全文摘要

当前，国内机器人厂商主要集中在汽车行业和3C领域，积极布局产业应用，同时部分企业如优必选在 医疗领域进行尝试但面临挑战。随着汽车制造向自动化、智能化转型，国内企业如比亚迪计划引入人形 机器人以提高生产效率和降低成本，显示出人形机器人在汽车生产线应用的巨大潜力。面向车企的机器 人技术主要用于替代人力劳动，成本相对较高，未来降低成本的途径包括提高产量、部件国产化及采用 更经济的解决方案。大模型成为AI领域的研究热点，但研发成本高且需大量计算资源，企业间在AI领域 的竞争实力取决于技术水平、数据积累和创新能力。机器人数据和模型对其性能至关重要，拥有丰富数 据资源的企业在竞争中占据有利地位。端到端技术因高度泛化能力受关注，虽面临数据需求大的挑 战，但通过模型拆分已有所进展。人形机器人技术发展强调软件层面AI的重要性，突破点在于提高AI的 感知与决策能力。尽管华为、小米等企业在供应链管理和大数据等方面具备优势，但在实现高度人性 化、精确运动控制及工业能力上仍面临挑战。优必选在此领域表现出领先地位，但也面临着稳定性和技 术挑战。

章节速览

● 00：00 国产机器人厂商产业链与应用探索当前国产机器人厂商主要在汽车行业及3C领域进行产业应用布局，部分厂商如优必选也在医疗领域有 所尝试但面临挑战。与国际品牌相比，国内厂商更注重技术和应用层面的结合。

● 03：26 国内外汽车行业中人形机器人的应用与展望随着特斯拉等企业推动汽车产业向自动化、智能化转型，国内汽车制造商如比亚迪积极响应，计划引入 人形机器人以提高生产效率和降低成本。尽管当前处于初步测试阶段，但人形机器人在汽车生产线上的 应用展现出巨大的潜力，特别是在搬运等重复劳动密集的工作环节。预计未来几年将有越来越多的车企 开始大规模部署此类机器人，实现生产流程的优化和工作效率的显著提升。

● 12：40 机器人技术在汽车与教育领域的应用及成本分析当前市场上，面向车企的机器人技术主要用于替代人力劳动，其单价大致在150至200万元人民币之 间，成本较高主要由于未实现量产。未来降低成本的主要途径包括提高产量、部件国产化以及采用更经 济的解决方案如行星减速器。此外，机器人在教育领域，尤其是科研机构的应用，主要侧重于提供教学 工具，帮助学生理解和操作机器人，而家用机器人如割草机、猫砂机则更多地依赖于物体识别和导航功 能，对机动性的需求不高。

● 21：17 探讨大模型与AI技术发展方向

近年来，随着大数据和计算能力的提升，大模型成为AI领域的研究热点。大模型因其数据量巨大、参数 众多而展现出强大的表现能力，引发了人们对人工智能未来的乐观预期。目前，国内外许多企业正在利 用开源大模型进行二次开发，并结合自身积累的数据和算法优化，以推动人工智能技术的发展和应用。然而，大模型的研发成本高昂，且需要大量的计算资源，因此鲜有企业独立承担。此外，虽然大模型提 供了强大的语言处理能力，但对于实际应用中的运动控制等任务，还需要结合专门的小模型和大量行业 数据来实现精准控制和决策。因此，企业的技术水平、数据积累和创新能力成为了衡量其在AI领域竞争 实力的关键因素。

● 29：39 探讨机器人数据与模型的重要性及其国内外差异机器人数据和模型对其性能至关重要，尤其对于实现特定行业应用的重要性不可小觑。数据的多样性及 其在不同行业中的应用要求使得拥有丰富数据资源的公司在竞争中占据有利地位，形成了所谓的‘马太 效应’。国外，特别是美国，在人形机器人领域处于领先地位，拥有充足的资金、强大的技术和大量的 数据支持。相比之下，尽管中国在大模型领域逐渐缩小与国际的差距，但在数据端仍存在明显不足。特 斯拉作为技术创新和数据收集方面的领头羊，其在机器人技术领域的成就反映了国内外在这一领域的显 著差异。

● 35：57 探讨端到端技术及其在汽车行业的应用端到端技术，特别是指特斯拉提出的从输入到输出的直接处理方式，因其高度的泛化能力而受到关注。然而，该技术需要庞大的数据支持，导致运算量巨大且反应速度下降。行业内对于端到端的具体实现存 在疑问，将其比喻为一个黑箱，意味着外界难以窥探其内部工作原理。尽管如此，类似Transformer这 样的技术已经通过将模型拆分为若干板块来尝试解决此问题，并推动了多模态模型的发展。近年来，不 仅特斯拉，许多其他行业和企业也开始探索并提出端到端的概念，试图利用这一技术的优势。通过对端 到端技术的讨论，可以看出该领域正处于快速发展之中，尤其是在汽车行业，许多企业正在寻求将端到 端技术应用于提高效率和性能。

● 40：35 探索人性机器人技术：从硬件到软件的突破讨论着重于人性机器人技术的发展，强调了软件层面的人工智能(AI)对于实现真正人性化机器人的重要 性。早期的机器人如阿西莫展示了强大的物理硬件能力，但缺乏高级智能。当前认为，突破点不在于进 一步增强硬件，而是在于提高AI的感知与决策能力，使其能够适应并执行复杂的任务。此外，还探讨了 人形机器人在不同行业中的应用潜力，特别是在汽车制造业中的特定工作位置，以及它们未来可能在更 多精确定制和精细操作领域取代人类的工作。

● 46：10 探讨人形机器人领域的挑战与机遇人形机器人是一个复杂的多学科领域，涉及多个关键要素如数据、模型以及技术创新。尽管华为、小米 等企业在供应链管理、大数据等方面具有优势，但在实现高度的人性化、精确的运动控制及工业能力方 面面临挑战。此外，特定场景下的数据积累对于推动智能发展至关重要，而目前市场上的一些领先企业 通过长期的技术积累和实践经验，在该领域展现出一定的先发优势。然而，稳定性是衡量企业实力的重 要标准之一，需要强大的技术支持和工业生产能力作为保障。最终，通过分析不同企业的技术路径和市 场表现，可以预见优必选在此领域处于领先地位，尽管存在一些挑战和争议。

问答回顾

发言人 问：请问在当前的市场环境下，国产机器人厂商主要集中在哪些产业应用方面，并且有哪些合 作伙伴？

发言人 答：在当前市场环境中，国产机器人厂商较多聚焦于汽车行业和3C行业。其中，许多厂商如优 必选与多家汽车主机厂商进行合作，银河通用和智源也有类似合作案例。此外，在3C行业中，由于中 国产业链完善且市场需求存在，部分机械厂商也在尝试进入该领域。

发言人 问：为何国内机器人厂商会在汽车行业和3C行业走得较早？

发言人 答：原因有两个方面。首先，客户需求较大，特别是汽车制造业中的工厂管理面临巨大的人员 扩充压力，而人形机器人可以帮助提高效率并降低成本。其次，国内厂商观察到特斯拉提出的自动驾驶 概念后迅速跟进，尤其是比亚迪等新能源车企的发展推动了产业链的发展，使得机器人在汽车行业有较 好的商业前景。

发言人 问：目前，车企采购人形机器人主要用于哪些生产环节？

发言人 答：车企采购的人形机器人主要应用于代替工人进行整装车间内的搬运工作，例如搬运生产线 上的零部件等简单粗暴的工作。而在其他更复杂的操作中，比如贴车标、打螺丝、上车胶贴挡风玻璃等 环节，人形机器人因软件及操作灵巧度限制暂时无法完全替代人工。

发言人 问：对于车企客户对人形机器人在车间内的采购需求，您认为应该如何划分？目前各大车企在 人形机器人领域的采购情况如何？

发言人 答：根据车型或销量划分并不完全科学，建议按照车间数量与所需替代的工人数量结合实际情 况来确定采购需求。例如，可以先看车型生产线中各工种占比，并考虑当前机器人技术可替代搬运工人 约30%至40%，未来随着技术进步及耐久性的提升，其在生产线中的应用比例将有所增长。尽管存在采购 行为，但由于技术验证期较长且需要小批量试运行，大规模商业化采购并未发生。

发言人 问：国内机器人厂商是否已经对行业内的稳定市场需求进行了测算？

发言人 答：目前市场还未到达大规模推广阶段，仍处于测试与调整阶段，尚未走到商业化阶段。

发言人 问：您能否预测未来某一时间点，车企开始大规模替代人工的可能性？

发言人 答：预计在接下来的明后年，尤其是搬运等场景有望实现一定程度上的替代，并且已经有乐观 的技术专家预计会有一定的出货量。

发言人 问：国内厂商出售给车企用于替代搬运工人的机器人单价水平大概是多少？

发言人 答：考虑到初期验证阶段成本较高，预估售价应在150万至200万元人民币一台左右。

发言人 问：关于未来降价空间，您认为主要来源于哪些方面？

发言人 答：降价空间主要来自于规模化生产后的成本降低，比如电机减速器等部件的国产化、规模化 生产带来的单价下降以及伺服舵机等关键零部件用量增加后的降低成本潜力，此外，不同的技术方 案（如行星减速器）也可能带来更为经济的选择。

发言人 问：这种融合行星齿轮与谐波减速器的方案目前在科研领域的应用情况如何？

发言人 答：在科研领域，虽然这种方案目前还处于较低的应用水平，并未广泛应用于工业或其他地 方，例如优必选采用的方案由于关节成本高昂导致价格居高不下，但它在未来可能会有更多的改良版本 出现，致力于在精度、刚性和成本间找到平衡点。

发言人 问：能否介绍一下教育领域中人形机器人主要的应用场景及其优势是什么？

发言人 答：教育领域中，人形机器人主要用于科研教学用途，特别是在语言和数学教学上。它们具备 良好的机械结构设计，可以实现复杂的动作并帮助学生理解结构原理，同时也能执行一些谐波减速器难 以完成的任务。尽管其主要面向科研和职校教育市场，市场规模相对较小，但该类机器人的独特性能使 得其在特定领域具有一定价值。

发言人 问：在家用电器（如无人割草机、猫砂机）等消费品市场上，人形机器人是否会成为主流需 求？

发言人 答：在家用电器市场中，人形机器人的应用主要集中在识别和导航等功能上，而对于机动性的 要求不高，因此成本并不高。然而，当前市场上的大多数无人割草机仍采用激光雷达为主的导航方 式，而非视觉方案。至于AI能力，大部分产品依赖于激光技术，而非高阶的视觉AI系统。

发言人 问：国内厂商在大模型AI方面的应用能力和差距体现在何处？

发言人 答：国内厂商在大模型AI应用上大多倾向于使用开源模型，并在此基础上构建自己的小数据库和 小模型进行微调。由于基础设施（如GPU）投入巨大且回报有限，除特斯拉外，绝大多数厂商并未自建 大模型体系。不过，国内一些长期从事人形机器人研发的厂商，如优必选，在特定功能模块（如运动控 制）上拥有一定的自主研发成果和数据库资源。

发言人 问：能否简单回顾一下近年来大模型为何如此火爆，并解释何谓“大模型”？

发言人 答：大模型之所以火爆，源于其强大的数据规模和技术实力。例如，ChatGPT和Facebook的一些 大模型参数量达到千亿甚至万亿级别，充分体现了大数据驱动下的技术创新。大模型的核心理念在于利 用海量数据训练模型，从而解决复杂任务并产生意想不到的效果。

发言人 问：大模型在机器人中的作用是什么？

发言人 答：大模型相当于机器人的一种“大脑”，负责思考并规划如何执行任务。当机器人接收到指令 后，会调用相应的运动控制小模型（类似人体的小脑）来调动数据库和动作库，最终驱动终端执行所需 动作。

发言人 问：如何评判不同机器人厂家之间的技术水平差距？

发言人 答：评判标准不仅要看厂商宣传的参数，更要考察其实际现场表现能力，包括但不限于在运动 控制、感知、语音处理等方面搭建的小模型性能。同时，数据积累也是一个关键要素，尤其是在特定行 业数据和不同型号机器人适用数据的应用上，数据量与质量决定了技术实力的强弱。

发言人 问：数据在机器人领域的重要性体现在哪里？

发言人 答：数据对于机器人至关重要，因为它直接影响到机器人的动作执行能力。基于开源大模型构 建自主架构后，若缺乏针对性的数据支持，机器人无法准确地按照所见即所得的方式完成相应动作。此 外，数据还能帮助机器人根据不同体型调整动作策略，确保稳定性和准确性。

发言人 问：现场演示对于评判机器人制造商能力的标准是什么？

发言人 答：现场演示能充分展现一家机器人公司的全面技术实力，包括但不限于运动控制、硬件技 术、AI技术等各方面均需具备优势才能完成诸如行走或爬楼梯这样的复杂动作。稳定性也是评判标准之 一，高水平的稳定性表明公司在技术研发上有一定实力，并且无明显短板。

发言人 问：先发数据优势在机器人行业中如何体现及其影响因素是什么？

发言人 答：先发数据优势意味着厂商能够在不同行业内积累更丰富的特定数据资源，从而降低进入新 领域的壁垒。然而，由于各行业的数据需求差异较大，单一模型难以满足所有场景，因此数据资源的获 取和应用尤为重要。特斯拉等人穿戴设备收集真实数据的方式是一种有效途径，另外还有虚拟训练（如 英伟达的ICCV平台）可以低成本地建立虚拟环境进行训练，尽管其稳定性仍有待提高。

发言人 问：特斯拉在实现机器人技术方面的哪些关键条件为其提供了成功的可能性？

发言人 答：特斯拉成功收购的资金端充足，拥有一个明确且坚定的战略方向——将人工智能应用到制 造过程中。此外，特斯拉的FSD（自动驾驶）系统不仅限于汽车领域，在机器人领域也有广泛应用潜 力，并且特斯拉通过其工厂内外的数据收集增强了自身的数据实力。

发言人 问：目前在人形机器人或大模型领域中，中国与国外的技术差距是否有缩小趋势？

发言人 答：确实如此，在大模型和人形机器人等领域，中国近年来发布了若干先进模型，逐渐追赶国 际水平。尤其是在模型端方面，虽然我不是该领域的专家，但从个人感受来看，与国外相比，两者之间 的差距似乎并不太大。

发言人 问：能否简单解释一下“端到端”的含义及其在汽车产业中的应用？

发言人 答：“端到端”是指从输入到输出的过程不需要经过任何中间环节，直接完成任务的一种概念。在 汽车产业中，许多企业提出“端到端”，虽然可能与特斯拉的具体实现有所不同，但通常意味着接受不同 模态的数据并直接执行任务。然而，“端到端”存在大量数据需求和运算量巨大的劣势，这也限制了其快 速发展。

发言人 问：当前为什么众多企业和车企都在提出“端到端”这一概念，即使大家对其运作机制并不是十分 清楚？

发言人 答：这主要是因为“端到端”在某些场景下具有明显的优势，例如接受多种类型数据并直接执行任 务的能力。而无论是像特斯拉这样的大型企业还是国内的部分模型公司或人机咨询公司，都在尝试将其 应用于各自的业务领域，并借此吸引市场关注和推动技术创新。

发言人 问：“端到端”这个概念是谁最早提出的？当前的发展状况如何？

发言人 答：“端到端”概念是由特斯拉首先提出的。尽管公开信息有限，且主要表现为一些展示视频，但 根据我的个人观察和行业内的反馈，特斯拉在此领域的成功概率较高。不过，对于“端到端”的具体执行 模式，由于特斯拉并未详细公开，目前仍存在较大争议，许多人将其视为一种黑箱操作方式。同 时，“端到端”依赖大量数据和运算量较大的特点也限制了其实际应用效果。

发言人 问：在国内，针对汽车生产线中特定工种的工作岗位，是否有必要开发人形机器人？对于未来 市场而言，是否认为像华为、小米或比亚迪这类企业在人工智能领域的优势足以挑战优必选等已具备一 定技术积累的人形机器人公司？

发言人 答：在国内汽车行业使用人形机器人的情况来看，尽管当前主要是针对搬运和质检等工作，但 从长远角度来看，人形机器人在诸如精细化操作（如布线、安装挡风玻璃等）以及与人类工具交互的场 景下具有较高的应用潜力。尽管现阶段对于一些简单工位的需求可能会采用轮式机器人，但对于复杂且 精细的操作，厂商通常更期望人形机器人能够实现无缝替代。尽管华为、小米等公司在供应链管理、数 据等方面有所建树，但人形机器人是一个涉及多个复杂学科的领域，不仅要求在运动控制、人体结构设

计等方面拥有全面实力，还需要深入研究并积累特定于应用场景的数据。目前，这些巨头虽然可能会带 来一些技术和数据上的创新，但由于缺乏长期对人形机器人行业的深度投入和技术积淀，想要跨越现有 的技术壁垒仍需时间累积和沉淀。

发言人 问：那么，在国内市场上，哪些公司在人形机器人领域展现出较强的优势？

发言人 答：当前看来，优必选公司在人形机器人领域表现出色，尤其在控制技术方面有一定先发优 势，尽管存在一些负面新闻。其次是优必选，其方案相对收敛且聚焦，拥有较强的工业能力和零部件稳 定性，有望在长期内保持领先地位。此外，还有语速科技公司在方案设计上较为成熟，尽管面临路线调 整等问题，但也具有一定竞争优势。而对于通用、主机动力等公司，则由于信息有限未能做出详细排名。

纪要来源：【文八股调研】小程序