本文为节选内容

如需更多报告，联系客服

或扫码获取报告

具身智能产业链涵盖多个环节，上游包括零部件和基础软件，中游包括整机系统研发设计、本体测试、生产制造、系统集成，下游覆盖科研教育、商业服务、工业制造、高危作业、医疗康养、家庭服务等应用场景。其中上游零部件可以划分成感知器件（如视觉、力/力矩、触觉及其他传感器等），运动器件（如电机/控制、减速器、丝杠等），控制交互（如芯片、动力系统等）；基础软件包括操作系统、控制算法、大模型和仿真软件等。中游具身智能机器人具有多样化的本体结构，包括臂式/轮式/足式/履带/复合/人形/仿生及其他无人系统等，其中人形以其更高拟人性、更强交互性和对环境的适配性，成为最具关注度的形态。

从技术与产业热点上看，人形机器人应用正处于资本期望膨胀期，而零部件正待从期望值低谷回升。2025是人形机器人量产元年，技术与产业发展需求、政策方向均支持应用场景落地，积累数据反哺产品迭代。当前产业发展核心卡点在具身大模型，重点问题在数据瓶颈和模型架构探索，区别于智能汽车、AGV/AMR、四足机器人等产品，人形机器人操作重要性大幅提升，多指灵巧手设计（含触觉传感器研究）、灵巧操作数据集、操作大模型成为提升功能性的关键。本体出货量尚小限制了当前各零部件生产的规模效应，研发投入多而现阶段创收少，对零部件企业资金实力提出要求，同时参与者快速增加，带来行业竞争加剧。但随着量产临近，具备优质大客户资源、量产能力强的零部件厂商，或制造能力突出、专业化全维度协助初创企业落地的代工企业有望脱颖而出。

上游：软硬件供应是具身智能发展的基础

1.核心零部件概览

核心零部件占具身智能整机成本比例较高，涉及技术原理、材料、工艺等多领域，是机器人实现感知、运动、推理决策的硬件基础。主要包括运动系统（电机，减速器，丝杠等，其共同集成关节模组）、感知系统（传感器等）、控制交互（芯片、电池、充电系统等）。从产业角度看，零部件行业的发展需要关注规模量产后BOM价值占比、原有市场空间、行业竞争格局（关注技术难度、工艺难度、扩产难度、海内外差距等）、机器人方案迭代趋势等。此外，目前本体厂商硬件方案中的增量变化集中在灵巧手、触觉传感器、轻量化、散热系统、高功率/转矩密度电机等，伴随量产时点靠近，相关行业有望获得增益。

2.关节执行器

人形机器人关节设计需综合考虑动态运动控制、平衡性、负载能力、经济性等多重因素，高扭矩关节（如腕部、肩部、腰部、髋部关节）对旋转幅度要求高，多使用旋转执行器。高负载关节（如上臂、下臂、大腿、小腿关节）需要有较优的承重和支撑能力，线性执行器成为重要选择之一。

旋转执行器驱动方案主要有刚性驱动、弹性驱动、准直驱动三种。不同驱动方案影响减速器、电机架构等零部件的种类型号。其中刚性驱动主要由高减速比减速器（如谐波减速器）、电机、编码器、高刚性力矩传感器（可选）和控制板等组成，精度高，但实现的运动能力有限，能量效率和安全性相对不足。弹性驱动非目前主流的人形机器人驱动方案。准直驱动主要由低减速比减速器（如行星减速器）、高扭矩密度电机、编码器和控制板等组成，能量效率高，但精度一般。目前特斯拉旋转执行器全部都是谐波减速器+电机方案，但出于经济性考虑，行星减速器+电机方案亦被很多国内本体企业选择用于一些大负载关节，如宇树科技、智元机器人等。

3.电机

具身智能机器人对关节电机的要求可概括为满足尺寸限制、高转矩密度（有限空间提高驱动力、快速动态响应）、低转矩波动（精密操作）、高过载能力（高爆发力、大转矩输出）、高结构强度（抗冲击）。目前已经用于机器人的电机包括无框力矩电机（用于Optimus旋转执行器）、空心杯电机（用于灵巧手手指关节）、无刷有齿槽电机（可用于灵巧手大拇指及绳驱版手腕处）。

无框力矩电机仅包括转子和定子，没有轴、轴承、外壳或端盖，可集成到机械结构中，具备转矩密度高、响应速度快、稳定性强、控制精度和集成度较高的优势，在散热上以结构散热为主，还需进一步优化。

空心杯电机无冲片齿槽结构和铁芯，减少了电机运行时磁阻力矩，降低输出转矩波动，同时消除了铁芯涡流效应引起损耗，减少了电机运行时的能量损耗，适用于高速、小型、高精度场合，但扭矩较小需搭配精密行星减速箱，结构紧凑散热较弱，高精度依赖严格工艺和设备要求，成本较高。

无刷有齿槽电机转矩密度高于空心杯电机，适合更高负载、预留空间更大的场合。但存在齿槽转矩影响精度，铁芯涡流效应引起能量损耗，噪声相对更大。基于其成本优势，且绳驱版灵巧手将驱动电机集成到手腕手臂处空间更足，无刷有齿槽电机在机器人中应用范围可能扩大。

4.减速器

减速器是连接动力源和执行机构的中间体，能够匹配转速和传递转矩。按照控制精度可划分成一般传动减速器和精密减速器。精密减速器主要包括谐波减速器、RV减速器、行星减速器、摆线针轮减速器等。

减速比（减速装置的传动比）/扭矩、大小/重量、精度、价格等是选择减速器的主要参考因素。谐波减速器具备高精度特性，但受制于柔轮反复性变带来的寿命折损，目前主要用于机器人小臂、腕部等轻负载关节，并不适用于高负载强冲击场景。行星减速器结构简单，成本较低，但具备较大传动间隙，适用于对精度要求不高的末端执行器。RV减速器常用于工业机器人重负载部位，以及汽车、运输、港口码头等行业，但由于重量和体积偏大，并不适配对运动灵活性有一定要求的机器人本体。随着材料和工艺不断进步，摆线针轮减速器凭借“精度高于行星、负载优于谐波、体积小于RV”优势，逐渐成为人形机器人关节构成的重要考量。我们认为，未来各类减速器应用并非完全互斥，而将根据不同应用场景要求进行灵活选择。

5.丝杠

丝杠是一种将旋转运动转化为直线运动的机械传动装置，是工具机械和精密机械上常见的部件。在人形机器人中使用的丝杠产品包括滚珠丝杠和行星滚柱丝杠，前者可用于构成灵巧手，后者主要构成线性执行器。

6.灵巧手

当前机器人灵巧手技术路径尚未统一：手指数量有2/3/4/5指，自由度覆盖6dof至20+dof，驱动传动方式有全直驱、齿轮/蜗轮蜗杆传动、连杆传动、腱绳传动等。灵巧手种类多元，按自由度数量可以分为全驱动和欠驱动；按驱动方式可以分为液压驱动、电机驱动、气压驱动和形状记忆合金驱动；按机械传动形式可以分为腱传动、连杆传动、齿轮/蜗轮蜗杆传动；按感知技术可以分为内部感知和外部感知。目前电机驱动是灵巧手驱动主流方式，因为液压系统维护和制造成本较高，波士顿动力液压版Atlas已于2024年被电驱动版取代。传动方式上，特斯拉Optimus 三代灵巧手采用“腱绳+精密行星减速器+微型丝杠”，节省空间实现减重，但具有刚度和位置精度有限的问题。

7.传感器

传感器是助力机器人从程序控制逐步走向感知型和智能型的重要组成部分。目前人形机器人传感器可分为内部传感器和外部传感器，前者测量自身状态的内部传感器，包括位置、速度、力传感器等，后者测量与机器人作业有关的外部环境及状态，包括视觉、触觉等各种感官传感器。

8.芯片和算力

机器人大小脑芯片一般选用大算力芯片，特斯拉采用自研FSD芯片，国内本体厂主流选用英特尔x86芯片和英伟达Jetson，国产芯片亦被尝试。特斯拉机器人Optimus主芯片采用FSD HW4.0（端侧）+Dojo D1（云端训练芯片）组合。宇树G1和机器狗Go2采用8核CPU+高算力模组Nvidia Jeston Orin（EDU款配备），H1和机器狗B2标配Intel Core i5(平台功能)/Intel Core i7(用户开发)，选配Intel Core i7 或Nvidia Jetson Orin NX。智元灵犀X2基础算力采用瑞芯微RK3588*2，Ultra版搭配Nvidia Orin NX(16GB 157TOPS)。优必选Walker X 选用了Intel i7-8665U（双路，1.9GHz）+NVIDIA GT1030显卡（384核心）。众擎通用人形机器人PM01采用8核CPU Intel N97作基础算力，同时教育版搭配Nvidia Jeston Orin。

9.电池&续航&散热

目前很多人形机器人还是采用圆柱形锂电池，但体积重量限制+工业场景连续少间断作业需求，要求锂电池能量密度高和瞬时放电。如：欣旺达高镍高硅化学体系加轻量化结构设计提高电池能量密度；亿纬锂能采用掺硅负极高镍正极、超薄顶盖设计、全极耳设计提高能量密度和极速快充。新电池方案则包括半固体/全固态：广汽集团GoMate采用全固态电池方案，续航达6h。

此外，提高续航亦可通过结构设计和算法优化：1）结构设计：采用线性关节自锁设计，无需电机运行保持站立；优必选将1个大电池包分成2个小电池包，支持热插拔自主快速换电；跨维智能W1等采用轮式底盘，可将更大电池包置于底部。2）算法优化：通过控制算法让部分电机而非全部电机工作。

散热处理上，主要有冷却降温、材料散热、控制算法优化3种方式。1）冷却降温：主要包括风冷（普通工况多用，可用于感知系统、控制系统、能源系统），液冷（动力系统，能源系统、计算系统等），相变冷却等方式；2）材料散热：采用高导热复合材料，比如石墨烯涂层、铝合金基体、碳纳米管增强材料，提高电机外壳的热传导性能，如把电机芯片贴上散热硅胶，然后贴在锯齿状铝片上；3）控制算法：让不需要工作的电机低功率运行。单纯物理降温需要时间，在持续工作的情况下降温效果不佳。控制算法降温效果可大幅提升，但难度较大。

10.数据、算法和大模型。

（1）数据

机器人技能学习所依赖的数据源可以分成两种，一种是机器人经验数据，以直接执行策略或遥操作为代表；第二类是人类数据，包括人类动作捕捉数据和人类活动视频数据。机器人经验数据表现出较小的形态差异，可以直接应用于策略学习，但通常较为稀缺。相反，人类数据更为丰富，但由于人类与机器人在身体比例、关节配置和质心分布等上存在明显差异，此类数据的使用依赖有效的重定位解决方案，且收集到的人类数据多数仅有本体感知，缺乏交互中的感官信息输入。另外，通过算法、仿真或其他人工方法生成合成数据，并构建虚拟环境，让AI智能体在其中学习和训练，可一定程度上降低真机数据不足的限制。

目前研究方法之一是多层次数据融合。比如GR00T N1底层采用Web 图文数据用于VLM预训练，人类第一视角视频用于System 1 DiT的预训练；中层采用合成数据，包括视频生成数据和仿真环境中生成的数据；顶层采用GR-1人形机器人真机数据和OpenX-Embodiment机械臂数据。

（2）控制算法和大模型

传统运动控制方案主要采用Model-Based方法（基于模型的控制方案），从LIMP+ZMP演变至MPC+WBC并进一步向全身动量控制发展。

中游：产品制造是具身智能发展的关键

目前人形机器人厂商呈现百花齐放态势，我们将主要参与者大致归为五类：

1）初创公司：产品迭代速度快。该门类下可再细分，

第一种，机器人类企业，基于人形机器人与其他机器人类产品技术同源，在机械结构设计和运控上具备优势。比如傅利叶智能、宇树科技。

第二种，创始人或重要高管具有互联网/智驾从业背景，其在模型算法使用上具备一定敏锐度，如海外Figure AI、1X Technologies，国内的智元机器人等。

第三种，其他创业公司，比如优必选，开普勒机器人、乐聚机器人等。

2）汽车厂商：具有技术、场景和供应链优势。技术优势体现在算法和精密制造，场景优势体现在to B工厂实训和数据收集，供应优势体现在人形机器人和电动车零部件存在一定重叠，车厂主动选择熟悉的集成商和零部件供应商更加高效。比如特斯拉、小鹏、广汽集团、赛力斯。

3）消费电子类公司：3C供应链企业具备较强的大规模量产质量&成本管控能力，在组装和代工上具备经验积累，比如蓝思科技、领益智造等。3C品牌厂商则具备较优的toC产品推广能力，在家庭服务场景更有优势，如小米、APPLE等。

4）科研机构/创新中心：具有研发经验和资金支持。比如银河通用机器人、星动纪元等。

5）其他科技/互联网大厂：目前人形机器人成为海内外科技/互联网大厂共识的方向之一，基于较强的技术、资金、人才实力，腾讯早期曾试水推出类人形机器人“小五”，字节等在也在加快布

局，是实力强劲的潜在竞争者。本体之外，科技/互联网大厂目前更多的是采取投资+自研大模型的方式参与人形机器人产业，如阿里&蚂蚁投资宇树、星海图、逐迹动力等；腾讯投资宇树和智元；美团投资宇树、银河通用、星海图等，布局医疗配送、无人零售、低空等领域；京东投资千寻智能、众擎机器人、逐迹动力等，配合自身JoyAI大模型和JoyScale AI算力平台，服务公司物流、仓储等供应链场景。

我们认为，未来人形机器人赛道中有望能够脱颖而出的本体厂商，要拥有多领域跨学科人才（如具备前瞻性的领导者，AI及其他算法、硬件、生产制造、供应链等领域人才），可构建长期技术壁垒（如模型架构、数据来源和策略），能够解决真实问题并给客户明确投资回报。机器人赛道上的角逐，将是人才吸引能力+技术实力+产品思维+融资能力的综合体现。

随着量产加速，我们同时建议关注制造能力突出、专业化全维度协助头部本体企业落地的代工企业。当前众多具身智能机器人企业是初创公司，对资源利用效率要求更高，缺乏大规模制造经验，外部代工-内部组装可能是走向规模量产的重要一环。对于代工企业而言，可以扩大规模，摊薄成本，深度参与产业技术与产品迭代。当前丰立智能-星动纪元，蓝思科技/均普智能/领益智造/宁波华翔/博众精工-智元机器人，蓝黛科技-乐聚机器人已达成代工合作，禾川科技和雷赛智能等也属意开展代工业务，我们看好制造能力已被验证、具备优质本体客户资源的代工厂商。

下游：应用场景是具身智能发展的动力

根据2025WRC发布的《人形机器人十大潜力应用场景》，结合2025WAIC和WRC现场展示情况，应用场景相似特点是，劳动密集、重复性强，风险高、结构化/简单半结构化。通过初期投入、后续运营成本、政府政策支持等维度对机器人落地投资回报情况进行衡量，我们归纳了两个筛选易于落地应用场景的角度，第一是技术可实现性，即在容错率高，执行速度/同步性要求不高，可重复纠错，易于收集数据的场景具备率先落地优势；第二是成本效益，即在区别于自动化、能体现物体/任务/环境泛化性，能真正提高效率或降低死伤率的场景具备率先落地优势。我们看好中短期具身智能机器人在工业物流、toB机构养老、特种环境（转炉炼钢，石油化工，电力巡检），以及toC陪伴&玩具机器人场景中的应用，长期走进家庭