人形机器人为什么车企能赢：全栈自研者主导格局

本文解读：《2026汽车行业：人形机器人，全栈自研者主导格局-华泰证券》 · 共 53 页 · 原文

人形机器人这一轮真正的胜负手不在整机外观，而在谁来承担"走路别摔、伸手别打偏"这一层。

华泰证券这份 48 页研究从机器人大脑切入，把控制过程自上而下拆成任务规划、动作生成、 全身控制、关节伺服四层，再按覆盖边界把 24 家头部企业分成四类。

结论很集中：全栈自研已经成为头部企业的主流选择，因为全身控制这一层和本体动力学强耦合， 是整机主打卖点，短期没人愿意外包。

而向本体厂卖通用大脑这件事，供给、需求、产品三个条件目前一个都没成熟， 已披露的规模收入只来自面向工厂的场景部署。

这一层不肯外包，决定了卖大脑的生意暂时做不成。

图源：《人形机器人，全栈自研者主导格局》（第2页）

一、四层控制栈，脑体分界卡在中间

报告把机器人完成一项任务的动作拆成四层，分界依据是更新频率、输出粒度和对硬件参数依赖， 而不是谁贴了什么技术标签。

最上层 L1 是任务规划，本质是语言理解与推理，听懂一句话、拆成步骤、判断做到哪一步， 这正是大语言模型擅长的事，所以有基础模型的平台厂起点更高。

L2 动作生成要把"做什么"变成"怎么动"，核心积累是操作数据的规模与多样性， 目前多数具身基础模型的竞争集中在这一层。

L3 全身控制要处理质量分布、惯量、关节约束和执行器响应，双足平衡、接触控制和精细力控 让它与具体硬件强耦合，本体厂长期积累的运控与真机调试经验在这一层更有优势。

L4 关节伺服是伺服电机、减速器、驱动器，供应链成熟、标准化程度最高，产业分工最清晰。结论是脑体分界大体落在动作生成与全身控制之间。Figure 的动作生成层约 200Hz、全身控制层约 1kHz， 两层在实时性上是数量级的差别。

能不能做好 L3，才是本体厂和模型厂真正的分水岭。

图源：《人形机器人，全栈自研者主导格局》（第3页）

二、24 家企业，四种活法

按能力覆盖范围和商业角色，24 家头部企业被划成四类，每一类的价值兑现方式完全不同。全栈自研派是主体：特斯拉、Figure、智元、宇树、蚂蚁灵波、自变量、优必选等， 大脑服务于自有整机，收入来自整机销售、租赁与场景方案。

纯硬件厂以本体、运控和底层执行为核心，大脑主要外接，典型是波士顿动力， 运动控制是全球标杆但大脑依赖外部模型。

纯大脑派把模型当独立产品卖，如谷歌 DeepMind、Physical Intelligence、Skild AI； 平台基建派不造整机，靠模型、仿真、芯片和云变现，如英伟达、地平线／地瓜、华为、腾讯、阿里。

报告特别解释"全栈"的口径：围绕自有整机主导大脑模型、运控与本体设计， 具备跨环节协同迭代能力即可，不要求所有软硬件从零自研或自己制造。

这个定义对汽车行业很关键。特斯拉的大脑直接承接造车积累的 FSD 视觉与训练体系， 四层能力全部内部承担，是覆盖公司中垂直整合程度最高的一家。

分四类的目的不是比技术高低，是看价值从哪条路兑出来。

图源：《人形机器人，全栈自研者主导格局》（第5页）

三、全栈的两个优势：数据回流与归因

全栈自研在当前阶段有两个很具体的优势，都和"迭代速度"有关。

第一是真机数据回流。本体与大脑在同一体系里，模型训练完可以立刻部署到真实机器人， 任务成败、异常样本和场景反馈能持续进入下一轮训练，链路短。 特斯拉的说法是要先造出约 1 万到 2 万台 Optimus 自我练习，才能拿到所需的训练数据。

纯大脑企业也能通过合作本体拿到真机数据，但数据获取、任务定义和模型部署要跨企业协同， Open X-Embodiment 汇集 22 种机器人的数据做联合训练，在多个平台上有提升， 但前提是格式统一治理，且全身控制层跨本体混合训练的证据仍然有限。

这类报告的原文件，运营动脉（www.yydm.cn）收得比较全，按行业分好了类，翻起来不费劲。

想核一个具体数字，或者补一张原图，直接搜报告名就能定位到相应的那一页。

第二个优势是问题归因。机器人在真实任务里失败，要先判断是任务理解、动作生成、 全身控制还是硬件执行出了问题，同一体系内可以拿到完整运行信息，在模型、控制参数和硬件之间同步调整。

内部也在分化：自上而下企业从 AI 侧进入，要补本体制造、供应链和规模交付， 特斯拉是例外，制造体系来自造车；自下而上企业从硬件进入，要补模型与数据闭环。

两种起点各有短板，最后比的不是起点，是补短板的速度。

图源：《人形机器人，全栈自研者主导格局》（第7页）

四、卖大脑：三个条件一个都没成熟

报告对"向本体厂出售通用大脑"这个模式的判断很直接：1 到 3 年内难以成为独立生意。供给端要有明显值得外采的模型。截至 2026 年 9 月，RoboDojo 统一真机基准上成绩最好的两个模型 OpenWAM-α 与 PI 的 π0.5 都已公开发布，纯粹付费才能拿到的领先并不存在。

需求端要有持续付费的买家。已实现的外部采用以开源为主，乐聚比较三个公开模型后选了蚂蚁灵波 LingBot-VLA 2.0 作工业垂域基座，双方是生态合作，公开信息里没有付费采购。

产品端要能低成本跨本体复制。L1、L2 不依赖硬件参数，具备供货基础； L3 与硬件参数强耦合，目前没有任何一家本体厂公开确认把第三方全身控制层用作量产核心方案。

报告拿智能驾驶和工业机器人做参照：Mobileye 能独立供货，是因为低阶辅助驾驶不是整车卖点； 一旦高阶智驾成了差异化核心，特斯拉 2016 年就终止合作转向自研。ABB、发那科、库卡、安川 至今仍自研核心控制器，因为控制精度正是产品卖点。

收费方式上，按调用量计价只适合低频任务规划。谷歌 Gemini Robotics ER 2 公共 API 按每百万 输入 token 1 美元、输出 token 5 美元计价，2027 年起翻倍。能被外包的永远是非差异化环节，这几乎是一条产业铁律。

图源：《人形机器人，全栈自研者主导格局》（第8页）

五、算一笔云推理的账：比工人贵三倍

按调用量计价的成本随调用频率线性上升，这条曲线决定了它只能服务低频场景。

按单次调用约 1500 个输入 token、300 个输出 token，机器人每天两班、每班 8 小时、 全年 250 个工作日、年作业 4000 小时测算，每秒调用一次的年成本约 4.3 万美元， 折合人民币约 29 万元，是国内一线工人年综合用工成本的 3 倍左右。

调用间隔拉长到 30 秒，年成本降到约 1400 美元。2027 年起价格翻倍， 每秒调用一次将升到约 8.6 万美元。

更关键的是延迟。全身控制以百赫兹至千赫兹频率连续输出，无法承受云端往返； 动作生成层已经出现云端部署的尝试，PI 于 2026 年 10 月开放 API 测试版， 但官方也提到部分场景存在网络连接问题。

目前唯一披露了规模收入的是项目制部署。Skild 于 2026 年 9 月称年度经常性收入突破 1 亿美元， 首次商业部署以来累计确认收入约 5000 万美元，付费客户 60 家以上。

它的付费方是富士康、住友电装这类工厂终端用户，而不是本体厂， 这恰好印证了商业价值最终留在整机与场景，而非模型授权。

按次付费的模型只算得过高频任务之外的那一小部分活。

图源：《人形机器人，全栈自研者主导格局》（第9页）

六、工业落地看回本：上下料 3.3 年，走动 11 年

需求侧要按工序算账，报告给了三道门槛：技术上稳定完成、相比专机有优势、经济上三年左右回本。

以单人年用工成本 10 万元测算，轮式双臂整机 45 万元、效率为人工 80%， 两班作业约 3.3 年回本、三班约 2.1 年；全尺寸双足整机 50 万元、效率 35%， 两班约 11 年、三班约 6 年。

能同时过三道门槛的目前只有固定工位上下料和质检分拣，以轮式双臂为主。 智元精灵 G2 在龙旗科技平板质检线单件处理 9 到 11 秒，满足客户 11.25 秒的节拍， 8 台承担了原来 8 名质检工的活。

走动搬运的短板在效率：走动取放耗时约为人工的 2 到 3 倍，乐聚夸父在兆丰股份上料约 40 秒一次、 人工约 15 秒；部分产品工作约 4 小时就要人工换电。

按整机价格 2027 至 2030 年每年下降 15% 到 25%、效率线性提升、人工成本每年涨 4% 的假设， 上下料回本周期 2028 年降到 1.5 年，走动搬运 2028 年接近 3 年、2029 年降到 2.2 年。

这也是为什么报告把 2027 年当作分界：那一年之后固化在工位上的活先被接管， 需要走动的活再跟进。

人形机器人的第一个真实客户，是工时表而不是宣传片。

图源：《人形机器人，全栈自研者主导格局》（第10页）

七、2030 年 31 万台，工业物流占一半

把回本周期和可渗透岗位相乘，报告给出 2030 年的量：我国出货约 31 万台，市场空间约 470 亿元。工业与物流约 17.3 万台，占比由 2025 年约 8% 升到 2030 年的 56%； 其中工业出货 17.30 万台、ASP 降到 20.6 万元、市场空间 357 亿元。

可渗透岗位按行业估：制造业与物流可由人形承担的约 1100 万个、折合 690 万台， 计入巡检、特种作业等其他工业后合计约 1150 万个岗位、723 万台。

比例上 3C 电子约 17%、汽车约 15%、仓储物流约 25%、电气机械与通用设备约 12%、 食品纺织化工等约 7%，合计约占从业人员的 10%。即便到 2030 年，制造与物流可渗透岗位的渗透率也只有约 6%， 报告说中期放量之后仍有较大空间。

结构性支撑来自老龄化：2025 年农民工中 50 岁以上占比已达 32.0%， 较 2015 年的 17.9% 明显上升，用机器人补上退休后招不到人的岗位，阻力比替代在岗工人小得多。

31 万台听起来不小，放到 723 万台的可渗透空间里才 6%。

八、非工业的钱，65% 花在了验证型采购上

当前出货主要不是工业买单，而是科研教育、数据采集和文娱。据 Counterpoint，2026 年上半年全球人形机器人出货超过 2.2 万台， 文娱商演与科研数采合计超过六成，智能制造与仓储物流分别约占 13% 和 5%。

公司层面也一样，宇树 2025 年 1 到 9 月人形机器人收入中科研教育约占 73.6%， 行业应用仅占 9.01%；乐聚夸父系列 2025 年收入中数据采集约占 45%、工业制造约 3.9%。

这类需求为什么不稳定：科研教育与数采靠财政和科研预算，地方数采中心属阶段性建设； 文娱靠新鲜感，主流人形机器人演出日租金已从 2025 年初的 1 万到 3 万元降到目前的约 2000 到 3000 元。

家庭场景还没有经核实的消费者交付，优必选消费级 U1 预售 13361 台， 年内交付预期下调到 1500 到 2000 台；1X NEO 据媒体报道交付推迟到 2027 年一季度。

所以判断整机企业的收入质量，要看工业与物流场景的付费占比，而不是出货总量。

出货榜很好看，付钱的人却大多是做研究和办活动。

九、估值：10 到 40 倍 PS，宇树到了 100 倍

报告主张先识别价值从哪兑现，再按收入阶段选方法，而不是统一套软件平台估值。

已形成整机收入的头部本体企业参照新能源车高增长期，PS 区间大致 10 到 40 倍： 审慎情景 10 到 25 倍，乐观情景 20 到 40 倍。2020 年特斯拉、理想、小鹏、蔚来 PS 分别约 21.5、19.0、38.3、31.6 倍，未来五年营收 CAGR 约 25% 到 66%。

2021 年泡沫消退后，头部企业 PS 普遍从 30 倍以上回落到 10 到 20 倍； 更早的 2011 到 2013 年特斯拉 PS 稳定在 9 到 15 倍。差异来自市场为远期空间付费的意愿，而不是行业增速本身。

宇树提供了当下最直接的市场锚：2025 年收入 16.99 亿元，2026 年 8 月科创板上市， 发行市值 609.93 亿元对应静态 PS 约 35.9 倍，处在乐观区间上沿。

上市后的二级市场更高：首日收盘市值约 3418 亿元，截至 2026 年 10 月 21 日总市值约 2083 亿元， 按近四个季度收入计约 100 倍，显著高于区间上沿。同期优必选约 11 倍，接近审慎端下沿。

收入兑现较晚的自上而下企业参考 Figure 这类一级市场绝对估值，2025 年 9 月 C 轮投后估值 390 亿美元； 纯大脑派看独立收费能否成立，平台基建派回归芯片、云和平台主业。

48 页原文的完整分层表、回本周期测算表和四类企业对比， 都在运营动脉（www.yydm.cn）上，搜报告名即可打开。

同一份名单，用软件逻辑定价和用整机逻辑定价差出十倍。