大摩机器人专题报告解读： “谁会率先付费雇佣机器人 ”？

1. 从技术验证到商业化落地的核心经济学指标

全球人形机器人产业正经历一场根本性的范式转移。在过去相当长的一段时间内，产业与资本市场的争论核心集中于“技术验证与供给侧”——即评估哪家企业能够成功制造出双足运动的机器人硬件，以及谁将提供最强大的算法大脑。然而，随着头部企业产品陆续进入工厂真实作业环境与公共服务试点，行业考核标准已发生剧烈嬗变：评估焦点已从“能否制造出机器人 ”全面转向“谁将雇佣机器人 ”。

在这一新的范式下，评估核心经济学指标（Economic Metrics）成为机构投资者进行战略决策的首要考量。实体经济客户对于机器人雇佣的评估极度理性且严苛。机器人若要成功争夺自动化资本开支（CapEx）并进入实际生产班次，必须在特定工位上证明其产出效率与可靠性。因此，成功率（Success Rate）、循环时间（CycleTime）、干预频率（Intervention Rate）以及最终实现的实际有效工作时长（Productive Operating Hours），构成了量化具身智能商业化投资回报率（ROI）的关键锚点。

1.1 商业化履约指标拆解：成功率、循环时间与干预频率

决定人形机器人能否真正替代人工并进入工业班次的核心，在于其在特定任务中的履约确定性与经济可行性。

·特定工位的闭环迭代（Training Loop）：小米（ 1810-HK ）在其北京电动汽车（EV）工厂的自攻螺母工位上展⽰了特定场景数据闭环的巨大价值。在部署的约4个月时间里，CyberOne通过在单一工位上的持续数据积累与模型训练，将任务执行成功率从初始的约90%显著提升至98% ，并稳定运行于生产线所要求的76秒循环时间（Cycle Time）之内。这表明，在结构化或半结构化的工业场景中，通过特定工位的数据闭环，机器人能够迅速达到工业级可靠性门槛。

·泛化能力（Generalization）与未见场景挑战：与之相对，Figure基于Helix 2.5大模型在未见家庭场景中的测试，展⽰了泛化能力对降低干预频率的决定性作用。Figure在30个从未收集过数据、未进行微调的旧金山湾区家庭中，对玩具整理、毛巾折叠和铺床等任务进行了420次全任务评估，最终取得237次成功，全任务成功率为56%（相比从零训练策略的9%提升显著）。虽然56%的泛化成功率证明了预训练模型在跨环境适应上的巨大进步，但距离商业化无干预运行仍有差距。

·有效工作时长的经济学意义：经济可行性首先取决于成功率和循环时间，其次取决于机器人需要人工干预的频次。人工干预频率直接决定了机器人的实际有效工作时长（Productive Operating Hours）。如果干预频率过高，节省的人工成本将被现场维护与干预成本彻底抵消。因此，在特定场景中建立快速迭代的数据闭环，以降低干预率并提高有效工作时长，是当前企业获取第一批商业订单的关键途径。

1.2 早期采纳者画像与自动化资本开支（CapEx）锚点

人形机器人的首批“雇主” 呈现出高度一致的画像：拥有庞大的实体资产占地、大量重复性或高危险性工位、既有的自动化资本开支预算，并且具备足够的战略耐心来承受技术演进过程中的学习曲线。车企与高精制造巨头正在成为这一技术最主要的资本锚点。

·宝马（BMW）：在德国莱比锡工厂（Plant Leipzig）展开了欧洲首个网络内人形机器人生产试点，部署Hexagon（ HEXA .B-SE ）的AEON机器人（高1.65米、重60公斤、轮式结构、续航约3小时），应用于高压电池组装与零部件生产。同时，宝马继续在美国斯帕坦堡工厂测试Figure机器人。宝马在统一制造网络中引入双供应商对比，旨在评估不同硬件形态在实际生产中的履约效率。

·现代汽车（Hyundai, 005380-KR ）与波士顿动力（Boston Dynamics）：在佐治亚州现代汽车集团Meta Plant应用中心（RMAC）扩大Atlas机器人的训练，重点聚焦零部件排序与物流准备，并规划后续拓展至汽车总装工位。现代汽车提出在集团内部（包括现代与起亚工厂）部署约 25,000台 Atlas 机器人的长期规划，并计划自2028年起建立每年最高 30,000台的美国本土产能。波士顿动力以四足机器人Spot（已实现 2年以内的投资回收期 Payback Period）作为商业化模板。从单位小时劳动力替代成本（Labor Replacement Parity）视角来看，当四足及双足机器人通过高可靠性将日均有效作业时间拉长，其小时综合折旧与维护成本将降至传统人工工时成本的1/3以下，极大地压缩了CapEx回收周期。

·丰田汽车（Toyota, 7203-JP ）：向投资者提出了极其庞大的自动化预算锚点。丰田评估其整个生产网络（包括自身工厂、集团子公司及一级供应商）的自动化升级改造，自2028年起每年需投入约 1万亿日元（约64亿美元）的自动化资本开支，总体机器人需求空间高达 400,000台（包含传统工业机器人、自动化物流系统及人机协作设备）。这为具身智能机器人切入车企自动化预算提供了明确的市场规模上限参考。

·特斯拉（Tesla, TSLA-US ）：弗里蒙特（Fremont）工厂的Optimus产线正在加速产能爬坡，产量已从2026年第二季度的每周数十台提升至8月份的每周数百台，管理层目标在年内突破 1,000台/周。目前绝大多数Optimus留在特斯拉内部工厂进行测试、训练与数据收集。虽然灵巧手装配（包含100多个内部组件，高度依赖手工组装）与供应链成熟度仍是产能瓶颈，但该产线已成为极其高效的内部数据生成引擎。

· 敏捷机器人（Agility Robotics / Digit 5）：推出了专门针对共享工作空间设计的Digit 5机器人。 Digit 5拥有7.2英尺的触及范围、90分钟续航及9分钟快速充电能力，支持每日超过 20小时的有效作业时间。根据Agility提交的S-4文件披露，公司正通过提升日均运行小时数来拉动收入可见性（Revenue Visibility），同时向市场展⽰其订单簿（Order Book）履约进度、现金消耗率（Cash Burn）与营业亏损（Operating Loss）收窄轨迹。每天超20小时的连续作业能力使其直接跨过劳动成本对等门槛（$/hour vs. 人工成本），将投资回收期大幅缩短。

实体经济对产出效率、成功率及投资回收期的严格要求，正倒逼技术路线快速迭代，并直接重塑一级市场的资金流向与企业估值逻辑。

2. 全球一级市场融资动态与重大并购重组评估

在全球宏观资本环境趋于审慎的背景下，风险投资（VC）正在加速向实体AI（Physical AI）与具身智能赛道头部企业集中。一级市场资本的筹集效率与重组并购（M&A）方向，清晰地揭⽰了技术路线从“纯软算法” 向 “软硬一体及算力底座”演进的趋势。

2.1 全球与中国一级市场风投（VC）趋势与融资规模对比

全球人形机器人领域的风险投资在2026年迎来了爆发式增长。数据显示，资金正以前所未有的密度注入该领域，推动行业加速跨越商业化临界点。

趋势解读与中国市场交易密度分析： 2026年截至10月初，全球风投融资额达到94亿美元（PitchBook统计数据），较2025年全年的49亿美元实现翻倍以上增长。这一暴涨背后的核心驱动力在于：资本市场不再将人形机器人视为单一的硬件机械设备，而是将其视为实体AI（Physical AI）的最优载体。

在中国一级市场，融资交易笔数呈现出极高的月度活跃度与集中度。以2026年为例，单月融资交易笔数持续处于高位（如8月达61笔，9月达51笔，7月达46笔），显著高于2024-2025年同期水平。资金分配呈现出明确的分层偏好：超过60%的早期资金向“算力芯片、视觉感知与传感器、执行器丝杠”等核心零部件（Body）与 “具身智能大模型/大脑（Brain）”集中，而纯组件组装类的整机厂商融资难度显著增加。

2.2 核心算力层与空间智能（Spatial Intelligence）的大额交易深度剖析

一级市场的大额交易与并购重组表明，半导体巨头与算力厂商正在向上游模型层和具身平台延伸，以锁定未来实体AI的算力需求底座。

案例分析一：AMD ( AMD-US ) 以 82 亿美元收购 World Labs

· 交易架构：AMD宣布达成最终协议，以约 82 亿美元全股票交易收购由李飞飞（Fei-Fei Li）创立的空间智能实验室 World Labs ，预计于2026年底前完成交割。李飞飞将加入AMD担任高级副总裁兼首席科学家。

· 核心技术壁垒：World Labs 专注于开发空间智能大模型，能够从文本、图像和视频输入中生成、重建和模拟互动式 3D 物理环境，并提供用于机器人学习与仿真的核心技术。

· 战略与生态影响：芯片巨头直接并购顶尖空间智能实验室，表明硬件厂商正大幅向上游模型研究延伸。AMD 旨在通过理解推理、机器人控制与物理仿真模型的演进路径，提前定制硬件、软件与系统架构，从而在实体AI算力市场建立与英伟达(NVDA-US)抗衡的生态壁垒。

案例分析二： D-Robotics（地平线/地瓜机器人）完成 4 亿美元 C 轮融资

· 交易架构：具身智能与自动驾驶计算平台提供商 D-Robotics 完成 4 亿美元 C 轮融资，用于扩大其机器人计算与软件平台的研发。

· 核心技术与渗透率： D-Robotics 宣布其 Sunrise（旭日）系列芯片累计出货量已突破 800 万片（涵盖边缘AI与机器人领域）。其专门面向具身智能的 S600 处理器及配套一体化软件平台，已被优必选（UBTECH）、傅利叶（Fourier）、Booster Robotics 等超过 20 家具身智能客戶采纳，多个合作项目已进入量产阶段。

· 战略与生态影响： D-Robotics 的成功融资与芯片渗透率验证了“算力底座先于整机盈利” 的商业逻辑。作为连接底层算法与上游执行器的核心中枢，计算平台厂商跨越了单一整机厂商的竞争风险，具备极高的生态粘性与跨行业复用价值。

一级市场的资金沉淀与巨头并购挤干了纯概念炒作的泡沫，而二级市场的估值体系则对已上市企业的财务表现与商业化履约给出了更为严苛的定价标准。

3. 二级市场表现与“人形百强指数”（Humanoid 100）表现拆解

为了精准跟踪全球资本市场在具身智能产业链的风险敞口与回报收益，摩根士丹利构建了“人形百强指数”（Humanoid 100 Index）。该指数涵盖全球公开上市的芯片、软件、工业零部件及整机集成企业。对指数回报率的分层拆解，揭⽰了二级市场对不同技术环节极具远见的价值重估。

3.1 人形百强指数基准表现与大盘超额收益分析

自2025年2月6日指数设立以来（截至2026年10月5日收盘），等权重人形百强指数表现出了强劲的超额收益能力，但区域分化特征极其鲜明。

3.2 产业链三大层级（Brain vs. Body vs. Integrators）回报分化与估值逻辑

将人形百强指数按照产业链分工拆分为“大脑（Brain）”、“身体零部件（Body）”与 “整机集成商（Integrators）” 三大板块后，二级市场的风险偏好呈现出极端的结构性分化。

3.3 领跑个股与落后个股归因分析及典型公司（Unitree） DCF估值解构

领跑与落后个股归因：

·领跑标的：回报率最高的企业高度集中于大脑算力与高端制造底座，如英特尔（INTC-US , +516%）、三星电子（005930-KR , +411%）、泰瑞达（ TER-US ,+294%）、工业富联（ 601138-CN , +184%）、LG电子（ 066570-KR , +168%）、Flex （ FLEX-US , +164%）、意法半导体（ STM-US , +152%）及安费诺（ APH-US ,+148%）。驱动因素在于其强大的通用算力垄断地位、测试装备壁垒或大规模电子制造代工能力。

·落后标的：表现最差的个股集中于竞争过热的视觉传感器及未实现盈利的整机/零部件厂商，如速腾聚创（ 2498-HK , _57%）、Roblox（ RBLX-US , _56%）、Mobileye （ MBLY-US , _55%）、达索系统（ DSY-FR , _49%）、小鹏汽车（ XPEV-US , _46%）、1810-HK , _40%）、拓普集团（ 601689-CN , _38%）、兆威机电（ 003021- CN , _37%）及鸣志电器（ 603728-CN , _32%）。归因在于估值过早透支、激光雷达等传感器ASP下行及整机商业化进度慢于市场预期。

典型公司 DCF 估值解构：宇树科技（Unitree / Yushu Technology）：作为中国人形机器人首家公开上市的标杆企业，宇树科技（Yushu Technology）的公开定价为整个具身智能板块提供了首个锚点。摩根士丹利覆盖团队给予其“平配”（Equal-weight）评级，目标价 500 元人民币。

· DCF模型架构与乘数推演：基于 10年自由现金流折现（DCF）模型，目标价500元人民币隐喻着 2027预估市售率（2027E P/S）高达 42 倍。

·多空博弈与DCF模型平衡机制：

·多头逻辑（TAM爆发）：模型给予了高估值乘数，以反映其硬件运动控制壁垒、低成本制造优势（如推出1.6万美元起售的人形机器人）、工程迭代速度以及严苛的成本控制纪律。

·数学平衡与下行压力： DCF模型在数学层面必须精准平衡长期TAM爆发假设与两大财务阻力：一是行业剧烈竞争导致的混合平均售价（Blended ASP）加速侵蚀；二是企业为保持技术梯队、建立自研具身智能大模型（Proprietary Intelligence）而必须承担的高额研发开支（R&D BurnRate）。在终值折现（Terminal Value Discounting）中，若ASP下滑速度超出预期，将直接对毛利率和自由现金流产生剧烈挤压。

二级市场对估值与毛利率的重新定价，正在倒逼企业借助国家级产业政策与政府试点场景来加速商业化变现与数据积累。

4. 产业政策、地缘政治与竞争格局

人形机器人已超越单纯的商业行为，跃升为主要工业大国在“ 实体AI”与 “新型工业化”领域的国家战略竞争高地。政策红利带来的场景开放与地缘政治带来的技术封锁，共同塑造着全球产业链的重塑过程。

4.1 各国国家级政策战略与量化指标对比

全球主要政府正从“供给端资金补贴”与 “ 需求端场景开放”双向施力，试图抢先构建实体AI的数据闭环。

中国地方政府量化目标补强：

· 浙江省（2024-2027行动计划）：目标年产人形机器人 2万台，核心产业规模达200亿元，相关产业规模达500亿元。

· 深圳市（2025-2027行动方案）：培育10家以上百亿级企业、20家以上十亿级企业；实现 50个以上百万元级应用部署，关联产业规模超1000亿元。

· 上海市：产业规模达500亿元；给予模型研发 30%补贴、应用项目 20%补贴、

生态项目 50%补贴。

· 北京经开区：形成 1万台规模批量生产能力，构建千万级真实实体数据集。

· 杭州市：整机企业产值超200亿元，产业链总产值超500亿元。

4.2 地缘政治阻隔与数据安全壁垒

随着人形机器人搭载高密度光学摄像头、激光雷达（LiDAR）及力矩传感器，其对物理环境的深度3D建图能力引发了各国对国家安全与数据隐私的极度关注。

地缘政治限制评估与供应链风险

· 美国 FCC 受覆盖清单（Covered List）审查：2026年7月，美国联邦通信委员会（FCC）将外国产先进机器人设备列入 “受覆盖清单”（Covered List）。该决定禁止此类设备获得FCC认证，从而在法律上彻底阻断了未获批外国机器人设备在美国市场的进口、营销与销售（此前已获批设备不受追溯）。

· 双重用途（Dual-use）国防风险与数据壁垒：具身智能机器人具备天然的军民两用属性。由于其高频采集工厂架构、关键基础设施及敏感公共场所的物理空间数据，地理位置（Geography）在实体AI商业化极早期即扮演了决定性角色。

· 对中资供应链企业的限制与规避路径：这一政策对试图进入欧美市场的中国传感器（如激光雷达）、执行器及整机厂商构成了严峻的准入壁垒。中资企业正被迫通过海外设立生产基地、技术授权（IP Licensing）或许可第三方代工（如配合Foxconn 601138-CN , Flex FLEX-US , Jabil JBL-US ）等规避路径来维持全球化敞口。

4.3 全球产业链分工地图与竞争壁垒矩阵

参照摩根士丹利（Morgan Stanley）产业链映射架构，全球人形机器人产业划分为大脑（Brain）、身体（Body）与整机集成（Integrators）三大层级：

1. 大脑层 (Brain)—— 算法、软件与算力底座

· 基础大模型 (Foundational Models)： Baidu ( BIDU-US ), Meta ( META-US ),Alphabet ( GOOGL-US / Gemini Robotics 2M, NVIDIA ( NVDA-US ), Microsoft ( MSFT- US )。壁垒：万亿级参数训练算力、巨额研发资本及多模态物理推理算法。

· 仿真与视觉软件 (Simulation & Software)： Hexagon ( HEXA .B-SE ), Unity ( U-US ), Siemens ( SIE-DE ), Dassault Systemes ( DSY-FR ), Roblox ( RBLX-US )。壁垒：高精度物理引擎、合成数据生成效率与工业CAD生态绑定。

· 视觉与计算芯片 (Vision & Compute Semis)： Intel ( INTC-US ), NVIDIA ( NVDA- US ), Arm ( ARM-US ), Qualcomm ( QCOM-US ), Mobileye ( MBLY-US ), D-Robotics (地平线/S600M, Ambarella ( AMBA-US )。壁垒：端侧高算力能效比、实时异构计算架构及SDK开发生态。

· 芯片代工与设计 (Semis Designers & Fab)：TSMC ( TSM-TW ), Samsung( 005930-KR ), Synopsys ( SNPS-US ), Cadence ( CDNS-US )。壁垒：极高的极紫外（EUV）先进制程良率与EDA工具垄断。

2. 身体层 (Body)—— 硬件执行、感知与传动系统

· 减速器与丝杠 (Gears, Reducers & Screws)： LeaderDrive 绿的谐波 ( 688017- CN ), Harmonic Drive ( 6324-JP ), Nabtesco ( 6268-JP ), THK ( 6481-JP ), NSK( 6471-JP ), SKF ( SKF .b-SE ), Hiwin 上银 ( 2049-TW ), 恒立液压 ( 601100-CN ), 上海北特 ( 603009-CN )。壁垒：材料学配方、精密加工工艺与长期疲劳测试寿命。

· 电机与完整执行器 (Motors & Complete Actuators)：Tuopu 拓普集团 ( 601689- CN ), Sanhua 三花智控, Moog ( MOG .A ), ABB, Inovance 汇川技术, Leadshine 雷赛智能 ( 002979-CN ), MOONS' 鸣志电器 ( 603728-CN ), 卧龙电驱。壁垒：功率密度、过载能力、模块化集成与大规模车规级降本能力。

· 传感器与视觉系统 (Sensors, Radar & LiDAR)： Hesai 禾赛, Robosense 速腾聚创 ( 2498-HK ), Keyence 基恩士 ( 6861-JP ), Teledyne ( TDY-US ), Magna ( MGA-US ), Aptiv, Novanta ( NOVT-US ), Sensata ( ST-US ), Melexis ( MELE-BE ), Allegro ( ALGM- US ), OMNIVISION 韦尔股份。壁垒：六维力矩感知精度、抗震动抗干扰能力及车规级量产成本。

· 热管理、线束与结构件 (Thermal, Wiring & Aluminum Castings)：Amphenol安费诺 ( APH-US ), TE Connectivity ( TEL-US ), Xusheng 旭升集团 ( 603305-CN ), 三花智控, 拓普集团 ( 601689-CN )。壁垒：轻量化高强度合金成型与高柔性抗折弯线束。

3. 整机集成与代工层 (Integrators / OEMs)

· 车企跨界与科技OEM：Tesla ( TSLA-US ), BYD ( 002594-CN ), Hyundai/Boston Dynamics ( 005380-KR ), Toyota ( 7203-JP ), XPeng ( XPEV-US ), Xiaomi ( 1810-HK ), Apple ( AAPL-US ), Amazon ( AMZN-US ), Samsung ( 005930-KR ), LG ( 066570-KR )。壁垒：自有制造场景闭环、资本沉淀及全球品牌渠道。

· 专业机器人厂商： Unitree 宇树科技, UBTECH 优必选, Agility Robotics, Fourier傅利叶, Booster Robotics 星动纪元, Dyna Robotics, Apptronik, Galbot 银河通用 , Robotera 星海图。壁垒：全栈工程迭代速度、特定行业Know-How 及软硬协同能力。

· 合同制造与电子代工 (Contract Manufacturers)： Foxconn/FII 工业富联( 601138-CN ), Pegat ron 和硕 ( 4938-TW ), Luxshare 立讯精密 ( 002475-CN ), Jabil 捷普 ( JBL-US ), Flex 伟创力 ( FLEX-US )。壁垒：极强的供应链整合能力、全球化产能布局与极致的制造成本控制。