【专栏】展望：人形机器人落地节奏及市场规模——AI专题报告之十二（下）

作者 | 焦娟 王利慧 来源 | 零壹财经专栏

站在人形机器人发展早期，去推演其后续的发展节奏，可以自动驾驶汽车智能化迭代的节奏作为参考:

AP1.0时期（约24个月）：特斯拉2014年9月发布Autopilot，并在Model S上使用。这一阶段特斯拉选择Mobileye作为供应商，为其提供ADAS服务，而当时的方案能够在车上进行自适应巡航等功能；

AP2.0时期（约10个月）：2016年特斯拉转向自研算法模型，发布了AP2.0，并推出配备AP2.0的车型，所有车辆都将支持自动驾驶硬件，期间激活FSD的智能汽车的渗透率达到10.86%；

AP2.5时期（约19个月）：2017年7月中旬发布AP2硬件的更新，该版本变化并不大，较之前没有明显的功能优势；这个阶段主要是小规模的迭代、版本的细化，但体现出明显的FSD渗透率提升，期间激活FSD的智能汽车占比达到19.02%

AP 3.0时期：2019年3-4月份开始在车上发布AP 3.0硬件，支持完全自研的FSD，将原有的Autopolit整合为一个体系，但这一阶段由于出货量的增加，特别是Model 3等相对低端车型的推出，使得FSD的渗透率又有一定下降。造成这一指标下降的原因一方面与用户群体的扩散有关，另一方面也与自动驾驶功能展现出一定阶段的瓶颈有关。

结合汽车智能化发展阶段、人形机器人的需求场景、人形机器人算法进展以及我们前述观点——人形机器人导入速度更快，但是难度更高，距离产品成熟仍需要一定的周期，我们基于以下假设对人形机器人2023-2030年间的市场规模做出测算：

从当前时间点看，推动机器人发展的根本原因在于劳动力替代，发生概率较大的两大场景，一方面是工厂场景下的劳动力替代，主要系人口老龄化、劳动力成本上涨等因素造成的劳动力短缺；另一方面是家庭场景下的家人陪伴、养老需求。在这两类机器人中，此前工业型机器人的发展较为成熟，而服务型机器人仍处于相对高增长的阶段，我们预计未来服务型机器人仍有望维持较高增速，而工业型机器人的增速有所放缓，假设2021-2030年服务型机器人销量的复合增速为25%，工业型机器人销量的复合增速为5%。

2）量产节奏及对应市场规模分析

结合对智能驾驶汽车历史回溯及前述对人形机器人、自动驾驶技术难度的分析，我们对人形机器人未来市场空间及量产节奏进行预测：

研发阶段（2023-2024年）：这一阶段需要完成软硬件方案的固化，包括软件算法成熟度提升以及硬件降本，由于人形机器人建立在自动驾驶的软硬件体系之上，我们预计该阶段时间将较自动驾驶缩短，假设经历2年时间至2024年底；

产业链导入期（2025-2026年）：当软件算法达到一定高度且成本下降到一定水平时，假设特斯拉先启动小规模试生产，这一阶段由于“尝鲜心理”可能会带来短时间内渗透率的快速提升；但系早期产品价格会相对较高；预计需要2年时间。

渗透率逐步提升（2027-2030年）：随着软硬件成熟度提升，人形机器人无论是用于服务型还是工业型场景都将进入业务落地阶段，这一阶段产品的渗透率与软件迭代速度有关，我们认为人形机器人是更开放的场景，且自由度更多，因此产品达到成熟阶段需要较长的时间，因此预计2027-2030年人形机器人渗透率将小幅提升。相较于服务型场景而言，工业型场景相对标准，对人形机器人的要求相对较低，其渗透率的提升幅度会相对更快。从价格端看，硬件的降本推动销售价格逐步下降。

基于以上关键假设，我们对2023-2030年人形机器人的发展节奏及市场规模进行预测如下，得出，预计2025年市场规模为119.1亿，至2030年市场规模为1134.9亿，市场空间广阔。

软件算法的迭代速度、技术高度对人形机器人的导入速度、产品高度起到决定性的作用，且随着硬件体系成熟，软件算法的重要性会愈加凸显：

1）人形机器人与传统机器人的突破在和物理世界的实时感知交互，决定其实现的关键在于软件算法；

2）算法能力的提升在一定范围内会降低对硬件的依赖与精度要求，参考自动驾驶方案逐步降低对雷达的依赖走向纯视觉方案；

3）当产品的成熟度达到一定高度后，硬件趋向同质化，很难体现出产品的差异性，在一定范围内所体现出的重要性或将逐步降低，而软件的成熟度、稳定性等因素将日益成为影响产品差异性竞争力的重要因素。

相较市场对硬件部分的关注，我们本篇报告特别关注软件算法平台的机会：

市场认为机器人最终会类似于自动驾驶一样走向自研。我们则认为：

1）短期内对于希望升级至人工智能方向的制造商，可能会借助软件算法公司的积累而进行业务迭代；

2）长期来看机器人与自动驾驶相比场域更加开放，为了提高用户体验，可能会走向更多长尾功能及场景的优化，体现为种类繁复的执行器及规控操作。如若每个公司都在感知等基础平台上重复造轮子，可能会带来产业资源的浪费。因此若最终指向通用人形机器人，我们判断感知、决策被模型化后或许会成为类似今天基础大模型一样的存在，在这类能力上具备强大实力的公司可能成为平台型的公司，而在其之上，不同应用场景的机器人公司可以部署垂类小模型，基于相应的执行器进行调整，这种模式或许是更经济的方案。由此推演，我们认为或许不排除未来特斯拉会成为AI公司提供基础能力，将上层执行器及运动控制的方案开放给更多的第三方合作伙伴。

有观点认为国内技术创新能力不足，不具备提供平台型能力的实力。我们反而认为：从算法能力方面，中国车企在自动驾驶方案上已经有一定积累，特别是新势力如理想、小鹏、华为、地平线等在感知、决策规划上已经具备相应的能力，而且地平线宣布进军机器人领域。此次大模型的火爆也在很大程度上推动了对技术创新、工程化落地重要性的认知，量变的积累可能引起质变，推动国内技术方案及工程能力整体水平的提升，因此我们认为国内的新势力公司仍值得关注。

关注人形机器人产业链：

1）特斯拉及其产业链上生态合作伙伴：其中软件部分系特斯拉自研，国内在产业链上的参与方式主要在零部件；

2）传统机器人向智能化升级：传统人形机器人做智能化升级，比如波士顿动力引入ChatGPT做交互；非人形机器人向智能人形机器人迭代，如傅利叶智能；

3）互联网大厂向机器人方向的业务拓展：谷歌、腾讯、字节跳动等；

4）自动驾驶新势力：地平线等。

芯片、算力、数据也非常重要：云端算力如超算中心的芯片及服务器；边缘、端算力，关注云天励飞；仿真模拟数据等。

人形机器人在算法主模型的构建上还有比较大的挑战，特别是在决策规划上遇到因自由度增加而产生计算量增加，而无法进行优化求解。若后续没有一些突破性的方案被提出，可能会因此导致产品成熟度增长提升较为缓慢。

算力投产速度不及预期：

特斯拉当前用于自动驾驶的算力已较为紧张，根据其规划预计2024年底达到100EFlops，若算力投产速度不及预期，可能影响人形机器人正向研发进度。

安全、隐私法规等政策风险：

人形机器人还处于产业导入的阶段，类似于自动驾驶导入历程，若机器人发生一旦发生伤人事故等或者隐私泄漏等，可能会触发相应的监管政策，从而放缓产业链发展的节奏。

测算不及预期：

人形机器人仍处于早期阶段，产品的方案仍在孕育中，且产业链的竞争格局仍有变数，从而可能导致市场空间测算及产品推进节奏与实际存在差异，导致测算数据不及预期。