人工智能正从数字世界走向物理空间
，人形机器人被视为物理AI最重要的落地载体之一。随着特斯拉透露其第三代人形机器人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 、传感器等零部件需求释放 ，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
，有关特斯拉第三代人形机器人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（特斯拉半挂重卡）工厂
、搭建Optimus首批产线等。此前，特斯拉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
，特斯拉机器人设计方案接近定型，即将进入量产周期 。

　　人形机器人Optimus是特斯拉重点布局的业务方向之一
。10月19日 ，特斯拉首席执行官埃隆·马斯克在社交平台发文称
，公司的Optimus人形机器人与Cybercab自动驾驶汽车，将构成特斯拉价值的“绝大部分” ，并重申将重心放在机器人与人工智能领域。

　　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
，特斯拉机器人团队已到拓普集团、三花智控 、均胜电子等总部位于浙江宁波的上市公司开启审厂工作。特斯拉审厂导向人形机器人Optimus的量产，有望向中国供应链企业派发相关订单 。

　　“按照经验 ，如果特斯拉第三代人形机器人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，公司是特斯拉人形机器人的零部件上游供应商
，同时也是多家国内人形机器人的上游供应商
。

　　“人形机器人的硬件进步令人瞩目，这也是市场对特斯拉第三代人形机器人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、视觉传感器 、边缘AI芯片与电池管理系统已进入准商用阶段 。

　　国泰海通机械行业首席分析师肖群稀认为
，特斯拉Optimus产线落地正在提速，人形机器人量产已进入关键验证期
。这标志着人形机器人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
，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 ，费用 可能降到8000美元至1万美元
。

　　“更重要的是
，人形机器人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 ，真实世界数据是近来 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。

（文章来源：上海证券报）