證券時報
周春媚
2025-03-11 21:23
【導讀】六位基金投研人士解讀人形機器人：從技術突破向產業化加速邁進，擁有巨量級別發展空間
中國基金報記者 方麗 曹雯璟
2025年蛇年春晚的舞臺上，一群穿著花棉襖的機器人扭秧歌，登上熱搜，人形機器人“一日千里”的產業發展情形也進入大眾的視野。
在春晚登臺之后，扭秧歌的機器人催動了機器人板塊的連續上漲。數據顯示，去年9月底以來，截至2月14日，人形機器人指數累計漲幅高達91.37%，一大批牛股脫穎而出。
如何看待人形機器人板塊的投資價值？當下是否是布局的好時機？未來應用空間和發展前景如何？有哪些細分領域投資機會值得關注？中國基金報記者專訪了廣發遠見智選基金經理唐曉斌、嘉實制造升級基金經理孟夏、平安基金基金經理張萌先、中歐中證機器人指數基金經理宋巍巍、國泰機器人產業基金經理吳中昊、興證全球基金機械研究員姚佳，來共同把脈人形機器人發展趨勢和投資機遇。
廣發遠見智選基金經理唐曉斌：傳感器、靈巧手，以及本體都是值得重點研究的方向。
嘉實制造升級基金經理孟夏：長期看來，人形機器人是一個擁有巨量級別發展空間的領域，很可能以人類終極智能終端的角色走進我們的尋常生活，共建“人類社會全新形態”。
國泰機器人產業基金經理吳中昊：在未來勞動力短缺和自動化需求上升的背景下，人形機器人在制造業、醫療、服務業等領域的需求有望持續增加，市場空間廣闊。
平安基金基金經理張萌先：相信機器人產業會是未來數年乃至十年的成長性賽道，收益率曲線有機會呈現出螺旋式上升。
中歐中證機器人指數基金經理宋巍巍：人形機器人行業正迎來技術突破與產能擴張的雙重利好，全球科技巨頭的積極布局將進一步推動該行業的快速發展。
興證全球基金機械研究員姚佳：目前的一個難點是沒有足夠的數據，人形機器人是沒有海量數據進行訓練的。
多因素助力人形機器人板塊大漲
中國基金報：2024年“9·24”行情以來，人形機器人指數累計漲超90%。如何看待這波大漲行情？當前人形機器人板塊的整體估值情況如何？
唐曉斌：2024年9月下旬以來，機器人行情大致分為三個階段：第一階段是2024年9月下旬到10月底，Beta行情疊加特斯拉人形機器人進度更新，特斯拉產業鏈核心標的引領。第二階段是2024年11月到2025年1月初，川渝、安徽、上海產業集群片狀爆發，國內人形機器人進入投資者視野。第三階段是1月中旬至今，多家企業跨界進入機器人領域，同時人形機器人作為AI+的重要分支，市場認同度顯著提升。
當前，人形機器人核心標的的估值普遍在5倍PB以上，個別估值高的達到10倍PB；PE方差更大，估值區間為20~400倍。做遠期空間預測時，普遍用100萬臺/年來測算，按環節價值量做30~40倍估值測算。
吳中昊：受益于AI大模型能力的進步，應用端人形機器人產業表現也持續亮眼。現階段國內外眾多參與者正在共同拉動人形機器人行業成長。比如特斯拉、華為、英偉達、OpenAI等AI巨頭紛紛入局，寧德時代、長安汽車、賽力斯等均逐步入局機器人行業。目前國內人形機器人廠商已經逐步開始下達小批量訂單；國外特斯拉也在穩步推進其Gen2基礎上的技術迭代以及2025年—2026年的批量銷售計劃，Optimus有望從2024年底開始小批量試產，2025年應用于特斯拉工廠等內部場景使用及訓練，2026年或將開始大批量銷售。
在未來勞動力短缺和自動化需求上升的背景下，人形機器人在制造業、醫療、服務業等領域的需求有望持續增加，市場空間廣闊。目前中證機器人指數估值是49.23倍，處在歷史46.47%分位，短期大漲需警惕回調風險，但中長期機器人產業依舊是投資主線。
宋巍巍：2024年“9·24”行情以來，機器人行情出現了一次市場定價主體的切換——從看海外到看國內。“9·24”行情之前，機器人行業的行情主要由海外人形機器人的新產品、新技術發布推動，而之后國內人形機器人的消息催化就可以引領板塊行情。這是一次定價權的轉換，也是我國人形機器人技術發展進步的側面印證。
進入2025年，機器人行情進一步上漲。人形機器人行業正迎來技術突破與產能擴張的雙重利好，全球科技巨頭的積極布局將進一步推動該行業的快速發展。
張萌先：隨著人形機器人技術的迭代升級發展，行業已經逐步從概念階段向量產階段過渡，市場對人形機器人產業落地和商業化前景的信心推動了本輪機器人板塊上漲。而且，這段時間很多機器人動態更新，例如特斯拉手接網球、“盲目”下草坪坡、宇樹四足狗酷炫視頻及春晚人形機器人扭秧歌表演、樂聚機器人交付車企等。此外，DeepSeek的出圈，也讓市場對于應用AI的成本下降及普及速度更有信心，這也會增強機器人在感知、運動控制、路徑規劃、人機交互、自主學習等方面的能力。這些共同促進了本輪板塊的上漲。
短期看板塊靜態估值處于較高水平，短期漲幅較大可能會面臨調整壓力，這往往是成長性賽道投資過程中會面臨的問題。但我們相信機器人產業會是未來數年乃至十年的成長性賽道，未來回頭看，收益率曲線有機會呈現出螺旋式上升。
孟夏：此輪機器人板塊上漲背后，跟技術突破與產業鏈完善、國內外人形機器人的研發和商業化進展超出市場預期、政策支持力度加大、市場需求增長和投資情緒回暖等多重因素相關。截至2025年2月12日，萬得人形機器人概念指數市盈率TTM為39.24倍，位于近十年來3.13%分位點，處于較低位置，仍具備估值修復空間。
姚佳：回顧來看，這波人形機器人板塊的行情，是從2024年9月末開始的，主要是兩個因素：第一，科技巨頭積極布局，如特斯拉在發布會上展示有運動能力和人交互的機器人，雖然其底層能力還沒有泛化，但確實在媒體上傳播熱度很高；第二，中國企業也不想錯過這一波風口，很多國內科創公司、新能源和互聯網巨頭也宣稱要進入這個領域，市場對此熱情很高。
機器人行業擁有非常好的Beta
未來市場空間巨大
中國基金報：有觀點稱，人形機器人板塊是未來10年大級別Beta機會，你怎么看人形機器人板塊的投資價值？當下是布局的好時機么？
張萌先：人工智能快速迭代發展，人力成本持續上升，人類一直追求美好生活，在這樣不可逆趨勢的背景下，人形機器人板塊會是未來10年大級別Beta機會。
宋巍巍：2023年7月6日，埃隆·馬斯克在視頻致辭中表示，在未來，假設人形機器人與人口比例為2:1，人形機器人需求量有望達到100億~200億臺，人類對人形機器人的需求甚至會遠遠超過汽車。現在是推進研發人形機器人的絕佳機會，因為可以共享大量自動駕駛領域的軟硬件技術成果。
孟夏：從投資的角度來說，機器人行業有非常好的Beta，遠期市場空間巨大，行業發展增速很快。當前，人形機器人產業還處于較為早期的發展階段，短期震蕩難以避免。但長期來看，站在浪潮起點，用積極的長期主義信念來堅持，是值得布局的好方向。
唐曉斌：類比汽車行業，人形機器人滲透率、更換頻率、產業地域集中度可能更高。A股汽車一級行業有4萬億元市值，目前機器人主流標的市值為8000億元，如剔除一些市場認同度高、原有主業體量較大的則為4000億元，簡單估算機器人是有10倍以上增長空間的行業。
短期來看，機器人板塊熱度偏高，產業鏈地位穩固的核心標的在波動中有望實現長期趨勢向上，建議盡量回避邊際變化驅動的主題投資標的。
姚佳：人形機器人會是一個長期被大家關注的投資方向。中國企業的競爭優勢在于硬件方面，人形機器人是一個不可忽視的方向。因為我們有非常龐大的工業基礎和非常強大的生產能力，所以中國企業在幫機器人供應鏈降低成本方面確實有較大的優勢，這個是目前大家集中投資的方向。
從技術突破向產業化加速邁進
未來擁有巨量級別發展空間
中國基金報：2025年開始，一大批國內外廠商都將進軍人形機器人產業。目前，人形機器人發展處于哪個階段？主要使用在哪些場景？未來應用空間和發展前景如何？
吳中昊：人形機器人目前整體處于從技術突破向產業化加速邁進的階段。從需求側看，勞動力供給將面臨短缺，用機器人代替人成為不可逆趨勢；從供給端看，以DeepSeek為代表的AI大模型不斷迭代，使人形機器人應用場景進一步拓寬，在細分市場有望率先商業化，如工廠生產、安防巡檢、物流配送、服務業引導等。從初期功能單一逐步轉為成熟通用型機器人，由ToB轉為ToC后有望進入家政等市場。
從市場空間來看，根據九方金融研究所預測，到2029年，全球人形機器人產業規模預期達324億美元。中國人形機器人2024年—2029年年復合增速將達93.6%。在更遠的未來，人形機器人有望應用于航天航空領域，未來市場前景較為廣闊。
宋巍巍：人形機器人正逐漸由“從0到1”的實驗室概念驗證階段，邁向“從1到N”的商業化爆發階段。海外市場看，全球標桿企業已經臨近量產，多家海外企業均表示，2025年將部署千臺量級機器人的計劃，用于在首發場景訓練、驗證（工廠或家庭），預計2026年正式對外交付。國內市場的商用進展也在今年突飛猛進。
當下，人工智能、5G等技術的快速發展也為機器人產業注入了新的活力，推動了機器人技術的不斷創新和應用場景的拓展。此外，隨著人口老齡化加劇和勞動力成本上升，市場對機器人的需求也日益增長，尤其是在工業制造、醫療健康、服務等領域。
張萌先：2025年處于人形機器人量產元年，市場上很多參與者都提出2025年實現千臺級別機器人的生產交付。應用場景主要在B端勞動密集型領域以及高校科研院所，前者積極進行機器替人的場景落地摸索，后者則基于機器人本體進行二次開發尋找新興應用場景。遠期人形機器人有望超越10萬億元的汽車市場規模。
孟夏：長期看來，人形機器人是一個擁有巨量級別發展空間的領域，很可能以人類終極智能終端的角色走進我們的尋常生活，共建“人類社會全新形態”。據國際機器人聯合會（IFR）預測，到2024年，全球機器人市場規模有望突破650億美元，而我國也有望成為機器人最大生產國和消費國。巨大的發展潛力和廣闊的應用前景也讓人形機器人成為培育新質生產力的重要抓手，以及現代化產業體系建設的重要支撐。
唐曉斌：目前人形機器人大腦（上位機—軌跡規劃）與小腦（底層—關節控制）協同性較低。因此，當前以特定場景的專用化應用為主。短期市場追逐行走、奔跑等炫酷動作效果，但這并不能體現其具身智能的特征。
制約人形機器人產業需求的技術瓶頸有三：電池能量密度、制造成本、自主軌跡規劃。電池依靠固態技術成熟或用換電解決；成本下降依靠產品放量；自主軌跡規劃要求模型泛化能力增強，這決定了其在多少場景下可以替代人工。
一類是面向B端客戶，放量快、空間小，其定位主要是填補專用設備的自動化留白，進一步提升生產自動化率。比如，特斯拉萬臺級別是內銷應用工廠；比亞迪對優必選的采購類似，以搬運、拾取、簡單裝配為主。
另一類是面向C端客戶，放量慢、想象空間大，人形機器人大模型面對多（高于語音模型數量級）輸入、多輸出，信息處理量大導致泛化難度更高，短期制約C端放量。
關注傳感器、靈巧手、本體等方向
中國基金報：近期，機器人板塊已逐漸從主題轉變為具有長期向上趨勢的成長板塊，有哪些細分領域投資機會值得關注？
張萌先：除了關機模組集成商、絲杠、旋轉減速器之外，輕量化、深度相機、激光雷達、電子皮膚、新制造工藝、新材料等都有機會。因為機器人性能要求會持續提升，在感知、輕量化、續航、“快、穩、準”等功能方面會提出更高的要求，這里面也會孕育著相應的投資機會。
宋巍巍：機器人產業中，以下幾個細分領域值得關注：一是核心零部件，包括減速器、絲杠等，占機器人成本的50%以上，這是運動系統的關鍵。二是電機和電池，作為機器人能量來源的核心部件，這部分不可或缺。三是傳感器，作為機器人與外界交互的“感官”，如視覺、觸覺、聽覺等，對感知外部世界至關重要。四是算力基建，包括CPU、GPU等，這部分支持端側推理運算能力，以及背后的仿真系統和大模型技術。
孟夏：人形機器人產業鏈主要由上游核心零部件供應、中游本體制造與集成、下游多元應用領域三大板塊構成。各環節相互依存、協同發展，共同推動著機器人產業不斷向前邁進。
唐曉斌：傳感器、靈巧手，以及本體都是值得重點研究的方向。
傳感器是多輸入的來源，人形機器人的功能泛化一定伴隨著輸入信息的豐富，特別關注電子皮膚、多維力傳感。
靈巧手是多輸出的來源，可以單獨訓練。能否更加擬人化地控制手部動作和復雜場景的熟練操作，決定了人形機器人的適用范圍。
本體（主機廠）尤為值得關注。機器人的靈魂在于控制（無論小腦還是大腦），掌握控制技術的主機廠會構筑壁壘。主機廠對機器人的泛化訓練需求專業場景（虛擬或真實）搭建，動作捕捉數據，設備是剛性需求。
仍面臨諸多挑戰
中國基金報：人形機器人發展還面臨哪些難題和挑戰？有哪些不確定性需要關注？
吳中昊：難度和挑戰主要從技術、成本和市場需求三個角度來看。首先，從技術層面來看，機器人的運動控制與靈活性還不足，難以在復雜環境中實現像人類一樣自然、流暢地運動。在復雜環境中可能還無法實現精準定位，因此環境感知與適應性還有待提升。
其次，從成本端來看，機器人關節等零部件造價高，如伺服電機、驅動器等價格昂貴。此外，機器人研發還需大量資金和人力投入，量產過程中的生產成本也較高。
最后，從市場層面來看，需求具備不確定性，在家庭服務等更廣泛的市場領域，消費者對其接受程度和購買意愿還存在不確定性。
其他的一些不確定性因素可能還包含：技術路線不確定，核心零部件技術路線尚未統一，存在迭代風險，企業可能投入大量資源后無法實現預期效果；量產進度不確定，可能因技術、成本、供應鏈等因素導致量產進度不及預期，影響供應鏈彈性和商業化進程；政策變化不確定，政策支持雖有力，但政策的調整和變化也可能對市場產生重要影響。這些需要重點跟蹤關注。
宋巍巍：投資機器人產業需關注以下幾點：一是市場流動性變化，包括美聯儲及國內央行的降息加息政策，主導市場周期；二是行業重大事件，如量產計劃、國內科技巨頭的入場，對行業發展影響深遠；三是公司業績與短期表現，建議關注個股的業績和發展動態。
張萌先：軟件算法、硬件一致性、綜合成本等方面還需要持續提升。此外，隨著逐步進入量產階段，產業會開始進入去偽存真、大浪淘沙的過程，此時就需要甄別投資標的是否真正具備產業競爭力，排除掉停留在“喊口號”階段的投資標的。
孟夏：人形機器人越來越智能化，正在進入商業化的新階段。不過一個科技產品能否走向千家萬戶，還需要看兩大因素：一是能否實現技術突破，這個決定了“能不能用”“好不好用”；二是能否形成產業規模，即是否能夠通過多種方式控制成本，讓更多人“買得起”“用得上”。從技術層面看，我國人形機器人在底層技術原理與關鍵核心技術方面仍有較大提升空間。
姚佳：目前一個難點是沒有足夠的數據，人形機器人是沒有海量數據進行訓練的。Scaling law（規模定律）在機器人領域目前還非常遙遠，就是因為數據集還不夠大。這一輪科技革命的核心，是AI在語言數據領域、圖像領域、視頻領域有了大量數據進行訓練之后，出現了“涌現現象”，就是Scaling law的發生，但是這對人形機器人來說相對比較遙遠。只有數據量足夠多，才能讓它涌現出一些人類行為動作。
