如果说在大语言模型之后，今年科技领域最出圈的一个主题，应该就是人形机器人。这个主题的引爆源于近期的两个事件：一个是11月3日工信部印发《人形机器人创新发展指导意见》，开始展望机器人新产业的未来；二是11月底总书记走访国内知名的人形机器人创业公司傅里叶机器人。

因此，大量自媒体再次把马斯克2022 年 4 月与TED的主持人克里斯·安德森的一场与“未来”的对话翻了出来，向大家营造了一个人形机器人的美妙未来。这属实是一个振奋人心的产业：宅男激动了，还要什么丈母娘，马斯克就是我岳父；投资人激动了，一台10万，如果走进千家万户不是一个数十万亿的市场吗；创业圈激动了，新的主题，融资融资，拿补贴拿补贴；而我，半夜连二老婆外形怎么订制都想好了。

但作为一家严谨的产业研究投资机构，我们还是得先控制住自己激动的心，颤抖的手，好好想清楚几个问题：

1.  为什么人形机器人在这个时间点爆发？

2.  哪些企业/选手正参与到人形机器人赛道之中？

3.  人形机器人何时会爆发？

为什么人形机器人赛道爆发了？

首先，我们需要理解一个概念，就是为什么产业界和学术圈在人形机器人前面要加上一个定语，通用人形机器人。当今社会生产生活之中，已经不乏各类形态的专用机器人规模化应用，为人们解决各种各样的问题。

但是关于人形机器人的研究可以追溯到1927年，百年来科学家苦心研究和探索，希望把机器人做出人的形态，本质目的是希望机器人能与人一样灵巧和学习，可以由一台机器人完成烧饭，打扫卫生，取外卖，开车甚至共同繁衍后代等各种通用任务。

那为什么最近产业圈，科技圈，投资圈内会有一种通用人形机器人赛道要爆发的感觉，什么因素发生了变化呢？让我们先看人形机器人的技术层次。

人形机器人的技术层次有4层：

第一层是结构与硬件层。指的是构建起人形机器人的本体，目前基于国内的供应链，整合出一台类人形态的机器人，成本大约40-50万左右，虽然零部件性能和成本距离马斯克的预期差距很大，但这是产业规模化可解决的难题。

第二层是运动学模型构建。指的是让机器人的手和脚能让人一样拥有丰富的自由运动的能力。在这个领域科技企业Boston Dynamic遥遥领先，让大家见识到机器人可以跑，跳，后空翻，跳舞，搬运，甚至拿枪射击。

第三层是感知识别。指的是让机器人像人一样能够清晰地感知外在的环境和障碍物。近几年AI与自动驾驶的飞速发展，以及各类视觉传感器的技术成本迭代，让机器人感知识别（主要在视觉感知层）具备了相对较好的产业化基础。

第四层是思考。指的是让机器人能够理解人一样能够各种任务的含义，并且进行良好的任务规划。大语言模型技术驱动下，AI agent出现，让机器人可以用自然语言作为交互方式，高自动化地理解，执行和处理专业或繁复的工作任务。

如上图Google的Demo，单臂机器人站在一张桌子前，桌上有多个塑料雕像：狮子、鲸鱼、恐龙等——给机器人发出指令：「捡起灭绝的动物。」机器人流畅地将手臂伸出，爪子落下，抓住了恐龙。

归根究底，这轮通用人形机器人的浪潮，底层的变化因素是源于人工智能技术出现的变革，让机器人在未来有机会具备通用思考和语言交互的能力。我们判断：机器人会成为本轮人工智能落地应用中相当有分量的一个场景。

 哪些企业正在参与到人形机器人的产业赛道中？

作为一个产业规模丝毫不逊色于新能源汽车的大赛道，通用人形机器人势必吸引大量的玩家参与其中。对于中国产业链的调研，我们坚信，这个赛道必将会诞生类似“蔚小理”的先发选手，也会有“比亚迪，长城”等传统势力后发进入，在可预期的将来，也会呈现出一家特斯拉机器人和多家中国机器人公司PK博弈的场景。

作为一个覆盖了软件，物理，材料，机械，光电，机电等复合学科的赛道，通用人形机器人的综合技术门槛很高的。在我看来，目前几乎没有创业团队能系统地评估出这个赛道的复杂度和解决方案，大家都是本着攀登珠峰的心态在做在创业。因此，我们看到在通用人形4项技术层次中有技术优势的团队都有下场去做人形的案例。

第一类：AI/大语言模型背景。其中有：北京智源研究院为背景的银河通用，南方科技大学孵化的逐际动力，深圳IDEA研究院为背景的X2，西湖大学为背景的西湖机器人，清华大学交叉信息研究院背景的星动纪元，阿里达摩院为背景的有鹿机器人等等。这类创业企业几乎都是2022年后成立，是机器人赛道的新玩家，他们对AI大语言模型有更深层次的理解，创始团队的能力主要聚集在人工智能与芯片等积累，对数据驱动有一定认知，但对于硬件，供应链和机器人控制方面的理解比较薄弱，甚至可以说得上是比较不重视的。

第二类：运动控制学背景。其中有：出身于机械臂领域的非夕科技，出身于医疗机器人领域最近大热的傅里叶，出身于四足机器人领域的宇树科技等等，这类企业都成立于AI大模型应用之前，围绕着特定场景落地专用机器人来构建商业闭环，技术团队几乎都是以Boston Dynamic作为技术标杆，进行模仿和追赶。作为机器人赛道的老选手，我认为这类企业的优势在于对机器人本体和运动学的理解深刻，以及在中国商业环境下对机器人场景落地的摸索经验。但缺点在于这批创业者的成功路径在专用机器人，对于大语言模型带来的通用变革，他们往往理解，信仰及团队配置是相对欠缺的。