1、华宝，曾文婉）1 .供应端：人形机器人有望实现从O 到1的突破1.1. 国内政策加码人机发展从各地出台相关政策布局人形机器人（简称为“人机”），到人形机器人顶层 设计公布，2023年相关政策密集发布。2023年以来，从中央到地方，支持人 机产业发展的相关政策频繁出台，未来将持续促进人形机器人产业规模扩大、 应用场景落地，加速人机商业化进程。2023年11月，人形机器人顶层设计文 件人形机器人创新发展指导意见（以下称为意见）发布，指出人形机 器人集成人工智能、高端制造、新材料等先进技术，有望成为继计算机、智能 手机、新能源汽车后的颠覆性产品，将深刻变革人类生产生活方式，重塑全球 产业发展格局。
2、意见按照谋划三年、展望五年的时间安排做了战略部署， 分别制定了 2025年、2027年的目标规划，重点提及突破人形机器人“大 脑”、“小脑”、“机器肢”、“机器体”等关键技术，重点培育机器人整 机、基础构件、软件创新相关产品，同时在特种服务、制造业、民生及重点行 业等领域拓展应用场景。我国人形机器人产业前期已有一定基础，但在关键基 础部件、操作系统、整机产品、领军企业和产业生态等方面仍存在短板弱项， 未来在政策支持下，人形机器人的技术迭代和应用场景落地将有望提速。1.2. 头部企业入局带动热潮近一两年来，各路玩家加速涌入人形机器人赛道，包括科技公司、互联网企 业、车企等。2022年以来人形机器
3、人产品原型大量发布或更新，且更新速度很 快，尤其是在2023年新品“扎堆”，在梳理的代表性产品中超过60%的产品均 在2023年发布或更新。加码人形机器人的本体厂商背景多样，有传统机器人（服务机器人、医疗机器人、扫地机器人等）或以机器人技术起家的，有研发 仿生机器人（四足机器人、人形机器人、双足机器人）起家的，这两类公司均 有较强的机器人工程技术背景和产业链复用优势，有科研机构背景的本体厂 商，这类公司具有较强的研究及技术实力，也有科技公司、互联网公司，这类 企业在软件端的开发上相对占优，也有车企，这类公司有较强的产业链及技术 复用优势。除了已经发布原型机的公司外，仍有较多科技公司通过资本或技
4、术 研究领域入局人形机器人相关产业链。例如ChatGPT研发公司OPenAl领投了 IX Technologies,亚马逊创业基金跟投了 Agility Robotics,腾讯、比亚迪 投资了优必选，比亚迪、百度投资了智元。近两年谷歌发布了 SayCan.LMNav PaLM-E RoboticTransformer 2 （RT-2）等大模型，从具身智能层面切 入人形机器人产业，2023年2月微软也披露他们正在把ChatGPT应用于机器 人上。从供应端看，未来产品成本/价格有较大下降空间，人形机器人量产在即。过去 （2022年之前，下同）人形机器人产品商业化难度较高，主要原因在于落地场景窄（需
5、求空间小）、功能不强、价格昂贵，而近一两年（2022年及之后，下 同）发布产品的厂商对未来量产的成本或售价均有降低的规划，例如Agility RobOtiCS、小米CyberOneo同时，各厂商规划的量产成本/价格远低于过去发 布的人形机器人产品，例如特斯拉的Optimus,智元的远征A1、达阔小紫XR-4 等的价格远低于ASIM0、AtIaS。总的来说，从代表性产品来看，过去产品价格 大多在百万人民币及以上、成本在60万人民币以上，而近一两年发布产品的 厂商对产品未来的成本将控制在10-30万人民币之间、而价格预计在10-60 万人民币之间。在成本/价格的下降趋势下，人形机器人量产在即。当前
6、已有小 部分人形机器人产品已实现量产，例如达间的Ginger机器人、IXTechnologies 的 EVE Aldebaran Robotics 的 NAO 等；同时，近一两年发布 的人形机器人产品大部分规划在近3年内量产，有较为明确的量产规划，例 如Agility RobotiCS正在塞勒姆建造世界上第一座人形机器人工厂，将于 2023年底正式开业并进行产能爬坡，最终具备10000台/年的产能，特斯拉预 计2024年在自己的工厂进行实用性测试，并拟在其得州工厂部署数千个 Optimuso人形机器人开始验证“搬破”场景，未来行业催化事件或将不断。部分整机厂 商开始送自家的原型机器人进入工作场
7、景进行“搬砖”场景验证，例如 Agility Robotics的Digit机器人已进入亚马逊的运营中心进行打工测试， Ameca已经在拉斯维加斯新地标MGSPhere场馆谋得导游客服一职，而智元远征 AK特斯拉OPtimUS也将开启“打工”验证的关键环节。未来一年人机行业的 催化事件或将不断，包括优必选港股上市，特斯拉OPtimUS行走测试，特斯拉 AI Day以及其人机产业链定点等。1.3. 技术加持加速“大脑”发展当前机器人的发展趋势将从自动化走向智能化，而AI大模型是迈向通用智能 人形机器人的关键技术之一。大模型能大幅提升人形机器人对世界理解与技能 泛化能力，例如可与机器人深度结合的大语
8、言模型（LLM）具备多领域基础知 识、理解自然语言的能力以及可持续对话与交互、具备强大的零样本或小样本 学习能力等，以上能力均可助力于人形机器人在感知、决策、控制、交互等环 节的任务级层面上的进步，以提升机器人的智能水平。图2：大模型能力与机器人新需求的映射关系大模型的能力多个领域的基础知识,通识强大的内容生成能力良好的上下文理解与自然语言连 续对话能力强大E田习力人形机器人各方面的技术储备已经达到行业快速发展的临界点，而近两年AI 技术的进步是关键的引爆点。当前随着传统机器人上游产业链的逐步完善、机 器视觉技术的快速进步、机器人软件系统的扩大化发展、自动驾驶技术的快速 迭代、AI芯片的性能加
9、强，人形机器人各方面的技术储备已逐渐加强，行业已 经达到瓶颈突破、快速发展的临界点。同时，机器人作为机电软一体化产品， 一直以来被人诟病软件端功能不强，主要表现在产品智能水平不足，无法像人 类一样自主思考。因此近两年AI大模型（例如ChatGPT）的重大突破是人形 机器人发展的引爆点，如在机器人类人操作领域诞生了一系列全新的AI方 法，将扭转世人对以往人形机器人的评价。尤其是在理解世界与技能泛化方 面，大模型的应用将广泛提升机器人在做决策、任务拆解、常识理解上的智力 水平，例如机器人能听懂简单的人类语言指令并自主分析与执行相关任务，机 器人的用户将从工程师变为普通人（使用门槛降低），同时也能协
10、助机器人运 动代码的生成。目前，通用机器人行业的研究人员对于大模型+机器人开展了一 系列研究，并已有成果（具身大模型）发布。例如Google的RT-X系列模型 专注于机器人High-Level决策问题，直接使用Transformer模型进行端到端 训练；斯坦福大学李飞飞教授团队则采用VLM （视觉语言模型）路径，解决机 器人运动轨迹规划问题；微软已发表论文公布ChatGPT可以简化软件命令编程 过程以控制各种机器人；英伟达和斯坦福李飞飞团队合作发布的多模态具身AI 系统Vima,则让机器人可在虚拟环境中进行仿真训练与学习。2 .需求端：老龄化与人力短缺催化人 机替代加速当前全球低生育率化、高老
11、龄化持续加速，人口红利效应逐渐减弱。从全球劳 动力人口、老龄人口占比、女性人均生育数、总人口增长率等数据来看，当前 全球低生育率、高老龄化持续加速。根据联合国世界人口展望2022，许多 国家的生育率在最近几十年下降很快，如今三分之二的世界人口生活在生育率 低于平均每个妇女终身生育2. 1个孩子的更替水平的国家或地区，该生育率即 为在长期低死亡率情况下实现人口零增长的生育水平。其次，联合国预计全球 65岁及以上人口的比重将从2022年的10%增长至2050年的16%,届时65 岁以上老龄人口的数量将是5岁以下儿童人口数量的两倍。同时，婴儿潮一代 逐步达到退休年纪，如中国1962-1973年间的婴
12、儿潮（根据第七次人口普查数 据，约占全国人口的18.4%）在2022年开始逐步退休，每年退休人数平均约 2200万人，再如美国1946-1964年间的婴儿潮，将于2031年全部达到完全退 休年龄，在至2031年的期间，每天有近1万名婴儿潮一代达到完全退休年 龄。根据联合国预测，到本世纪末，全球人口增长率将进一步放缓并达到稳定 水平，由此可见人口红利的效应正在逐渐减弱，尤其是在一些发达国家，人口 红利已经消失，甚至逐渐转变为人口负担。g 8 Lrr OOLL OOOO CN CN CN CNOCOOCbCNOOsOsC3Ok T-T-CN5C4(3(2C1(0%-1图9：全球劳动力人口增长趋缓，
13、近几年甚至出现负增140. 00 35.00 30. 00 25. 00 20. 00 15. 00 10. 005.00 0. 00全球:劳动力人口 ：亿人 同比增长（）全球劳动力人口占比（%）在此趋势下，未来全球劳动力或将面临持续性短缺，金融和商业服务业、制造 业等面临人才缺口压力较大。根据光辉国际（Korn Ferry）数据，2020年全球 劳动力缺口占劳动力人口的3%,导致的经济损失为2. 1万亿美元/年，到 2025年缺口比例翻倍至6肌而到2030年，全球将面临8520万人以上的人才 缺口，超过2022年德国总人口，占比为%,同时由于短缺带来的经济损失 将每年高达8. 452万亿美元
14、相当于2022年德国和日本的国内生产总值（GDP）的总和。同时劳动力短缺的趋势并非局限于几个国家或地区，而是各国 或地区（除印度外）劳动力缺口均面临扩大趋势。从行业来看，金融和商业服 务业、制造业面临的劳动力缺口更大，预计2030年的金融和商业服务业，美 国、巴西、日本等地面临的劳动力缺口压力较大，预计2030年的制造业，巴 西、日本、印尼、中国等地面临的劳动力缺口压力较大。劳动力缺口的扩大趋势叠加劳动力成本的进一步推高，未来人形机器人成本或 将低于人力成本。经济快速发展以及人力短缺背景下，劳动力成本走高是长期 趋势。根据国家统计局数据，我国制造业城镇单位就业人员平均工资逐年走 高，2011
15、2021年间复合增长率达9. 7%, 2021年年平均工资已达9.2万元。同时从美国劳工部公布的自1947年起的季度单位劳动力成本指数以及欧盟统 计局自2008年起公布的劳动力成本数据走势来看，人力成本上升是长期趋 势。按照特斯拉对OPtimUS价格的规划（2万美元），该价格已经低于全美平 均年薪59, 428美元（数据取自Forbes Advisor对2023年美国平均工资的统 计预测）、欧盟区2022年平均年薪63, 440欧元（按欧盟统计局公布的2022 年欧盟区平均每小时劳动力成本，按每天工作8小时，每周工作5天，全年工 作52周计算得到）。止匕外，假设未来中国制造业人员年均工资按十
16、年CAGR 为8%计算，预计在2025年，中国制造业就业人员平均工资将超过一台 OPtimUS的价格（按照美元兑人民币汇率为7,折合人民币14万元）。尽管目前人形机器人一直停留在原型机阶段、尚未实现应用场景的落地，但随 着人形机器人智能水平的提升和劳动力缺口及成本的增加，人形机器人替代人 力只是时间问题。首先，根据麦肯锡全球研究院（MCKinSey Global Institute）研究，全球高达50%的工作是可以被自动化（包括机器人）取代 的，有六成的工作岗位，其30%的工作量可以由自动化（包括机器人）代劳。 同时根据麦肯锡全球研究院预测，中性情景下到2030年全球15%的劳动力（约4亿人）
17、将会被自动化（包括机器人）替代。其次从经济性上，根据前文 分析，特斯拉OPtiIllUS预计的量产价格（2万美元/台）已经低于美国、欧盟平 均年薪，说明在发达国家及地区由于人工成本高，人形机器人替代人已具备经 济性，有动力率先采用人形机器人。最后从功能性上，从当前已发布的人形机 器人所拥有的技能以及生产厂商未来的规划来看，人形机器人在工业场景、商 业服务场景、家庭服务场景中，均可从事部分简单工作，只是智能水平、工作 能力有待进一步提高，从理论上来说可以在以上场景中完全地替代人类进行劳 动。例如特斯拉的规划中，第一批OPtimUS机器人将主要在特斯拉超级工厂中 应用，从事那些危险、无聊、重复的工
18、作，或是人们不想做的工作，第二批大 规模使用的机器人，会拥有在现实世界中的导航能力，无须特定指令也能做有 用的事，第三批可以应用在家庭场景。类似采取以上这种“先工业、后服务” 规划的机器人还包括IX technologies的NE0、Figure的Figure 01、优必 选机器人、智元机器人等。止匕外，部分人形机器人的规划则是偏向商业服务场 景应用（例如展览、教育、实验室、博物馆、旅游景点等），更注重应用交 互，例如小米CyberOne EngineeredArtS的AmeCa。总的来说,人机替代人力 只是时间问题。从机器之间的替代关系上，我们认为人形机器人不可能完全取代工业机器人 （工业机
19、械臂）以及特种机器人，但能在较大程度上替代传统的服务机器人， 长远看在非结构化场景中有着更为广阔的应用空间。工业、特种机器人通常在 设计时考虑到特定的任务，它们在执行指定任务时的成本效益、效率、精度和 可靠性均得到了优化，因此相比人形机器人，工业、特种机器人是在结构性场 景中高效完成任务的更具性价比的解决方案。但对于商用、家用等服务场景， 更多地考虑人机交互的实现与体验，因此人性化、智能化的产品设计和多种技 能的掌握的优先级更高，故人形机器人将会较大程度地替代传统服务机器人。 同时，人形机器人则是为了模仿人类的动作和能力而设计的，在非结构化场景 中具有更大的灵活性和适应性，能够以更自然的方式与
20、人和环境互动，因此适 用范围更广，能够在工业制造、家用服务、医疗服务、教育和娱乐等领域发挥 更灵活的用途（例如在医疗保健和康复领域，人形机器人可以为患者提供个性 化护理、社交互动和帮助），在传统机器人适应不了的非结构化应用场景中， 将有着更为广阔的应用空间。因此综合来看，人形机器人与传统机器人的关系 并非完全替代关系，并且在特定场景下它们可能能够一起协同工作，形成互 补。从人形机器人应用落地路线上，我们认为工业领域结构化场景将有望优先落 地，其次是商业服务场景，最后才是2C端的家庭/个人服务场景。一是当前大 部分厂商人机产品规划路径优先考虑工业场景和商业服务场景，且越来越多的 车企加入人形机器
21、人制造、应用或投资领域，预计在工业领域尤其是汽车制造 领域、物流搬运领域人机优先落地的概率更大。其次，工业场景中有较多3D（Dangerous, Dull, Dirty）工作，在劳动力缺口下越来越少的人会选择该类 工作，因此工业场景具备较强替换需求，且在人形机器人智能水平发展初期， 结构化工作相比非结构化工作更容易实现。而商业服务场景中，本身对人形机 器人的运动能力要求不高，同时ChatGPT等大模型将助力人形机器人在导览、 讲解、教育等领域具备快速学习和自主交互的能力，叠加人形机器人的“亲切 感”，商业服务也将是人形机器人较优先落地的领域之一。对比之下，在家庭/ 个人服务场景中，应用场景更多
22、样化，非结构场景多，个性化需求也会更强， 对于人形机器人的设计和开发来说难度更高。另外从经济性上，2B端对于人形 机器人的支付意愿和支付能力相对2C端更高；且根据高盛评估，人形机器人 在工业场景中的应用在2025-2028年期间具备经济性，而在消费服务场景则要 至2030-2035年间才具备经济性。综上，我们认为工业领域结构化场景将有望 优先落地，其次是商业服务场景，最后才是2C端的家庭/个人服务场景，但长 远来看家庭服务场景是人形机器人最具潜力、最广阔的应用市场。3.市场空间预测：预计中性情景下， 2030年全球人机市场规模超过2800 亿元我们对悲观/中性/乐观三种情形下的全球人形机器人市
23、场规模进行预测。需要 明确的是，本文暂只考虑人形机器人对人类劳动力缺口的替代，不考虑人形机 器人对现有工业机器人、特种机器人、服务机器人的替代。前文有提及，我们 认为人形机器人不可能完全取代工业机器人（工业机械臂）以及特种机器人； 同时，从经济性角度、人形机器人厂商对产品应用的规划来看，预计十余年内 人形机器人替代传统机器人的比例不高；此外，我们暂不考虑人形机器人对原 有劳动力的替代，只考虑对劳动力缺口的替代，即我们假设在理想条件下，劳 动力缺口主要由于两个因素造成，一个因素是劳动力人口的减少导致原有岗位 无人继任，一个是随着时间流逝逐渐形成一些人类都不愿意承受或从事效率不 高的岗位，由此形成
24、一部分劳动力缺口，且该部分劳动力会自由且顺利地进行 岗位的转换，即我们假设理想情况下不存在劳动力由于人形机器人而失业的情 况。因此，我们暂只考虑人形机器人对人类劳动力缺口的替代。由此我们基于以下假设条件，对悲观/中性/乐观场景下的全球人形机器人的市 场规模进行预测：假设全球劳动力人口增长速度与全球人口增速相同。根据iFind数据，2020年 全球人口数量为78.21亿人，根据联合国世界人口展望2022报告预测， 2030年世界人口有望达到85亿人、2050年世界人口有望达到97亿人。由此 计算得到2020-2030年间、2030-2050年间世界人口复合年均增长率分别为 0.84%、1. 04
25、我们假设2020-2030年间、2030-2050年间全球劳动力人口增 长速度与全球人口增速相同。同时根据iFind数据，2022年劳动力人口数据 为34. 28亿人，我们使用以上得出的两个时间区间的复合年均增长率可以得到 2023-2035年各年份全球劳动力人口数量，具体计算公式为当年劳动力人口数 量二上一年劳动力人口数量*（1+当年劳动力人口复合年均增长率）。表4：对全球劳动力人口增速的预测时间区间I 20202030 年间2ZZ2030-2050 年间资料来源：iFind,联合国，华宝证券研究创新部注：通过iFind数据库中全球人口数据与联合国对全球人对2023-2035年间全球劳动
26、力缺口比例进行假设。根据光辉国际（KornFerry）数据，2020年全球劳动力缺口占劳动力人口的3%,且预计 2025年缺口比例翻倍至6%、2030年缺口比例为ll%o首先我们假设，2020- 2025年间、20252030年间劳动力缺口的比例是线性增长的。近三十年内全球 人口增速、生育率均是逐步降低的（并尚未有抬头态势），尤其近几年下滑幅 度相比更大，因此我们假设2030-2035年间劳动力缺口比例的增速与2025- 2030年相同。止匕外，当人形机器人替代劳动力后，后续劳动力缺口比例是会相 应减小的（类似于有新增人口产生），故当人形机器人产生替代时，当年的劳 动力缺口将根据上一年度人形机
27、器人的累计产量、在当年原本的劳动力缺口比 例基础上进行调整，计算得到当年实际的劳动力缺口比例，即当年实际劳动力 缺口比例二（当年原本的劳动力缺口比例*当年全球劳动力人口-上一年度人形机 器人累计产量）/当年全球劳动力人口。对2023-2035年间各年人形机器人的产量进行假设。首先，我们认为当前人形 机器人处于初步发展阶段、供应量不高，同时前期整机厂商需要对人形机器人 的应用场景进行验证，不会盲目大幅扩产，因此前期我们根据整机厂商的规划 来假设前期每年产量。后期当人形机器人产业发展到一定阶段，应用场景逐步 落地，大规模扩产到来，人形机器人对劳动力缺口的替代增加，产量将等于人 形机器人对劳动力缺口
28、的替代量（市场需求量）。止匕外，我们假设2023年之前 人形机器人累计产量约为40000台，该数据主要根据PePPer停产前总生产量 为2.7万台（路透社披露数据）、Nao在2017年时总销量已达1万台（软银 披露数据）以及代表厂商过去人机研发及商业化进展情况进行估算得出。同 时，由于人形机器人尚未商业化落地，相关使用寿命数据未知，暂不考虑已有 人机的淘汰率。最后我们假设悲观/中性/乐观场景下，以上前期、后期的分水 岭分别为2028年、2027年、2026年。对后期人形机器人可弥补的劳动力缺口比例进行假设。在悲观/中性/乐观场景 情景下，我们假设后期人形机器人可弥补的劳动力缺口比例将以慢/中/
29、快的速 度增长：1、后期的第一年弥补比例分别为0. 05%0. 08%0. 10% , 弥补比例的年增速分别为005%0.08%0. 10%； 2、悲观/中性/乐观场景情景 下，2030年之前弥补比例年增速的增幅分别为0. 01%0. 03%0. 05% , 2030年之后增幅进一步扩大，分别为0. 02%0. 05%0. 07%。对人形机器人与人类劳动者的替代比例进行假设。在人形机器人发展的早期， 由于智能化水平仍待提升，故假设人形机器人与人的替代比例为1:1,即1台 人形机器人可替代一个人的工作，后续随着技术发展，替代比例将逐步演变至 1:2.5,即1台人形机器人可替代2.5个人的工作。在
30、悲观/中性/乐观场景情 景下，这一演变将会以慢/中/快的速度进行。对人形机器人的价格及价格变化进行假设。首先，根据近一两年代表性人机产 品价格情况（例如小米、小鹏、IX Technologies等的人机产品成本及价格数 据），假设2023年人形机器人平均价格为100万元/台。其次，根据ARK Invest的研究，汽车行业、工业机器人均满足莱特定律（Wright S Law,又 被称为动态规模效应），即当累计生产数量翻倍，成本就会以一致的百分比下 降，通常被用来预测与技术进步相关的成本下降幅度。ARK Invest研究表明， 汽车行业、工业机器人每累计生产翻倍，单位成本就会分别下降15%、50%
31、o故 我们假设悲观/中性/乐观情景下，人形机器人累计生产数量翻倍时，单位成本 下降率为15%20%23%,由于近几年人形机器人主要处于应用验证的初步商业 化阶段，故我们从年产量达到10万台之后再按此规律进行计算，根据前文我 们对年产量数据的预测可知，悲观/中性/乐观情景中分别于2027年、2026 年、2025年年产量达到10万台。而在前期（年产量10万台之前，包含年产 10万台当年）各厂商人机方案会进行不断摸索与尝试，价格下降速度可能不会 很快，故在悲观/中性/乐观情景下，我们假设前期成本以每年10%15%18%的 方式进行递减。同时，我们假设价格下降幅度与成本下降幅度相同。图28:汽车行业
32、每累计生产翻倍，单位成本就会下降11 Model 3 Unit Cost Ford Cost (hp) Modeled Ford Cost (hp) Forecast Model 3 Unit Cost$1,0OCJs 6ION)=ooAc E -oSl,0$10.08$1,000$100$101.0Q4 2017Q4 2018Q4 2020S1.C1903190910.0$10QC1912 .100,019161927 1977 200319962012$L0OCSl$101.0,010,0t0100.0r0 l,0,0,0Cumulative Production11.0,0根据上文的假设
33、与计算，我们可以对人形机器人市场规模情况进行预测，即市 场规模二人形机器人产量*价格。最终得到在悲观/中性/乐观情景下，2030年全 球人形机器人的出货量为49/106/188万台，市场规模预计为2165/2806/3405 亿元人民币，2035年全球人形机器人出货量为206/434/630万台，市场规模 预计为5802/6343/6008亿元（中性、乐观情景下，由于价格下降速度相比悲 观情景更快，因此后期市场规模增速相对更慢），2023-2030年间市场规模复 合年均增速为138%147%154%,人形机器人年出货量超过100万台的时间预 计分别为 2032-2033 年/2029-2030 年/2028-2029 年之间。精选 O J
免费区 
