简介：东吴证券研究所2023年7月发布的《机器人行业深度报告：人形机器人产业链纵析，寻找供应链“隐形冠军”》，面向机器人产业研究者、投资人与供应链从业者，聚焦人形机器人商业化路径与核心零部件价值分布，帮助读者厘清从整机到零部件的投资与研究线索。报告以特斯拉Tesla Bot为主线，按单台2万美元成本测算核心环节价值量：FSD系统占39%、电机19%、减速器14%、行星滚柱丝杆9%、传感器约3%，并逐一对应三花智控、鸣志电器、绿的谐波、拓普集团、奥比中光等供应商，同时给出核心标的盈利预测与估值表、产业化节奏判断与风险提示。资源包共1个PDF文件，压缩后约2.83MB，为可直接检索的券商研报原文，含图表、标的梳理表与清晰目录结构，便于按章节定位重点。目前已有159人学习下载。

1. 一台两万美元的机器人：真正的胜负手藏在成本结构里

翻完这份关于人形机器人的行业深度报告，最反直觉的一点是：它几乎不讨论算法。整篇行业研究的主线，是把一台整机拆成一张成本表——2 万美元的目标售价、61% 的外购零部件占比、39% 的自研控制系统。一台能走路、能搬运、能拧螺丝的机器人，最终能不能落地，卡住的往往不是演示视频里那几步，而是这张表上每一行的单价能不能压下来。这也解释了为什么产业链研究的价值远高于技术综述：技术决定“能不能做出来”，成本结构决定“做出来给谁用”。搞懂这张表，才能判断哪些环节是真壁垒，哪些环节只是概念上的热闹。

2. 价值量拆解：61% 外购占比为什么决定了整条产业链的形态

一台整机的成本表，本质是一份权力分配图。谁占的百分比高，谁就在议价桌上说话。这份报告给出的第一个关键结论是：控制系统占 39%，由厂商自研；其余 61% 靠外购。这不是随意划分，而是把“能力边界”直接写进了财务模型。

2.1 39 / 19 / 14 / 15 / 7 / 3 / 1 / 2：八个数字怎么凑成 100%

报告里出现过两套拆分口径，一套按“部件”拆，一套按“总成”拆。按总成口径，一台 2 万美元的整机大致是这么分的：

这张表最关键的信息不是百分比本身，而是 39% 那一栏写着“自研”。控制系统里既有算法也有芯片，算法可以迭代，芯片可以流片，唯独不适合交给外部供应商。原因是它决定了整机的动作上限和后续所有数据闭环——把它外购，等于把产品迭代的节奏交给别人。反过来，占 61% 的机械与电气件，全都是成熟工业品门类，交给在各自细分领域做了十几年的厂商，成本最低、爬坡最快。

这就是常见的实现思路：把“软件定义”的部分留在体内，把“制造工艺决定成本”的部分放出去。剩下的问题只是，61% 里哪一块最值钱。

2.2 从占比反推单价：为什么电机和减速器是两条不同的生意

占比只是结果，单件价格才是生意的真相。用整机 2 万美元、占比数据、零件数量三个已知量做一次反推，就能看出每个环节的商业特征。下面这段脚本就是把这张表“算穿”的最小模型：

# 按总成口径反推单件成本：整机 2 万美元 BOM_TOTAL = 20000.0 # 环节: (价值量占比, 数量) items = { "无框力矩电机": (0.15, 28), # 16 个旋转关节 + 12 个线性关节 "空心杯电机": (0.04, 12), # 双手各 6 个执行器 "减速器": (0.14, 16), # 12 谐波 + 4 行星，按均价粗算 "直线执行器": (0.15, 12), # 电机 + 行星滚柱丝杠 + 传感器 } for name, (ratio, qty) in items.items(): pool = BOM_TOTAL * ratio # 该环节的整机成本池 unit = pool / qty # 摊到单件的均价 print(f"{name:8s} 成本池 {pool:8.0f} 美元 数量 {qty:3d} 单件均价 {unit:7.1f} 美元")

跑出来的量级大致是：无框电机单件一百美元出头，空心杯电机单件六七十美元，减速器单件小两百美元，直线执行器单件二百五十美元上下。这几个数字放回制造业语境里，指向的是完全不同的两种生意。

无框电机和空心杯电机，单件金额不高，但用量是 28 + 12 = 40 个/台，属于“薄利多个”的走量生意，胜负手在良率和自动化产线，谁能把一致性做到万级批量不掉链子，谁就能吃下订单。减速器和丝杠则相反，单件金额大、加工工序长、设备投入重，属于“高壁垒少玩家”的生意，产能爬坡本身就是护城河。

提示：反推出来的单件价格只能用来判断量级和生意属性，不能直接当成采购价。真实报价里还叠着模具摊销、测试筛选、良率损耗和账期，通常比理论值高一截。

2.3 为什么“自研大脑、外购肢体”是理性分工，而不是能力不足

把 39% 攥在手里、61% 放出去，看起来是把大头让给了别人，实际上是把风险放在了正确的位置。

机械件的成本曲线是“学习曲线”型的——产量翻倍，单位成本按固定比例下降，路径清晰、可预测。只要订单量起来，降本是可以被规划的。而控制系统的成本曲线不服从这个规律，它更像是一次次跳跃：算力平台换一代，成本结构重写一遍；模型架构换一版，之前积累的数据资产可能要重新组织。这种不确定性放在自己手里，才好控制节奏。

更现实的一层是数据。整机厂最稀缺的不是零件，是真实场景下的失败样本——哪一步踩空了、哪一次抓取滑脱了、哪个关节在连续工作四小时后温升超标。这些数据只有整机在自己手里跑才能拿到。反过来，供应商拿到的是“某个零件的失效数据”，看不到整机行为，也就没法反过来抢整机的生意。这种分工在电动车行业已经被验证过一轮：整车厂自研电控与智驾，电池、电机、结构件交给供应链，结果是把整车的国产化率推到了九成左右，成本显著下降。人形机器人走的是同一条路，只是时间点更早，供应链还没定型。

3. 旋转执行器：无框电机加谐波减速器为什么成了刚性搭配

16 个旋转关节，撑起了整机 14% 的减速器成本和 15% 的无框电机成本，合计接近三成。这个组合不是随手选的，它是在“体积、重量、精度、背隙”四个约束同时收紧时，几乎唯一的解。

3.1 无框力矩电机：为什么要把外壳拆掉

“无框”两个字容易被误解成“简化版”。恰恰相反，它是把电机拆到只剩转子和定子两个零件，外壳、端盖、轴承、编码器全部由整机方自己设计。代价是集成难度上去了，收益是三个：体积、重量、刚性。

常规伺服电机的外壳和端盖是结构件，占了轴向长度和径向尺寸。关节里空间是按毫米算的，多出来的这几毫米，可能就意味着关节做不进小腿的截面。无框方案把定子直接压进关节壳体、转子直接套在减速器输入轴上，省掉了中间一层壳体和一层联轴器，传动链变短，扭转刚度随之上升——对走路这种高频冲击工况，刚度直接决定控制环能不能做稳。

还有一个隐性收益是散热。定子贴着金属壳体，热量直接传导出去，而关节连续工作时的温升，恰恰是限制峰值扭矩持续时间的瓶颈。这一点在纸面参数上看不出来，只有连续跑几个小时才会翻车。

看无框电机的参数，别只盯峰值扭矩，要看三个东西：连续扭矩（决定能扛多久）、扭矩常数（决定电流环增益怎么设）、以及转子惯量（决定和减速器匹配后的谐振频率）。前两个决定性能，第三个决定稳定性。

3.2 谐波减速器：柔轮的一圈弹性变形，怎么换来零背隙

谐波减速器的原理说起来简单：波发生器是个椭圆凸轮，装进柔轮内圈，把柔轮撑成椭圆，椭圆长轴两端的齿和刚轮啮合，短轴两端脱开。波发生器转一圈，柔轮上每个齿只挪动两三个齿距，于是输出轴以极大的减速比反向慢转。

真正的工程价值在于“啮合”这两个字。普通齿轮靠一两个齿接触传力，磨损之后必然出现间隙，间隙就是背隙，背隙就是机器人手臂晃动的那一点点余量。谐波传动同时啮合的齿数能到总齿数的三成左右，载荷被摊到几十个齿面上，单齿受力小、磨损慢，加上柔轮本身的弹性预紧，出厂调好之后背隙可以长期维持在很低的水平。

对旋转关节来说，背隙是致命的。人形机器人手臂在做精细操作时，末端位置的误差会被臂长放大，关节端 0.1 度的背隙，到末端可能就是几毫米的抖动。这也是为什么这个环节的供应商被反复点名——它不是“能造就行”，而是要在几万小时的疲劳寿命里保持精度不漂。

下面这段脚本是关节选型时真正会用到的计算：从负载和臂长反推关节需要的峰值扭矩，再折算到电机侧。

import math g = 9.81 # 手臂末端负载与力臂（举例值，实际按整机尺寸代入） payload = 5.0 # kg，末端负载 arm_len = 0.6 # m，肩关节到负载的等效力臂 link_mass = 3.0 # kg，小臂自身质量 link_cg = 0.3 # m，小臂质心到关节距离 ratio = 100 # 谐波减速比 eff = 0.7 # 传动效率 # 静态保持扭矩：负载 + 自重 torque_static = g * (payload * arm_len + link_mass * link_cg) # 动态峰值：按 1.5 倍加速度过载估算 torque_peak = torque_static * 1.5 motor_peak = torque_peak / (ratio * eff) # 折算到电机轴 print(f"关节静态扭矩 {torque_static:6.1f} N·m") print(f"关节峰值扭矩 {torque_peak:6.1f} N·m") print(f"电机侧峰值 {motor_peak:6.2f} N·m (减速比 {ratio}, 效率 {eff})")

参数里最容易被忽略的是效率 0.7：谐波传动的效率随减速比上升而下降，减速比越大，折算到电机侧的扭矩需求越高。选型时如果按效率 1.0 估，电机就会选小，实机一上负载就过热保护。这也是我在看这类测算时最先核对的参数。

3.3 交叉滚子轴承和双编码器：两个被低估的小件

在成本表里，轴承和编码器被归进“其他”那 2%，看起来无关紧要，但它们是关节精度的地基。

旋转关节输出端用的通常是交叉滚子轴承，滚子呈 90 度交叉排列，能同时承受径向力、轴向力和倾覆力矩。普通深沟球轴承扛不住倾覆力矩，用上去的结果就是关节在侧向负载下发生微小倾斜，编码器读出来的角度和实际末端位置对不上，控制环怎么调都不稳。交叉滚子的代价是装配要求高、价格贵，但它省掉的是整个关节的刚度冗余。

编码器则常见双编码器方案：一个装在电机轴（低速端之前），一个装在关节输出端。单个编码器只能测一端，减速器的弹性变形和背隙无法被观测；双编码器一减，就把传动链的误差变成了可测的扰动量，补偿才有可能。这套思路和工业机器人里的“负载侧反馈”是同一件事，只是人形机器人对体积和重量的要求更苛刻，编码器得做得很薄。

4. 线性执行器与灵巧手：行星滚柱丝杠和空心杯电机的技术账

躯干的 12 个线性关节吃掉 15% 的成本，双手的 12 个执行器吃掉 4% 的电机成本。这两块看起来占比不高，但它们是整机“像人”与“不像人”的分水岭。

4.1 行星滚柱丝杠：线接触为什么比点接触更抗冲击

把旋转变成直线，最常见的是滚珠丝杠：丝杠和螺母之间塞满钢珠，靠钢珠滚动传力。滚珠和滚道是点接触，接触应力高，额定动载荷有限。行星滚柱丝杠把钢珠换成带螺纹的滚柱，滚柱在螺母内做行星运动，和丝杠之间是线接触，接触面积大了几个量级。

后果直接体现在三个指标上：承载能力、抗冲击、寿命。人形机器人的腿部线性关节在落地瞬间承受的是冲击载荷，量级远高于稳态推力；点接触在这个工况下容易产生压痕，压痕一旦出现，精度就回不去了。线接触把载荷摊开，抗冲击能力显著提升，同时因为滚柱数量少、转动惯量低，能支持更高的转速，单位时间行程更大。

代价是加工。滚柱是多头螺纹，齿形、导程、同轴度都要控制在微米级，磨削工序长，设备依赖高。这也是为什么这个环节被点名的厂商大多有精密丝杠或机床的底子——它不是靠产线堆出来的，是靠工艺一点点磨出来的。

选型的核心计算是推力与导程的换算：

# 行星滚柱丝杠：推力、导程、转速三者的关系 lead = 2.0 # mm，丝杠导程（转一圈前进的距离） speed_rpm = 3000 # rpm，电机额定转速 thrust = 3000 # N，需求推力 eff = 0.85 # 丝杠效率（滚柱丝杠高于滚珠丝杠） linear_speed = lead * speed_rpm / 60 / 1000 # m/s mech_power = thrust * linear_speed # W，机械功率 motor_power = mech_power / eff # W，电机侧需求 print(f"直线速度 {linear_speed:.2f} m/s") print(f"机械功率 {mech_power:.1f} W，电机侧 {motor_power:.1f} W")

导程是个两难参数：导程大，速度上去了但推力下来；导程小，推力够但速度慢。腿部和手臂的需求完全不同，腿部要速度与行程，手臂要推力与精度，所以同一台机器上往往并存两种导程规格。看报告里“12 个线性关节”这个数，别默认它们是同一个型号。

4.2 空心杯电机：无铁芯转子解决的是惯量问题

灵巧手的执行器装在指尖后面，空间极小、行程极短，却要频繁起停。这种工况下，电机的主要矛盾不是扭矩，是转子惯量——惯量大，响应就慢，控制环带宽上不去，手指动作就显得迟钝。

空心杯电机把传统电机的铁芯去掉，用自行支撑的杯状绕组做转子。没有铁芯，就没有铁芯的涡流损耗和齿槽效应，惯量大幅下降，起动和停止几乎无延迟；同时因为绕组直接成型，槽满率高，同等体积下功率密度更高。代价是绕组成型工艺复杂，绕线设备专用，良率爬坡慢，价格比同尺寸的普通直流电机贵一个档次。

12 个执行器分摊 4% 的成本，单件六七十美元的量级，决定了它不是靠单件利润赚钱的生意，而是靠规模和一致性。这个环节的门槛不在设计，在绕线工艺和批次稳定性——能做出来和能稳定交货，中间隔着一整条产线。

4.3 灵巧手的 11 个自由度：触觉怎么进控制闭环

每只手 6 个执行器、11 个自由度，意味着执行器数量和自由度不是一一对应的，中间靠腱驱或连杆做力分配。这种欠驱动设计是刻意的：执行器越多，手越重、线束越复杂，而人手的很多动作本身就不需要每个关节独立驱动。

真正让手“能用”的是传感器。指尖的触觉和力反馈不是锦上添花，它是抓取闭环的必要条件——没有力反馈，抓鸡蛋和抓铁块用的是同一套电流指令，结果不是捏碎就是滑脱。3% 的传感器成本里，视觉、力矩、触觉都在内，占比最小但决定了整机的操作能力上限。

从控制的角度看，触觉进入闭环后，控制结构会从“位置环”变成“阻抗环”：不再是指令位置到了就停，而是保持一个接触刚度，遇到外力时主动退让。这套逻辑在装配、拧螺丝、插拔连接器这类任务里几乎是刚需，也是纯视觉方案做不好的地方。

5. 避坑与常见问题：产业链拆解里最容易算错的几笔账

这一章是我认为整份报告最该被反复读的部分——不是因为它写错了，而是因为按产业链拆成本这件事，方法上到处是坑。踩过的都知道，数字错一位，结论就反了。

5.1 成本口径：把总成和零件混在一张表里

现象：同一份材料里，一会儿说“电机占比 19%”，一会儿说“直线执行器占比 15%”，两个数字加起来超过三成，而减速器才 14%，直觉上会觉得电机是最大的环节。把两套口径的百分比直接相加，结果会超过 100%。

原因：这是两种不同的拆分维度。按部件拆，电机是独立项，丝杠是独立项；按总成拆，直线执行器是“电机 + 丝杠 + 传感器”打包在一起的一个交付单元。同一个东西在两张表里出现两次，重复计算几乎是必然的。

解决：拿到任何一份成本拆解，先确认它是“按部件”还是“按总成”。判断方法很简单——把百分比全加起来，如果超过 100%，就是口径混用；如果正好 100%，就看最小颗粒度是零件还是模块。我自己的习惯是，一律先统一到“按总成”，因为采购合同签的就是总成，部件级的价格只是内部核算。

现象：看到某环节占比 19%，就认为该环节的供应商能拿到整机 19% 的利润。

原因：价值量占比说的是“成本构成”，不是“利润分配”。一个占 19% 成本的环节，如果竞争充分、毛利率只有 15%，贡献的利润可能还不如一个占 3% 成本、毛利率 60% 的传感器环节。

解决：把“价值量 × 毛利率”作为筛选口径，而不是只看价值量。高价值量 + 低毛利，是走量生意；低价值量 + 高毛利，是壁垒生意。这两类在产业链里的投资逻辑完全不同，混着看就会得出“越大的环节越值得投”的错误结论。

5.2 技术路线：三个容易被想当然的假设

现象：认为既然都是伺服电机，工业上成熟的伺服型号直接换上去就行，不必专门开发无框电机。

原因：忽略了轴向尺寸和刚度的约束。带壳体的伺服电机装不进关节截面，中间加的联轴器又会引入柔性环节，把控制环的相位裕度吃掉。实机表现是低速爬行、高速啸叫，参数怎么调都不干净。

解决：关节电机要从“扭矩密度 + 轴向长度 + 扭转刚度”三个约束同时选，而不是从功率选。选型时优先看连续扭矩和转子惯量，再看峰值；峰值只是短时能力，连续扭矩才决定能工作多久。

现象：把空心杯电机当成“小一号的普通电机”，按尺寸类比价格和性能。

原因：无铁芯转子的工艺路径完全不同，绕线、成型、动平衡都是专用设备，成本和交期不服从普通电机的规模曲线。按普通电机的价格去估灵巧手 BOM，会低估一大截。

解决：单独询价，单独评估产能。这类零件的瓶颈在设备台数和良率，不在设计图纸。

现象：线性关节默认用滚珠丝杠，认为精度够、货期短。

原因：滚珠丝杠是点接触，抗冲击能力弱。腿部关节在落地冲击下的峰值载荷远超稳态推力，滚道一旦压出凹坑，精度不可逆地下降。这个问题在实验室的稳态测试里完全暴露不出来，只有真机跑久了才显现。

解决：按工况分流。承受冲击的下肢用行星滚柱丝杠，行程长、载荷平稳的部位可以考虑滚珠丝杠或梯形丝杠降本。不要一刀切，也不要为了“高端”全上滚柱——成本会失控。

6. 从渗透率假设到万亿市场：如何验证一份产业链测算的可信边界

所有“万亿市场”的结论，都可以用一步反推来验伪：把总规模除以总销量，得到隐含单机价格（ASP），再和 2 万美元的平价目标对比。如果隐含价格和目标价差得远，说明测算里藏着一层没写出来的降本假设。

把报告的三阶段数据摆在一起算一遍，结论就清楚了：

第一阶段的隐含单价约 19.5 万元，折合 2.7 万美元左右，和“2 万美元平价目标”基本吻合，说明短期测算是内洽的。但中长期的隐含单价掉到了 5.8 万到 6.4 万元，相当于 0.8 到 0.9 万美元——比 2 万美元的目标价又低了六成。这不是错误，市场扩张本来就要靠降价，但它是一个必须被显式承认的假设：如果整机价格长期停在 2 万美元下不来，中长期的规模要按比例打折，而不是沿用原数。反过来，如果降本超预期，规模会被低估。这个隐含 ASP 就是测算的“黑匣子”，打开它，才知道结论对哪个变量最敏感。

同样值得核的是渗透率的分母。短期用“工厂人数 × 5%”、中期用“制造业 + 服务业从业人数 × 5% 到 8%”、长期用“家庭户数 × 15% 到 35%”，三套分母的口径完全不同：一个是岗位数，一个是行业人数，一个是户数。岗位数可以一人多岗，户数可以一户多台，直接乘渗透率得到的“销量”，严格说是“潜在替代单元数”，不是真实出货量。把它当销量用，规模会被系统性高估。我在做类似测算时，习惯给渗透率配一个“替换周期”参数——机器人不是一次性铺满，是按折旧年限逐年替换，把周期加进去，曲线会平缓得多，也更接近产业真实节奏。

还有一层是价值量的传导。61% 的外购占比，是按整机 2 万美元算出来的绝对值；整机降价之后，零部件成本池是被同步压缩的，而不是固定不变。用阶段三的规模去乘 14% 的减速器占比，隐含的是“减速器单价不降”，这显然不成立。更合理的做法是先假设零部件的年降幅（行业惯例每年 3% 到 8%），再算规模，得到的是一个比“占比×规模”低不少的数值。

这套校验方法不复杂，但要每次都走一遍。有一次我拿着某个环节的占比直接乘总规模，得出了一个很漂亮的数字，直接写进了材料，后来才发现那个占比是按整机 2 万美元口径算的，而对应的市场规模已经隐含了大幅降本——分子是高价期的，分母是低价期的，两边根本不在同一个坐标系里。返工的代价远大于当初多算这五分钟。从那以后，我每次看到“占比 × 市场规模”这种乘法，都强制先反推一遍隐含单机价格，把分子分母拉到同一口径再动笔。希望这套笨办法，能帮你在读这类深度报告时少走一段弯路。

本文还有配套的精品资源，点击获取