人形機器人行業(yè)市場前景及投資研究報告：運動控制從“做出來”到“賣出去”

｜

證

券

研

究

報

告

｜從“做出來”到“賣出去”—人形機器人運控專題2025

.3.121234目人形機器人小腦（運控）介紹小腦在垂直場景有望率先成熟，小模型性價比凸顯錄C

O

N

T

E

N

T

S誰有望搶占小腦發(fā)展的制高點？投資邏輯：聚焦二開本體廠商及動捕企業(yè)1人形機器人小腦（運控）介紹人形機器人小腦（運控）介紹1.1、人形機器人“小腦”概念

人形機器人“小腦”：目前產(chǎn)業(yè)界對人形“小腦”的定義并沒有形成統(tǒng)一共識，一般認為“小腦”就是運動控制，即由軟硬件構(gòu)成，硬件包括控制器、驅(qū)動系統(tǒng)、編碼器等，軟件主要為部署在硬件上的控制和感知算法等。人形運控與傳統(tǒng)運控最大的區(qū)別在于：后者是根據(jù)已編程好的軌跡去完成實時控制，而前者需要通過各種場景的實時判斷來生成實時運動軌跡（即AI大模型訓(xùn)練學(xué)習(xí)后，實時生成運控軌跡的指令），進而實現(xiàn)控制。圖表1:機器人“小腦”構(gòu)成：雷賽智能招股書、中泰證券研究所整理4人形機器人小腦（運控）介紹1.1、人形機器人“小腦”概念

“小腦”的主要功能：與“大腦”主要負責(zé)環(huán)境感知和智能交互不同，“小腦”更多地關(guān)注于機器人的運動控制和平衡調(diào)節(jié)，通過接收來自傳感器（如視覺傳感器、力覺傳感器、觸覺傳感器等）的信息，對這些信息進行處理和分析，進而指導(dǎo)機器人的運動。主要功能可以分為四類：運動執(zhí)行、協(xié)調(diào)運作、反饋調(diào)節(jié)和動態(tài)平衡。圖表2:人形機器人“小腦”主要功能：茶派科技公眾號、中泰證券研究所繪制5人形機器人小腦（運控）介紹1.2、人形機器人“小腦”的控制技術(shù)

包括三類：①模型控制（MPC）?；诰_的運動學(xué)和動力學(xué)模型，實現(xiàn)對機器人動作的精準控制，適用于特定任務(wù)的自動化執(zhí)行，即傳統(tǒng)運控范疇。②強化學(xué)習(xí)。通過在復(fù)雜環(huán)境中的自主探索，學(xué)習(xí)最優(yōu)控制策略，顯著提升了上肢和下肢在復(fù)雜任務(wù)中的效率、精度和適應(yīng)性。③模仿學(xué)習(xí)。通過模仿人類行為，減少對環(huán)境探索的依賴，利用人類行為數(shù)據(jù)訓(xùn)練智能體（動捕是關(guān)鍵，即數(shù)據(jù)獲?。?，顯著提升任務(wù)執(zhí)行能力。圖表3:“小腦”的控制技術(shù)介紹：《人形機器人技術(shù)與產(chǎn)業(yè)發(fā)展研究》、中泰證券研究所繪制6人形機器人小腦（運控）介紹1.3、人形機器人“小腦”案例

案例：目前業(yè)界基于強化學(xué)習(xí)和模仿學(xué)習(xí)已進行多種嘗試，以美國AgilityRobotics的Digit機器人為例，其利用強化學(xué)習(xí)算法，通過在仿真環(huán)境中不斷進行訓(xùn)練和優(yōu)化，學(xué)習(xí)各種運動技能（行走、奔跑、轉(zhuǎn)彎、上下臺階）。在實際應(yīng)用場景中，Digit機器人與亞馬遜合作，負責(zé)倉庫物流，能夠根據(jù)環(huán)境的變化和任務(wù)需求，自主規(guī)劃路徑，快速準確地完成物品的搬運和分揀。Digit在物流領(lǐng)域中的成功應(yīng)用，不僅提高物流效率，還降低人力成本，為物流行業(yè)的發(fā)展帶來了新的解決方案。圖表4:人形機器人制造商“小腦”環(huán)節(jié)方案（部分）制造商產(chǎn)品名稱控制技術(shù)控制系統(tǒng)方案基于零力矩點（ZMP）判據(jù)及預(yù)觀控制算法，通過精確計算零力矩本田ASIMO機器人

模仿學(xué)習(xí)

點（ZMP），規(guī)劃機器人的運動軌跡，確保在行走和運動過程中保持平衡和穩(wěn)定通過ZMP判據(jù)及預(yù)觀控制算法，實現(xiàn)對自身運動的精確控制，確保AIST-模仿學(xué)習(xí)在不同的工作場景下都能穩(wěn)定、高效地完成任務(wù)AgilityRobotics利用強化學(xué)習(xí)算法，通過在仿真環(huán)境中不斷進行訓(xùn)練和優(yōu)化，學(xué)習(xí)各種運動技能Digit機器人

強化學(xué)習(xí)采用模仿學(xué)習(xí)算法，以人機關(guān)節(jié)軌跡相似為目標(biāo)，通過非線性最優(yōu)化求解的動作映射，規(guī)劃出合理的運動方案北京理工大學(xué)-模仿學(xué)習(xí)：茶派科技公眾號、中泰證券研究所整理7人形機器人小腦（運控）介紹1.4、人形機器人“小腦”面臨的挑戰(zhàn)

挑戰(zhàn)：主要包括如何進一步提高AI模型在機器人控制中的實時性、魯棒性和可解釋性，以確保機器人在復(fù)雜環(huán)境中的穩(wěn)定運行和安全可靠。此外，如何將控制與感知、決策和規(guī)劃更緊密地結(jié)合，構(gòu)建端到端的自主系統(tǒng)，亦是未來重要的研究方向。圖表5:“小腦”面臨的挑戰(zhàn)面臨的問題詳細內(nèi)容機器人需要對環(huán)境變化做出快速響應(yīng)，但在復(fù)雜環(huán)境中快速行走、躲避障礙物或與人類進實時性問題

行實時交互時，大模型的計算和推理過程可能會產(chǎn)生較大的延遲。實時性問題的產(chǎn)生主要源于大模型的復(fù)雜性和計算量?，F(xiàn)實世界中，環(huán)境容易變化，如光線、溫度、地形、障礙物分布等，這些因素都會對機器魯棒性難題可解釋性缺失其他方面人的運動控制產(chǎn)生影響，進而導(dǎo)致運動規(guī)劃和控制出現(xiàn)偏差。AI的告訴發(fā)展使得越來越多復(fù)雜算法和模型被應(yīng)用于機器人的運控中，但它們往往是黑盒模型，難以理解其決策過程和輸出結(jié)果的依據(jù)。“小腦”在與感知、決策和規(guī)劃的結(jié)合方面存在不足，這些環(huán)節(jié)往往存在脫節(jié)的現(xiàn)象，導(dǎo)致機器人的整體性能受到影響，嚴重阻礙了構(gòu)建端到端的自主系統(tǒng)。：茶派科技公眾號、中泰證券研究所整理8小腦在垂直場景有望率先成熟，小模型性價比凸顯小腦在垂直場景有望率先成熟，小模型性價比凸顯2.1、人形機器人落地難度和市場規(guī)模：To

C

＞ToB

TO

B有望率先落地和放量，原因：?

技術(shù)適配與需求剛性：B端客戶，如工業(yè)、醫(yī)療、物流等需求明確且結(jié)構(gòu)化，技術(shù)更易適配。例如，工廠中的搬運、質(zhì)檢等任務(wù)對機器人的運動控制、環(huán)境感知能力要求較高，但場景相對封閉，無需復(fù)雜的人機交互。ToC場景家庭環(huán)境復(fù)雜多變，需要高度靈活性與自然交互能力。?

成本與價格敏感度：企業(yè)用戶注重性價比，TOB產(chǎn)品量產(chǎn)萬臺后價格預(yù)計可降至20-30萬元（以優(yōu)必選機器人為例），而C端對性能要求高，目前ToC主流產(chǎn)品售價在9.9萬元-65萬元（以宇樹科技機器人為例）。?

政策與法規(guī)支持：政策明確支持工業(yè)場景開放與標(biāo)準化；ToC場景下，隱私、安全等倫理問題尚未解決，制約C端場景落地。圖表6：B端和C端機器人場景對比圖表7：人形機器人未來規(guī)模預(yù)測To

B場景To

C場景作為家庭助手，幫助用戶完成家務(wù)、陪伴老人和兒童等任務(wù)應(yīng)用場景價格工業(yè)、醫(yī)療、物流量產(chǎn)萬臺后價格預(yù)計可降至20-

主流產(chǎn)品售價在9.9萬元-65萬30萬元元2024年約2000臺，預(yù)計在2030、2035年分別達到15萬臺、80-90萬臺預(yù)計2030、2035年分別達到2萬臺、120-130萬臺銷售量雙足行走/情感交互技術(shù)未閉環(huán)技術(shù)成熟度政策支持諧波減速器/傳感器國產(chǎn)化率高深圳市推出“雙一百”政策：開放100個應(yīng)用場景與百億基金持續(xù)發(fā)力推動人工機器人發(fā)展倫理法規(guī)待完善，暫無明確政策：思瀚產(chǎn)業(yè)研究院，中泰證券研究所繪制：搜狐網(wǎng)、中國信息通信研究院、中泰證券研究所整理10小腦在垂直場景有望率先成熟，小模型性價比凸顯2.2、TO

B場景下，開發(fā)統(tǒng)一的底層大模型難度大

機器人下肢：運動關(guān)節(jié)相對固定，更容易形成一個統(tǒng)一的模型，可以設(shè)置“不摔倒、走得快”等作為獎勵函數(shù)來強化學(xué)習(xí)。目前主流的下肢算法是英偉達的Issac

Gim底層算法+強化學(xué)習(xí)。

機器人上肢：屬于精細運動范疇，尤其是靈巧手關(guān)節(jié)的控制，不同應(yīng)用場景下運動軌跡的規(guī)劃千差萬別，開發(fā)統(tǒng)一的底層大模型面臨兩大難題：①開發(fā)難度大，訓(xùn)練成本高，高能耗以及在特定場景下的性能瓶頸等；②高質(zhì)量的訓(xùn)練數(shù)據(jù)獲取難。圖表8：機器人上肢和下肢特征及對應(yīng)算法IssacGim底層算法+強化學(xué)習(xí)算法難題特征

運動關(guān)節(jié)固定，有統(tǒng)一底層算法下肢人形機器人①開發(fā)難度大，訓(xùn)練成本高；②訓(xùn)練數(shù)據(jù)缺失特征精細運動，沒有統(tǒng)一底層算法上肢：中泰證券研究所繪制11小腦在垂直場景有望率先成熟，小模型性價比凸顯2.3、難度①：上肢的底層運控算法

人形運控產(chǎn)業(yè)未來將由一次開發(fā)(一開)商和二次開發(fā)(二開)商兩部分構(gòu)成。一開企業(yè)如特斯拉、

、宇樹等做人形運控算法的一次開發(fā)（即平臺型通用機器人企業(yè)），類似于iOS之于蘋果，不同廠商硬件規(guī)格和方案不同，運控算法不兼容，因此運控產(chǎn)業(yè)是平臺型企業(yè)的兵家必爭之地；二開企業(yè)是應(yīng)用廠商，類似于APP應(yīng)用開發(fā)商，在一開企業(yè)軟硬件基礎(chǔ)上，開發(fā)針對特定應(yīng)用場景的機器人（如針對教育、養(yǎng)老、消防、?；?、礦山、電力、冶金等領(lǐng)域開發(fā)機器人）。圖表9：人形運控產(chǎn)業(yè)一次開發(fā)商和二次開發(fā)商的關(guān)系教育養(yǎng)老消防?；V山其他公司：科大訊飛、優(yōu)必選等公司：麥迪科技、歐圣電氣等人形運控產(chǎn)業(yè)企業(yè)：特斯拉、、宇樹、figuer、1X、智元等，即平臺型企業(yè)二次開發(fā)(二開)商一次開發(fā)(一開)商公司：青鳥消防等公司：博實股份等公司：運機集團、華榮股份等電力、智能家居等領(lǐng)域：中泰證券研究所繪制12小腦在垂直場景有望率先成熟，小模型性價比凸顯2.3、難度①：上肢的底層運控算法

針對特定應(yīng)用場景開發(fā)小模型有望漸成主流。隨著Deepseek的出現(xiàn)，通過蒸餾技術(shù)縮小模型規(guī)模，進而將小模型植入人形端部成為可能，未來特定場景應(yīng)用的小模型會越來越多。

小模型優(yōu)勢：小模型適用于特定場景，如工業(yè)制造、醫(yī)療護理、家庭服務(wù)等，能顯著降低開發(fā)與部署成本。相較于通用大模型需要海量數(shù)據(jù)和算力支持，小模型可以通過遷移學(xué)習(xí)或微調(diào)快速適配特定任務(wù)，減少數(shù)據(jù)標(biāo)注和訓(xùn)練周期。并且這種針對性的強化學(xué)習(xí)，使得垂直模型決策邏輯更貼近實際需求。圖表10：小模型優(yōu)勢優(yōu)勢主要內(nèi)容大模型的訓(xùn)練成本呈指數(shù)增長，從早期Transformer到如今谷歌Gemini

Ultra模型近2億美元訓(xùn)練成本成本效益顯著

。而一些小模型通過精心設(shè)計和優(yōu)化，在保證性能的前提下，極大地降低了訓(xùn)練所需的計算資源和時間成本小模型所需的計算資源和存儲空間較少，這使得AI技術(shù)能夠更貼近用戶，實現(xiàn)本地化的智能處理，減少對云端服務(wù)器的依賴，提高響應(yīng)速度部署靈活性高與通用的大模型不同，小模型可以針對特定的專業(yè)領(lǐng)域或具體業(yè)務(wù)需求進行定制化訓(xùn)練，從而在特定任務(wù)上展現(xiàn)出卓越的性能。美國生物技術(shù)公司Path

AI利用小模型在圖像處理方面的優(yōu)勢，對病理圖像進行自動化分析，輔助醫(yī)生進行疾病診斷，其專業(yè)性和準確性在實際應(yīng)用中得到了有效驗證專業(yè)性與針對性強能源消耗低

由于小模型的計算復(fù)雜度相對較低，對高性能硬件資源的需求較少，因此在運行過程中能耗大幅降低：賢集網(wǎng)、中泰證券研究所整理13小腦在垂直場景有望率先成熟，小模型性價比凸顯2.3、難度①：上肢的底層運控算法

特定應(yīng)用場景小模型一般是基于通用底層大模型進行的二次開發(fā)。為了給模型注入特定領(lǐng)域知識，就需要用該領(lǐng)域內(nèi)的語料進行繼續(xù)的預(yù)訓(xùn)練，進而通過SFT激發(fā)模型理解該領(lǐng)域內(nèi)各種問題并逐漸具備回答的能力，最后通過RLHF可以讓模型的回答對齊人們偏好，比如行文的風(fēng)格。圖表11：特定應(yīng)用場景小模型開發(fā)的基本思路：機器學(xué)習(xí)社區(qū)、中泰證券研究所14小腦在垂直場景有望率先成熟，小模型性價比凸顯2.3、難度①：上肢的底層運控算法

小模型應(yīng)用案例：?

工業(yè)質(zhì)檢場景：小模型可基于少量缺陷樣本實現(xiàn)高精度識別，開發(fā)成本較通用模型顯著降低。?

醫(yī)療護理場景：養(yǎng)老機構(gòu)中，小模型結(jié)合多模態(tài)傳感器數(shù)據(jù)（語音、觸覺、體溫），實現(xiàn)老人跌倒檢測與應(yīng)急響應(yīng)，誤報率降低，響應(yīng)時間縮短。?

家庭服務(wù)場景：1X的NEOGamma家用機器人通過垂直模型實現(xiàn)衣物分類與清潔力度自適應(yīng)調(diào)節(jié)，識別準確率提升，能耗降低。?

農(nóng)業(yè)與物流場景：農(nóng)業(yè)采摘機器人通過小模型識別果實成熟度，結(jié)合地形感知調(diào)整抓取路徑，采摘效率提升，同時損壞率降低。15小腦在垂直場景有望率先成熟，小模型性價比凸顯2.4、難度②：數(shù)據(jù)采集

行業(yè)痛點：人形機器人訓(xùn)練數(shù)據(jù)嚴重短缺?

數(shù)據(jù)需求激增：在特斯拉2024年第四季度財報電話會上，馬斯克指出，人形機器人所承擔(dān)的任務(wù)及用途，相較汽車自動駕駛而言復(fù)雜得多，大概有1000倍之多，所需的訓(xùn)練數(shù)據(jù)規(guī)模也會隨之?dāng)U大至10倍左右。?

數(shù)據(jù)現(xiàn)狀難以支撐訓(xùn)練：目前可用于訓(xùn)練人形機器人的開源數(shù)據(jù)集，無論是在數(shù)量上還是規(guī)模上都極為匱乏，難以支撐高效訓(xùn)練。圖表12:人形機器人與自動駕駛開源訓(xùn)練數(shù)據(jù)集大小對比自動駕駛數(shù)據(jù)集人形機器人數(shù)據(jù)集數(shù)據(jù)集描述數(shù)據(jù)集描述包括7500條軌跡Google整合的60個已有機器人數(shù)據(jù)集，包含1150個場景、2030個20s片段、1260萬個3D標(biāo)注框WaymoRoboSetOpenX-BDD100K包含10萬段40s高清視頻包含20萬張高分辨率圖像Embodiment

包含22個機器人的527個技能訓(xùn)練數(shù)據(jù)BoxyVehicleDetection宇樹G1人形機器人擰瓶蓋倒水、疊三色積木等5種操作G1包含1805個場景、4.6萬張圖像、約130萬個3D標(biāo)注框智元機器人開源數(shù)據(jù)集，涵蓋80余種日常生活動作LyftL5nuScenesArgoverseAgiBotWorld包含1000個20秒場景，140萬張相機圖ALOHA2.0

ALOHA機器人的操作像，39萬次激光掃描包含多個城市的駕駛場景數(shù)據(jù)4.4萬張圖像數(shù)據(jù)、約99萬個3D標(biāo)注框HumanPlus

結(jié)合了機器人仿真數(shù)據(jù)和人類運動數(shù)據(jù)：51CTO、中泰證券研究所整理16小腦在垂直場景有望率先成熟，小模型性價比凸顯2.4、難度②：數(shù)據(jù)采集

數(shù)據(jù)與采集方式：?

雙軌并行：真實數(shù)據(jù)+數(shù)字孿生。人形機器人的數(shù)據(jù)

主要為真實人類運控數(shù)據(jù)采集及數(shù)字孿生兩類，需要兩者結(jié)合，即先在孿生環(huán)境中將真實數(shù)據(jù)進行倍增，跑通基礎(chǔ)模型，再通過simtoreal的遷移學(xué)習(xí)，疊加真實人類運動數(shù)據(jù)采集矯正，從而完成一套動作學(xué)習(xí)。?

真實數(shù)據(jù)采集為動捕及傳感器信息輸入。動捕系統(tǒng)通過捕捉目標(biāo)對象關(guān)鍵點位位移信息，并將其轉(zhuǎn)化為數(shù)字信號，進而生成三維空間中的運動數(shù)據(jù)。采集工具包含visionpro、動捕裝置等，在精細程度、環(huán)境約束條件、成本上有所差異。?

數(shù)字孿生：虛擬環(huán)境模擬，通過“sim-to-real”遷移學(xué)習(xí)提升模型泛化能力。圖表13：穿動捕服進行數(shù)據(jù)捕捉圖表14：RoboGen流程：VR圈中圈，中泰證券研究所整理：新智元公眾號，中泰證券研究所整理17小腦在垂直場景有望率先成熟，小模型性價比凸顯2.4、難度②：數(shù)據(jù)采集

真實數(shù)據(jù)采集依賴動捕設(shè)備：?

動作捕捉按技術(shù)路線可以分為慣性式、光學(xué)式、光慣混合式與搖操作式（VR頭顯加手柄）。其中，慣性式和光學(xué)式是目前較為主流的兩種技術(shù)路線，分別適用于不同的動捕場景。光慣混合式結(jié)合了慣性式和光學(xué)式兩種方式。搖操作式因精度和維度較小，只適用于做簡單的多模態(tài)感知訓(xùn)練，不適用于復(fù)雜應(yīng)用。國內(nèi)各大人形機器人本體廠均采用光學(xué)動捕與慣性動捕結(jié)合的方式進行數(shù)據(jù)采集。圖表15:光學(xué)動捕和慣性動捕的差異點對比表特性原理光學(xué)動捕慣性動捕通過攝像頭捕捉標(biāo)記點或物體的位置和運

通過慣性傳感器（如加速度計、陀螺儀）測量動運動精度高精度，尤其在靜態(tài)環(huán)境下實時性較好，但可能受處理速度影響需要特定環(huán)境（如光線、空間、無反光干擾）精度較高，但可能隨時間累積誤差實時性非常好，延遲極低實時性環(huán)境要求對環(huán)境要求低，可在各種環(huán)境下使用設(shè)備復(fù)雜度成本設(shè)備復(fù)雜，需要多個攝像頭和標(biāo)記點成本較高，尤其是高精度系統(tǒng)便攜性差，安裝和校準復(fù)雜設(shè)備簡單，只需佩戴傳感器成本相對較低便攜性便攜性好，易于攜帶和安裝機器人領(lǐng)域適用場景上肢等精細運動的捕捉全身運動的捕捉：Chen

Wang

etal,MimicPlay:Long-Horizon

mitation

Leaming

byWatching

HumanPlay,

2023、A1

寒武紀公眾號、新智元公眾號、中泰證券研究所整理18小腦在垂直場景有望率先成熟，小模型性價比凸顯2.4、難度②：數(shù)據(jù)采集

全球動捕市場由海外廠商主導(dǎo)。根據(jù)MarketsandMarkets數(shù)據(jù)，2023年動作捕捉市場規(guī)模約32億美元，其中Vicon占38%，OptiTrack占25%，MotionAnalysis占15%。圖表16:競爭格局技術(shù)路線地區(qū)廠商名稱優(yōu)勢全球視覺運動捕捉技術(shù)領(lǐng)域處于領(lǐng)導(dǎo)地位，擁有先進的紅外攝像技術(shù)和計算機視覺算法，實時追蹤記錄三維運動數(shù)據(jù)英國Vicon具備高精度、低延遲和實時數(shù)據(jù)處理能力，廣泛應(yīng)用于電影、游戲、VR等領(lǐng)域的高端動作捕捉美國美國瑞士OptitrackMotionAnalysis光學(xué)動作捕捉系統(tǒng)具備高精度、高可靠性，在科研、影視制作等領(lǐng)域具有很強的競爭力提供高速精度動作捕捉相機以及先進的動作數(shù)據(jù)跟蹤分析軟件，專門為醫(yī)療和工業(yè)領(lǐng)域提供光學(xué)動作捕捉平臺Qualisys光學(xué)動捕中國中國度量科技凌云光自主研發(fā)、制造和銷售三維動作捕捉系統(tǒng)自主研發(fā)的FZMotion動捕系統(tǒng)精度高自主研發(fā)并生產(chǎn)的紅外光學(xué)動作捕捉系統(tǒng)具有高精度、低延時、遠距離、高魯棒性等優(yōu)勢中國中國青瞳視覺瑞立視基于自主研發(fā)的紅外光學(xué)相機硬件和動作捕捉算法，為多個領(lǐng)域提供沉浸式交互應(yīng)用解決方案荷蘭中國Xsens慣性動捕領(lǐng)軍企業(yè)，動捕系統(tǒng)精度高，不易受外界環(huán)境干擾慣性動捕諾亦騰自主研發(fā)的慣性傳感器+光學(xué)/慣性混合運動測量兩大核心技術(shù)：各公司官網(wǎng)，中泰證券研究所整理19小腦在垂直場景有望率先成熟，小模型性價比凸顯2.4、難度②：數(shù)據(jù)采集

國內(nèi)市場：光學(xué)動捕國內(nèi)品牌和國外品牌各占部分市場份額。

人形機器人應(yīng)用領(lǐng)域：國內(nèi)主要做光學(xué)動捕的企業(yè)包括：度量科技、青瞳視覺和凌云光等。圖表17:國內(nèi)動捕設(shè)備廠商在人形機器人領(lǐng)域的產(chǎn)品應(yīng)用動捕設(shè)備廠商動捕產(chǎn)品合作人形機器人本體廠商宇樹科技、優(yōu)必選、小米動捕產(chǎn)品Fzmotion可實現(xiàn)0.01精度的穩(wěn)定捕捉，擁有先進骨骼結(jié)算算法，在遮擋情況下能實現(xiàn)數(shù)據(jù)自動修復(fù)凌云光PN

Studio慣性動作捕捉套裝低成本、環(huán)境適應(yīng)性強，HybridTrack光學(xué)運動測量系統(tǒng)具有強魯棒性和高精度諾亦騰度量科技青瞳視覺智元機器人、千尋智能Mars系列、Plotu系列、Orbit系列、VRT系列以及水下動作捕捉相機MC系列、R系列、K系列、D系列以及U系列捕捉相機：各公司官網(wǎng)，中泰證券研究所整理20小腦在垂直場景有望率先成熟，小模型性價比凸顯2.4、難度②：數(shù)據(jù)采集

產(chǎn)業(yè)鏈價值分布：?

光學(xué)動捕設(shè)備：高精度光學(xué)攝像頭+光學(xué)標(biāo)記點+輔助硬件+軟件與算法。其中,高精度光學(xué)攝像頭單價高，占絕大部分硬件成本；光學(xué)標(biāo)記點單價低但用量大，需定期更換，屬消耗品。?

核心壁壘：軟件算法+高精度傳感器技術(shù)圖表18:產(chǎn)業(yè)鏈價值分布表主要構(gòu)成價值量占比技術(shù)特點代表廠商紅外攝像頭為主，需高幀率（如120-

Vicon（英國）、OptiTrack（美高精度光學(xué)攝像頭30%-40%1000Hz）、高分辨率及低延遲國）、Qualisys（瑞典）分為被動反光球（低成本）或主動發(fā)光標(biāo)記（高精度場景）光學(xué)標(biāo)記點輔助硬件5%-10%5%-10%20%-30%包括校準設(shè)備、支架、同步控制器等，技術(shù)門檻較低，競爭激烈包括數(shù)據(jù)采集、實時跟蹤、噪聲濾波、骨骼綁定等功能模塊，算法優(yōu)化（如遮擋處理）為核心競爭力MotionAnalysis（光學(xué)）、Xsens（側(cè)重慣性+光學(xué)融合）軟件與算法：產(chǎn)業(yè)鏈調(diào)研、中泰證券研究所整理213

誰有望搶占小腦發(fā)展的制高點？誰有望搶占小腦發(fā)展的制高點？3.1、人形機器人運控重要環(huán)節(jié)的玩家

人形運控有五大玩家：?

①本體企業(yè)（一開企業(yè)）：負責(zé)機器人基礎(chǔ)硬件和軟件架構(gòu)設(shè)計（如特斯拉Optimus骨骼動力學(xué)模型）、核心控制器開發(fā)、傳感器標(biāo)定等。?

②應(yīng)用企業(yè)（二開企業(yè)）：基于本體企業(yè)軟硬件平臺，進行二次開發(fā)，應(yīng)用企業(yè)需針對不同行業(yè)需求，優(yōu)化控制算法，提升機器人在特定場景的性能與安全性。?

③傳統(tǒng)工控企業(yè)：負責(zé)執(zhí)行層面，與傳統(tǒng)機器人控制類似，但人形需要更高密度的驅(qū)動技術(shù)和力控融合技術(shù)等，如SCHUNK的EcoGrip60系列觸覺夾持器，實現(xiàn)精準力控與柔順操作。?

④第三方“小腦”企業(yè)：提供SLAM+運動規(guī)劃融合方案，通過運控算法給機器人企業(yè)進行通用性賦能。?

⑤動捕企業(yè)：前文已有詳細介紹，不再贅述。圖表19：人形機器人運控五大玩家存在“數(shù)據(jù)-算法-硬件”的關(guān)聯(lián)關(guān)系動捕數(shù)據(jù)第三方算法訓(xùn)練場景驗證反饋本體硬件集成應(yīng)用企業(yè)部署工控執(zhí)行器適配：中泰證券研究所整理23誰有望搶占小腦發(fā)展的制高點？3.2、人形機器人運控①：本體企業(yè)（一開廠商）

本體企業(yè)（一開廠商）是運控產(chǎn)業(yè)鏈核心，軟硬件結(jié)合構(gòu)筑核心壁壘。前文提到，類似于iOS之于蘋果，本體企業(yè)將硬件和底層算法集成，以硬件為例，高精度關(guān)節(jié)模組是關(guān)鍵，如宇樹M107電機，關(guān)節(jié)動態(tài)響應(yīng)精度顯著提升（誤差<0.1°）。圖表20：本體企業(yè)通過軟件結(jié)合構(gòu)筑壁壘，位居運控產(chǎn)業(yè)鏈核心位置基礎(chǔ)架構(gòu)設(shè)計核心硬件開發(fā)技術(shù)壁壘如特斯拉已經(jīng)打通了FSD和機器人的底層模塊，實現(xiàn)復(fù)雜動作支撐與平衡，為機器人運動奠定基礎(chǔ)。如宇樹M107高精度電機，關(guān)節(jié)動態(tài)響應(yīng)精度顯著提升（誤差<0.1°）。全身動力學(xué)實時解算能力，確保機器人在動態(tài)環(huán)境中快速響應(yīng)與穩(wěn)定運行。本體企業(yè)通過以高精度關(guān)節(jié)模組為代表的硬件與動力學(xué)解算技術(shù)，構(gòu)建技術(shù)壁壘，不僅保護自身優(yōu)勢，還為產(chǎn)業(yè)鏈上下游合作提供穩(wěn)定基礎(chǔ)與標(biāo)準。本體企業(yè)設(shè)計的架構(gòu)需適應(yīng)多場景，如工業(yè)、服務(wù)領(lǐng)域，滿足不同負載與運動需求。：Unitree宇樹科技、中泰證券研究所整理24誰有望搶占小腦發(fā)展的制高點？3.2、人形機器人運控②：應(yīng)用企業(yè)（二開廠商）

應(yīng)用企業(yè)基于一開廠商產(chǎn)品進行二次開發(fā)，以滿足特定下游需求。應(yīng)用企業(yè)（二開廠商）需要基于本體企業(yè)硬件平臺，針對不同行業(yè)需求，優(yōu)化控制算法，提升機器人在特定場景的性能與安全性。此外，應(yīng)用企業(yè)亦可以與工控企業(yè)聯(lián)合，針對特定場景定制末端執(zhí)行器，如汽車廠焊接機器人的耐高溫夾爪，滿足特定工藝需求。圖表21：應(yīng)用企業(yè)基于一開廠商產(chǎn)品進行二次開發(fā)場景適配開發(fā)聯(lián)合定制模式商業(yè)價值拓展基于本體企業(yè)硬件平臺，開發(fā)行業(yè)專用控制協(xié)議，如醫(yī)療機器人手術(shù)臂適配ISO13482安全規(guī)范。與工控企業(yè)聯(lián)合定制末端執(zhí)行器，如汽車廠焊接機器人的耐高溫夾爪，滿足特定工藝需求。應(yīng)用企業(yè)通過場景適配與定制，提升機器人在各應(yīng)用領(lǐng)域的滲透率與市場份額。聯(lián)合定制模式促進產(chǎn)業(yè)鏈協(xié)同，提升機器人在復(fù)雜工業(yè)場景的應(yīng)用效率與可靠性。商業(yè)價值拓展不僅依賴技術(shù)適配，還需與上下游企業(yè)建立緊密合作關(guān)系，實現(xiàn)互利共贏。應(yīng)用企業(yè)需針對不同行業(yè)需求，優(yōu)化控制算法，提升機器人在特定場景的性能與安全性。：萬國企業(yè)網(wǎng)、中泰證券研究所整理25誰有望搶占小腦發(fā)展的制高點？3.2、人形機器人運控③：工控企業(yè)（終端執(zhí)行器企業(yè)）

工控企業(yè)需與本體或應(yīng)用企業(yè)適配開發(fā)執(zhí)行器。在終端執(zhí)行器層面，人形機器人和傳統(tǒng)工業(yè)機器人差異并不明顯，只需配合本體或應(yīng)用企業(yè)開發(fā)適用于特定應(yīng)用場景的關(guān)節(jié)模組，如高密度的驅(qū)動技術(shù)和力控融合技術(shù)。圖表22：工控企業(yè)在人形時代需要開發(fā)特定執(zhí)行器技術(shù)攻堅突破模塊化接口策略高密度驅(qū)動技術(shù)：如HarmonicDrive的諧波減速器，提升執(zhí)行器功率密度與精度；通過模塊化接口，如ISO/TS15066標(biāo)準快拆頭，實現(xiàn)跨本體平臺兼容，拓展市場應(yīng)用范圍。力控融合技術(shù)：如SCHUNK的EcoGrip60系列觸覺夾持器，實現(xiàn)精準力控與柔順操作。模塊化接口策略降低用戶更換成本，提升工控企業(yè)在產(chǎn)業(yè)鏈中的競爭力與靈活性。：SCHUNK官網(wǎng)、中泰證券研究所整理26誰有望搶占小腦發(fā)展的制高點？3.2、人形機器人運控④：第三方“小腦”企業(yè)

第三方“小腦”企業(yè)類似于Android至于手機廠商，賦能機器人企業(yè)。iOS之于蘋果屬于閉源生態(tài)，在開源生態(tài)模式中，獨立第三方企業(yè)可以通過開發(fā)“小腦”底層運控算法，賦能機器人企業(yè)。如橋介數(shù)物，其是國內(nèi)領(lǐng)先的具身智能控制系統(tǒng)開發(fā)公司，致力于構(gòu)建足式機器人的通用控制系統(tǒng)平臺，公司已幫助多家人形機器人公司完成從0到1的強化學(xué)習(xí)運動控制demo開發(fā)，并在2024年8月的世界機器人大會上，27家中有11家人形機器人廠商采購了其運控解決方案。圖表23：搭載橋介數(shù)物“小腦”方案的機器人

圖表24：搭載橋介數(shù)物“小腦”方案的機器狗：橋介數(shù)物官網(wǎng)、中泰證券研究所：橋介數(shù)物官網(wǎng)、中泰證券研究所人形機器人運控⑤：動捕企業(yè)，前文已有詳細介紹，不再贅述27誰有望搶占小腦發(fā)展的制高點？3.6、小結(jié)：小腦發(fā)展圍繞本體廠商展開，應(yīng)用落地是關(guān)鍵

在整個人形機器人運控產(chǎn)業(yè)鏈條中，本體廠商的軟硬件進步驅(qū)動行業(yè)發(fā)展，動捕和工控企業(yè)的硬件進步助推本體廠商持續(xù)迭代。隨著人形機器人量產(chǎn)時代來臨，尋找應(yīng)用場景成為關(guān)鍵（即生產(chǎn)出來的人形機器人賣不賣的出去），二次開發(fā)的廠商具備三大優(yōu)勢：①綁定某一細分領(lǐng)域客戶；②對特定下游（如電力、消防、礦山、養(yǎng)老等）工況有獨特理解；③有特定應(yīng)用場景的數(shù)據(jù)，并基于本體企業(yè)產(chǎn)品進行訓(xùn)練，進而滿足終端客戶需求。因此我們認為，2025年基于應(yīng)用場景進行二次開發(fā)的企業(yè)將成為最先放量，且最具彈性的方向。284

投資邏輯：聚焦二開本體廠商及動捕企業(yè)投資邏輯：聚焦二開本體廠商及動捕企業(yè)4.1、聚焦①：二開本體廠商

2025年，人形機器人關(guān)注度已逐漸從供給端轉(zhuǎn)向需求端，在量產(chǎn)的大背景下，具備垂直應(yīng)用場景的二開本體廠商無疑是最有可能放量的環(huán)節(jié)，預(yù)期差大，建議重點關(guān)注二開本體企業(yè)，包括：教育、養(yǎng)老、消防應(yīng)急、?；?、防爆、礦山、電力、冶金等行業(yè)。圖表24：不同應(yīng)用場景下的二開本體企業(yè)匯總2025/3/12EPS（元）2023A

2024A/E

2025EPE環(huán)節(jié)具體業(yè)務(wù)公司名稱

公司代碼最新評級未評級股價（元）2026E2023A

2024A/E

2025E2026E科大訊飛

002230.SZ51.8096.9515.6396.9541.3433.2818.8137.2132.4064.170.28(3.05)(0.88)(3.05)0.960.25-0.37-0.51190.32209.29144.03-104.49家庭養(yǎng)育陪伴，情感陪伴，stem教具教育科研領(lǐng)域優(yōu)必選9880.HK-----未評級未評級未評級未評級未評級未評級未評級未評級未評級麥迪科技

603990.SH(0.66)0.001.391.711.010.170.001.510.28(1.86)1.781.721.220.67(0.78)1.470.34(1.04)2.252.001.420.870.102.15--57.82-47.62-養(yǎng)老陪護、康養(yǎng)陪護養(yǎng)老康養(yǎng)領(lǐng)域安防巡檢領(lǐng)域優(yōu)必選9880.HK-歐圣電氣

301187.SZ?？低?/p>

002415.SZ大華股份

002236.SZ億嘉和

603666.SH申昊科技

300853.SZ景業(yè)智能

688290.SH45.8022.117.87-29.7119.5118.61222.95-24.7019.5314.9059.43-19.5416.8012.8045.77302.5033.121.52復(fù)雜場景簡單業(yè)務(wù)邏輯處理2.31(0.05)(0.69)0.35電網(wǎng)能源領(lǐng)域業(yè)務(wù)處理特定領(lǐng)域巡檢核電領(lǐng)域--203.4342.5848.44：中泰證券研究所，注：以上公司eps均來自wind一致預(yù)期30投資邏輯：聚焦二開本體廠商及動捕企業(yè)4.1、聚焦①：二開本體廠商圖表24：不同應(yīng)用場景下的二開本體企業(yè)匯總（接上圖）2025/3/12EPS（元）2023A

2024A/E

2025EPE環(huán)節(jié)具體業(yè)務(wù)公司名稱

公司代碼最新評級買入股價（元）2026E2023A

2024A/E

2025E2026E華榮股份

60