捉裝置，日以繼夜地演示如何搬運箱子、如何分揀零件。他們不是在作秀，而是在為 VLA 模型提煉最寶貴的“遙運算元據（Teleoperation Data）”。
在這一維度上，美國的先發優勢明顯。
Figure 能夠迅速崛起並獲得超高估值，很大程度上是因為它直接插上了 OpenAI 的大模型翅膀。
但是，千億參數模型在物理世界中積攢的“直覺（Intuition）”和邊緣案例（Corner Cases）資料池，是無法靠單純的資金砸出來的——
這或許也是中國的優勢。
04. 終局演練
站在今天，對於關注這個賽道的人來說，
產業的下半場，拼的是三個極其硬核的指標：
工程化降本能力：誰能率先把全量產的 BOM 成本壓倒 1 萬美元的臨界點之下，且保證一萬小時無故障運行（MTBF）。
供應鏈掌控力：誰能在諧波減速器、空心杯電機、六維力感測器這些被少數供應商卡脖子的環節，實現技術突圍或深度的利益繫結。
高品質資料飛輪：誰能最先在真實場景（汽車產線、倉儲物流，乃至最後的家庭服務）中部署上萬台裝置，通過真實物理反饋反哺自家的 VLA 模型。
在一個跑步進入物理 AI（Physical AI）的世界裡，每一次依賴關係的釐清，都意味著創新周期的縮短。
這個免費的網站Humanoid Atlas。就是將一切競爭拉回到了工業與科技最本質的維度——
成本、效率、供應鏈與算力。
你站在那一個維度？ (TOP創新區研究院)