行业背景和投资逻辑
|人形机器人：通用化程度高、高度集成和智能化
目前人形机器人并没有普遍定义 ，但根据《Humanoid Robots》的归纳，人形机器人应当能“在人工作和居住的环境工作，操作为人设计的工具和设备，与人交流”。
在此前提下，人形机器人最终应具有与人类似的身体结构，包括头、躯干和四肢，使用双足行走，用多指手执行各种操作，并具有一定程度的认知和决策智能。其技术难点在于尽可能模仿人的各类场景下“感知-认知-决策-执行”的过程，涉及仿生感知认知技术、生机电融全技术、人工智能技术、大数据云计算技术、视深导航技术等各领域的尖端技术。
|特斯拉Optimus 迭代迅速，引领人形机器人量产
2021年8月，马斯克在AI DAY上首次提出TeslaBot的设想，经过两年的技术迭代，TeslaBot已经可以实现对物体进行分类、瑜伽、流畅抓取物体等功能。2024年1月，马斯克在业绩交流会上披露，特斯拉人形机器人即将于2025年实现交付。类比汽车行业，2024年特斯拉人形机器人有望向Tier1发放执行器定点。
2023年人形机器人行业仍处于前期研发试验、客户送样等阶段，2024年1月三花智控、拓普集团相继加码机器人项目投资，验证行业已经初步具备由研发试验向量产阶段过渡的产业条件。
|通用智能机器人是下一轮变革的核心硬件之一
|人形机器人不是伪命题：集成通用是技术发展的必然趋势
|人形机器人前景预测
马斯克曾表示其设计特斯拉机器人的远景目标是让其服务于千家万户比如做饭、修剪草坪、照顾老人等。目前较有潜力的人形机器人发展方向主要面向制造业、航天探索、生活服务业、高校科研等，预计2025年人形机器人将有望实现制造业场景应用的突破，小批量应用于电子、汽车等生产制造环境。
2024年 1月，马斯克在社交媒体上，同意了人工智能研究实验室Midjourney 创始人戴维·霍尔茨的预测。霍尔茨曾预测，到2040 年代，地球上将有10 亿个人形机器人，到2060 年代，整个太阳系将有1000 亿个（其中大部分是外星）机器人。2023年 11 月，Figure创始人 Brett Adcock曾在访谈中表示，在接下来的几十年里，我们真正面临的挑战将是如何扩大人形机器人的生产规模，以及如何将足够数量的人形机器人供应到市场。
长期来看，每个人、每个家庭都会想要一个人形机器人，就像现在的汽车或手机一样。并且在劳动力市场上也会有数十亿个人形机器人，去做那些对人类来说危险、单调和乏味的工作。
人形机器人也将应用于航空事业，例如在太空中建立人类居住点、照看老人等各类工作场景。如果给我们足够长的时间去进行大规模制造，我们可以制造出数十亿个人形机器人。
|国内产业能占据优势的逻辑归因
代表产业：光伏、电池、储能、新能源汽车、智能手机、房地产、基建
负面产业：芯片制造（技术/产业链）、高端软件类（技术/规模效应）
|产业政策定位“颠覆性产品”，北京、上海先行探索
定位足够高，将人形机器人定位为继计算机、智能手机、新能源汽车后的颠覆性产品，将人形机器人的战略高度拔高，凸显了国家对人形机器人产业的重视。
政策布局初期，主要起引领作用。提了发展目标但还没出台具体的产业行动规划，目前主要是北京、上海、深圳等核心城市关于人形机器人建设等方面做出规划和陆续出台相关政策，产业政策也处于探索期。
|星星之火，AI算法模型加速产业0-1的蜕变
人形机器人三大未解之题：大脑、小脑和本体。
所谓大脑，指的是机器人的理解能力，也就是机器人对于人类指令的理解以及环境感知，AI大模型的出现主要提升机器人大脑能力，但仍是独立于本体的存在，如何真正“接入”身体发挥通用化功能还需探索。
小脑，是指机器人的精细化运动控制能力，目前更多停留在固定运动模式的模仿层面，在非结构化长场景、智能化方面还有极大的提升空间。
本体，则是构成人形机器人原型的各类零部件，比如关节、四肢、头等，是否可以完全承接软件算法传递的动作指令。硬件部分的成熟只是时间问题，核心痛点是降本。
|成熟汽车产业链的优势迁移
马斯克：特斯拉是世界上最大的机器人/半智能机器人——一种装有轮子的机器人。新能源汽车企与人形机器人产品在某些技术层面上是互通的，二者从硬件到软件层面均有技术迁移的可行性。车企开发人形机器人可以充分借助现有资源降低制造成本、缩短开发进程。
例如：在硬件层面，新能源汽车使用的算力芯片、控制板、视觉传感器、高性能电池和能源管理系统等都可以移植到人形机器人产品上使用，同时汽车零部件轻量化设计和生产经验也可以助力人形机器人生产；在软件层面，人形机器人可以“站在巨人的肩膀上”，基于新能源汽车相对成熟的环境感知、目标识别、路径规划、安全防护等算法进行定制优化。
|上游硬件、中游集成、下游应用均具备规模效应
上游硬件：上游主要是零部件和软件系统供应商，包括电机、关节、传感器、控制器、操作系统等，硬件产品均具备规模效应，有望通过扩大规模来显著降低成本；软件则相对处于劣势，重点关注AI通用机器人大模型的突破，国内处于落后地位。
中游集成：雄厚的制造业基础提供集成优势，同时容易发挥规模效应，对上下游形成议价权，一旦跑出商业化优势就容易持续领先。
下游应用：丰富、大体量的B端工业应用场景，如汽车制造、高危巡检等，提供足够多的机会供产品升级迭代，提供足够大的市场吸引资本持续投资。
