文丨肖群稀 編輯丨林偉萍

編者按

人形機(jī)器人，作為集人工智能、精密機(jī)械、傳感技術(shù)之大成的下一代智能終端，正站在技術(shù)落地和商業(yè)化探索的關(guān)鍵期。

人形機(jī)器人是未來十年不可忽視的超級賽道已成為資本市場的共識。

今年以來，人形機(jī)器人概念受到資本市場的熱炒，相關(guān)公司的估值也隨之水漲船高。站在2026年年初的起點(diǎn)，投資者該如何衡量當(dāng)前人形機(jī)器人概念的估值？產(chǎn)業(yè)鏈中哪些公司仍存在布局機(jī)會呢？

國泰海通證券機(jī)械行業(yè)首席分析師肖群稀在新書《碳基覺醒》中，從硬件、模型、數(shù)據(jù)和人才等角度，系統(tǒng)性地解構(gòu)了“人形機(jī)器人估值方法論”。公開資料顯示，其自2022年起聚焦人形機(jī)器人賽道研究，并帶領(lǐng)團(tuán)隊(duì)圍繞具身智能、關(guān)節(jié)模組及部件（電機(jī)、執(zhí)行器、編碼器）、靈巧手、視覺/力覺/觸覺傳感器等核心領(lǐng)域發(fā)布多篇深度報(bào)告。

我們經(jīng)授權(quán)摘錄本書《人形機(jī)器人估值方法論：硬件、模型、數(shù)據(jù)和人才》章節(jié)部分內(nèi)容，以饗讀者。

以下為文章原文：

人形機(jī)器人估值方法論：

硬件、模型、數(shù)據(jù)和人才

面對人形機(jī)器人一級市場的火熱，我們總結(jié)出具身智能的四大核心估值邏輯：硬件、模型、數(shù)據(jù)和人才。以下從這四個(gè)方面展開分析，探討其對人形機(jī)器人發(fā)展的關(guān)鍵影響。

硬件：供應(yīng)鏈優(yōu)勢與性能躍升的基礎(chǔ)

人形機(jī)器人本體硬件是技術(shù)落地的基礎(chǔ)。中國在供應(yīng)鏈方面的優(yōu)勢尤為突出，為硬件的快速迭代和性能提升提供了堅(jiān)實(shí)支撐。每次硬件的迭代都會顯著提升機(jī)器人的核心性能，例如一體化關(guān)節(jié)和靈巧手方案的升級，對精度、力控和操作能力具有決定性影響。

完全自研的高性能、穩(wěn)定硬件是實(shí)現(xiàn)快速優(yōu)化和修改的關(guān)鍵。沒有自主硬件，就無法根據(jù)算法和數(shù)據(jù)進(jìn)行針對性調(diào)整。目前，跨硬件的算法仍處于理論研究階段，尚未實(shí)現(xiàn)大規(guī)模應(yīng)用。得益于過去多年在新能源汽車和機(jī)械通用零部件行業(yè)的積累，中國在人形機(jī)器人供應(yīng)鏈方面的優(yōu)勢明顯，為硬件的持續(xù)創(chuàng)新提供了強(qiáng)有力的支持。

模型：執(zhí)行與硬件的深度融合

模型是人形機(jī)器人實(shí)現(xiàn)智能化的核心，與硬件的結(jié)合至關(guān)重要從物理空間的角度劃分，大模型可以分為兩類：非具身大模型（如ChatGPT、Sora等）和具身智能大模型（如機(jī)器人大模型）。兩者的區(qū)別在于是否能夠生成運(yùn)動姿態(tài)。非具身大模型的輸入和輸出模態(tài)主要為語言、圖片和視頻，具身智能大模型則通過視覺和語言信號輸入，輸出三維物理世界的操作。

具身智能大模型的技術(shù)方向主要分為兩類：

一是端到端的具身大模型，如特斯拉的FSD和谷歌的R模型，這類模型對數(shù)據(jù)和算力的要求極高。

二是分層端到端的具身大模型，以Figure Al為代表，大多數(shù)人形機(jī)器人公司采用這一架構(gòu)，包括基礎(chǔ)大模型（LLM或VLM）、決策大模型和操作大模型。

在基礎(chǔ)大模型上，具身智能大模型與非具身智能大模型有一定的通用性，此處便不再贅述，而決策大模型以ChatGPT for Robotics和谷歌PaLM-E為代表，技術(shù)方向從大語言模型向強(qiáng)化學(xué)習(xí)演進(jìn)?；趶?qiáng)化學(xué)習(xí)的范式使模型能夠在不同環(huán)境和任務(wù)中學(xué)習(xí)和適應(yīng)，實(shí)現(xiàn)更高級的決策能力。操作大模型根據(jù)決策大模型的輸出執(zhí)行具體動作，需要與機(jī)器人硬件深度集成，并通過數(shù)據(jù)采集實(shí)現(xiàn)。技術(shù)方向從傳統(tǒng)的“模型預(yù)測控制+全身控制”向“強(qiáng)化學(xué)習(xí)+仿真”演進(jìn)，其中模型預(yù)測控制更適合具有精確模型和短期優(yōu)化目標(biāo)的場景，而強(qiáng)化學(xué)習(xí)更適用于不確定性高、需要長期學(xué)習(xí)和自適應(yīng)的環(huán)境。

數(shù)據(jù)：發(fā)展的瓶頸與核心競爭力

數(shù)據(jù)是當(dāng)前機(jī)器人發(fā)展的瓶頸，也是拉開技術(shù)差距的重要手段。能否獲得足夠數(shù)量、足夠便宜且高質(zhì)量的數(shù)據(jù)，直接決定了機(jī)器人發(fā)展的速度和深度。數(shù)據(jù)是AI下一個(gè)發(fā)展階段的最大助推力，但真實(shí)環(huán)境中的數(shù)據(jù)遠(yuǎn)遠(yuǎn)不足以滿足需求，仿真數(shù)據(jù)成為重要的補(bǔ)充手段。

主流的數(shù)據(jù)采集方法包括：仿真生成數(shù)據(jù)，通過模擬環(huán)境生成大量高質(zhì)量數(shù)據(jù)；真實(shí)環(huán)境采集數(shù)據(jù)，在實(shí)際場景中收集數(shù)據(jù)。

特斯拉的Tesla Bot開發(fā)團(tuán)隊(duì)通過人類的真實(shí)運(yùn)動方式訓(xùn)練機(jī)器人，英偉達(dá)推出的 MimicGen和 Robocasa模型則通過真人的遙控操作捕獲數(shù)據(jù)，再結(jié)合生成合成運(yùn)動數(shù)據(jù)和模擬環(huán)境。數(shù)據(jù)采集完成后，還需要進(jìn)行數(shù)據(jù)分發(fā)、清洗、打標(biāo)簽、校驗(yàn)、存儲和管理等工作。數(shù)據(jù)能力較強(qiáng)的公司通常會自行構(gòu)建數(shù)據(jù)流水線，數(shù)據(jù)能力較弱的公司則依賴數(shù)據(jù)服務(wù)商的工具。

人形機(jī)器人廠商的短期目標(biāo)是發(fā)掘具體應(yīng)用場景，深耕一個(gè)細(xì)分領(lǐng)域，積累足夠多的數(shù)據(jù)，訓(xùn)練小模型，再逐步拓展到新的領(lǐng)域，訓(xùn)練新的技能。當(dāng)機(jī)器人的技能庫足夠豐富時(shí)，最終將走向通用化。

人才：技術(shù)突破的核心驅(qū)動力

人才是人形機(jī)器人發(fā)展的核心驅(qū)動力，涉及數(shù)據(jù)、算法和硬件工程等多個(gè)領(lǐng)域。以下是關(guān)鍵團(tuán)隊(duì)的職責(zé)與要求：

1.數(shù)據(jù)團(tuán)隊(duì)：負(fù)責(zé)數(shù)據(jù)的采集、組織管理以及模型的閉環(huán)開發(fā)。團(tuán)隊(duì)需要具備強(qiáng)大的組織能力，核心團(tuán)隊(duì)需要有管理大規(guī)模工程師的經(jīng)驗(yàn)。

2.算法團(tuán)隊(duì)：開源算法可以提供基礎(chǔ)功能和技術(shù)支持，但高質(zhì)量、高性能的人形機(jī)器人需要專業(yè)的算法團(tuán)隊(duì)進(jìn)行深入研究和開發(fā)。技術(shù)方向包括強(qiáng)化學(xué)習(xí)、仿真優(yōu)化等，需要不斷探索新的算法架構(gòu)。

3.硬件工程團(tuán)隊(duì)：人形機(jī)器人對硬件的集成能力要求極高，該能力需要通過不斷地試錯(cuò)和經(jīng)驗(yàn)積累來提升。硬件團(tuán)隊(duì)需要具備快速迭代和優(yōu)化的能力，以支持算法和數(shù)據(jù)的持續(xù)改進(jìn)。

人形機(jī)器人領(lǐng)域的競爭已從單一技術(shù)的比拼轉(zhuǎn)向多維度的綜合較量。硬件、模型、數(shù)據(jù)和人才是決定企業(yè)競爭力的核心要素。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場景的拓展，人形機(jī)器人有望在更多領(lǐng)域?qū)崿F(xiàn)規(guī)模化落地，為行業(yè)和社會帶來深遠(yuǎn)的影響。通過持續(xù)的技術(shù)創(chuàng)新、數(shù)據(jù)積累和人才引進(jìn)，人形機(jī)器人將逐步邁向通用化，開啟智能化的新時(shí)代。

（嘉賓觀點(diǎn)僅代表個(gè)人，不代表周刊立場。）