摘要：承接三大流派。其中 2025 年 1 月的《机器人：三层融合，2025 年产业质变！—机 器人系列深度报告之二十一》，提出机器人流派至少包括机械圈（注重结构与力学）、自 动控制圈（注重系统与规划）、ICT 圈（注重智能与生态，当前有大量互联网、软件、智 能车、

1、承上启下：前述“机器人三流派”

承接三大流派。其中 2025 年 1 月的《机器人：三层融合，2025 年产业质变！—机 器人系列深度报告之二十一》，提出机器人流派至少包括机械圈（注重结构与力学）、自 动控制圈（注重系统与规划）、ICT 圈（注重智能与生态，当前有大量互联网、软件、智 能车、芯片人才在该领域）三大流派。当前的机器人，实际上是上述三大流派的融合进步、 与不同领域适配。

但产业发展往往超过理论，当前面临以下问题，希望本篇解决： 1）现代 AI 算法对经典机器人算法的帮助。若推导成立，预计 2025-2026 年机器人 智能化程度类似 2024 年 AD/ADAS 一样质变。此前机器人算法的论述未必详尽，希望 详细论述控制、规划、感知算法如何现代化，即强化学习 RL、端到端 End-to-End。世界 模型与仿真也与其有关。 2）当前热门机器人产品，其算法的来龙去脉。宇树 Unitree Robotics（Go2、G1 与 H1 等）、云深处 DeepRobotics（绝影、山猫与 Dr01 等）、波士顿动力（Atlas 与 Spot 等）、特斯拉 Optimus、Figure（01、02 及最新模型 Helix)、智元（远征与灵犀 等）都是代表性的机器人机器人/机器狗/机械臂公司。它们算法来龙去脉是什么，与上述 理论对的上吗？ 3）从机器人、机器狗、机械臂的行为特征，即可推测出什么算法发挥作用或失灵。 4）东方与西方机器人算法的分析，能与最近发布对得上。分析出西方的机器人算法 偏重实验室与数学，东方的机器人算法偏重物理与数学。所以西方近期机器人算法主要是 VLM 模型、世界模型，避开了物理和工业的一些场景问题。东方近期机器人算法主要是 RL 强化学习、柔顺、协作、高爆发、稳定性、高频响应，因为这是各行各业机器人渗透 都会遇到的实际问题。而数学上的理论完备性是后续再解决的。 5）东西方 AI 算法差异，最终硬件方案也会有差异。例如波士顿动力从液压方案切换 到电机方案，再例如谐波减速器、行星减速器、RV 减速器的均衡等。算法底层研究，可 以帮助对机器人硬件方案的研究。 换句话说，西方的媒体和投资者，容易误解东方的机器人产业链，因为常沿用西方思 维：他们会低估现代 AI 算法，还会过于关注西方机器人产业链的习惯（追求数学完备性、 硬件精度等）。

2、三环节：控制+规划+感知，分别现代 AI 化？

2.1 控制的高次项问题：拉格朗日（牛顿欧拉）公式+稳定性判据

控制理论的基础来自拉格朗日动力学公式、或“牛顿-欧拉“动力学公式。两者分别 从能量、经典力学描述了同样的动力学原理。

但以上是经典理论，实际操作起来要考虑工程可行性，尤其数学、物理积累的误差。其优点是：严谨、转化为解矩阵、恰与 GPU 的特性匹配，不足是： 1）计算复杂度。实际高频高速场景下，实时计算受到环境、延迟等限制。复杂度太 高，积累错误增多，要么响应缓慢，要么异常行为增加。 2） 全局建模。古典理论注重整体完备，工程追求局部更新。全局建模容易积累 错误。 3）符号计算。利于用户理解，但不利于处理器高效运行。 4）高次项。这是最关键的，机器人的位移是零阶变量，速度是一阶导数，加速度是 二阶导数。处理器处理二阶以内问题会效率较高，但惯性力、科氏力、齿轮弹性变形、关 节摩擦等都是超越二次项的高次项。

理论与实际工程存在差异，已经体现在机器人动作中，例如以下现象：轨迹跟踪误差 大、动作抖动、延迟卡顿、局部死循环、能耗异常。在古典机器人控制理论中，这是完美 的，但实际上工程误差大：要么对上述高次项处理精度低，要么通过动力学/逆动力学补 偿误差不及时。这会体现在机器人的诸多动作中，例如轨迹跟踪误差大（常为摩擦系数影 响）、动作抖动（常为 PID 控制器计算误差）、延迟卡顿（案例之一为动力学模型误差需 频繁修正）、局部死循环（案例之一是局部规划算法的代价函数权重失衡）、能耗异常 （案例之一为计算误差需重复迭代优化）。

除了上述能量和动力学考虑，还要考虑稳定性。以上的论述，对于机械臂等上肢控制 尤为适用。若考虑下肢轮足，还需要增加稳定性判据。李雅普诺夫稳定性判据1、捕获点 算法 CP（Capture Point）、零力矩点算法 ZMP（Zero Moment Point）,均为代表。

2.2 控制：经典 AI × 现代 AI

本节论述：前述经典控制算法的不足，尤其高次项问题，可通过现代 AI 算法增强。 由于现代 AI 对控制的增强很明显，所以这里用“乘号”表示其增益效果。 经典控制算法会在现代机器人场景中，伴随较大误差，需要现代 AI 算法升级。考虑 前述动力学动力学、稳定性，AI 算法伴随大量数学运算，在 GPU 为代表的 AI 算力中实现。 AI 算法升级即现代 AI 算法，例如强化学习 RL 与端到端。几乎每个分支都涉及实时 高精度计算。而以高次项为代表的误差，会明确限制机器人功能进步。因此现代 AI 算法 （以 RL 强化学习、端到端为代表）的全面渗透，是机器人控制算法取得质变的关键。 投资者可以通俗的认为，近 1 年机器狗、人形机器人取得较大进步，都是强化学习、 端到端等现代 AI 算法渗透到了机器人控制的方方面面，加强这些数学和物理公式。

2.3 规划：经典 AI+现代 AI

规划算法较为直观，因为 VLM2模型、VLA3模型，均是近期产品发布重点，也较为直 观。下面展示了规划按照目标、环境信息、原理、场景划分的大类，以及在经典规划算法 下的弱点。这里使用“加号”来表示现代 AI 对规划的增强，但不像控制算法那样迫切 （因为前述控制算法的复杂度、全局建模、高次项问题，要更加严重）。

现代规划算法，也明显渗透到规划算法较多领域。例如： 1） 波士顿动力规划算法。我们预计为 HRL（分层强化学习）+MPC（模型预测控 制）。优势是多任务协调，而且利于动态场景。 2） 特斯拉规划算法：Occupancy Network(占用网络)。这在 Tesla AI Day 发布。 优点是利于实时避障。 3） 宇树科技规划算法：PPO（Proximal Policy Optimization）+ Sim2Real(模 拟与现实结合)。 代表性信息来源是其 GitHub 上开源代码（含 PPO 算法和 Sim2Real 迁移代码）。而 这几种算法的描述，可以在 ICRA 2023《High-Fidelity Motor Control for Quadruped Robots via Reinforcement Learning 》 、 IROS 2022 《 Sim-to-Real Transfer of Locomotion Policies for legged Robots Using Domain Randomization》中借鉴。 4） Figure 规划算法：刚刚发布 VLA（视觉-语言-行动）模型 Helix。 通过“系统+系统 2”架构实现语义理解和高频动作控制，这和理想 AD 的公开发布 （慢系统+快系统）、华为 AD 的公开发布（GOD+PDP）有异曲同工之妙。 5） 云深处机器人规划算法：我们预计为 Online RL（在线强化学习）+联合规划提 升动态避障。 其中前者的推测依据是“强化智能算法”和“动态调整权重”的公开描述4。后者的 依据是“具备多传感器融合下的….自主导航规划与动态避障…”的描述5。

2.4 感知：经典 AI，局部现代 AI

机器人感知算法，已经在 AD/ADAS 领域得到充分研发与工程化。因此感知算法技术 外溢到机器人领域，较为自然。 高次项问题（控制算法）、全局优化问题（规划算法），在感知环节中并不明显。因 此仅有全局、环境理解、复杂场景时，感知识别才需要现代 AI 算法。因此感知环节中， 应当仅有局部具备现代 AI 算法的必要性。

现代感知算法，也明显渗透到其较多领域。例如： 1） 波士顿动力的感知算法。 我们预计为多传感器（激光雷达+IMU），可能引入了 VLA 联合模型帮助感知。 2） 特斯拉感知算法：采用 Occupancy Network(占用网络)、多模态、端到端。 优势是非刚性、动态、多模态，高精度。占用网络在 Tesla AI Day 发布。通过神经隐 式场建模三维空间占据，替代传统栅格地图，提升动态障碍物检测能力。3） 宇树科技感知算法：预计为多模态，端到端。 多模态部分，结合深度相机和激光雷达，可实现 360°环境建模，支持动态避障和精 细操作（如三指灵巧手 Dex3-1 的物体抓取）。 端到端部分，宇树科技基于自研 UnifoLM 大模型，深度强化学习 RL、仿真训练来构 建端到端的感知体系。宇树科技通过该模式实现了 “任意动作任意学” 的能力，意味着 机器人能够在复杂多变的环境中，基于所感知到的信息，直接生成相应的动作决策，无需 人为预先设定详细的中间步骤指令集。 4） Figure 感知识别算法：预计为端到端+VLA/VLM。 端到端部分，明确使用端到端 VLA 模型，直接从视觉+语言生成动作。多模态部分， 深度融合视觉、语言（与 OpenAI 合作）、力控数据，实现复杂操作。 5） 云深处机器人感知识别算法：我们预计为 SLAM+多模态+VLA/VLM 多模态部分，融合激光雷达、摄像头、触觉传感器，提升环境理解能力。 VLA/VLM 部分，云深处科技联合浙江大学团队，公开展示了其机器狗 X30 与“AI 大 脑”合作的最新成果。“机器人云脑”，其实是一个结合了大语言模型（LLM）、视觉语 言模型（VLM）以及视觉语言行动模型（VLA）的大型智能决策系统。 6） 智元机器人感知识别算法：自研仿真框架+多模态 多模态部分，自研仿真框架 AgiBot Digital World 生成多模态数据（视觉、力控、 关节运动），用于模型训练。机器人平台配备了 8 个摄像头、灵巧手、六维力传感器和高 精度触觉传感器，可收集多维度数据，为多模态感知提供基础。

2.5 结论：现代 AI 化，控制>规划>感知

至此，对于机器人算法，感知、规划、控制环节，使用现代 AI 算法的必要性依次提 高。换一个角度： 1）AD/ADAS 渗透率高增时，往往市场关注的是智能车感知算法。例如前融合、 Nerf（神经辐射场，常用于 3D 变换）、Diffusion 方法。

2）既然规划、控制使用现代 AI 算法的必要性增加，因此机器人算法的潜力更大。换 个角度，机器人领域 AI 算法突破后，对机器人整体体验的提高幅度会很大。这再次支撑 “预计 2025-2026 年机器人智能化程度类似 2024 年 AD/ADAS 一样质变“的判断。

3、有趣实践：由机器人动作，推测算法

基于前述分析，根据机器人（或机器狗等）动作特征，即可以反推出内部采用了哪种 AI 算法，或哪种算法可能奏效/失灵的表格，如下。从中也可以得出现代 AI 算法普遍体现 在动作上： 1） 运动丝滑、柔顺。例如使用了强化学习（RL）算法弥补动力学公式的高次项。 2） 协作性强。例如用分层强化学习（HRL）、语义驱动算法（Semantic-Driven,例 如 VLM 模型）。 3） 创造力强，可“人机互动”。例如用 VLA 模型，这一点中美一致。 4） 高速场景多。例如使用了强化学习（RL），且配合低延迟的模型预测控制（MPC） 与海量数据，充分训练。

4、两个重要问题：东西方差异，算法影响硬件？

本章讨论两个重要问题。其一，东西方机器人 AI 算法的差异，找到了其学科、理论、 场景的差异，甚至可以解释东西方机器人动作的常见差异。其二，由于 AI 算法的差异， 已经影响到各自硬件方案，文中给出了两个案例（减速器、驱动器从液压转电机）。 换句话说，西方的媒体和投资者，容易误解东方的机器人产业链，因为常沿用西方思 维：他们会低估现代 AI 算法，还会过于关注西方机器人产业链的习惯（追求数学完备性、 硬件精度等）。

4.1 算法：东方物理+数学，西方实验室+数学

国内公司的算法聚焦在物理实用性、和数学延展性；海外公司的算法聚焦在实验室、 数学完备性。换句话说，国内机器人公司的核心学科是物理和数学，海外机器人公司的核心学科是数学。

1）算法理论方面。海外机器人公司聚焦基础算法突破（如波士顿动力的动态 MPC、 特斯拉的端到端大模型），强调数学严谨性与实验室验证。 国内机器人更注重物理实用性 （例如工业和消费），通过强化学习 RL 优化控制策略（如 HoST 的动态扭矩补偿），降 低对高成本硬件的依赖。 东方广泛使用的强化学习（Reinforcement Learning，RL）、端到端也需要高 深的数学和跨学科知识，难度不低于西方。a)对于强化学习，策略梯度算法的推导和优 化需要基于概率论、数理统计、微分方程等数学知识，以理解算法的收敛性、稳定性和 性能。b)在建立环境模型时，需要运用到随机过程、马尔可夫决策过程等数学工具。c) 在实际应用中，需要跨学科知识，例如机器人控制、自动驾驶、医疗保健等。d)对端到 端大模型，架构创新、数学知识（概率论、线性代数、多元函数求导的链式法则、凸优 化理论、随机过程理论）、硬件技术、跨学科知识缺一不可。 2）应用场景方面。西方是特殊行业和实验室；东方是工业为起点，到全行业。 西方机器人算法的技术验证集中于特殊行业（如 Atlas）和实验室环境（如 LucidSim 的纯视觉跑酷），东方机器人算法直接服务于工业巡检（宇树 B2-W 防爆机器人）、家庭 服务（G1 人形机器人）等高性价比场景。 当前行业机器人、消费机器人、服务机器人的 全面扩散，在验证上述理论。 而东方从工业 AI 起步，有两大技术优势：算法泛化、轻量化适配。中国工厂与户外 环境提供丰富的复杂地形数据，支撑算法泛化（如覆盖 100+种地形）。通过算法轻量化 （近期 DeepSeek 为代表）和模型蒸馏，降低对云端算力的依赖，适应工业现场的低功耗 需求。 3）算法影响动作表现。西方是理论完备性、鲁棒性，东方注重动态平衡控制、任务 快速切换(表现为机器人动作爆发性、柔顺性、抗击打)。 此前章节详细论述了感知、控制、规划 AI 算法的底层原理，而现代 AI 算法的引入即 为了解决其动态、非线性、高次、协作、互动问题。这些新问题，恰恰是东方 AI 算法的 动态平衡（例如机器人的实时重心分配）、任务快速切换（如春晚机器人抛接手绢）、高 频（超过 1kHz）。从外观上看，东方机器人的动作爆发性、柔顺性、抗击打，就是其现 代 AI 算法效果。而西方 AI 算法由于追求数学完备性，其鲁棒性会有优势。

4.2 硬件：算法可影响硬件。以波士顿动力-宇树案例为例

现代 AI 算法的进步，不仅或促进 2025-2026 年机器人产业智能化程度大幅提高， 还可影响硬件技术方案。海外机器人往往追求理论精度和完备性（例如谐波减速器、液压 驱动方案），弱化工业可行性与成本考量。国内机器人往往采用利于平价普及的硬件方案， 并以越来越强的现代 AI 算法做技术支撑。下面举两个案例： 一个案例是宇树机器人。由于其当前产品表演、舞蹈的需求旺盛，且 AI 算法有优势， 因此硬件方案不同。

1）谐波减速器，高精度（±0.5°）、体积小、传动比大，可惜刚性低，依赖算法补偿 （如动态逆运动学），适用于轻量级机器人。 2）行星减速器，高刚性、较高精度（但低于谐波减速器），可惜结构复杂、加工成 本高，适用于工业机器人。 3）RV 减速器，高刚性（承载力或为谐波的 3 倍），可惜成本高、体积大，重量大， 需算法优化轨迹规划避免过载，多用于工业机械臂。 较多海外人形机器人选择谐波减速器，宇树科技的机器人（如 Unitree H1 ）主要采 用行星减速器方案。其可将电机的高转速、低扭矩输出转换为适合机器人关节运动的低转 速、高扭矩输出，确保关节准确、稳定运动。这种硬件方案离不开超强 AI 算法的支撑， 例如前文论述宇树科技 PPO（Proximal Policy Optimization）、Sim2Real(模拟与现 实结合)。 另一个案例是波士顿动力原本采用液压驱动，后续转电机方案，与国内方案一致。 （2024 年 5 月，波士顿动发布了《再见，液压 Atlas》视频，正式宣告其研发的液压驱动 双足人形机器人 Atlas 退役） 1） 液压方案：高功率密度（20kW/kg）但维护成本高（预计年漏油率 15%）。 2） 电机+电池方案通过能量效率提升（提升 40%）和模块化设计降低成本。 3） 宇树 H1 采用无框电机+碳纤维机身，通过材料创新（减重 25%）和算法优化 （动态能耗管理）实现成本控制。 同样的，这离不开前述现代 AI 算法（例如强化学习 RL、端到端等）的支撑。否则难 以应对灵活性的增加（电机的控制方式相对灵活，可通过改变电流、电压等参数实现对电 机转速、扭矩的精确控制）。 预计国内 AI 算法的进步，还会带来更加深远的影响: 1）材料创新：例如碳纤维+镁铝合金机身降低机器人重量（预计减重约 30%），减 少电机功耗需求。 2）机器人边缘计算：通过算法轻量化（如量化到 INT4）适配嵌入式芯片（如全志 MR813），实现低成本实时控制。

5、近期新增

《机器人：三层融合，2025 年产业质变！》论述了“攀登珠峰，沿途下蛋”效应。 近期，消费机器人、服务机器人、特殊行业机器人等，已明显成为新增催化剂。

5.1 消费&医疗机器人：例如微创机器人

手术机器人国产替代进行时。2024 年，国务院印发《推动大规模设备更新和消费品 以旧换新行动方案》，其中明确提及：到 2027 年，医疗等领域设备投资规模较 2023 年增长 25%以上，鼓励具备条件的医疗机构加快手术机器人等医疗装备更新改造。根据精锋 医疗招股书，2021 年全球手术机器人市场达 704 亿元，其中 2021 年中国手术机器人市 场达 42 亿元。随着手术机器人的临床关键技术突破，以及国产品牌的崛起，预计 2030 年全球手术机器人市场将达到 3,994 亿元，其中中国手术机器人市场将达到 710 亿元。 2021 年以来，随着威高、微创、精锋等企业的腔镜和骨科手术机器人陆续获批上市，国 产手术机器人正逐步打破直觉外科“达芬奇”腔镜手术机器人和史赛克“MAKO”骨科手 术机器人的垄断。

国产手术机器人领军者。微创机器人是微创医疗旗下专注于手术机器人业务的子公司， 2021 年于港交所上市。公司专注于研发、生产及商业化腔镜、骨科、泛血管、经自然腔 道，以及经皮穿刺五大领域的手术机器人。目前公司已有两款自主研发的手术机器人产品 获批上市，包含图迈（腔镜手术机器人）和鸿鹄（骨科手术机器人）。此外，公司自主研 发的经支气管手术机器人已处于临床阶段。 核心产品图迈和鸿鹄已成功进入海外市场。1）图迈（腔镜手术机器人）：已于 2023 年获 NMPA 批准应用于多科室，并于 2024 年获欧盟 CE 认证，适用于泌尿外科、普通外 科、胸外科、妇科内窥镜手术。截至 2024 年底，图迈全球累计商业化订单近 60 台。此 外，图迈在国产腔镜手术机器人市场份额排名第一，省级头部三甲医院及全国百强医院占 比达 60%以上。图迈单中心手术量突破 100 例的医院已超过 10 家。近期，随着图迈单臂 单孔腔镜手术机器人获 NMPA 批准上市，图迈系列机器人已逐步实现多臂、单臂、远程 一体化兼容。2）鸿鹄（骨科手术机器人）：自 2022 年以来鸿鹄已于中国、美国、欧洲 等市场获批上市，适用于全膝关节置换术（TKA）、全髋关节置换术及单髁置换术。截至 2024 年底，鸿鹄全球累计订单超过 40 台。

持续推进降本增效，有望实现扭亏。2024 年上半年，公司实现营业收入 9,924 万元， 同比增长 108%，主要由于图迈在国内市场销售放量，以及图迈和鸿鹄海外市场的商业化 贡献。1H24 海外收入达 3,547 万元，占公司总收入 36%。随着图迈和鸿鹄在海外市场的 持续商业化落地，未来海外业务收入占比有望进一步提升。2024 年上半年，公司净亏损 2.80 亿元，同比收窄 49%，主要由于核心产品的商业化放量和降本增效。随着核心手术 机器人产品的商业化放量，以及降本增效措施，2026 年有望逐步实现盈利。 多元化产品组合及优秀的研发和商业化能力。公司产品全面覆盖五大主要手术专科， 包含腔镜手术（图迈）、骨科手术（鸿鹄）、泛血管手术（R-One 血管介入机器人）、经 自然腔道手术（经支气管手术机器人）、经皮刺穿手术（Mona Lisa 机器人，前列腺穿刺 活检系统）。此外，公司于上海和深圳设有两大研发中心，同时在新加坡和美国等国家布 局海外研发中心，专注于五项核心底层技术的研发，包含机器人本体设计、控制算法、电 气工程、影像导航及精准成像。商业化推广方面，截至 2024 年上半年，公司已在全球累 计布局近 40 家图迈临床应用和培训中心，以及 20 家鸿鹄临床应用和培训中心。

5.2 服务机器人：例如美团的配送机器人

以机器人在快递配送行业的落地为例，机器人的价值包括：1）可应对未来劳动力短 缺与成本压力。2）机器人在特定场景中更具优势：高频次、标准化场景（如固定路线配 送）。3）解决从业人员安全性问题：机器人可实现 24 小时不间断工作，并且不受天气、 疲劳等因素影响。 具体而言：机器人在快递配送行业的落地包括： 1）末端配送：地面与空中协同。比如封闭园区地面机器人解决最后一公里配送难题， 以及乡村山地封闭式地形的无人机配送。 2）仓储与中转环节：无人叉车、分拣机器人等可替代高强度搬运工作。 3）特殊场景拓展：疫情防控中，无接触配送机器人减少人际传播风险。 履约是电商和本地生活服务行业的重要环节，目前互联网大厂正积极推动机器人赋能 履约。

美团为例，公司以“零售+科技”为核心战略，将机器人视为提升本地生活服务效率 的关键抓手。美团通过“自主研发+战略投资”双轮驱动。 1）自研：2016 年起，美团开始探索自动配送服务。2022 年 11 月 29 日, “深圳市 美团机器人研究院”成立。美团的自研产品包括：自动车，丰富地面物流运力；无人机， 建设高效低空物流网络；在零售场景中，以 24 小时药店、楼宇配送为试点，探索机器人 技术与应用。根据美团官网（美团：积极拥抱无人机、人工智能等新技术，继续加强自主 创新 (meituan.com)），截至 2024 年底，美团无人机已开通 53 条航线，累计配送订单 超 45 万单；自动配送车累计配送近 500 万单，服务数百个社区的配送需求，自动驾驶里 程占比 99%。 2）对外投资，美团和旗下的龙珠资本除了投资银河通用机器人、宇树科技等机器人 公司， 配送领域优地科技、白犀牛、普渡科技、毫末智行，与美团无人机、自动配送车等 业务形成协同，推动本地生活服务智能化，美团通过投资高仙机器人、云迹科技、术锐科 技等企业，覆盖酒店清洁、楼宇配送、医疗护理等场景。技术底座方面，投资智谱 AI 和 光年之外。 3）美团及龙珠资本投资的部分机器人标的。

5.3 灵巧手变化：技术集大成者，边际增量方向

灵巧手是人形机器人标配部件，技术壁垒极高。人形机器人的价值在于适应人类所有 环境，而灵巧手是人形机器人的末端执行器，理想状态是能执行各种各样的任务，需要具 备负载能力、运动能力、控制能力和感知能力等等，在设计和生产方面均有极高难度。 灵巧手对于人形机器人的功能实现和商业落地至关重要，近几年来逐渐成为人形机器 人的标配，并且是各家人形机器人公司的重要发力点。特斯拉的第一代机器人到第二代机 器人，灵巧手增加了触觉感知；即将发布的第三代机器人，灵巧手进行了重要升级，自由 度、驱动方式、传动方式、传感器等方面都有改进。 特斯拉的第一代 Optimus 采用空心杯电机+腱绳+蜗轮蜗杆的技术方案。单只灵巧手 有 11 个自由度，6 个执行器模组，其中大拇指有两个执行器，分别控制弯曲/伸展和外展 /内收运动，其他手指有一个执行器，具有 1 个主动自由度和 1 个由腱绳牵引的被动自由 度。空心杯电机以其体积小、重量轻、响应速度快的特点，适合用于需要精密控制的场合。 传动装置采用绳驱结合蜗轮蜗杆的方式，保证了传动的平顺性和足够的力量传递及自锁性 能。

特斯拉的第二代 Optimus 增加了触觉传感器。2023 年 12 月特斯拉发布第二代 Optimus 视频，视频显示机器人手指腹部增加了黑色皮肤“触觉传感器”，并演示了双指 拿鸡蛋的动作。第一代机器人曾展示过抓取较大物件的动作，通过视觉观察即可判断是否 “抓住”，但是对于鸡蛋这种有重量、表面光滑、球形表面的物体，仅靠视觉无法判断是 否“抓稳”，需要手部的压力和摩擦力等力反馈信息来综合判断，灵巧手上的触觉传感器 为取得信息的核心器件。

特斯拉的第三代 Optimus 灵巧手将进一步更新，包括驱动电机、传动方式、触觉传 感器等。特斯拉对新一代灵巧手的情况进行多次说明，并在 24 年 10 月 We Robot 大会 现场进行视频展示。特斯拉工程师 Milan Kovac 表示，到 2024 年底前将改善 Optimus Gen3 灵巧手的触觉感知和重量分布的均衡问题，特别是扩展触觉感应集成（即增加覆盖 范围）、通过腱绳实现更精细的控制以及减轻前臂重量（所有驱动移至前臂所致）。

结合 We Robot 视频展示以及 Milan Kovac 说明，我们推测，特斯拉第三代灵巧手 的主要变化为：1）从 11 个自由度提升至 22 个自由度；2）将电机和驱动器外置于手臂； 3）用腱绳完成手指的控制和伸展；4）触觉传感器的覆盖度增加。

灵巧手硬件包括驱动、传动和感知三个层面： 1）驱动：驱动系统是整个灵巧手的动力源，是手指输出力的来源。灵巧手按照位置 分为驱动器内置、驱动器外置和混合式；电机类型包括空心杯电机、无刷有齿槽电机等， 二者在性能和成本上各具优势； 2）传动：电机需要搭配传动部件使用，将驱动器产生的运动合力以一定的方式传递 到手指关节，从而使关节做相应的运动。传动方案路线较多，其中腱绳驱动、齿轮和丝杠 为当前的主流技术方向，灵巧手通过采用多种传统方式组合应用。 3）感知：触觉传感器本质上是将接触面形状、压力、摩擦力、温度等信息进行感知 识别和转换的传感器，对于灵巧手获取信息和操作至关重要。目前技术尚未定型，多条技 术路线并行发展，按照原理分为压电式、压阻式、电容式等；按照结构和材料不同分为力 矩传感器、柔性传感器和 mems 压力传感器等。

5.4 新标的：均胜电子+天准科技+ 芯动联科+成都华微

均胜电子：人形机器人传感器+低 PE

主业稳健增长。公司是全球重要的汽车安全、座舱及汽车电子供应商。24 年前三季 度，营收 411.35 亿元，同比-0.4%，其中汽车安全业务约 284 亿元，汽车电子业务约 127 亿元；归母净利润 9.41 亿元，同比+20.9%。24 前三季度累计全生命周期订单 704 亿，其中汽车安全 491 亿，规模超 2023 全年，汽车电子 214 亿；分地区看，24 年前三 季度国内订单 310 亿元，占比 44%。主业稳健成长，预计未来 2 年维持 20%+增速。 机器人业务贡献市值弹性。1）定位：机器人 Tier1，基于汽车零部件领域的研发和制 造能力，向机器人公司提供软硬件及解决方案；2）根据 2023 年报、2024 半年报、官网 等，预计产品：IMU、六维力传感器、嗅觉、RGBD 双目摄像头、带有 ToF 的传感器、雷 达、电源管理系统（ACDC、无线充、快捷换电等）；Micro LED 显示产品研发中；核心 控制器硬件正在与一家 AI 芯片公司合作开发； 预计机器人具备客户潜力。对于全球客户，预计显示、IMU、六维力传感器，有客户 推广的潜力。而对于国内机器人产业链，预计六维力传感器、无线充电解决方案、IMU 等， 具备收入增长的潜力。 重视传感器新标的。传感器领域是机器人产业链中国产化率较低的环节之一，降本需 求迫切，且是人形机器人增量环节，随着机器人应用于复杂场景，传感器使用量有望提升。 按照六维力+IMU+雷达+摄像头+电源管理系统的均价，我们预计目前可给机器人提供的 零部件价值量 ASP 超过 2 万。 低 PE 估值。公司的技术基础扎实，集团实力雄厚，具备先发优势和客户卡位，当前 市值并未反映公司在机器人领域的未来潜力。

天准科技：子公司具身智能控制器。

机器人大脑，需要 ai 能力+工控能力两条腿都强。而天准科技主业便是工业产线，而 旗下星智则是持续聚焦在自动驾驶域控赛道的玩家，是 NVIDIA Jetson 产品线的重要合 作伙伴。它也是地平线的重要合作伙伴，位列地平线三家官宣的 J5 授权硬件 DH 合作伙 伴之一，有着丰富的 J5/J6 开发经验。 具身智能控制器。公司控股子公司天准星智推出了首款具身智能控制器 —— 星智 001。控制器基于 NVIDIA Jetson AGX Orin 的嵌入式 GPU 模组开发，算力可达 275TOPS。公司会通过与行业领军企业的合作，形成强强联手的生态圈。 预计出货量增加带来收入弹性。研发开放平台，鼓励开发者和公司共同参与，从而建 立起完善的产品生态。目前配套客户已经包括国内大部分头部机器人企业。参考车载 Orin平台的价格，我们预计机器人大脑的单机价值量在 1-2 万元区间，随着出货量的持续攀升， 将对公司业绩带来较大推动。

芯动联科：特殊行业机器人产业链

从实践经验看，低成本微惯性组合导航系统在各类远程制导炮弹、灵巧弹药以及各种 常规炸弹制导化改造等武器装备建设中具备竞争力。随着飞行器多功能化、微型化、结构 智能化以及无人机、微型飞行器的发展，未来航空机载设备和武器系统将更加依赖高集成 度的封装器件。MEMS 微系统技术是未来实现小型化、智能化及性能提升的关键技术。目 前，根据《战术导弹用 MEMS 陀螺仪研制进展及关键技术》，MEMS 陀螺仪的精度主要 适用于战术导弹、中近程制导、飞行控制、灵巧弹药等军用领域，主要用于导航制导、姿 态测量与稳定控制等方面。 从行业端来看，MEMS 陀螺仪将逐渐部分替代光纤/激光陀螺仪应用场景，随产品精 度逐步提升下游应用渗透率。随着高性能 MEMS 陀螺仪的精度提升及成本优势，可逐步 应用于中低精度两光陀螺的应用领域。同时，由于高性能 MEMS 陀螺仪具有小体积、高 集成、抗高过载的优势，满足高可靠、无人系统等领域智能化升级的要求，进一步拓展高 性能 MEMS 陀螺仪的增量市场。

机器人控制器根据功能被人为区分为大脑和小脑。1)从功能上区分：大脑负责执行复 杂 的 算 法 /数据处理 /环 境 感 知 等 任 务 规 划 和 决 策 执 行 ， 硬 件 上 主 要 由 主 控 芯 片 GPU/CPU/NPU 等构成，同时大脑运行前还要预装多种软件/模型。小脑负责机器人的运 动控制，接收来自大脑的指令并转化为具体的机械动作指令，包括对伺服系统/传感器等 硬件的控制，硬件上主要由 MCU/电控系统等构成。 公司依托高性能 AI 芯片研发能力，聚焦“智慧大脑”及精密控制领域。根据成都华 微官网，公司与四川具身科技机器人智慧大脑与精密控制两大关键核心方向在芯片层面达成深度合作意向。1）智慧大脑领域：公司将依托其高性能 AI 芯片研发能力，为具身科技 量身定制智慧大脑芯片解决方案。该芯片集成高效神经网络处理器加速单元（NPU）与智 能 CPU（AICPU），将显著提升人形机器人的环境感知、决策制定与交互能力，满足复杂 场景下的高性能计算需求。2）精密控制领域：公司将提供高性能微控制器（MCU）与可 编程逻辑器件（FPGA），助力具身科技实现更精准、高实时的动作控制，为机器人在智 能制造、巡检、家庭服务等场景的应用提供稳定可靠的技术支撑。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

来源：新浪财经