机器人行业专题研究：从CyberOne看人形机器人行业发展

1、小米发布CyberOne，全尺寸人形机器人商业化已在路上

1.1、小米发布CyberOne，产品亮点突出未来可期

小米发布业内首款全尺寸人形机器人 CyberOne，彰显多元融合技术新成果。8 月 11 日小米推出的 CyberOne，身高 177cm，体重 52kg，是业内第一款真正意义上的全尺寸人形 仿生机器人，代表了小米对未来科技生态的积极探索，展现出了小米在人形机器人领域各项 新技术的阶段性成果。 成本问题尚未解决，人形机器人商业化落地道路挑战与机遇并存。目前 CyberOne 的成 本高达六、七十万元，尚不能实现量产，且多项关键技术有待突破。但可以预见的是人形机 器人拥有更加丰富的应用场景，商业价值更高，产业链各方向均有布局机会。

“小脑”发达，CyberOne 实现机械运动能力的重大突破。相比于小米去年发布的 CyberDog，人形机器人 CyberOne 在电机性能、机身自由度、双足控制算法等方面均取得重 大进步。CyberOne 支持 21 个自由度，并能实现各自由度 0.5ms 级别的实时响应，充分模拟 人的各项动作，步行速度可达 3.6km/h。 关节活动方面，以 CyberOne 上肢关节电机为例，小米自研了一枚重 500g，额定输出扭 矩高达 30n·m 的高效电机，保证了上肢的灵活性。而在髋关节部分，CyberOne 的主要电 机瞬时峰值扭矩可达 300n·m，峰值扭矩密度可达 96Nm/kg，配合小米的自研人形双足控制 算法，行走姿态更加平稳。

良好平衡性奠定运动功能基础，看好机器人速度、灵活度等指标持续优化。与特斯拉 预告的机器人“擎天柱”相比，CyberOne 在关节自由度、步行速度等方面存在提升空间， 并且与人的实际情况也有差距。

高情商且具备人类情绪， AI 内核赋能环境感知及人机交互，未来有望胜任各类服务场 景。环境感知层面，CyberOne 可对真实世界进行三维虚拟重建，通过自研的 Mi-Sense 深度 视觉模组，结合 AI 算法，提供完整的三维空间感知能力。 CyberOne 搭载自研 MiAI 环境语义识别引擎和 MiAI 语音情绪识别引擎，能够实现 85 种环境音识别和 6 大类 45 种人类情绪识别。发布会现场机器人与雷军及观众的互动也展现 出人机交互技术研发取得显著成果。

1.2、人形机器人三大路线，CyberOne为代表的服务人应用前景最广阔

人形机器人发展历经二十余年，逐渐形成三大发展路线。人形机器人发展起步于日本， 进入 21 世纪后由美国主导，目前已经形成以波士顿动力为代表的超越人、以特斯拉为代表 的替代人和以小米 CyberOne 为代表的服务人三大主流方向，其中波士顿动力的人形机器人 技术主要聚焦于科研领域，商用可能性较小；而相比于特斯拉机器人，我们认为服务型机器 人凭借其与用户良好的交互性，有望深入到各类生活场景中，商业价值非常广阔。

“超越人”性能卓越，波士顿动力 Atlas 代表当前科研最高水平。波士顿动力开发的全 尺寸人形机器人 Atlas，以液压关节和步态算法为核心的底层技术，实现了接近人类的运动 能力，能够快速越过障碍物、完成快速转身、跳跃等动作。 Atlas 实现这一系列高难度动作的核心是其“大脑”，即感知算法的不断迭代。近年来 波士顿动力在机器人外观及机械系统方面并没有做出重大革新，而在软件层持续迭代，将相 机、雷达等传感器接收的数据进行分析并对决策制定和动作规划提供最有效的支持。

成本难以控制商业化希望较小，但为服务型机器人商用提供思路方向。虽然目前 Atlas 机器人定位为科研用途，近年来公司几度易主尝试商业化应用均未能取得有效进展。但 Atlas 在实证机器人相关技术可行性的同时，为未来人形机器人的商用化进展提供了诸多借鉴点： （1）材料方面，Atlas 采用 3D 打印零件以满足跳跃、翻腾等动作需要的强度/重量比， 且体态外观更接近于人的形象，可供机器人商用化参考； （2）动力及负荷方面，Atlas 高约 1.5m，重约 75kg，有效载荷达 11kg，除各类运动外 可以完成搬运、整理等工作，可以为目前尚处于初级阶段的小米 CyberOne 升级各类功能模 块提供动力、载荷等多维度参考；

“替代人”解决劳动力短缺问题，无人机交互限制其商业应用场景。2022 年 6 月 21 日， 马斯克宣布将于 9 月 30 日推出人形机器人“擎天柱”的原型机，据介绍，擎天柱高 172cm， 体重 56kg，可负载 20kg，全身具有 40 个自由度，步行速度可达 8km/h，旨在代替人类从事 “危险、重复、无聊”的工作，并预计 2023 年实现量产。

（1）高算力+大数据支撑特斯拉自动驾驶技术持续迭代。计算平台层面，特斯拉自研 了专门用于模型训练的 Dojo 超级计算机群，并内置特斯拉自研 AI 训练芯片 D1，芯片采用 分布式结构和 7 纳米工艺，搭载 500 亿个晶体管以及 354 个训练节点，仅内部的电路就长达 17.7 公里，实现了超强算力和超高带宽，以及空间和时间的平衡。 数据层面，特斯拉机器人承接汽车端的 FSD 芯片摄像头，能够采集大量道路行驶 之外的各类场景数据，为 AI 算法迭代提供高质量的学习样本。（2）承接汽车部件产业链优势，特斯拉具备机器人量产成本优势。考虑人形机器人部 分零部件技术壁垒较高，特斯拉有望发挥其在汽车领域积累的供应链和技术优势，整合减速 器、电机等部件的外部供应商，因此我们认为在相关细分领域具备竞争优势的厂商可能率先 获益。

CyberOne 为代表，服务型人形机器人将深入细分场景，实现智能交互，提升服务质量。 小米公司自成立以来，不断构建延展的科技场景，从智能手机到可穿戴设备、智能家居，进 而延伸到智能制造、电动汽车以及人形机器人领域，持续丰富智能终端矩阵。 借力已有科技生态，CyberOne 有望满足服务型机器人人机交互功能，挖掘 C 端商业价 值。小米科技生态以人和生活工作为核心理念，不断融合进化技术体系并贯穿所有的智能场 景和终端设备，我们认为小米基于智能手机、可穿戴设备、智能家居等终端积累的数据、算 法等多维度能力，能够有效赋能人形机器人的商用化道路。

1.3、服务型机器人商业前景广阔，国内产业链公司发力布局值得期待

1.3.1、服务机器人有望深入各类细分垂直场景，市场前景广阔

政策支持人形机器人技术发展，有望深入各类细分垂直场景。2021 年 12 月工信部等 15 部门在《“十四五”机器人产业发展规划》中提出重点推进工业机器人、服务机器人和特 种机器人重点产品的研制及应用，提升性能、质量和安全性，推动产品高端化智能化发展。 “十四五”期间将重点补齐专用材料、核心元器件、加工工艺等短板，提升机器人关键 零部件的功能、性能和可靠性，开发机器人控制软件、核心算法等，提高机器人控制系统的 功能和智能化水平。

全球服务机器人市场规模稳定增长，预计到 2023 年突破 200 亿美元。根据中国电子学 会，2016-2021 年全球服务机器人销售额 CAGR 为 24%，预计 2022 年全球市场规模将达 159.9 亿美元。2021 年家用服务类型机器人占比最高，达 65%。

服务型机器人应用场景持续丰富。由早期较为成熟的扫地机器人和送餐机器人逐步拓展 至情感、教育、医疗机器人等方向。2021 年擅长精细手术的美国达芬奇手术机器人在美安服务型机器人应用场景持续丰富。由早期较为成熟的扫地机器人和送餐机器人逐步拓展 至情感、教育、医疗机器人等方向。2021 年擅长精细手术的美国达芬奇手术机器人在美安

人口老龄化趋势下我国医疗和公共卫生需求持续旺盛，服务机器人市场潜力巨大。根 据中国电子学会，2016-2021 年我国服务机器人销售额 CAGR 为 36%，高于全球增速。预计 2023 年我国服务机器人市场规模有望突破 600 亿元。 根据国家统计局数据，我国服务机器人月度产量波动上升，2021 年 12 月单月产量为 90.26 万台。 疫情期间大量面对面场景被无接触服务替代，接待机器人、递送机器人、测温机器人和 新零售机器人等需求增加。如普渡科技交付上百个配送机器人支援医疗机构和隔离点。云迹 科技扎根酒店场景，合作酒店超 1,5000 家。

1.3.2、拥抱软硬件国产化浪潮，产业链相关厂商已逐步形成竞争力

我国国产机器人正缩小与国外差距。以下游系统集成作为突破口，上溯中上游技术和 产品研发。以中国工业机器人为例，根据 IFR，2020 年中国安装了 168,377 台新机器人，全 球排名第一，国内供应商在中国市场的市场份额为 27%，出货量为 45,347 台。 中国机器人密度发展飞速，2020 年已跻身世界前十。根据 IFR，由于机器人安装的显 著增长，中国机器人密度从 2015 年的 49 个/万人上升到 2020 年的 246 个/万人，中国大陆机 器人密度在全球排名第 9。

随着数据积累，国产厂商在软件算法方面有巨大潜力。在路径规划和行为决策的算法 层面，国产厂商仍存一定差距。在针对不同场景进行二次开发时，精确性、稳定性和响应速 度等性能不足。随着国产厂商进行数据、实践和经验的沉淀，未来定能有所突破。

2、环境感知+运动控制+人机交互，三大模块决定商用前景

目前，机器人主要包含三大核心技术模块：环境感知模块、运动控制模块和人机交互 模块。感知系统主要负责数据采集的前端感知层（图像、语音等传感器、雷达、压感、光感 等专用传感器等），相当于人的眼、耳、鼻、皮肤等；运动控制模块包括机械传动系统，模 拟人的躯体及四肢；人机交互系统包括负责数据整理和算力处理的存储器和智能芯片，相当 于人的大脑； 三大核心模块技术进展差异显著，AI 算法及软件平台能力决定机器人人机交互核心能 力。目前在环境感知和运动控制模块上，受益于自动驾驶、工业机器人等领域的成熟应用， 相关硬件商用化进程较快，而在人机交互模块，由于算法、算力的限制，在实际消费场景中 实现高效的人机智能交互还存在不小的难度。

2.1、机器视觉为核心，环境感知技术不断发展

小米 CyberOne 搭载自研 Mi-Sense 深度视觉模组，拥有完整三维空间感知能力。 CyberOne 深度相机配合 AI 相机能够帮助机器人接收真实场景和物体，通过 CV 算法建立物 体三维模型实现避障，通过万物追焦技术，保证机器人对集关键目标的注意力集中。精度方 面 CyberOne 能够保证 8m 距离内的 0.1%以下的误差。

机器视觉技术发展历经三大阶段，能否实现精密操作执行将决定人形机器人应用前景。 最初，机器人视觉感知技术主要满足避障、识别等基础动作，不需要对环境和目标进行准确 识别，运动路径偏封闭和固定。随着机器人从“自动化”走向“智能化”，机器人环境感知 技术发展以识别和测量为核心目标，通过立体摄像机配合激光雷达，多传感器融合技术推动 了自动驾驶的快速发展。现阶段，机器视觉技术旨在实现精密执行操作，人形机器人不仅要 完成避障、路径规划、目标识别等功能，其机器视觉模块要配合运动系统实现高精度估计和 机械手的伺服控制。

参考已有人形机器人视觉技术，多模态视觉感知有望成为主流方案。波士顿动力研发的 Atlas 采用头部 RGB 摄像头为主传感器，并使用 ToF 传感器辅助建模；特斯拉则基于成熟的 电动车 FSD 视觉感知技术，迁移到人形机器人。我们认为未来人形机器人将以多目视觉为 主，并搭配 ToF、结构光、激光三角等技术以满足机器人视觉感知的不同需求。

激光雷达为高精度定位核心部件，有望从自动驾驶技术迁移到人形机器人。激光雷达 能够实现高精度地图、避障、环境感知及自主避障等功能，且不受光源影响，是波士顿动力 公司人形机器人的感官系统核心部件。相比于毫米波雷达和摄像头，激光雷达具备分辨率高、 探测距离长、反馈数据多等方面优势，被大多数整车厂、Tier 1 认为是 L3 级及以上自动驾 驶必备的传感器，未来也有望搭载到人形机器人上成为其环境感知模块的核心部件。目前激光雷达在 L3+的应用确定性强，我们看好未来人形机器人形成以激光雷达为主导 的多传感融合方案，感知硬件互相配合确保机器人工作过程中的安全与效率。随着相关部件 的价格成本随量产规模而下降，未来应用前景广阔。

2.2、运动控制模块，算法灵活性+硬件灵敏性决定机器人商用效果

从基础参数来看，Cyberone 表现可圈可点，但与国外领先机器人仍有差距。关节数和 自由度可体现机器人灵活程度，Cyberone 全身共 13 个关节，21 个自由度，相比具有深厚技 术沉淀的 Atlas 及 ASIMO 有一定差距；时速为 3.6km/h，对比人类 3.2~5km/h 的速度基本还 原但拟人感有较大提升空间。采用液压驱动的 Atlas，已实现跑、跳、后空翻等高难度动作， 爆发力强，视觉冲击强烈。运动控制（Motion Control）是将电能转换为机械能，实现机械运动的过程。运动控制 系统包括软硬件两方面，其中硬件一般包括运动控制器、驱动器（功率放大器与变换装置）、 电机及机械传动系统（减速器）四大核心。

控制系统，人形机器人的神经系统，控制驱动系统完成动作。控制系统需要根据指令 及传感信息，向驱动系统发布指令并控制其完成相应的动作，主要由控制器（硬件）和控制 算法（软件）两部分组成。 工业机器人领域主流厂商自行开发控制器，国外厂商优势明显。由于控制系统对于机 器人的重要作用，现有的主流工业机器人厂商均布局自行研发控制系统，包含大型机器人厂 商和专业的控制系统厂商这两大类。 PC-Based 控制器具备明显优势，正逐步替代 PLC。运动控制器主要包括 PC-Based、专 用控制器和 PLC（可编程逻辑控制器）三类，其中 PC-Based 控制卡通用性、可拓展性更强， 能满足复杂运动算法要求，发展前景广阔。

伺服系统，精准输出运动状态，电气方案为主流。目前人形机器人主要采用伺服电机、 伺服驱动器和编码器共用构成伺服系统。伺服系统用于准确控制输出的机械位移转角、位移 速度和加速度等，满足机器人各部位各种运动方式的需求。 人形机器自由度需求将带动伺服系统需求规模快速成长。理论上，为满足确定的运动 模式需求，机器人的伺服电机数应等于其自由度，即一个自由度对应一台伺服电机。为较好 地模拟人的运动模式，不考虑手指自由度的情况下，人形机器人需要约 40 个自由度，远高 于工业机器人的自由度需求（2-6 个），看好未来人形机器人量产后推动伺服电机需求量上 升，进而推动伺服系统市场规模扩大。

减速器，人形机器人精密传动装置，以谐波减速器和 RV 减速器为主。减速机的主要工 作原理为通过机械传动装置实现对原动机的减速增矩，是影响机器人性能的核心因素，在高 精度场景中尚未存在替代方案，技术壁垒较高。 RV 减速器和谐波减速器是两种最主要的精密减速器，各有侧重，相辅相成。RV 减速 器体积大，负载能力和刚度高，一般用于机座、大臂、肩部等重负载位置，而谐波减速器体 积小、传动比和精密度高，主要应用于小臂、腕部或手部。

AI 算法指导机器人运动模式，目前没有标准化产品，极有可能成为产品核心竞争力。 与零部件不同的是，机器人领域的算法几乎不存在标准化的产品，也没有清晰的可比标准， 一般由公司自研。在工业机器人的生产中，强大的算法将极大赋能性能，带来数倍溢价空间。 如行走姿态方面，算法需要协调关节协同运作，主要实现对水平反应、目标 ZMP 和步 长位置三个方面的控制，保证机器人能在行走中保持平衡及模拟人类姿态。ASIMO 机器人 就运用了本田研发的 I-Walk 技术（Intelligent Real-Time Flexible Walking Technology），应用 预测运动控制功能，实现机器人无停顿转弯。

2.3、人机交互模块，以NLP为核心的多感官信息处理决定技术发展

CyberOne 可实现简单互动交流，基于语音、视觉的 AI 数据处理效果显著。发布会现 场，从 CyberOne 的行为演示可以看出其能够对观众掌声做出回应并与人进行交流，实现这 些功能的人机交互模块，是以 AI 技术为核心，借助语音识别、图像识别、机器学习等，完 成模拟人类大脑的工作模式。 语音语义分析作为人机交互核心途径，帮助机器人具备听、说、理解和思考的能力。 语音语义模块包含了语音识别和语义分析两部分，涉及声学信号（声源定位、语音增强等）、 模式识别（声纹识别、语音识别等）、自然语言处理（自然语言理解、自然语言生成等）和 语音合成等技术。

络及通信技术发展驱动 AI 迈向更高智能时代，数据+模型决定未来发展方向。近年 来，人机交互发展方向从最初的传统图形交互模式演变成多模态、多通道的智能交互模式。 目前智能人机交互有多通道交互（MMI）、情感计算（Affective Computing）、虚拟现实（VR）和智能用户界面（IUI）这四大研究方向，其目的都是为了实现人类实际工作场景下更加和 谐有效的的人机交互。AI 发展可归纳为数据+模型两大思路，从工程和科学两维度实现智能人机交互。从数 据角度看，上述四大研究方向核心均是不断挖掘细分场景下更多维度的数据标签，通过更多 维参数的神经 络学习，实现更高准确度的人类行为、情绪的理解和反馈。多维行为数据的 采集需求将带动终端硬件设备的持续迭代，需求量将迎来爆发式的增长。

与大数据代表的工程化思路相对应，模型迭代标志科学化思路，尝试机器更接近人类 大脑的思考模式，以实现更有效的人机互动。基于大数据样本学习的 AI 训练近年来逐渐暴 露问题，训练时间过长、成本过高、商用化难度过大，相关研究机构及公司在尝试轻量化数 据规模的同时，积极引入脑科学领域的研究进展，不断引入新的计算模型，以提高人机交互 的效率，在无人驾驶、机器人、推荐系统等领域均实现突破。

3、人形机器人市场空间广阔，产业链迎来重大发展机遇

3.1、人形机器人发展带来上游核心零部件巨大市场空间

作为关键零部件，精密减速器国产化需求强烈。现阶段工业机器人成本最高的零部件 减速器占整机成本 35%。一般传动减速器已经出现国产替代逻辑，而精密减速器进口依存 度更高，高售价和长交货周期成为制约我国机器人发展的重要因素。 减速器：谐波减速器实现国产技术突破，近年来国内厂商持续投资布局，规模效应初 现，看好国产化替代进程。以谐波减速器和 RV 减速器为例，国内厂商在谐波减速器领域已 打破日本厂商垄断；RV 减速器领域，日本博纳斯克仍处于垄断地位，而国内以双环传动为 代表的厂商已基本解决精度、稳定性等方面的问题，未来有望打开成长空间。

预计伺服系统市场规模于 2022 年超 200 亿元。据 MIR 睿工业数据，我国伺服近年规模 不断提升，2022 年达 209 亿元，同增 12.76%。预测 2022-25 年以 12.6%的复合增速稳定增 长，在 2025 年达到 300 亿元。伺服系统本土化生产速度不断加快。从 2018 年到 2021 年上半年，汇川取代松下成我 国伺服市场市占率第一的厂商，占比达 15.9%，台达维持第三位，市占率为 8.9%。整个市 场 CR3 由 48.4%下降至 36.7%，集中度下滑，景气度提升。

3.2、机器视觉国产化加速，具AI算法落地能力公司拥有入局优势

机器视觉技术模拟人眼完成物体检测、判断、反馈控制等工作，是人形机器人的核心 技术支撑之一。机器视觉包含了计算机科学、图像处理、模式识别、深度学习、传感器技术 等多领域科学技术。从细分产业链看，机器视觉可分为上游（硬件、算法软件）、中游（视 觉系统、视觉装备集成）和下游应用场景，机器视觉技术广泛应用于汽车、物流运输、制造、 机器人等行业，应用广泛。

全球机器视觉市场规模超百亿美元，国内市场规模快速成长，国产化替代进程加速。 Markets and Markets 数据显示，2020 年全球机器视觉市场规模达 107 亿美元，预计到 2022 年市场规模将达到 135 亿美元，2016-2022 年复合增速预计为 13.85%。 国内机器视觉市场规模快速增长，预计 2025 年市场规模接近 400 亿元人民币。中国机 器视觉产业联盟数据显示，2021 年我国机器视觉市场规模达 181 亿元，2018-2021 年 CAGR 为 22.41%，若保持此增速，预计到 2024 年市场规模为 343.13 亿元。

AI 算法迭代将提升机器人运动模式规划效率，带动万亿产业规模。机器人所涉及的人 工智能技术包括计算机视觉、语音识别、自然语言处理等，用于实现机器人自身运动及人机 交互。根据艾瑞咨询，预计 2024 年人工智能核心产品产业规模将达 3,859 亿元，带动相关 产业规模 1.40 万亿元。

3.3、人形机器人整机出货量有望增长，本体生产厂商迎来重大机遇

特斯拉机器人或明年实现量产，需求空间广阔带动机器人本体厂商受益。目前小米尚 未解决人形机器人量产问题，而特斯拉宣布 2023 年人形机器人有望实现量产，我们认为随 着人形机器人相关的硬件技术不断迭代，叠加未来广阔的市场空间，相关机器人领域有布局 经验本体生产厂商有望快速导入人形机器人赛道，受益未来需求加速成长。 参考国外相关厂商，“重要零部件生产+本体生产+系统集成”全产业链模式成为主流， 具备相关优势的厂商将获得明显竞争优势。随着人形机器人技术路线逐渐清晰，产业链逐 步由上游向下游渗透，未来在人形机器人系统集成环节，厂商需要负责机器人应用系统的开 发和集成，基于不同的商用场景和性能需求，针对性地配置对应的功能模块，参考国外领先 企业，我们看好全产业链模式将成为国内机器人厂商的发展趋势。