简介：这份东吴证券机器人行业深度报告，面向关注人形机器人产业链的投资者、行业研究员与产业从业者，聚焦特斯拉Bot产业化路径与国产供应链机会，帮助读者快速建立从整机到核心零部件的价值量认知框架。资源为1个PDF文件，压缩包约2.83MB，内容完整呈现报告正文、核心标的表与投资建议，便于通读与检索。报告按成本结构拆解产业链：FSD系统占比39%，电机19%，减速器14%，行星滚柱丝杆9%，传感器约3%，并逐一梳理三花智控、鸣志电器、绿的谐波、拓普集团、奥比中光等厂商的供应地位。同时给出重点推荐与关注标的清单，附2022至2025年归母净利润与PE预测表，并提示商业化不及预期、国际贸易摩擦、零部件降价等风险。已有158人学习下载，适合需要系统理解人形机器人供应链“隐形冠军”逻辑的读者参考。
1. 一份把“万亿蓝海”拆成BOM表的行业报告，我为什么留着没删
人形机器人赛道这两年热得发烫，但真正能落到“一台机器到底装了什么、每个零件值多少钱、谁在供货”这个颗粒度的材料并不多。我手头这份机器人行业深度报告，标题写的是“人形机器人产业链纵析，寻找供应链隐形冠军”，翻完之后我把它留在了本地资料库里——不是因为它喊了“万亿市场”的口号，而是因为它把一台人形机器人的成本结构拆成了一张可以逐项对照的BOM表。FSD系统占39%、电机19%、减速器14%、行星滚柱丝杆9%、传感器3%，这几个数字往那一摆，产业链上谁吃肉谁喝汤基本就清楚了。这份报告适合两类人：一是做机器人本体或零部件选型的硬件工程师，想快速建立成本量级的直觉；二是做行业研究或供应链梳理的从业者，需要一份结构化的产业链地图。它不教你写代码，但它给你的是选型和判断的坐标系。
2. 产业链拆解：从2万美元目标倒推零部件价值量
2.1 为什么是2万美元这条线
报告里反复出现一个锚点数字：2万美元/台。这不是随便定的，它是特斯拉人形机器人要实现商业化的成本门槛。理解这条线，才能理解后面所有零部件价值量占比的意义。
报告做了一个回本周期测算：2022年中国制造业平均工资约7.06万元/人，如果一台人形机器人售价14万元（约2万美元），在1:1替代人工的情况下，大约2年可收回成本。对比之下，工业机器人中位数价格约20万元、回本约3年，小米人形机器人约70万元、回本约10年，波士顿动力和本田的产品更是百万级以上、回本周期长到没有商业意义。所以2万美元不是一个技术指标，是一个经济可行性指标。
注意：这里的“回本周期”是报告基于制造业平均工资做的简化测算，实际还要考虑维护成本、停机率、场景适配度，不能直接当作投资决策依据。
从这个锚点出发，报告把一台人形机器人的成本拆成了两大块：自研部分和外购部分。自研的核心是FSD系统加D1超算芯片，占39%，相当于机器人的“大脑”，这是特斯拉的核心能力，不对外采购。剩下的61%全部依赖外部供应链，这才是产业链上其他厂商的机会所在。
2.2 外购零部件的价值量排序与对应供应商
把61%的外购部分再拆开，报告给出的排序是这样的：
| 零部件类别 | 成本占比 | 应用位置 | 报告提及的主要厂商 |
|---|---|---|---|
| 电机 | 19% | 28个大关节无框电机+12个手指空心杯电机 | 三花智控、鸣志电器、鼎智科技、拓普集团 |
| 减速器 | 14% | 16个旋转关节（12谐波+4行星） | 绿的谐波、双环传动、中大力德 |
| 直线执行器 | 15% | 12个线性关节 | 拓普集团、秦川机床 |
| 行星滚柱丝杆 | 9% | 线性关节核心传动件 | 拓普集团、秦川机床 |
| 传感器 | 3% | 视觉传感+力传感 | 奥比中光、舜宇光学、柯力传感 |
| 肢体骨骼 | 7% | 结构件 | — |
| 电池组 | 1% | 2.3kWh/52V电池组 | — |
这张表的信息密度很高。几个关键判断：第一，电机和减速器加起来占33%，是外购件里价值量最大的两块，也是国产替代最有可能率先突破的环节。第二，行星滚柱丝杆虽然只占9%，但它是线性执行器的核心传动件，技术壁垒不低，报告把它单独列出来说明这个环节值得关注。第三，传感器只占3%，但报告在第三章专门讨论了视觉和力传感器，说明它的战略价值不在当前的成本占比，而在于未来功能升级的增量空间。
2.3 执行器的结构差异：旋转关节 vs 线性关节
报告对执行器的拆解是我觉得最实用的部分。一台人形机器人的躯干包含16个旋转关节执行器和12个线性关节执行器，双手还需要12个手部执行器。这三种执行器的技术路线完全不同：
旋转关节执行器的构成是：电机 + 谐波减速器 + 力矩传感器 + 位置传感器 + 交叉滚子轴承 + 向心止推滚珠轴承。这里用的是谐波减速器，因为旋转关节需要高精度、高扭矩密度的传动方案。
线性关节执行器的构成是：电机 + 滚珠/行星滚柱丝杠 + 力矩传感器 + 位置传感器。注意这里用的是丝杠而不是减速器，因为线性运动需要的是直线传动方案，行星滚柱丝杠在承载能力和寿命上优于滚珠丝杠。
手部执行器用的是空心杯电机 + 齿轮箱的结构。每只手6个执行器、11个自由度，搭载力传感器和触觉传感器，能承载约10kg重物。
这个拆解对做选型的人很有用：你要做旋转关节，核心是选对减速器类型和电机功率密度；你要做线性关节，核心是丝杠的精度等级和寿命；你要做灵巧手，核心是空心杯电机的体积和响应速度。三条技术路线，对应的供应商和能力要求都不一样。
3. 从报告数据到选型判断：怎么用这份材料做实际决策
3.1 用价值量占比做供应链优先级排序
报告给出的价值量占比，本质上是一张供应链优先级排序表。如果你是一个做零部件投资的从业者，或者是一个在寻找切入点的硬件团队，这个排序告诉你：先看电机和减速器，再看丝杠和传感器。
但要注意一个容易被忽略的细节：报告里电机的19%是拆成两块的——大关节无框电机占15%，手指空心杯电机占4%。这两个市场的竞争格局完全不同。无框电机的主要玩家是有工业电机基础的厂商，而空心杯电机更偏向微型精密制造，国内能做好的厂商数量更少。报告在投资建议里把空心杯电机供应商单独点出来，说“供应链先发优势强”，这个判断背后的逻辑就是：空心杯电机的技术壁垒比无框电机更高，先进入者更容易锁定份额。
减速器也是类似的情况。14%里面，12个谐波减速器是主力，4个行星减速器是辅助。谐波减速器的竞争格局在国内已经相对清晰，报告引用的2021年数据显示头部厂商份额集中。行星减速器的玩家更多，但单机价值量更低。
3.2 用阶段渗透率测算判断市场节奏
报告把市场规模的测算分成了三个阶段，每个阶段的假设条件不一样：
阶段一是2024-2026年，假设特斯拉超级工厂约63000人、渗透率5%，对应约4410台销量；加上全球超高净值消费者约295450人、渗透率15%，对应约44318台。合计市场规模约95亿元。这个阶段的逻辑是：机器人先在特斯拉自己的工厂里用，外部只有少量高净值个人买家出于体验目的购买。
阶段二是2026-2030年，假设制造业和服务业渗透率分别达到8%和5%，对应销量约320万台和12670万台，市场规模约7.6万亿元。这个阶段的逻辑是：工厂应用效果验证后，开始向制造业各类工厂和商业服务业扩散。
阶段三是2030-2035年，假设一人户和多人户家庭渗透率分别达到35%和15%，市场规模约15万亿元。这个阶段的逻辑是：大模型AI与机器人结合，具身智能成为现实，机器人开始进入家庭场景。
提示：这三个阶段的渗透率假设是报告的核心变量，也是最容易产生分歧的地方。阶段二的8%制造业渗透率是否过于乐观、阶段三的家庭渗透率是否有现实基础，都需要结合后续产业进展持续验证。用这份报告做决策时，建议把渗透率假设当作情景分析的输入变量，而不是确定性的预测。
3.3 用零部件拆解表做技术方案对标
报告里有一张特斯拉人形机器人零部件拆解的逻辑图，虽然原文是图片形式，但文字描述已经足够清晰。我把它整理成了一张可以对照使用的技术方案检查表：
| 模块 | 技术方案 | 关键参数 | 对标要点 |
|---|---|---|---|
| 大脑 | FSD系统+D1芯片 | 单芯片362TFLOPs | 自研，不对外采购 |
| 躯干电池 | 2.3kWh/52V | 支持一整天工作 | 高度集成，运行于SoC系统 |
| 旋转执行器 | 电机+谐波减速器+力矩传感器 | 16个 | 关注减速器精度和电机扭矩密度 |
| 线性执行器 | 电机+行星滚柱丝杠+力矩传感器 | 12个 | 关注丝杠精度等级和寿命 |
| 灵巧手 | 空心杯电机+齿轮箱 | 6执行器/11自由度/10kg承载 | 关注体积、响应速度和触觉传感 |
| 视觉传感 | 机器视觉 | — | 与FSD技术迁移复用 |
| 力传感 | 力矩/触觉传感器 | — | 手部大量搭载 |
这张表的价值在于：它把一份行业报告里的描述性内容，转化成了可以做技术对标的结构化信息。如果你在做竞品分析或者技术路线选择，可以直接拿这张表逐项对照自己的方案。
4. 避坑与排查：用这份报告时容易翻车的几个地方
4.1 把价值量占比当成投资建议直接抄
现象：看到报告说电机占19%、减速器占14%，就直接按这个比例去配置供应链标的。 原因：价值量占比是成本结构，不是利润结构，也不是竞争格局。一个环节价值量高，不代表这个环节的供应商利润率高，更不代表所有供应商都能吃到这个市场。 解决：把价值量占比和竞争格局、技术壁垒、国产化率放在一起看。报告在投资建议部分其实已经做了区分——谐波减速器强调“高弹性+高壁垒”，空心杯电机强调“供应链先发优势”，旋转执行器强调“总包商”，线性执行器强调“高壁垒”。这些定语才是真正的筛选条件。
4.2 忽略阶段假设的敏感性
现象：直接引用报告里“万亿市场”的结论，不做敏感性分析。 原因：阶段二和阶段三的市场规模测算高度依赖渗透率假设。制造业8%的渗透率、家庭35%的渗透率，每一个百分点的变化都会导致市场规模数量级的差异。 解决：把渗透率作为变量，自己做一组乐观/中性/悲观的情景测算。报告给出的阶段一95亿元、阶段二7.6万亿元、阶段三15万亿元，可以作为情景分析的锚点，但不要当作确定值使用。
4.3 混淆“技术可迁移”和“技术已迁移”
现象：看到报告说特斯拉的FSD自动驾驶技术可以迁移到人形机器人，就认为技术问题已经解决。 原因：报告原文说的是“机器视觉与自动驾驶技术迁移可复用，帮助Tesla Bot建立领先优势”，这是方向性判断，不是工程完成度判断。自动驾驶的感知和决策算法迁移到机器人上，需要解决的是实时性、功耗、机械执行延迟等一系列新问题。 解决：把“可迁移”理解为“技术底座有复用性”，而不是“技术方案已经成熟”。在评估供应链厂商时，关注的是它们在各自零部件上的工程化能力，而不是它们和自动驾驶的关联度。
4.4 忽视国产化率的节奏差异
现象：认为所有零部件都会像特斯拉上海工厂的汽车供应链一样快速国产化。 原因：报告提到特斯拉上海超级工厂国产化率约90%，但这是汽车供应链经过多年磨合的结果。人形机器人的零部件，尤其是行星滚柱丝杠、空心杯电机、高精度力矩传感器，国内厂商的工程验证周期可能更长。 解决：分环节判断国产化节奏。谐波减速器和无框电机的国产化基础较好，丝杠和空心杯电机的验证周期可能更长，传感器的国产替代则取决于精度和可靠性指标的达标情况。
4.5 把报告里的公司列表当成推荐名单
现象：直接按报告里提到的厂商名单去建仓或做供应链接触。 原因：报告在“投资建议”部分明确区分了“重点推荐”和“建议关注”，两者的含义不同。重点推荐的是报告认为高弹性+高壁垒的环节，建议关注的是有潜力但确定性稍低的环节。而且报告末尾有风险提示：人形机器人商业化不及预期、国际贸易摩擦、零部件大幅降价导致盈利能力下降。 解决：把公司列表当作“产业链地图”使用，而不是“买入信号”。先理解每家公司在产业链中的位置和核心能力，再结合自己的判断做决策。
5. 进阶用法：把一份PDF变成可追踪的产业链监测表
报告是静态的，但产业链是动态的。我自己的做法是：把报告里的核心数据抽出来，做成一张可以持续更新的监测表。具体操作分三步。
第一步，把零部件价值量拆解表转成结构化数据。用Python把上面的表格写成字典，方便后续做敏感性分析：
# 人形机器人零部件价值量拆解（基于报告数据） # 成本占比为占整机成本的比例，阶段市场规模为报告测算值 cost_structure = { "FSD系统": {"ratio": 0.39, "source": "自研", "stage1": 37, "stage2": 2962, "stage3": 59411}, "电机": {"ratio": 0.19, "source": "外购", "stage1": 18, "stage2": 1443, "stage3": 28944}, "减速器": {"ratio": 0.14, "source": "外购", "stage1": 13, "stage2": 1063, "stage3": 21327}, "直线执行器":{"ratio": 0.15, "source": "外购", "stage1": 14, "stage2": 1139, "stage3": 22850}, "行星滚柱丝杆":{"ratio": 0.09,"source": "外购", "stage1": 8, "stage2": 683, "stage3": 13710}, "传感器": {"ratio": 0.03, "source": "外购", "stage1": 3, "stage2": 227, "stage3": 4570}, "肢体骨骼": {"ratio": 0.07, "source": "外购", "stage1": 7, "stage2": 531, "stage3": 10664}, "电池组": {"ratio": 0.01, "source": "外购", "stage1": 1, "stage2": 98, "stage3": 1980}, } # 敏感性分析：调整阶段三渗透率，观察各环节市场规模变化 def sensitivity(penetration_multiplier): """渗透率乘数：1.0为报告基准，0.5为保守，1.5为乐观""" base_stage3_total = 152336 # 报告阶段三总规模（亿元） adjusted_total = base_stage3_total * penetration_multiplier print(f"渗透率乘数 {penetration_multiplier:.1f} → 阶段三总规模 {adjusted_total:.0f} 亿元") for part, info in cost_structure.items(): adjusted = info["stage3"] * penetration_multiplier print(f" {part}: {adjusted:.0f} 亿元") sensitivity(0.5) # 保守情景 sensitivity(1.0) # 报告基准 sensitivity(1.5) # 乐观情景这段代码的逻辑很简单：把报告里的静态数据变成可调参数的函数。cost_structure字典里每个零部件记录了成本占比和三个阶段的市场规模测算值。sensitivity函数接受一个渗透率乘数，输出调整后的各环节市场规模。这样你可以在报告数据的基础上，快速做情景分析，而不需要每次重新翻PDF。
参数说明：penetration_multiplier是渗透率调整系数，1.0对应报告原始假设，小于1表示保守情景，大于1表示乐观情景。实际使用时，可以针对不同阶段设置不同的乘数，比如阶段二用0.5、阶段三用0.3，来模拟商业化进度低于预期的情况。
第二步，把供应商信息和环节对应起来，做成一张可更新的监测表。报告里提到的厂商分布在不同的零部件环节，我一般会按下面的结构整理：
| 环节 | 报告提及厂商 | 核心能力标签 | 需跟踪的指标 |
|---|---|---|---|
| 谐波减速器 | 绿的谐波、双环传动、中大力德 | 高弹性+高壁垒 | 产能利用率、单台价值量 |
| 空心杯电机 | 鸣志电器、鼎智科技、江苏雷利 | 供应链先发优势 | 微型化进度、客户验证节点 |
| 旋转执行器 | 三花智控 | 总包商 | 集成能力、单台价值量 |
| 线性执行器 | 拓普集团、秦川机床 | 高壁垒 | 丝杠精度、寿命测试数据 |
| 传感器 | 奥比中光、柯力传感 | 高潜力 | 视觉/力传感精度、车规级认证 |
| 电机 | 汇川技术、步科股份 | 技术积累深厚 | 扭矩密度、响应速度 |
这张表的关键是最后一列“需跟踪的指标”。报告给的是静态快照，但产业链是动态的，你需要知道每个环节应该盯什么数据。比如谐波减速器盯产能利用率和单台价值量，空心杯电机盯微型化进度和客户验证节点，丝杠盯精度和寿命测试数据。
第三步，设定定期回顾的节奏。我自己的习惯是每季度更新一次监测表，重点看三个变化：一是报告里的渗透率假设是否需要调整，二是供应商的客户验证进度是否有新进展，三是零部件价格是否有大幅波动。报告末尾的风险提示里专门提到了“零部件大幅降价导致盈利能力下降”，这个风险在监测表里对应的就是单台价值量的变化。
从那以后我每次拿到一份行业深度报告，都会先问自己一个问题：这份报告里哪些数据是静态的、哪些是动态的？静态数据用来建立认知框架，动态数据用来做持续跟踪。这份机器人行业报告的价值，不在于它预测了多大的市场规模，而在于它提供了一套可以拆解、可以验证、可以持续更新的产业链分析框架。希望帮到你。
本文还有配套的精品资源，点击获取
