人工智能（885728）正从数字世界走向物理空间，人形机器人（886069）被视为物理AI最重要的落地载体之一。随着特斯拉（TSLA）透露其第三代人形机器人（886069）Optimus(擎天柱)已做好大规模量产准备，市场目光再度聚焦这一赛道。
上海证券报记者采访业内专家了解到，作为特斯拉（TSLA）重点布局的长期增长方向，Optimus若顺利进入量产爬坡阶段，有望拉动我国执行器、减速器（886008）、传感器（885946）等零部件需求释放，不少上游厂商已提前筹备产能。不过，产业化之路并非坦途，硬件可靠性、物理AI算法泛化能力、成本控制、行业合规标准及数据闭环建设，仍是人形机器人（886069）产业发展的核心约束。
Optimus量产准备就绪
上游零部件迎来订单预期
近期，有关特斯拉（TSLA）第三代人形机器人（886069）Optimus量产进度的消息密集释放。美国东部时间10月19日，特斯拉（TSLA）在提交的致股东年度报告材料中以书面形式宣称，第三代人形机器人（886069）Optimus已为大规模量产做好准备。该公司董事会主席罗宾.德霍姆在致股东信中写道，特斯拉（TSLA）持续开展产品研发，并投入建设规模化交付所需基础设施，包括在内华达州建造Semi(特斯拉（TSLA）半挂重卡)工厂、搭建Optimus首批产线等。此前，特斯拉（TSLA）机器人核心供应商新剑传动在上市审核问询函回复中表示，特斯拉（TSLA）机器人设计方案接近定型，即将进入量产周期（883436）。
人形机器人（886069）Optimus是特斯拉（TSLA）重点布局的业务方向之一。10月19日，特斯拉（TSLA）首席执行官埃隆.马斯克在社交平台发文称，公司的Optimus人形机器人（886069）与Cybercab自动驾驶汽车，将构成特斯拉（TSLA）价值的“绝大部分”，并重申将重心放在机器人与人工智能（885728）领域。
业内专家告诉记者，伴随智能化的发展，中国多家产业链企业已经从汽车业务向机器人业务拓展。随着特斯拉（TSLA）机器人产能的增加，其对于机器人零部件的需求也将大幅增加。
记者此前获悉，特斯拉（TSLA）机器人团队已到拓普集团（601689）、三花智控（HK2050）、均胜电子（HK0699）等总部位于浙江宁波的上市公司开启审厂工作。特斯拉（TSLA）审厂导向人形机器人（886069）Optimus的量产，有望向中国供应链企业派发相关订单。
“按照经验，如果特斯拉（TSLA）第三代人形机器人（886069）Optimus进入大规模量产，相关零部件的需求也会大幅增加，公司已经做好产能爬坡的准备。”10月20日，浙江某产业链公司负责人对记者表示，公司是特斯拉（TSLA）人形机器人（886069）的零部件上游供应商，同时也是多家国内人形机器人（886069）的上游供应商。
“人形机器人（886069）的硬件进步令人瞩目，这也是市场对特斯拉（TSLA）第三代人形机器人（886069）Optimus寄予希望的基础。”罗兰贝格全球合伙人时帅告诉记者，高扭矩密度执行器、先进减速器（886008）、视觉传感器（885946）、边缘AI芯片与电池管理系统已进入准商用阶段。
国泰海通（HK2611）机械行业首席分析师肖群稀认为，特斯拉（TSLA）Optimus产线落地正在提速，人形机器人（886069）量产已进入关键验证期。这标志着人形机器人（886069）产业链正由主题催化逐步切换至产能建设、供应链导入和订单验证阶段，有望推动核心零部件及自动化设备（881171）环节业绩加速兑现。
降本是首要关口
软硬件短板尚待补齐
近年来，人形机器人（886069）产业发展提速，海内外市场逐步形成各具特色的发展路径。时帅认为，特斯拉（TSLA）所处的北美市场更偏向“AI优先”路径：以基础模型、视觉语言模型和专有数据为核心，追求机器人在非结构化环境下的通用作业能力。国内赛道则呈现鲜明的“部署优先、制造驱动”特征。中国企业正加快将机器人落地于娱乐、物流及其他边界清晰、可控的作业场景，依托高频部署积累数据，借助规模化制造压缩成本，再凭借成本优势进一步扩大落地部署。
成本控制也是Optimus大规模量产需要攻克的首要关口。“真正推动人形机器人（886069）产业走出实验室的，不只是技术炫酷，而是日益清晰的单位经济性。”时帅说。
罗兰贝格研报预计，面向复杂任务的先进型人形机器人（886069），在2035年前后单台成本有望降到2万美元至3万美元，且包含训练成本；面向基础自动化和服务场景的入门级产品，价格可能降到8000美元至1万美元。
“更重要的是，人形机器人（886069）的运营成本有望低至每小时约2美元。”时帅表示，这意味着，人形机器人（886069）将不仅服务于“替代昂贵劳动力”，还可能成为缓解结构性缺工、提升夜间和周末产能、降低柔性自动化门槛的重要杠杆。但人形机器人（886069）的执行器等关键子系统仍需显著降本，部分环节的降本幅度需要达到50%至90%。
从硬件成熟度来看，行业此前普遍预计，硬件设计将在2028年至2029年前后初步稳定。“但是，‘能够运行’不等于‘能够规模化部署’，当前最大的挑战，已从机械设计转向AI架构、训练数据、耐用性、供应链和安全监管。软件与生态系统的成熟度，整体仍落后硬件三年至五年。”时帅说。
禾赛科技联合创始人、CEO李一帆则向记者提到训练数据的重要性。据悉，真实世界数据是目前具身智能行业最稀缺的“燃料”，真实世界里高质量的三维数据少，采集起来成本也很高。
有分析师称，产业链瓶颈集中在三方面：一是硬件可靠性不足，关节和灵巧手在长时间、多工况作业下寿命、稳定性有待持续验证；二是物理AI算法泛化能力不足，复杂非结构化场景下动作成功率偏低；三是行业安全、认证标准体系缺位，人机协同场景缺乏成熟规范，制约商业化落地。总体来看，成本、可靠性、合规与数据闭环共同约束产业节奏。
