特斯拉人形機器人的高速成長、英偉達創始人半導體大會重點提及、上交大提出實施方案，正讓“具身智能”成為市場資金的焦點。

01、什么是“具身智能”？

具身智能其實是智能科學的一個基礎問題，是指具有身體體驗的智能。

從認知角度看，人類是第一人稱視角的智能，但給機器喂很多數據進行學習，屬于第三人稱的智能，比如給機器很多盒子，并且標注這就是盒子，然后機器就會知道這種模式是盒子。但其實，人類是怎么知道這是盒子的？是通過體驗才知道的。

1963年的一個實驗能一定程度展示兩者的區別，圖中的兩只貓，一只貓被綁起來，只能看這個世界，與其連接的另一只貓則可以主動去走。被動的貓是一種旁觀的智能，而主動的貓是具身的智能，實驗的最后，主動體驗的貓學會了正常行走，但旁觀的貓并沒能獲得行走能力。

資料來源：“機器之心”公眾號

人工智能屬于很多概念的總和，但其中有些概念很難被測量和驗證，例如讓機器理解什么是社會、什么是責任，雖然能輸出一個表征，但很難檢驗機器是否真正理解這些概念，因此可在一些可驗證、可測量的概念上做出一個閉環，而具身智能剛好是這樣的閉環，是邁向通用智能很好的起點。

近期，英偉達創始人黃仁勛也在ITF World 2023半導體大會上表示，AI下一個浪潮將是“具身智能”，其描述的“具身人工智能”是能夠理解、推理并與物理世界互動的智能系統，包括機器人技術、自動駕駛汽車，甚至是聊天機器人，它們會更聰明，因為它們能了解物理世界。

02、“具身智能”離我們有多遠？

早在1950年，圖靈首次提出具身智能的概念。在此后幾十年里，具身智能作為很重要的概念，但并沒有取得很大的進展，因為當時的技術還不足以支撐其發展。

到了今天，多學科的技術已經改變了這一局面。當前各路大模型百花齊放，計算機視覺、計算機圖形學、自然語言、認知科學等技術成熟，將推動具身智能進入快速發展階段。

不斷高速發展的AI大模型，有望突破局限，讓機器人生“智”。

機器人的大模型包含LLM(大語言模型)、VLM(視覺-語言模型)、VNM(視覺導航模型)。機器人的“大腦”AI域不局限于ChatGPT運用的語言大模型，谷歌在LM-Nav的研究中提到，LLM+VLM+VNM三個模型相互結合，從自然語言（冗余口語化描述）到文本（地標的字符串）到圖像（根據文本找圖像中的物體），能夠最終生成機器人的路徑規劃。以此行為模式為基礎，機器人能進行人機互動，同時實現一定程度的“隨機應變”。

不久前，上海交通大學盧策吾教授在機器之心AI科技年會上發表主題演講《具身智能》，提出PIE方案，認為具身智能包括3個模塊：具身感知（Perception）、具身想象（Imagination）和具身執行（Execution），有望加速推動具身智能落地。

目前看來，AI+機器人或許正是“具身智能”當前的落點。

由于具身智能相較于非智能普通人形機器人有更高的工作效率，其具備的理解力、交互力、規劃能力等，在機器人進入千行百業后，擁有極強的落地實用性。同時其能夠用自然語言控制的特性，是未來規?；瘏f助普通工作人員的必要條件。

因此，未來可關注目前可用大模型進行改造的硬件機器人類型及應用場景，例如對話為主的服務機器人、工業機器人、復雜場景下的人形機器人等領域。

諸多大廠已在具身智能領域進行布局，谷歌發布史上最大通才模型PaLM-E；微軟探索如何將ChatGPT擴展到機器人領域；阿里巴巴-千問大模型正在實驗接入工業機器人等。

其中特斯拉人形機器人Optimus讓人眼前一亮。

自去年10月特斯拉人形機器人Optimus首次亮相無法自主行走需要人攙扶，5月17日，特斯拉股東大會展示視頻中Optimus已經可以在車間靈活行走、抓取物體，已經擁有環境探索與記憶、電機轉矩控制能力、基于人類跟蹤運動的AI訓練以及物體操縱能力，且已打通了FSD底層模塊，實現了一定程度的算法復用。

Tesla Bot邊走路邊識別并記憶周邊環境資料來源：計算機視覺聯盟

FSD算法指的是其全自動駕駛（Full Self-Driving）系統所采用的算法，采用它是為了實現車輛的自主導航和自動駕駛功能，讓車輛能夠在各種交通環境下進行感知、決策和控制。其主要依賴于神經網絡和計算機視覺技術，核心是神經網絡模型：通過對實時傳感器（如相機、激光雷達等）獲取的數據進行處理和分析，并從中提取有關道路、車輛、行人和障礙物等信息，可以實現車輛的環境感知和物體識別。

加上之前OpenAI投資挪威人形機器人公司1X，以及三花智控與綠的諧波在墨西哥合資設立諧波減速器公司，AI+機器人已經讓人看到產業爆發的跡象。

03、市場規模有多大？

短期看來，由于技術不成熟，人形機器人在B端難有明晰應用場景，且未量產的價格對C端用戶恐較難接受，所以市場集中在特定消費人群當中。

首先，ASIMO、Atlas、Tesla、小米、優必選發布的機器人側重于其運動能力，對其手眼協同執行生產任務的能力未過多描述，這意味著短期內其難以走入工廠大規模補充勞動力。從技術看，當前人形機器人還只能基于固定規則運動，即使投入生產性工作，亦只能局限在有限動作與場景，而這又與對人形機器人“跨場景靈活工作”的期望相悖，尚待控制算法的進一步成熟。

其次，當前人形機器人服務能力主要體現在講解引導、表演方面，還無法較好地完成家務，在家庭場景其與智能音箱的功能更為相似，再加之價格較高，C端用戶在短期內可能不會大量接受。

雖實用功能不夠豐富，發布初期仍可能吸引科技發燒友、可支配收入充裕的高端消費者進行購買，此時人形機器人滿足的是用戶的科研、嘗鮮、炫耀需求。

前期Tesla Bot價格或定在50萬元左右，與之相應的消費人群與當前豪華車、超豪華車的購買者重合度較高。不過考慮到人形機器人購買后實用性較弱且難以攜帶外出展示，故在高收入人群中的滲透率或將顯著低于汽車。

機構預計2025-2027年，TeslaBot在豪華車購買者中的滲透率將分別為1%、2%、3%，在超豪華車購買者中的滲透率將分別為6%、7%、8%，帶來的市場規模分別為520.5、1,022.0、1,523.5億元

資料來源：東吳證券研究所

之后隨著技術的完善，會逐步助力機器人填補制造業用工缺口。

此階段機器人的運動控制能力、續航持久性得到提升，得以發揮優勢，承接制造業中跨場景的工作。據《制造業人才發展規劃指南》，至2025年我國制造業將有3,000萬的人才缺口，占全球缺口的主要份額。

假設人形機器人售價為37萬元，且2026-2030年在制造領域人形機器人對人工的新增滲透率相同。預計人形機器人對人工的累計替代率分別為9%、11%時，2030年新增滲透率分別為1.8%、2.2%，創造的市場規模分別為1,998、2,442億元.

再伴隨綜合服務、情感交互能力的完善，人形機器人或許會在家庭場景的滲透率開始提升。

此時人形機器人或可完成多種較復雜的家務，實用能力得以提升，加上價格下降的因素，此時不局限于高端消費者，有更多家庭愿意在家中添置人形機器人。以此階段機器人價格為25萬元為前提，機構預測在較悲觀、中性、較樂觀的三種情境下，家庭場景創造的市場規?；蛟S能分別達到1.47萬、1.88萬、2.3萬億元，加上工業、商業服務場景總合市場規?；驅⒎謩e達到1.9萬、2.55萬、3.16萬億元。

之后受益于AI技術發展，人機交互進一步提升，能承擔陪伴、照顧人的功能，還可能在有孩子與老人的家庭中滲透率進一步提升。

資料來源：東吳證券研究所

04、產業鏈相關企業有哪些？

參考工業機器人，AI+人形機器人本質上也是“硬件+軟件”的組合，雖然特斯拉等企業會有一定領先優勢，但硬件通常也會外購。

機器人產業鏈由零部件廠商、機器人本體廠商、系統集成商、終端用戶四個環節組成，本體廠商處于核心地位。工業機器人的軟件部分涉及到機器人的控制以及對下游工藝的理解，需要做到可復制的同時滿足不同客戶的需求，這是本體廠商的核心競爭力。而硬件的生產需要規模效應，通常采用外購的方式。

目前看來，機器人產業鏈相關企業有執行器總成相關的三花智控；旋轉執行器-諧波減速器相關的綠的諧波、豐立智能、漢宇集團、國茂股份，RV減速器相關的雙環傳動、秦川機床、中大力德；直線執行器-力矩電機相關的步科股份，滾珠絲杠相關的鼎智科技、秦川機床；指關節微型電機-空心杯電機相關的鳴志電器、鼎智科技、江蘇雷利；環境探索-機器視覺相關的奧普特、凌云光。

資料來源：東吳證券研究所繪制

其中三花智控是全球領先的生產和研發制冷空調控件元件和零部件的廠商，也是特斯拉汽車熱管理系統核心供應商，且已布局機器人產業。2023年4月，擬與綠的諧波在三花墨西哥工業園設立一家合資企業，主營業務為諧波減速器相關產品的研發、生產制造及銷售。

綠的諧波則從事精密傳動裝置研發、設計和生產，業務聚焦諧波減速器、機電一體化產品、工業自動化等產品。諧波減速器是機器人核心零部件之一，公司已打破了國際品牌在機器人用諧波減速器領域的壟斷，實現批量出口。

鳴志電器主營業務為控制電機及其驅動系統，控制電機是核心工業裝備，公司曾打破日本壟斷，是十年之內唯一改變HB（混合式）步進電機全球競爭格局的國內企業。其子公司安浦鳴志，瑞士Tmotion，鳴志派博思深度布局異動機器人行業。

同時，還有專注于計算機視覺領域，為行業提供算法授權及系統解決方案，在全球范圍內為智能終端機智能駕駛提供視覺算法產品線的虹軟科技，以機器視覺、人工智能和導航控制為核心的智能物聯網龍頭?？低?，以及視頻物聯網頭部玩家的大華股份，都是機器視覺相關受益企業。

此外，還有中科創達、商湯科技、云從科技、科大訊飛在內的大模型相關受益類企業。