简介：东吴证券这份机器人行业深度报告聚焦人形机器人产业链，面向产业研究、投资分析与供应链梳理场景，围绕特斯拉Bot商业化路径、核心零部件价值量拆解及国产供应链机会展开，帮助读者快速建立从“大脑”FSD系统到电机、减速器、丝杆、传感器的产业链框架。资源包仅含1个PDF文件，压缩包约2.83MB，便于在电脑与移动端查阅和检索。报告按产业趋势、产业链纵析、具身智能传感器、投资建议与风险提示组织，给出核心零部件价值量占比、代表厂商及重点标的，并提示商业化不及预期、贸易摩擦、零部件降价等风险。已有158人学习，适合关注机器人赛道的研究者、投资人与供应链从业者作为案头参考资料。

1. 一份产业链拆解报告，把人形机器人的“2万美元”拆到了螺丝级别

2023年7月，某券商研究所发布了一份机器人行业深度报告，主线很直接：人形机器人要商业化，先得把单台成本压到2万美元；而要压到2万美元，就绕不开本土硬件供应链。报告把整机成本按价值量拆成八块，自研的控制系统占39%，其余61%全部外购，再逐项落到电机、减速器、丝杠、传感器这些具体品类上，试图在一条尚在成型的人形机器人产业链里找出那些不做整机、只做关键件的“隐形冠军”。

这份材料值得看的地方不在“万亿市场”四个字，而在于它给出了一张可核对的采购清单。过去两年，关于具身智能的讨论大多停在“大模型加机器人”的叙事层，很少有人把一台机器的物料成本拆到关节、丝杠、传感器这一级。对做零部件的、做投资的、做整机集成的人来说，“钱付给谁”这个问题比“市场有多大”更能指导动作。

2. 成本结构：一台2万美元的机器，钱到底花在哪几个口袋

2.1 39%的“大脑”被自研锁死，剩下61%才是供应链的战场

报告把整机成本切成两部分：控制系统自研，占39%；其余外购，占61%。这套控制系统由高阶辅助驾驶系统与一颗自研超算芯片组成，芯片单颗算力标称362TFLOPs，配套的超算方案在同等成本下性能提升约4倍、同等能耗下提升约1.3倍、占用空间降低约5倍。报告的逻辑是，这套东西本质上是把车载的感知、决策、控制栈迁移过来，改一改输入接口，让它能吃视觉、听觉、触觉几类数据。

这个判断对产业链的含义是分层的。第一层，最贵的一块蛋糕不会外流，任何做算法、做域控、做芯片的厂商都别指望从这里切份额。第二层，正因为“大脑”被锁死，剩下的61%才必须极致降本，否则2万美元的目标价根本兜不住。第三层，39%这个数字本身是个锚——它告诉供应商，自己做的零件在整机价值量里能排到什么位置，值不值得为它扩产线。

从行业角度看，这种“核心自研、外围外购”的分工并不新鲜，消费电子和新能源汽车都走过同一条路。真正值得注意的是自研比例定在39%这个量级上：太低，整机厂没有差异化；太高，供应链没有动力配合降本。39%是一个留了余地的数字。

2.2 电机19%、减速器14%、丝杠9%：三个数字背后的物理约束

外购部分里，排在最前面的是电机，占19%。这个19%还要再拆：大关节用28个无框电机，占15%；手指用12个空心杯电机，占4%。无框电机之所以贵，是因为它取消了外壳和轴承，直接把转子定子嵌进关节结构里，对磁路设计、绕组工艺、散热的要求都更高；空心杯电机贵在无齿槽转矩和响应速度，手指要做微小动作，靠的就是这点特性。

减速器占14%，对应16个旋转关节，其中12个谐波减速器、4个行星减速器。谐波负责精度和体积，行星负责扭矩和抗冲击，两者搭配是当下最现实的工程折中。这里有一处极易混淆的地方：报告在正文里提到行星滚柱丝杠占9%，对应12个线性关节；但在成本拆分表里，线性执行器总成占的是15%。两个数字不矛盾——15%是“电机加丝杠加传感器”的总成价值，9%只算丝杠这一件。

提示：读这类拆解表时，先确认口径是“零件”还是“总成”，否则很容易把9%和15%当成两次重复计算。

把这三档排在一起看，会得到一个很朴素的结论：人形机器人的成本大头不在“智能”，而在“运动”。电机、减速器、丝杠三项加起来38%，已经和控制系统持平。这也解释了为什么这一轮产业热度里，最先有订单动静的往往是做减速器和丝杠的企业，而不是做算法的。

2.3 从单机成本到万亿规模：三阶段渗透率是怎么推出来的

报告的市场测算是分三段做的。短期看工厂，按单座超级工厂6.3万人、5%渗透率估算，再加上超高净值人群的尝鲜需求，整机市场规模约95亿元。中期看制造业和服务业，按不同区域分组的从业人数乘以5%到8%的渗透率，规模跳到约7.6万亿元。长期看家庭，按一人户35%、多人户15%的渗透率，规模约7.6万亿元，与中期累加后约15万亿元。

这套算法的骨架是“可渗透基数乘以渗透率乘以单价”，本身没有错，错的是很多人只记住了最后的15万亿，忘了中间那两步。单机2万美元是目标价，不是当前价；5%到35%的渗透率是十年后的稳态假设，不是明年的订单；工厂6.3万人是单座工厂口径，不是全球制造业人数。

表格里最该被盯住的不是规模，而是时间跨度。阶段一到阶段二之间，规模从95亿跳到7.6万亿，跳了三个数量级，而时间只隔了四年。任何一个做过产能规划的人看到这个斜率，第一反应都应该是“中间那四年发生了什么”。报告给出的答案是“应用效果得到验证、大众接受度提高”，这是一个定性判断，不是可验证的量化路径。

3. 产业链地图：所谓“隐形冠军”到底藏在哪几层

3.1 三条执行器路线，决定了三类供应商的生死

报告把硬件拆成三条路线：旋转执行器、线性执行器、灵巧手。旋转关节走“电机加谐波减速器加力矩传感器加位置传感器加交叉滚子轴承”的方案；线性关节走“电机加滚珠或行星滚柱丝杠加力矩传感器加位置传感器”的方案；灵巧手走“空心杯电机加齿轮箱”的方案，每只手6个执行器、11个自由度，能提起约10公斤重物。

三条路线对应三种完全不同的能力。做谐波减速器的，拼的是齿形设计、材料热处理和批量一致性，这类企业过去在工业机器人领域已经被磨过一轮，工艺底子相对厚。做行星滚柱丝杠的，拼的是磨削精度和寿命，国内真正能量产的产线不多，这是最容易翻车的一环——丝杠的导程误差和表面粗糙度直接决定关节的定位精度和噪声。做空心杯电机的，拼的是绕线工艺和微型化，手指空间就那么大，功率密度上不去，灵巧手就是摆设。

从行业角度看，这三条路线的成熟度并不齐平。谐波减速器国产化走了十几年，已经有过价格战；丝杠和空心杯电机还在爬坡期，样品和量产之间隔着一条良率鸿沟。同一份报告把它们并列，容易让人误以为三者的产业化进度差不多，实际上差得远。

3.2 国产化的参照系：从整车本地化采购率推演到机器人

报告用了一个类比：某海外厂商在某生产基地的零部件本地化采购率曾接近90%，显著拉低了整车成本、抬高了毛利率，人形机器人大概率会复制这条路径。这个类比有其合理性——同一家厂商、同一套供应链管理方法、同样面对2万美元的成本硬约束。

但类比有两个断点。第一个断点是规模。整车年产几十万辆，供应商愿意为它开模、建线、摊薄研发；人形机器人阶段一的测算量只有几千台，这个量级下没有供应商会为单一客户做重资产投入，除非客户愿意付溢价或者承诺长期订单。第二个断点是标准。汽车零部件有成熟的接口标准、认证体系和测试规范，机器人关节的接口、通信协议、寿命测试方法目前各家各说各话，供应商做完一家客户的定制件，很难直接复用到另一家。

所以“本地化采购率90%”这个参照系，正确的用法是看方向而不是看数字。方向是明确的：整机厂一定会把降本压力向上游传导；数字是不可直接套用的：机器人供应链的集中度会比汽车更高，能进一两家头部客户名单的供应商，才有资格谈份额。

3.3 传感器只占3%，却可能是最难标准化的一环

传感器在成本拆分里只占3%，视觉传感和力传感合在一起。这个比例低到容易被忽略，但从技术难度和产业格局看，它恰恰是最不确定的一块。

视觉相对好办。机器视觉在工业检测、自动驾驶上已经跑了多年，模组、算法、标定流程都有现成方案，迁移到人形机器人主要是接口适配和功耗优化的问题。力传感不一样。力矩传感器要装在关节里，跟着电机一起转，既要薄、又要抗过载、还要抗温漂；指尖的触觉传感器要在几平方厘米的面积上布阵列，还要解决柔性基材与信号引出之间的工艺矛盾。这类器件目前没有统一的性能评价标准，客户验收靠的是整机测试结果，而不是器件规格书。

提示：价值量占比低不等于技术门槛低，也不等于竞争格局好。占比3%的环节，往往是最多玩家在挤、最后只剩两三家能活下来的地方。

从以往规律看，传感器这类“占比小、影响大”的环节，最终会走向两条路：要么被整机厂或总成商垂直整合进去，变成执行器的一部分；要么出现一家把成本打到极低、把一致性做到极稳的独立供应商。现在判断谁会走通哪条路，为时尚早。

4. 四个容易读反的地方：这份报告的边界在哪

4.1 误读一：把万亿市场当成需求预测

误判点很常见——看到15万亿，直接换算成“年销几百万台”，然后倒推哪家供应商能拿多少份额。

为什么这个推法不成立：报告的测算是“稳态渗透率乘基数乘单价”，本质是空间测算，不是时间序列预测。它回答的是“如果渗透率达到某个水平，市场有多大”，而不是“哪一年会卖多少台”。两者之间隔着产能、良率、渠道、售后、法规这一长串变量。

怎么看：把15万亿当成一个上限锚，用它来判断“这个赛道值不值得长期投入”，而不是用它来算明年的营收。做预算时用的是阶段一的95亿，做战略时看的是阶段二，阶段三留给五年后的自己再评估。

4.2 误读二：把价值量占比当成利润占比

误判点是看到减速器占14%、电机占19%，就认为做电机的比做减速器的更赚钱。

为什么不对：价值量占比说的是“这块东西占整机成本多少”，和“这块东西的毛利率多少”是两件事。电机是标准化程度相对高的品类，玩家多、替代性强，价格年降压力大；减速器尤其是谐波，齿形设计和材料工艺的壁垒更高，议价能力更强。同样占14%的份额，落在不同环节，净利润可能差一倍。

怎么看：看一个环节，先看它的进入壁垒，再看它在整机成本里的位置。壁垒高、占比中等，往往比壁垒低、占比高更舒服。报告给出的“高弹性加高壁垒”这个筛选条件，重点其实在后半句。

4.3 误读三：把“自研39%”理解成外购部分门槛低

误判点是觉得既然最难的“大脑”人家自己做了，剩下的零件应该都是标准化件，谁都能供。

为什么不对：恰恰相反。整机厂把39%攥在手里，意味着它对剩下61%的成本、重量、体积、可靠性有极强的控制欲。一个关节要在有限空间里同时塞进电机、减速器、编码器、力矩传感器，还要控制发热和噪声，这对供应商的联合设计能力要求极高。这不是“照图加工”，而是“共同开发”。

怎么看：能不能进供应链，关键不在于能不能做出样品，而在于能不能在客户定义的尺寸和成本框里做出样品，并且保证批量一致性。前者是能力问题，后者是体系问题。

4.4 误读四：把2年回本当成商业化的充分条件

误判点是报告里那张回本周期表——单台14万元人民币左右、对照制造业年均工资7万元，两年左右回本，看起来经济性已经成立。

为什么这个推法太乐观：回本测算的前提是“1比1替代人工”，即一台机器能干一个人的活、干满同样的工时、不出故障、不需要维护。现实中，早期人形机器人的节拍、稳定性、维护成本都达不到这个前提。工厂买设备算的是全生命周期成本，不是采购价除以工资。

怎么看：回本周期是一个方向性指标，说明“经济性拐点在逼近”，不是“明年就会大规模铺开”。真正决定铺开速度的是可靠性曲线，而可靠性只能靠现场跑出来，跑不出数据就只能小批量试。

5. 测算的敏感性与时间表：哪些结论经得起推敲

5.1 渗透率动一个点，市场规模差多少

报告的结论对渗透率假设极其敏感，这一点用几行代码就能看清楚。

# 单机成本与渗透率敏感性粗算 # 假设单机售价 2 万美元，按 7.0 汇率折算约 14 万元人民币 unit_price_cny = 140000 # 三类场景的可渗透基数，单位：万（人 / 户） base_factory = 6.3 # 单座工厂人数 base_industry_service = 5500 # 制造业加服务业从业人数，量级示意 base_household = 12000 # 家庭户数，量级示意 def market_size(base_wan, penetration, unit_price=unit_price_cny): """base_wan 单位万人/万户，penetration 为小数，返回亿元""" units = base_wan * 10000 * penetration # 换算成台数 return units * unit_price / 1e8 # 元换算成亿元 # 扫描不同渗透率下的规模，观察斜率 for p in (0.03, 0.05, 0.08, 0.15, 0.35): factory = market_size(base_factory, p) industry = market_size(base_industry_service, p) house = market_size(base_household, p) print(f"渗透率 {p:>4.0%} | 工厂 {factory:>8.1f} 亿 | 制造业服务业 {industry:>9.1f} 亿 | 家庭 {house:>9.1f} 亿")

这段代码的作用不是复现报告数字，而是把“渗透率”这个假设单独拎出来看它的杠杆效应。参数只有三个：单机价格、可渗透基数、渗透率。改动单机价格，规模线性变化；改动渗透率，规模同样线性变化；但基数从6.3万换到5500万，规模直接跳三个数量级。也就是说，报告结论的不确定性主要来自基数口径的选择，其次才是渗透率。

实际使用时，把base_industry_service换成你认可的从业人数口径，把unit_price_cny换成你判断的三年后成本，跑一遍就能得到自己的版本。这一步很多人跳过，直接引用结论，结果报告里的15万亿和自己算出来的数字对不上，还以为是报告写错了。

5.2 2024—2035的三段划分，哪一段最不确定

三段里，阶段一的可信度最高。工厂场景封闭、任务重复、对成本敏感但对价格容忍度也高，几千台的量级在工程上是可以交付的。哪怕进度慢一点，方向不太会错。

阶段二的不确定性最大。它要求人形机器人从“能干一种活”变成“能干多种活”，从“一家工厂验证过”变成“多行业复制”。这中间跨的是泛化能力这道坎，而泛化能力的进展速度，目前没人能给出靠谱的时间表。报告把阶段二放在2026到2030年，四年完成从验证到普及，节奏偏乐观。

阶段三的不确定性来自另一头：它不是技术问题，是社会接受度和安全责任问题。一个能在家庭里自由移动、有十几公斤举升能力的机器，撞到人怎么办、误操作怎么办、数据怎么处理，这些问题的答案不在工程手册里。技术到了，配套没到，渗透率一样起不来。

5.3 风险提示里没写透的两件事

报告列了三条风险：商业化不及预期、贸易摩擦、零部件大幅降价导致盈利能力下降。前两条是常规表述，第三条其实藏着最关键的产业逻辑。

零部件大幅降价，对整机厂是好事，对供应商是灾难。人形机器人的量还没起来，价格战可能先起来——因为所有做减速器、做电机的厂商都盯着同一个客户，都愿意用低价换定点资格。一旦某家供应商用亏损价拿到份额，整个品类的价格锚就被打下去了，后来者再想靠技术溢价就难了。

另一件没写透的事是产能节奏。这些零部件厂商现有的产线大多是为工业机器人或汽车配套的，切换到人形机器人需要改工装、调参数、重新做验证。扩产周期通常要一到两年，而整机厂的量产计划可能只给半年。这个时间差，是未来两三年最容易出问题的地方。

6. 接下来盯什么：三个能提前验证的观察指标

比起争论15万亿靠不靠谱，更实用的做法是找几个能提前给出信号的观察点。我自己看这类赛道时，习惯盯三个。

第一个是执行器总成商的送样与定点节奏。样品送出去不算数，定点才算数。定点意味着客户认可了设计、价格和产能规划，是产业链真正启动的标志。如果一年内看不到明确的定点消息，说明整机厂还在自己改方案，供应链还没定型。

第二个是谐波减速器和丝杠的年降幅度。这两个品类的价格曲线，最能反映供需关系。年降5%以内，说明格局稳定、供应商有议价权；年降15%以上，说明玩家在抢份额、利润要被吃掉。看财报里的单价和毛利率变化，比看任何预测都准。

第三个是灵巧手在自由度和成本之间的取舍。11个自由度、6个执行器是当下的方案，但如果为了降本砍到8个自由度、4个执行器，说明整机厂判断“手”的精度不是当前瓶颈，那么空心杯电机和微型齿轮箱的用量预期就要往下调。这个信号会先出现在样机拆解和专利公开里，比财报早半年。

注意：这三个指标都是“证伪型”的——看不到就该降低预期，而不是看到就加码。产业链早期的信息噪声很大，能用来排除的指标比能用来确认的指标更有价值。

早些年我看这类深度报告，习惯直接从第一页翻到投资建议，把中间的测算过程跳过去。后来踩过一次坑：一份报告里同一个成本项在正文和表格里用了两种口径，我按正文的数去推，结论差了将近一倍，回头才发现表格用的是总成口径。从那以后我每次读这类测算，都强制先把假设单独抄一遍、把口径对齐，再去看结论。这一步花不了十分钟，但能省掉很多返工的功夫。

这份机器人行业深度报告的价值，也在于它把假设和口径都摊开写了，读者可以自己动手改参数、重算一遍。如果你正在做零部件选型、供应链梳理或者赛道研究，把它当成一张可以修改的底表，比当成一份结论来读更有用。希望帮到你。

本文还有配套的精品资源，点击获取