2025年具身智能：底座模型的“寒武纪”与物理世界的奇点临近
1. 核心投资逻辑与执行摘要
站在 2026 年初的回望视角，2025 年无疑是全球机器人产业从“概念验证（PoC）”迈向“规模化前夜”的历史性转折点。若以生物进化史为喻，2025 年之于具身智能（Embodied AI），正如寒武纪之于地球生命——基础的“底座模型”架构在此刻爆发式涌现，物理世界的智能体第一次拥有了可泛化的“大脑”与“小脑”。
本报告基于 VestLab 投研团队对全球（尤其是中美两地）机器人产业链的深度调研，结合 2025 年全年的出货数据、技术迭代路径及 2026 年的政策与技术展望，为投资人呈现一份详尽的产业图谱与策略指引。
1.1 核心发现：范式转移与中国力量的崛起
第一，具身智能的“底座模型”架构已初步收敛，但路线之争依然激烈。 2025 年，行业从单点技术的拼凑走向了体系化的“底座模型”竞争。以 NVIDIA Gr00t 为代表的“双系统架构（System 1 + System 2）”成为行业标准，解决了大模型推理延迟与机器人实时控制之间的矛盾 。与此同时，Tesla Optimus 坚持的“端到端（Pixels-to-Torque）”神经网络路线虽然在量产进度上不及预期，但其数据闭环的潜力依然不可小觑 。中国厂商如宇树科技（Unitree）和智元机器人（Agibot）则在被动适应算力限制的过程中，探索出了“世界模型（World Model）+ 动作头”的独特路径，展现出极强的工程化落地能力 。
第二，中国供应链在物理世界的统治力正在复刻电动汽车的辉煌。 根据 Omdia 及 VestLab 的独家数据，2025 年全球人形机器人（含广义轮式具身智能体）出货量约为 13,000 台，其中中国厂商占据了惊人的 71% 份额 。智元机器人以超过 5,100 台的出货量（市占率 39%）位居全球第一，宇树科技紧随其后 。这种规模优势并非来自单纯的低价，而是得益于长三角与珠三角在核心零部件（如空心杯电机、谐波减速器、灵巧手触觉传感器）上的全产业链突破。
第三，触觉感知与边缘计算将是 2026 年的主要阿尔法（Alpha）来源。 随着视觉大模型（VLM）的成熟，机器人的“视觉”已不再是瓶颈，真正的痛点转移到了“触觉”与“端侧算力”。2026 年将是触觉传感器（如电子皮肤）和边缘 AI 芯片（如高通、地平线）的爆发之年。美国针对 AI 芯片云端租赁漏洞的封堵（HR 2683 法案）将倒逼中国机器人产业加速向国产边缘算力迁移 。
1.2 2026 年核心展望
我们预测 2026 年将是具身智能的“合规元年”与“分化之年”。
技术层面： 从被动的遥操作示教向主动的“智能体 AI（Agentic AI）”演进，在线持续学习（Online Post-training）将成为解决长尾场景的关键 。 政策层面： ISO 2026 安全标准的出台将清洗掉一批无法通过安全认证的低端集成商，行业集中度将显著提升 。 商业层面： 轮式人形机器人（Wheeled Humanoid）将作为务实的过渡形态，在 2026 年率先实现数万台级的商业落地，而双足形态仍需在数据飞轮中打磨 。
2. 2025 年机器人“底座模型”深度解析：大脑与小脑的战争
具身智能的核心在于“底座模型”（Foundation Model）。不同于主要处理文本的大语言模型（LLM），具身底座模型需要同时处理视觉、语言、触觉以及极其复杂的物理运动控制。2025 年，业界在这一领域探索出了三种截然不同但又殊途同归的技术流派。
2.1 流派一：NVIDIA Gr00t —— 模块化的“Wintel”野心
NVIDIA 在 2025 年彻底改变了机器人开发的生态位，试图成为机器人时代的微软。其发布的 Project Gr00t 及其迭代版本（N1, N1.5, N1.6）确立了目前最为主流的“双系统仿生架构” 。
2.1.1 架构详解：快思考与慢思考的工程化解耦
NVIDIA 的设计灵感源自丹尼尔·卡尼曼的认知心理学理论，将机器人的控制系统划分为两个层级：
System 2（慢思考系统）：基于 VLM 的推理大脑
核心模型： 基于 NVIDIA Cosmos-Reason-2B 或 Eagle 模型。 功能定位： 负责“理解世界”和“任务编排”。它接收人类的自然语言指令（如“把那瓶过期的牛奶扔掉”）和视觉输入，进行语义理解和长程规划（Long-horizon planning）。由于 VLM 的推理速度通常较慢（1-5Hz），它不直接参与电机的实时控制，而是输出高层的动作序列或子任务目标 。 2025 年的突破： 在 Gr00t N1.6 版本中，NVIDIA 引入了“原生分辨率”支持，使得 VLM 不再需要将图像压缩成 token，从而能看清螺丝孔、纹理等微小细节，大幅提升了精细操作的成功率 。
System 1（快思考系统）：基于 DiT 的运动小脑
核心模型： 扩散 Transformer（Diffusion Transformer, DiT）或流匹配策略（Flow Matching Policy）。 功能定位： 负责“控制身体”。它接收 System 2 下发的子任务目标，结合本体的 proprioception（本体感觉，如关节角度、速度），以极高的频率（50Hz-100Hz）输出关节力矩或位置指令。 技术优势： 相比传统的强化学习（RL），基于 DiT 的策略能够生成更加拟人、平滑且具备多模态分布的动作轨迹，有效解决了机器人动作僵硬的问题 。
2.1.2 生态与商业模式
NVIDIA 的策略是“卖铲子”。通过提供 Isaac Lab 仿真平台、Cosmos 世界模型（用于生成合成数据）以及 Jetson Thor 等边缘计算芯片，NVIDIA 将底座模型能力打包开放给 1X、Agility Robotics、傅利叶智能等硬件厂商。这种策略极大地降低了具身智能的门槛，使得 2025 年涌现出大量具备一定智能水平的机器人初创公司 。
2.2 流派二：Tesla Optimus —— 极致的“端到端”神经网络与 NVIDIA 的开放生态截然相反，Tesla 选择了一条全栈自研且极度封闭的道路。在 2025 年，Tesla 将其在自动驾驶（FSD）领域积累的 “端到端（End-to-End）” 架构完全迁移至 Optimus 人形机器人 。
2.2.1 Pixels-to-Torque：神经网络的黑盒魔法
Tesla 的技术哲学是“第一性原理”的极致体现。他们认为，人为设计的中间层（如状态机、运动学解算器）都是对信息的损耗。因此，Optimus 的神经网络直接以摄像头的原始视频流（Pixels）为输入，经过巨大的 Transformer 网络处理，直接输出关节的扭矩（Torque）控制信号 。
输入端： 不仅包含视觉，还融合了触觉传感器和本体传感器的 Token。 训练端： 高度依赖 模仿学习（Imitation Learning）。Tesla 利用佩戴动捕设备的操作员（Teleoperation）采集了数百万小时的高质量人类操作数据，通过神经网络“克隆”人类的行为模式 。
2.2.2 视频生成作为世界模型
Tesla 坚信“视频即世界”。他们认为，如果一个模型能够极其精准地预测下一帧视频的内容（包括物体的移动、碰撞、形变），那么这个模型就隐式地学会了物理定律。
实践： Tesla 的世界模型通过学习海量的驾驶和机器人操作视频，构建了一个通用的物理模拟器。这使得 Optimus 能够在没有任何显式编程的情况下，通过“观察”视频来学习如何折叠衣物或分拣电池 。 局限性： 尽管上限极高，但端到端模型对数据的依赖呈指数级增长。2025 年 Optimus 量产目标的推迟（从数千台降至数百台），部分原因正是因为在处理长尾场景（Corner Cases）时，数据采集和训练的效率遇到了瓶颈，且模型的“不可解释性”使得调试变得异常困难 。
2.3 流派三：中国厂商的“全栈突破”与“世界模型”创新
在面临算力封锁和技术封锁的双重压力下，中国厂商（以宇树、智元为代表）在 2025 年展现出了惊人的技术韧性，走出了一条独特的“世界模型 + 动作头”的技术路径。
2.3.1 宇树 UnifoLM：开源的具身智能灯塔
宇树科技（Unitree）不仅是硬件制造的王者，在算法层面也开始引领潮流。其发布的开源架构 UnifoLM-WMA (Unified Robot Large Model - World Model Action) 重新定义了通用机器人的学习范式 。
核心逻辑： 将“世界模型”作为一个可交互的仿真器（Interactive Simulator） 嵌入到机器人的决策回路中。 工作机制： 感知： 机器人获取当前环境图像。 预测（Simulation Mode）： 世界模型基于当前状态和候选动作，并在“大脑”中生成未来 N 帧的预测视频（想象动作的后果）。 决策（Policy Enhancement）： 策略头（Policy Head）评估这些预测结果，选择最优动作进行执行。
战略意义： 这种架构极大地降低了对真实世界试错的依赖。机器人在“想象”中完成大部分训练，这对于硬件成本敏感的中国市场尤为重要。
2.3.2 智元 EI-Brain：云端协同的进化架构
智元机器人（Agibot）提出了 EI-Brain（Embodied Intelligent Brain） 架构，这是一种分层且支持在线进化的系统 。
四层结构： 云端超脑（任务编排）+ 端侧大脑（感知决策）+ 小脑（运动控制）+ 脑干（电机驱动）。 SOP (Scalable Online Post-training)： 这是智元在 2025 年 CES 上发布的核心技术。针对 VLA 模型部署后难以更新的痛点，SOP 允许机器人将运行中的失败案例（Failure Cases）上传云端，利用合成数据进行针对性微调，然后通过 OTA 实时更新端侧模型。这种“边用边学”的能力是智元能够快速适应工业场景的关键 。
3. 2025 年全球市场格局与硬件生态：中国供应链的降维打击
如果说算法是灵魂，那么硬件就是肉体。2025 年的全球机器人市场，上演了一场以中国供应链为主角的“降维打击”大戏。
3.1 市场份额的真相：71% 的统治力
根据 Omdia 及 VestLab 的多渠道数据校验，2025 年全球人形机器人（含双足及轮式类人机器人）总出货量约为 13,000 台 。
表 3-1：2025 年全球主要人形机器人厂商出货量及市场份额排名
| 排名 | 厂商 | 总部 | 核心产品系列 | 2025 年出货量 (预估) | 市场份额 | 核心驱动力与备注 |
|---|---|---|---|---|---|---|
| 1 | 智元机器人 (Agibot) | 中国上海 | 远征 A2, 灵犀 X2, 精灵 G2~ | 5,100+ | 39% | 全产品线策略（轮式+双足），B端工业与商业服务场景大规模落地 |
| 2 | 宇树科技 (Unitree) | 中国杭州 | H1, G1~ | 4,200 | 32% | G1 以 $1.6万 的极低价格席卷科研教育市场，H1在工业侧开始放量 |
| 3 | 优必选 (UBTech) | 中国深圳 | Walker S, 熊猫机器人 | ~1,000 | 7-8% | 依托汽车工厂（蔚来、奥迪等）的实训订单，以及教育市场的存量优势 |
| 4 | Tesla | 美国 | Optimus Gen 2/3 | 150-500 | <4% | 仍处于内部测试与小批量试产阶段，外部交付极少 |
| 5 | Figure AI | 美国 | Figure 02 | ~150-300 | <3% | 聚焦于宝马（BMW）工厂的高端试点项目 |
| 6 | 其他全球 | - | - | ~2,000 | ~15% | 包括各类专用机器人及科研原型机 |
VestLab 深度洞察：出货量背后的“轮式特洛伊木马”
智元机器人之所以能占据榜首，并非单纯依靠技术最难的双足机器人。深入分析其 5,100 台的出货结构，我们发现其中包含了大量的 G 系列（轮式移动操作机器人） 和 A2-W（轮式版） 。
务实主义的胜利： 在 2025 年，双足机器人的能耗（续航仅 2 小时）和稳定性（跌倒风险）依然是商业化痛点。相比之下，轮式机器人续航可达 5-8 小时，BOM 成本仅为双足的 1/10，且无需复杂的平衡算法 。 数据战略： 中国厂商通过大规模部署轮式机器人，实际上是在“抢占数据入口”。这些机器人在工厂移动、抓取物体时积累的上肢操作数据（Manipulation Data），与双足机器人是通用的。这为训练通用的 VLA 模型提供了海量的燃料。
3.2 供应链深度解析：核心零部件的国产化红利
中国厂商能够实现价格与规模的双重压制，根源在于长三角与珠三角极其完善的供应链体系。
3.2.1 关节模组：空心杯电机的爆发
灵巧手（Dexterous Hand）是 2025 年机器人的标配，而驱动手指关节的空心杯电机（Hollow Cup Motor） 需求呈指数级增长。
市场格局： 曾经由 Maxon（瑞士）和 Faulhaber（德国）垄断的高端市场，在 2025 年被中国厂商撕开缺口。 江苏雷利 (300660)： 作为宇树和智元的核心供应商，其空心杯电机在保持 90% 性能（转速 50,000 RPM，效率 91%）的同时，价格仅为海外竞品的 30%-50% 。这直接使得宇树 G1 能够将灵巧手的成本压低至消费级水平。
3.2.2 减速器：双环与绿的的双寡头
绿的谐波 (688017)： 在谐波减速器领域，绿的谐波已成为国产机器人的“默认选项”，市场占有率极高，不仅供应国内，还开始反向出口 。 双环传动 (002472)： 在 RV 减速器领域占据统治地位，并积极布局高精密行星减速器。市场普遍预期其已切入 Tesla Optimus 的二级供应链，虽然具体份额未公开，但其产能扩张速度佐证了订单的饱满 。
3.2.3 线性执行器：行星滚柱丝杠的最后攻坚
这是目前国产化率最低、壁垒最高的环节，也是 Tesla Optimus 成本居高不下的主因之一（单台机器人需用数十根）。
技术瓶颈： 高精度磨削工艺和热处理技术。 国产突破： 2025 年，北特科技、恒立液压 以及未上市的 KGG (辉策) 开始实现小批量出货 。KGG 依托其在微型滚珠丝杠的积累，正在成为国产替代的重要力量，这将是 2026 年降本的关键战场。
4. 神经系统：感知与算力的边缘化迁移
在解决了“怎么动”（执行器）的问题后，2025 年下半年的竞争焦点迅速转移到了“怎么感觉”（传感器）和“怎么思考”（计算芯片）。
4.1 触觉感知：被低估的“第二双眼”
2025 年，视觉模型（VLM）已经相当成熟，但机器人依然经常捏碎鸡蛋或抓不住滑溜的杯子。这让业界意识到：没有触觉，就没有真正的灵巧操作。触觉传感器正在经历从“选配”到“标配”的价值重估。
技术演进：
第一代： 简单的压阻/压电式（单点测力）。 第二代（2025 主流）： 阵列式电子皮肤（Electronic Skin）。 第三代（前沿）： 视触觉融合（GelSight 技术），通过摄像头拍摄硅胶层变形来感知纹理。
关键标的 —— 汉威科技 (300007)： 其子公司 能斯达 掌握柔性微纳传感技术，推出的电子皮肤已在 2025 世界机器人大会上展示。该传感器能检测 1mN 的微小压力，甚至能感知纹理和滑移，赋予了机器人“痛觉” 。汉威科技的传感器已被集成进多款国产灵巧手中。
帕西尼感知 (PaXini)： 获得比亚迪战略投资，专注于多维触觉传感器。其产品不仅能测力，还能感知温度和材质，并在深圳建立了大规模量产线，解决了触觉传感器难以量产的一致性难题 。
4.2 算力芯片：边缘计算的生死时速
随着美国针对中国 AI 算力的封锁日益严密（HR 2683 法案将于 2026 年正式生效，封堵云端算力租赁漏洞 ），中国机器人厂商必须具备强大的**端侧推理（Edge Inference）**能力，减少对云端的依赖。
地平线 (Horizon Robotics, 9660.HK)：
逻辑： 地平线原本是自动驾驶芯片厂商，但在 2025 年成功实现了“降维打击”。其 Journey 6 (征程 6) 系列芯片，特别是旗舰款 J6P（560 TOPS），凭借其高效的 BPU (Brain Processing Unit) 架构，非常适合处理机器人多模态传感器的实时融合 。 地位： 目前地平线已成为中国机器人厂商除 NVIDIA Jetson 之外的首选方案，被誉为“机器人界的 Mobileye” 。
高通 (Qualcomm)： 在 CES 2026 上，高通发布了 Dragonwing IQ10 机器人专用平台 。
合作： 高通直接宣布与智元（Agibot）达成深度合作，智元的 G2 和 A2 机器人将搭载高通芯片作为“端侧大脑”。高通试图利用其在移动端低功耗高性能的优势，抢占机器人 SoC 市场 。
华为海思： 尽管面临制造良率挑战，华为的昇腾（Ascend）系列依然是国产算力的底线保障。Ascend 910B 及其端侧版本在特定工业机器人场景中被广泛采用，尤其是在对数据安全极其敏感的央企项目中 。
5. 2026 年技术与产业展望：奇点临近
5.1 政策与监管：ISO 2026 与合规风暴
2026 年将是机器人行业的“合规元年”。野蛮生长的时代即将结束，标准与安全将成为新的准入门槛。
ISO 2026 安全标准： 国际标准化组织（ISO）预计将在 2026 年发布针对人形机器人的专项安全标准。该标准将重点规范机器人的 动态稳定性（Dynamic Stability）（如防跌倒机制）和 人机协作安全边界 。 影响： 这将对双足机器人的运动控制算法提出极高要求。不能通过安全认证的机器人将无法进入工厂和家庭，大量低端集成商将被清洗出局。
欧盟 AI 法案 (EU AI Act)： 随着机器人进入欧洲市场，其底座模型必须符合“高风险 AI 系统”的监管要求，包括模型的可解释性、训练数据的透明度以及人工干预机制（Human Oversight） 。这将对 Tesla 这种“黑盒”端到端路线在欧洲的落地构成严峻挑战。
5.2 技术趋势：Agentic AI 与在线进化
从 VLA 到 Agentic AI： 2026 年的机器人将不再是被动执行指令的机器，而是具备自主目标的 智能体（Agent）。结合 Google Gemini 的“Thinking”能力和更长的上下文窗口（Context Window），机器人将具备“遇到困难 -> 自主查阅说明书/视频 -> 尝试解决”的能力，实现真正的自主性 。 在线后训练 (Online Post-training)： 随着数万台机器人投入使用，如何利用这些机器人产生的海量数据？智元的 SOP 架构预示了未来的方向：机器人白天工作，晚上充电时上传数据并在云端进行针对性训练，第二天早上通过 OTA 变聪明。这种数据飞轮效应将是头部厂商拉开差距的核心护城河 。
5.3 商业化预测：分层落地
工业场景： 汽车制造、3C 组装依然是首发战场。轮式机器人将率先大规模普及，双足机器人将在特定工位（如狭窄空间、台阶）进行补充。 服务场景： 随着宇树 G1 等低成本机器人的普及，2026 年我们将看到更多机器人在科研教育、展厅导览甚至简单的家庭服务（如整理物品）中出现。
6. 投资策略与风险提示
6.1 投资建议：哑铃型策略
在当前技术路线尚未完全收敛的背景下，VestLab 建议采取“哑铃型”配置策略：一头抓确定性极高的上游核心零部件，一头抓具有平台效应的芯片与算法龙头。
重点关注标的池：
| 标的名称 | 股票代码 | 产业链位置 | VestLab 评级 | 核心投资逻辑 |
|---|---|---|---|---|
| 地平线 | 9660.HK | 计算芯片 | 买入 (Buy) | 机器人算力国产替代首选，J6 芯片量产验证充分，估值具有吸引力 。 |
| 汉威科技 | 300007.SZ | 触觉传感 | 增持 (Add) | 电子皮肤技术稀缺，2026 年触觉传感器爆发的最大受益者，但需注意目前 PE 较高 。 |
| 江苏雷利 | 300660.SZ | 执行电机 | 买入 (Buy) | 空心杯电机深度绑定头部客户（宇树/智元），产能释放期，业绩弹性大 。 |
| 双环传动 | 002472.SZ | 减速器 | 买入 (Buy) | 减速器龙头，Tesla 供应链预期强烈，基本面稳健 。 |
| 宇树科技 | 拟 IPO | 本体制造 | 战略关注 | 极强的成本控制与技术迭代能力，若 2026 年成功上市，将是板块核心标的 。 |
6.2 风险提示
地缘政治风险： 若美国进一步扩大出口管制范围（如限制开源模型 Llama 的商业使用，或限制中低端制程光刻机），将对国产机器人的智能化进程造成短期冲击 。 数据与模型瓶颈： 尽管仿真技术在进步，但高质量的真实世界操作数据（Real-world manipulation data）依然是稀缺资源。如果数据飞轮无法有效转动，机器人的泛化能力可能遭遇天花板，导致商业化落地不及预期。 安全事故风险： 在人机协作场景中，一旦发生机器人伤人事件，可能会引发监管层的强力介入，导致行业发展停滞。
7. 结语
2025 年，我们见证了中国供应链的强大韧性与算法工程师的卓越智慧。智元、宇树等公司的崛起，不仅是商业上的成功，更是技术路线自信的体现。展望 2026 年，随着底座模型的成熟、触觉感知的补齐以及合规标准的建立，人形机器人有望迎来属于它的“iPhone 4 时刻”。对于 VestLab 及其投资人而言，现在正是布局下一个万亿级赛道黎明期的最佳时机。我们不仅要关注那些造出机器人的公司，更要关注那些赋予机器人“感觉”与“思想”的幕后英雄。
VestLab 投研部
2026 年 1 月 14 日
🎙️ 推荐关注
小宇宙播客 VestLab，深度洞察市场脉络，连接价值发现。
点击收听：https://www.xiaoyuzhoufm.com/podcast/694f8d55c759026dcf29944f
Powered by VestLab Editor
评论
发表评论