摩根大通研究员Karen Li发布报告《Humanoid Robot & Physical AI》。

报告基于摩根大通团队在2026年10月13-14日中国国际工业博览会（CIIF）上的实地调研，探讨人形机器人与物理人工智能行业从概念演示走向早期部署的关键变化。调研发现，行业关注点已从运动控制和基础模型演示转向系统瓶颈：感知一致性、操作可靠性、数据质量、组件降本和ROI验证。这种转变意味着近期赢家不是最显眼的人形机器人整机厂，而是那些能够提供感知硬件、数据采集工具、精密传动部件等“工业化使能”的供应链企业。

报告进一步指出，数据采集是通用智能突破前最可货币化的桥梁，灵巧手成为工业实用性的实际瓶颈，算力、电池和热管理约束共同推动了“工业优先”的商业化顺序。OEM之间的战略分化明显：宇树偏向硬件平台，优必选和智元更注重“大脑+数据+部署”。市场将基于可重复工作流和经济性而非品牌曝光度进行估值重估。

在投资观点上，摩根大通维持对行业多年长期看多，但强调选择性。首选特斯拉机器人供应链且基础业务稳健的恒立液压和三花智控，其次绿的谐波和奥比中光，而优必选为中性，宇树和埃斯顿为减持。过去两个交易日，受特斯拉机器人消息催化，板块大幅反弹，但作者认为这更多是情绪和资金流驱动，而非基本面重置。投资者应聚焦订单可见性和可重复性，而非追逐整机厂贝塔。

主要观点

人形机器人行业正从概念讨论转向早期部署探索

在2026年中国国际工业博览会（CIIF）上，参展的人形机器人厂商如宇树（Unitree）、优必选（UBTech）和智元（Agibot）展示了更多面向制造业的实用演示，如喷涂、分拣、装配等。行业关注点从步态平滑、运动控制等演示性能，转向感知一致性、操作可靠性、数据质量、组件降本、场景化部署和ROI验证等系统瓶颈。这支持了摩根大通对该行业多年长期看多的观点，但也表明当前仍处早期商业化阶段，大规模工厂或家庭部署仍需验证和可重复性证明。

近期赢家更可能是“工业化使能者”，而非最显眼的人形机器人整机厂

即使领先的中国整机厂，其功能性演示仍比现有工业机器人加AI方案慢且精度低，抬高了短期ROI和复购门槛。因此，近期货币化机会偏向供给侧扩张，包括感知硬件（传感器/相机）、数据采集设备、传动部件（减速器/滚柱丝杠）、灵巧手和试点部署工具，而非需求端杀手级应用的爆发。

数据采集是通用智能突破前最可货币化的桥梁

数据在几乎所有讨论中被提及，管理层将其视为瓶颈同时也是机会。人形数据成本低但质量有限，真实机器人数据质量最高但稀缺。传感器、手套、手部组件、校准工具和数据采集模块可在终端部署早期实现有意义销售，支撑“卖铲人”经济先于整机厂经济出现。

灵巧手正成为工业实用性的实际瓶颈，早期采用聚焦可靠性和成本性能

行业普遍认同灵巧手和力控制是执行有意义工业任务的关键，但近期采用并不追求最高自由度，而是平衡可靠性、寿命和成本性能。传动方案包括连杆驱动、腱驱动和直驱，早期工业应用倾向于能承受重复循环并保持稳定控制的方案。触觉感知对精密操作必要，但技术路线未完全收敛，增加时间和标准不确定性。

“大脑”竞争从大胆声明转向迭代速度和闭环部署，提高OEM差异化门槛

具身智能不是一次性突破，而是数据规模、场景迭代和闭环部署的持续打磨。OEM战略分化：有的定位硬件平台并依赖合作伙伴做垂直算法，有的加大模型和数据基础设施投入以拥有更多价值链。仅有模型性能不够，还需传感器堆栈、校准和高质量场景数据。市场将奖励能展示更快迭代、更好集成和可重复客户工作流结果的玩家。

算力约束开始区分“谁能迭代”与“谁只能演示”，边缘-云分割成为产品决策

训练侧只有少数公司能持续资助大规模训练和强化循环，推理侧边缘计算和低延迟对工业任务重要。边缘与云架构的权衡成为实时产品决策，影响商业化顺序：受控B2B部署可更好管理连接和算力预算，而2C环境对安全性、成本和鲁棒性要求更高。算力强度成为竞争差异点，也带来成本和集成负担，弱者难以承担。

电池、续航和热管理是隐性限制因素，解释了“工业优先”的商业化顺序

部分配置可连续运行约2小时，对演示和某些训练循环足够，但在连续工业运营中会成为制约。热管理和能量密度重要，因为更高算力和更强执行器增加热与功耗。工厂可围绕换电、充电窗口和受限任务集设计，而家庭环境结构化程度低、安全容忍度低、消费价格敏感度高。因此组件需求仍集中于使能技术——电源管理、散热和系统集成，而非通用人形机器人整体数量直线上升。

减速器和执行器选择转向场景驱动，谐波、行星、摆线和丝杠成为可投资辩论

谐波在精度、扭矩密度和紧凑性不可妥协的场景（如上半身精细运动）仍受青睐；行星和摆线在载荷、抗冲击和成本性能重要的场景获得关注；丝杠讨论增加，尤其在直线执行和速度/爆发力要求高的场景。未来不会只有一种赢家架构，而是奖励支持多架构、规模一致质量和持续降本的供应商，规模化精密组件的制造能力可能成为真正瓶颈。

“眼睛”战场从峰值规格转向一致性和校准，竞争格局按场景碎片化

感知更像集成和一致性问题，而非单一设备规格竞争。客户强调长期稳定性、光照变化下的xy一致性、延迟、校准漂移和多传感器集成摩擦。校准工作流和多传感器对齐成为护城河。相机、激光雷达、混合方案因场景而异。感知仍是近期清晰需求点，但竞争激烈，产品周期快、用例多样，胜者需工业化校准、负责任地拓宽产品线并保持规模一致性。

宇树、优必选和智元呈现不同打法，市场将基于可重复性和经济性而非曝光度进行区分

宇树倾向硬件平台姿态，开放生态系统，邀请系统集成商和工业伙伴做垂直化；优必选和智元更强调“大脑+数据+部署”方向，注重数据基础设施和场景验证。若“大脑+部署”层随时间获取更多经济价值，纯平台OEM可能被按硬件供应商估值。全球竞争对标特斯拉机器人和Figure AI的可扩展性和数据飞轮强度，波士顿动力作为移动可靠性参考。

奥比中光的数据采集工具和多路线感知策略将比单一产品策略更早变现

管理层强调机器人相关订单势头，数据采集设备作为桥梁产品，传感器堆栈覆盖头部、腕部和身体位置，支持训练数据生成与清洗。多路线方案（结构光、立体、iToF、dToF）适应不同场景。竞争上，部分同行集中于高精度工业手臂，奥比中光更广地覆盖移动/服务机器人，有助于早期放量。

绿的谐波的“卖铲人”逻辑得到强化，管理层将物理AI视为可衡量的增量增长

管理层表示物理AI需求已实际存在并规模扩大，且与工业资本开支周期脱钩。产品路线图从谐波扩展至行星、摆线、关节模块及更广泛精密传动产品。面对低价竞争，管理层依靠产品能力、客户认证和规模制造来防守，而非纯价格战。这是少数听起来像规模化执行而非行业乐观主义的对话。

特斯拉机器人消息诱发板块反弹，但价格反应更像情绪和资金流，而非基本面重置

过去两个交易日，特斯拉机器人消息进入10月21日事件窗口，引发风险偏好快速回升。中国股价表现更像流动性贝塔追逐，而非中国OEM订单实质性改善。投资者先买流动性好的贝塔，而非等待试点转化证据，因此OEM反弹在后续证据不足时可能迅速逆转。

市场首反应是追逐高贝塔的中国“物理AI代理”，但摩根大通偏好特斯拉机器人供应链中基本面稳健的标的

过去两个交易日，奥比中光涨30%，绿的谐波涨14%，中国工业自动化平均约10%，优必选10%，埃斯顿9%，三花智控A 8%，恒立液压5%，汇川3%。这符合对流动性主题的贝塔抢购。摩根大通继续偏好三花智控和恒立液压等特斯拉机器人供应链且基础业务坚韧的公司，而非短期难以证实的OEM贝塔。

在中国机器人供应链中，绿的谐波仍是首选，其次奥比中光

绿的谐波管理层将物理AI描述为可衡量的增量增长，并强调多年产能规划和产品线拓宽；奥比中光受益于感知硬件加数据采集工具的早期变现。相比之下，多数中国OEM在从“身体”到“大脑”的转型中仍需证明可重复性、利润率持久性和可扩展部署经济性，当前反弹仍是消息和资金驱动，直到持续证据出现。