人形机器人赛道这两年的热度已经从实验室“秀肌肉”进入到了产业链“拼家底”的阶段。相比单台样机的运动能力真正决定一家本体厂能走多远的往往是它背后绑定了多少核心零部件、芯片和算法团队。近期围绕乐聚机器人对外投资动作的讨论正好提供了一个观察窗口本体厂为什么要投资它们到底在卡什么位这背后的技术逻辑和产业逻辑是什么本文从技术栈和供应链视角切入拆解人形机器人“生态卡位”战的关键节点并附上可复用的投资图谱分析方法与代码示例帮助开发者和产业研究者看清整机厂的真实意图。1. 背景人形机器人从“秀肌肉”到“拼生态”1.1 人形机器人赛道为什么突然火了人形机器人并非新概念早在上世纪就有本田 ASIMO、波士顿动力 Atlas 等标杆产品。但过去十多年它始终停留在“演示”层面能走路、能翻跟头却难以量产、难以落地。最近两年行业热度骤升核心原因可以归结为三点大模型带来了“大脑”的突破。自然语言理解、视觉推理、任务规划能力大幅提升让人形机器人不再只是“会动的关节”而是有机会成为“能理解指令并执行任务”的通用智能体。核心零部件成本快速下降。六维力传感器、无框力矩电机、谐波减速器、行星滚柱丝杠等部件的国产化替代加速整机 BOM 成本有机会从百万级下探到数十万级。巨头和资本集中入场。特斯拉 Optimus、Figure AI、宇树、智元、乐聚等厂商持续推进产品迭代把“人形机器人量产”从一个遥远的愿景变成了可讨论的时间表。如果说前两年大家比的是“谁能站起来走路”那现在比拼的重心已经转移谁能把供应链打通、谁能在关键环节建立绑定、谁能把成本降到可交付的水平。这正是“生态卡位”战出现的直接背景。1.2 本体厂整机商的角色与焦虑所谓“本体厂”就是做人形机器人整机的厂商典型如特斯拉 Optimus、优必选、宇树、智元、乐聚等。它们直接面向最终场景负责整机设计、系统集成、运动控制算法和产品定义。但本体厂有一个天然的焦虑点人形机器人的技术栈太长、太深没有任何一家公司可以在所有环节都做到世界顶级。一套完整的人形机器人技术栈至少包括芯片层主控 SoC、AI 加速芯片、MCU、电源管理芯片传感器层六维力传感器、IMU、编码器、激光雷达、视觉相机执行器层无框力矩电机、空心杯电机、谐波减速器、行星滚柱丝杠、灵巧手算法层运动控制、SLAM、路径规划、大模型决策、强化学习软件平台层机器人操作系统ROS 2、中间件、数字孪生仿真如果全部自研研发投入是天量级且周期极长如果全部外购又容易在关键环节被“卡脖子”或丧失差异化能力。于是一个折中且高效的策略出现了通过对外投资、战略合作、联合研发等方式把关键供应商变成“生态伙伴”而不是简单的买卖关系。这就是“生态卡位”的本质在产业链的关键节点上用资本和合作建立优先权、排他性和议价能力。2. 乐聚是谁本体厂的代表样本2.1 乐聚的产品矩阵与技术定位乐聚机器人是国内人形机器人赛道的代表性本体厂之一。公开资料显示乐聚最早从人形机器人教育硬件起家逐步拓展到服务机器人、工业/科研人形机器人等领域。其 KUAVO 系列人形机器人在行走稳定性、全身运动控制方面积累了大量工程化经验。从技术定位来看乐聚身上有三个明显标签“算法 本体”双轮驱动。乐聚强调运动控制算法的自研能力同时保持整机设计和结构优化的主导权这是本体厂的核心护城河。面向场景做产品化。相比纯粹追求运动性能的实验室机器人乐聚更注重“能落地”的场景定义例如科研教学、展陈交互、工业巡检、服务引导等。产业链整合意识强。通过投资和合作方式补足芯片、传感器、核心执行器短板是乐聚这类中型本体厂的典型生存策略。2.2 为什么本体厂要做“生态”而不只是“造机”只“造机”的问题在于你很难在短时间内掌握所有底层技术而且没有规模优势时采购成本降不下来。从产业规律看本体厂做生态有三个现实驱动降低成本。人形机器人要真正量产BOM 成本必须持续下降。而在早期阶段唯一能压低成本的方式就是和核心供应商深度绑定甚至共同定义一款专用零部件。锁定供应。人形机器人一旦开始交付核心零部件的供应稳定就是生命线。特别是对性能一致性要求极高的执行器、传感芯片如果供应中断或质量问题爆发整机厂没有任何替代方案时就会很被动。构建壁垒。当多家本体厂都使用同一款通用电机、同一套芯片方案时产品差异化会越来越小。通过投资定制芯片或定制执行器本体厂可以把“参数优势”转变成“独家体验”。所以对外投资并不是本体厂“钱多没处花”而是为了在供应链还未完全成熟的早期阶段提前锁定关键资源为量产窗口期做准备。3. 对外投资的底层逻辑生态卡位战3.1 从“全自研”到“投资绑定”的转变在机器人产业早期很多公司崇尚“全栈自研”从螺丝钉到电机、从硬件到算法都要自己做。这种思路在融资充足、团队极强的少数公司身上有一定可行性但对大多数本体厂来说不现实。“投资绑定”是更务实的路径。它不像全资收购那样需要巨额资金和管理整合也不像纯采购那样松散。通过少数股权投资、联合实验室、订单绑定、产品共研等方式本体厂可以优先拿到定制化方案获得一定的产能保障共享测试数据和改进反馈在生态位中建立更强的话语权。从公开信息来看乐聚这类本体厂的投资重点也基本集中在能直接影响整机性能与成本的环节。3.2 三类卡位对象芯片、核心部件、软件算法第一类芯片与算力平台。人形机器人的“大脑”包括主计算平台、AI 推理加速器、边缘 MCU 等。芯片决定了机器人的智能上限和整机功耗表现。本体厂和芯片公司的绑定往往不只是采购而是联合定义接口、定制功耗/算力规格甚至参与芯片的软件工具链打磨。这也是“人形机器人芯片”一词近期密集出现在讨论中的原因。第二类核心执行器与传感器。人形机器人全身需要的关节自由度通常在 40 个以上高性能电机、减速器、丝杠、力传感器决定了机器人的动态响应能力和操控精度。这些部件直接决定了整机 BOM 成本和量产能力。第三类软件算法与行业应用。本体厂不一定要自己养所有算法团队。一些运动控制、抓取规划、大模型微调技术可以通过投资或合作获得。这样本体厂可以把精力聚焦在最核心的系统集成和产品定义上。4. 芯片卡位全志科技与人形机器人芯片的关联4.1 人形机器人需要什么样的芯片提到“人形机器人芯片”很多人的第一反应是英伟达的 Jetson Orin / Thor 这类高性能 AI 计算平台。它们确实是人形机器人“大脑”的中坚力量但人形机器人的芯片需求远不止于此。从整机硬件架构上看芯片可以分为四层芯片类型典型功能代表厂商/系列核心指标AI 主控 SoC视觉感知、决策规划、大模型推理NVIDIA Jetson Orin/Thor、地平线征程、高通 SA8295TOPS、内存带宽、功耗实时控制 MCU/DSP电机伺服、关节控制、运动学解算STM32、TI C2000、GD32主频、实时性、外设资源传感器接口芯片编码器信号处理、IMU 数据融合ADI、bosch、国产厂商采样率、精度、延迟电源管理芯片电池充放电、多路电源轨TI、MPS、圣邦微转换效率、热管理由此可见所谓“人形机器人芯片”是一个组合概念既包含高算力 AI 芯片也包含大量边缘侧的控制与电源芯片。对机器人整机厂来说芯片选型和定制能力直接影响成本、功耗和量产稳定性。4.2 全志科技在机器人芯片生态中的位置全志科技Allwinner最广为人知的产品线是平板电脑和智能硬件主控 SoC例如 A 系列、T 系列、R 系列。近几年它也在向 AIoT、机器人方向延伸推出了面向智能语音、智能视觉、机器人控制等场景的芯片方案。在“人形机器人芯片”这一热搜概念下全志科技受到的关注并非毫无缘由它的 SoC 产品在成本、功耗控制上有优势非常适合对成本敏感的中低端机器人本体和边缘盒子设备。它在智能硬件领域积累了大量 SDK 和参考设计资源便于整机厂快速完成产品化。它也在布局端侧 AI 能力有面向边缘推理场景的芯片产品线。需要说明的是全志科技的具体人形机器人专用芯片产品是否已经量产、乐聚与全志是否存在直接股权合作应以官方公告和工商信息为准。本文这里展开讨论的是“人形机器人芯片”这一产业热点背后的技术逻辑而非坐实某一笔具体投资。4.3 本体厂与芯片的绑定方式本体厂和芯片公司的绑定通常不会只是“买芯片”那么简单。常见的合作路径有软硬联合调优芯片公司提供底层 BSP、SDK本体厂基于自身操作系统和算法栈做深度适配双方共同优化启动时间、推理延迟和功耗曲线。定制芯片规格针对人形机器人关节控制、多路传感器接入等需求本体厂向芯片公司提出定制化接口需求甚至参与定义一款专用芯片。工具链共建机器人开发离不开编译工具链、仿真工具和可视化调试工具芯片公司提供基础工具本体厂反馈真实场景需求反向推动工具链成熟。参考设计推广芯片公司以本体厂的整机产品作为“参考设计样板”帮助自身拓展更多机器人客户形成正循环。这也是为什么“芯片”会成为本体厂对外投资的第一优先级对象它既是技术底座也是降本关键更是产品差异化的隐藏战场。5. 如何拆解一次机器人产业投资方法框架5.1 用公开信息构建投资图谱对于开发者和产业研究而言拆解一次机器人产业投资并不需要掌握“内幕消息”而是可以用公开的工商信息、投融资数据库、公司官网、国家企业信用信息公示系统、天眼查/企查查等渠道构建一套可量化的图谱。建议按下面四个步骤操作明确目标公司的业务边界和资本主体。先用官网和年报确认目标公司的核心子公司、控股公司和关联方。抓取对外投资事件。从工商变更记录中梳理出目标公司对外投资的标的、出资比例、投资时间。对投资标的进行技术分类。把每个被投企业归入芯片、传感器、执行器、软件算法、场景应用等类别统计数量和金额分布。结合产品矩阵做交叉分析。判断这些投资是否与目标公司的产品路线图一致是否存在“卡位”意图。5.2 用代码抓取和整理企业关系数据示例下面用一个 Python 示例展示如何基于公开 API 数据假设你已经合法获取了企业图谱接口的访问权限来构建一个简单的投资关系表。这里只演示代码思路实际接口参数需要按你所用数据源调整。# 文件路径analyze_investment.py # 功能说明从结构化数据源抓取企业对外投资事件并生成投资关系表 # 注仅作为思路示例数据源请使用合法合规的公开工商信息接口 import json import requests import pandas as pd # 假设你有一个合法的企业图谱 API API_URL https://api.example.com/company/investments COMPANY_ID leju_robot API_KEY your_api_key_here headers { Authorization: fBearer {API_KEY} } def fetch_investments(company_id: str) - list: 获取指定企业的对外投资事件列表 params { company_id: company_id, page_size: 100, } response requests.get(API_URL, headersheaders, paramsparams, timeout10) response.raise_for_status() data response.json() return data.get(items, []) def build_investment_table(items: list) - pd.DataFrame: 将投资事件列表转换为表格便于后续分析 rows [] for item in items: rows.append({ 被投公司: item.get(target_name), 统一社会信用代码: item.get(target_credit_code), 投资比例: item.get(share_ratio), 认缴金额: item.get(subscribed_capital), 所属行业: item.get(industry), 投资时间: item.get(invest_date), }) df pd.DataFrame(rows) df df.sort_values(投资时间, ascendingFalse) return df if __name__ __main__: items fetch_investments(COMPANY_ID) table build_investment_table(items) print(table.head(20)) # 按行业统计 industry_count table[所属行业].value_counts() print(\n按行业统计) print(industry_count)如果拿不到 API 接口也可以直接用人工整理的结构化数据借助 pandas 做透视统计。# 文件路径process_local_data.py # 功能说明对本地 CSV 中的企业投资数据做分类统计 import pandas as pd # 假设你已经手动整理了一份乐聚对外投资清单 df pd.read_csv(leju_investments.csv) # 给每个被投企业打上技术分类标签 def classify(row): keyword row[主营产品简介] if any(k in keyword for k in [芯片, 半导体, SoC, MCU]): return 芯片 if any(k in keyword for k in [电机, 减速器, 丝杠, 关节]): return 执行器 if any(k in keyword for k in [传感器, 力控, IMU, 视觉]): return 传感器 if any(k in keyword for k in [算法, 软件, AI, 大模型]): return 软件算法 return 其他 df[技术分类] df.apply(classify, axis1) # 统计各分类的投资笔数 category_count df.groupby(技术分类).size() print(category_count)5.3 输出一张“卡位地图”最终你可以把分析结果整理成一张“卡位地图”格式类似产业链环节卡位动作预期目标衡量指标AI 芯片投资/联合定义降低整机算力成本单机芯片成本占比运动控制芯片定制 MCU提升关节响应一致性控制周期抖动减速器/电机绑定供应商保证量产供应稳定交期、良率灵巧手联合研发提升精细操作能力可抓取物体种类大模型/算法战略合作提升任务理解能力任务成功率有了这样一张图就很容易评判一家本体厂的投资策略是否有逻辑、是否和产品路线一致。6. 常见误判与风险提示6.1 误把“投资”当成“全资收购”对外投资并不等于全资控股。很多本体厂对上游的投资只是少数股权目的是绑定产能和优先供应权而不是直接介入对方日常经营。如果只看“投资金额”就判断“这家公司要全栈自研了”容易产生误判。更合理的解读方式是看投资比例、董事会席位、排他性条款、联合研发协议。这些信息才能反映真实的“卡位强度”。6.2 忽视了技术验证周期人形机器人核心零部件的技术验证周期很长一款国产谐波减速器或直线执行器从样品到批量上车装机往往需要 1 到 2 年的可靠性测试和迭代。投资签约只是开始真正的卡位成功要看产线跑量之后的产品一致性和故障率。6.3 风险清单风险类型具体表现缓解方式供应链单点依赖过度绑定单一芯片/执行器供应商保持双源供应布局国产替代芯片产能波动晶圆产能紧张导致缺货提前备货、签署产能保障协议技术路线漂移自研和投资两条路线互相冲突明确产品定义设立技术委员会投资回报周期长零部件公司短期内无法盈利用远期订单支撑估值避免恶性压价数据安全与合规机器人采集的数据涉及隐私建立数据分级管理体系合规先行这也是我反复强调“合法授权、最小权限、合规采购”的原因。产业投资和供应链绑定最终还是要回到可持续经营和法律合规的底线之上。7. 对开发者与从业者的启示7.1 技术选型风向从本体厂对外投资的方向可以看出未来几年人形机器人技术选型有几个明确风向国产芯片替换会加速。不只是 AI 主控甚至关节控制 MCU 和电源管理芯片都会有更多国产方案进入选型目录。软件与硬件绑定加深。单纯“懂算法”或“懂硬件”都不够真正稀缺的是能从系统层面做软硬协同优化的人才。仿真与实机联调成为标配。本体厂会越来越依赖数字孪生和仿真环境来加速算法迭代这给中间件和仿真工具开发商带来机会。7.2 入局机会盘点如果你是开发者可以从这几个方向切入人形机器人生态机器人中間件与通信框架深入掌握 ROS 2、DDS、Zenoh 等通信协议解决多节点实时通信问题。运动控制与动力学算法本科和研究生阶段扎实掌握刚体动力学、最优控制、MPC结合仿真实战积累经验。端侧 AI 部署与优化掌握 TensorRT、ONNX Runtime、RKNN 等推理引擎熟悉模型量化与剪枝。数据工程与仿真合成数据人形机器人需要海量操作数据合成数据生成、数据清洗、数据标注会成为刚需。7.3 软件定义机器人的趋势生态卡位战背后还有一层更深的趋势人形机器人的竞争正在从“硬件参数比拼”转向“软件定义能力”。同等硬件配置下谁的控制算法更稳、谁的 AI 决策更聪明、谁的开发平台更开放谁就能持续迭代出更强的产品。这意味着本体厂对上游的投资本质上是在买“硬件定义权”最终目的一定是为“软件定义机器人”服务。8. 小结与下一步关注指标乐聚机器人对外投资这件事放在人形机器人赛道的大背景下可以看作本体厂从“单机研发”走向“生态整合”的信号。通过投资芯片、执行器、传感器和软件算法团队本体厂正在为量产的供应链稳定性、成本竞争力和差异化体验提前布局。对你来说与其停留在“某家公司投了谁”的新闻层面不如建立一个可复用的分析框架从产业链环节划分、投资密度统计、技术卡位地图等维度判断一家本体厂的打法是否清晰、动作是否连贯。这才是真正能沉淀下来的认知。后续可以持续关注几个数据指标人形机器人核心零部件的国产化率、单台整机 BOM 成本的下降曲线、量产交付后的故障率、以及芯片/执行器供应链的产能利用率。这些指标比单笔投资金额更能说明赛道所处的发展阶段。如果本文对你有帮助可以收藏备用。想进一步聊聊某个具体环节比如灵巧手设计、运动控制算法、端侧推理优化也可以在评论区留言后续可以展开写。
人形机器人生态卡位：本体厂对外投资的技术逻辑与产业图谱
人形机器人赛道这两年的热度已经从实验室“秀肌肉”进入到了产业链“拼家底”的阶段。相比单台样机的运动能力真正决定一家本体厂能走多远的往往是它背后绑定了多少核心零部件、芯片和算法团队。近期围绕乐聚机器人对外投资动作的讨论正好提供了一个观察窗口本体厂为什么要投资它们到底在卡什么位这背后的技术逻辑和产业逻辑是什么本文从技术栈和供应链视角切入拆解人形机器人“生态卡位”战的关键节点并附上可复用的投资图谱分析方法与代码示例帮助开发者和产业研究者看清整机厂的真实意图。1. 背景人形机器人从“秀肌肉”到“拼生态”1.1 人形机器人赛道为什么突然火了人形机器人并非新概念早在上世纪就有本田 ASIMO、波士顿动力 Atlas 等标杆产品。但过去十多年它始终停留在“演示”层面能走路、能翻跟头却难以量产、难以落地。最近两年行业热度骤升核心原因可以归结为三点大模型带来了“大脑”的突破。自然语言理解、视觉推理、任务规划能力大幅提升让人形机器人不再只是“会动的关节”而是有机会成为“能理解指令并执行任务”的通用智能体。核心零部件成本快速下降。六维力传感器、无框力矩电机、谐波减速器、行星滚柱丝杠等部件的国产化替代加速整机 BOM 成本有机会从百万级下探到数十万级。巨头和资本集中入场。特斯拉 Optimus、Figure AI、宇树、智元、乐聚等厂商持续推进产品迭代把“人形机器人量产”从一个遥远的愿景变成了可讨论的时间表。如果说前两年大家比的是“谁能站起来走路”那现在比拼的重心已经转移谁能把供应链打通、谁能在关键环节建立绑定、谁能把成本降到可交付的水平。这正是“生态卡位”战出现的直接背景。1.2 本体厂整机商的角色与焦虑所谓“本体厂”就是做人形机器人整机的厂商典型如特斯拉 Optimus、优必选、宇树、智元、乐聚等。它们直接面向最终场景负责整机设计、系统集成、运动控制算法和产品定义。但本体厂有一个天然的焦虑点人形机器人的技术栈太长、太深没有任何一家公司可以在所有环节都做到世界顶级。一套完整的人形机器人技术栈至少包括芯片层主控 SoC、AI 加速芯片、MCU、电源管理芯片传感器层六维力传感器、IMU、编码器、激光雷达、视觉相机执行器层无框力矩电机、空心杯电机、谐波减速器、行星滚柱丝杠、灵巧手算法层运动控制、SLAM、路径规划、大模型决策、强化学习软件平台层机器人操作系统ROS 2、中间件、数字孪生仿真如果全部自研研发投入是天量级且周期极长如果全部外购又容易在关键环节被“卡脖子”或丧失差异化能力。于是一个折中且高效的策略出现了通过对外投资、战略合作、联合研发等方式把关键供应商变成“生态伙伴”而不是简单的买卖关系。这就是“生态卡位”的本质在产业链的关键节点上用资本和合作建立优先权、排他性和议价能力。2. 乐聚是谁本体厂的代表样本2.1 乐聚的产品矩阵与技术定位乐聚机器人是国内人形机器人赛道的代表性本体厂之一。公开资料显示乐聚最早从人形机器人教育硬件起家逐步拓展到服务机器人、工业/科研人形机器人等领域。其 KUAVO 系列人形机器人在行走稳定性、全身运动控制方面积累了大量工程化经验。从技术定位来看乐聚身上有三个明显标签“算法 本体”双轮驱动。乐聚强调运动控制算法的自研能力同时保持整机设计和结构优化的主导权这是本体厂的核心护城河。面向场景做产品化。相比纯粹追求运动性能的实验室机器人乐聚更注重“能落地”的场景定义例如科研教学、展陈交互、工业巡检、服务引导等。产业链整合意识强。通过投资和合作方式补足芯片、传感器、核心执行器短板是乐聚这类中型本体厂的典型生存策略。2.2 为什么本体厂要做“生态”而不只是“造机”只“造机”的问题在于你很难在短时间内掌握所有底层技术而且没有规模优势时采购成本降不下来。从产业规律看本体厂做生态有三个现实驱动降低成本。人形机器人要真正量产BOM 成本必须持续下降。而在早期阶段唯一能压低成本的方式就是和核心供应商深度绑定甚至共同定义一款专用零部件。锁定供应。人形机器人一旦开始交付核心零部件的供应稳定就是生命线。特别是对性能一致性要求极高的执行器、传感芯片如果供应中断或质量问题爆发整机厂没有任何替代方案时就会很被动。构建壁垒。当多家本体厂都使用同一款通用电机、同一套芯片方案时产品差异化会越来越小。通过投资定制芯片或定制执行器本体厂可以把“参数优势”转变成“独家体验”。所以对外投资并不是本体厂“钱多没处花”而是为了在供应链还未完全成熟的早期阶段提前锁定关键资源为量产窗口期做准备。3. 对外投资的底层逻辑生态卡位战3.1 从“全自研”到“投资绑定”的转变在机器人产业早期很多公司崇尚“全栈自研”从螺丝钉到电机、从硬件到算法都要自己做。这种思路在融资充足、团队极强的少数公司身上有一定可行性但对大多数本体厂来说不现实。“投资绑定”是更务实的路径。它不像全资收购那样需要巨额资金和管理整合也不像纯采购那样松散。通过少数股权投资、联合实验室、订单绑定、产品共研等方式本体厂可以优先拿到定制化方案获得一定的产能保障共享测试数据和改进反馈在生态位中建立更强的话语权。从公开信息来看乐聚这类本体厂的投资重点也基本集中在能直接影响整机性能与成本的环节。3.2 三类卡位对象芯片、核心部件、软件算法第一类芯片与算力平台。人形机器人的“大脑”包括主计算平台、AI 推理加速器、边缘 MCU 等。芯片决定了机器人的智能上限和整机功耗表现。本体厂和芯片公司的绑定往往不只是采购而是联合定义接口、定制功耗/算力规格甚至参与芯片的软件工具链打磨。这也是“人形机器人芯片”一词近期密集出现在讨论中的原因。第二类核心执行器与传感器。人形机器人全身需要的关节自由度通常在 40 个以上高性能电机、减速器、丝杠、力传感器决定了机器人的动态响应能力和操控精度。这些部件直接决定了整机 BOM 成本和量产能力。第三类软件算法与行业应用。本体厂不一定要自己养所有算法团队。一些运动控制、抓取规划、大模型微调技术可以通过投资或合作获得。这样本体厂可以把精力聚焦在最核心的系统集成和产品定义上。4. 芯片卡位全志科技与人形机器人芯片的关联4.1 人形机器人需要什么样的芯片提到“人形机器人芯片”很多人的第一反应是英伟达的 Jetson Orin / Thor 这类高性能 AI 计算平台。它们确实是人形机器人“大脑”的中坚力量但人形机器人的芯片需求远不止于此。从整机硬件架构上看芯片可以分为四层芯片类型典型功能代表厂商/系列核心指标AI 主控 SoC视觉感知、决策规划、大模型推理NVIDIA Jetson Orin/Thor、地平线征程、高通 SA8295TOPS、内存带宽、功耗实时控制 MCU/DSP电机伺服、关节控制、运动学解算STM32、TI C2000、GD32主频、实时性、外设资源传感器接口芯片编码器信号处理、IMU 数据融合ADI、bosch、国产厂商采样率、精度、延迟电源管理芯片电池充放电、多路电源轨TI、MPS、圣邦微转换效率、热管理由此可见所谓“人形机器人芯片”是一个组合概念既包含高算力 AI 芯片也包含大量边缘侧的控制与电源芯片。对机器人整机厂来说芯片选型和定制能力直接影响成本、功耗和量产稳定性。4.2 全志科技在机器人芯片生态中的位置全志科技Allwinner最广为人知的产品线是平板电脑和智能硬件主控 SoC例如 A 系列、T 系列、R 系列。近几年它也在向 AIoT、机器人方向延伸推出了面向智能语音、智能视觉、机器人控制等场景的芯片方案。在“人形机器人芯片”这一热搜概念下全志科技受到的关注并非毫无缘由它的 SoC 产品在成本、功耗控制上有优势非常适合对成本敏感的中低端机器人本体和边缘盒子设备。它在智能硬件领域积累了大量 SDK 和参考设计资源便于整机厂快速完成产品化。它也在布局端侧 AI 能力有面向边缘推理场景的芯片产品线。需要说明的是全志科技的具体人形机器人专用芯片产品是否已经量产、乐聚与全志是否存在直接股权合作应以官方公告和工商信息为准。本文这里展开讨论的是“人形机器人芯片”这一产业热点背后的技术逻辑而非坐实某一笔具体投资。4.3 本体厂与芯片的绑定方式本体厂和芯片公司的绑定通常不会只是“买芯片”那么简单。常见的合作路径有软硬联合调优芯片公司提供底层 BSP、SDK本体厂基于自身操作系统和算法栈做深度适配双方共同优化启动时间、推理延迟和功耗曲线。定制芯片规格针对人形机器人关节控制、多路传感器接入等需求本体厂向芯片公司提出定制化接口需求甚至参与定义一款专用芯片。工具链共建机器人开发离不开编译工具链、仿真工具和可视化调试工具芯片公司提供基础工具本体厂反馈真实场景需求反向推动工具链成熟。参考设计推广芯片公司以本体厂的整机产品作为“参考设计样板”帮助自身拓展更多机器人客户形成正循环。这也是为什么“芯片”会成为本体厂对外投资的第一优先级对象它既是技术底座也是降本关键更是产品差异化的隐藏战场。5. 如何拆解一次机器人产业投资方法框架5.1 用公开信息构建投资图谱对于开发者和产业研究而言拆解一次机器人产业投资并不需要掌握“内幕消息”而是可以用公开的工商信息、投融资数据库、公司官网、国家企业信用信息公示系统、天眼查/企查查等渠道构建一套可量化的图谱。建议按下面四个步骤操作明确目标公司的业务边界和资本主体。先用官网和年报确认目标公司的核心子公司、控股公司和关联方。抓取对外投资事件。从工商变更记录中梳理出目标公司对外投资的标的、出资比例、投资时间。对投资标的进行技术分类。把每个被投企业归入芯片、传感器、执行器、软件算法、场景应用等类别统计数量和金额分布。结合产品矩阵做交叉分析。判断这些投资是否与目标公司的产品路线图一致是否存在“卡位”意图。5.2 用代码抓取和整理企业关系数据示例下面用一个 Python 示例展示如何基于公开 API 数据假设你已经合法获取了企业图谱接口的访问权限来构建一个简单的投资关系表。这里只演示代码思路实际接口参数需要按你所用数据源调整。# 文件路径analyze_investment.py # 功能说明从结构化数据源抓取企业对外投资事件并生成投资关系表 # 注仅作为思路示例数据源请使用合法合规的公开工商信息接口 import json import requests import pandas as pd # 假设你有一个合法的企业图谱 API API_URL https://api.example.com/company/investments COMPANY_ID leju_robot API_KEY your_api_key_here headers { Authorization: fBearer {API_KEY} } def fetch_investments(company_id: str) - list: 获取指定企业的对外投资事件列表 params { company_id: company_id, page_size: 100, } response requests.get(API_URL, headersheaders, paramsparams, timeout10) response.raise_for_status() data response.json() return data.get(items, []) def build_investment_table(items: list) - pd.DataFrame: 将投资事件列表转换为表格便于后续分析 rows [] for item in items: rows.append({ 被投公司: item.get(target_name), 统一社会信用代码: item.get(target_credit_code), 投资比例: item.get(share_ratio), 认缴金额: item.get(subscribed_capital), 所属行业: item.get(industry), 投资时间: item.get(invest_date), }) df pd.DataFrame(rows) df df.sort_values(投资时间, ascendingFalse) return df if __name__ __main__: items fetch_investments(COMPANY_ID) table build_investment_table(items) print(table.head(20)) # 按行业统计 industry_count table[所属行业].value_counts() print(\n按行业统计) print(industry_count)如果拿不到 API 接口也可以直接用人工整理的结构化数据借助 pandas 做透视统计。# 文件路径process_local_data.py # 功能说明对本地 CSV 中的企业投资数据做分类统计 import pandas as pd # 假设你已经手动整理了一份乐聚对外投资清单 df pd.read_csv(leju_investments.csv) # 给每个被投企业打上技术分类标签 def classify(row): keyword row[主营产品简介] if any(k in keyword for k in [芯片, 半导体, SoC, MCU]): return 芯片 if any(k in keyword for k in [电机, 减速器, 丝杠, 关节]): return 执行器 if any(k in keyword for k in [传感器, 力控, IMU, 视觉]): return 传感器 if any(k in keyword for k in [算法, 软件, AI, 大模型]): return 软件算法 return 其他 df[技术分类] df.apply(classify, axis1) # 统计各分类的投资笔数 category_count df.groupby(技术分类).size() print(category_count)5.3 输出一张“卡位地图”最终你可以把分析结果整理成一张“卡位地图”格式类似产业链环节卡位动作预期目标衡量指标AI 芯片投资/联合定义降低整机算力成本单机芯片成本占比运动控制芯片定制 MCU提升关节响应一致性控制周期抖动减速器/电机绑定供应商保证量产供应稳定交期、良率灵巧手联合研发提升精细操作能力可抓取物体种类大模型/算法战略合作提升任务理解能力任务成功率有了这样一张图就很容易评判一家本体厂的投资策略是否有逻辑、是否和产品路线一致。6. 常见误判与风险提示6.1 误把“投资”当成“全资收购”对外投资并不等于全资控股。很多本体厂对上游的投资只是少数股权目的是绑定产能和优先供应权而不是直接介入对方日常经营。如果只看“投资金额”就判断“这家公司要全栈自研了”容易产生误判。更合理的解读方式是看投资比例、董事会席位、排他性条款、联合研发协议。这些信息才能反映真实的“卡位强度”。6.2 忽视了技术验证周期人形机器人核心零部件的技术验证周期很长一款国产谐波减速器或直线执行器从样品到批量上车装机往往需要 1 到 2 年的可靠性测试和迭代。投资签约只是开始真正的卡位成功要看产线跑量之后的产品一致性和故障率。6.3 风险清单风险类型具体表现缓解方式供应链单点依赖过度绑定单一芯片/执行器供应商保持双源供应布局国产替代芯片产能波动晶圆产能紧张导致缺货提前备货、签署产能保障协议技术路线漂移自研和投资两条路线互相冲突明确产品定义设立技术委员会投资回报周期长零部件公司短期内无法盈利用远期订单支撑估值避免恶性压价数据安全与合规机器人采集的数据涉及隐私建立数据分级管理体系合规先行这也是我反复强调“合法授权、最小权限、合规采购”的原因。产业投资和供应链绑定最终还是要回到可持续经营和法律合规的底线之上。7. 对开发者与从业者的启示7.1 技术选型风向从本体厂对外投资的方向可以看出未来几年人形机器人技术选型有几个明确风向国产芯片替换会加速。不只是 AI 主控甚至关节控制 MCU 和电源管理芯片都会有更多国产方案进入选型目录。软件与硬件绑定加深。单纯“懂算法”或“懂硬件”都不够真正稀缺的是能从系统层面做软硬协同优化的人才。仿真与实机联调成为标配。本体厂会越来越依赖数字孪生和仿真环境来加速算法迭代这给中间件和仿真工具开发商带来机会。7.2 入局机会盘点如果你是开发者可以从这几个方向切入人形机器人生态机器人中間件与通信框架深入掌握 ROS 2、DDS、Zenoh 等通信协议解决多节点实时通信问题。运动控制与动力学算法本科和研究生阶段扎实掌握刚体动力学、最优控制、MPC结合仿真实战积累经验。端侧 AI 部署与优化掌握 TensorRT、ONNX Runtime、RKNN 等推理引擎熟悉模型量化与剪枝。数据工程与仿真合成数据人形机器人需要海量操作数据合成数据生成、数据清洗、数据标注会成为刚需。7.3 软件定义机器人的趋势生态卡位战背后还有一层更深的趋势人形机器人的竞争正在从“硬件参数比拼”转向“软件定义能力”。同等硬件配置下谁的控制算法更稳、谁的 AI 决策更聪明、谁的开发平台更开放谁就能持续迭代出更强的产品。这意味着本体厂对上游的投资本质上是在买“硬件定义权”最终目的一定是为“软件定义机器人”服务。8. 小结与下一步关注指标乐聚机器人对外投资这件事放在人形机器人赛道的大背景下可以看作本体厂从“单机研发”走向“生态整合”的信号。通过投资芯片、执行器、传感器和软件算法团队本体厂正在为量产的供应链稳定性、成本竞争力和差异化体验提前布局。对你来说与其停留在“某家公司投了谁”的新闻层面不如建立一个可复用的分析框架从产业链环节划分、投资密度统计、技术卡位地图等维度判断一家本体厂的打法是否清晰、动作是否连贯。这才是真正能沉淀下来的认知。后续可以持续关注几个数据指标人形机器人核心零部件的国产化率、单台整机 BOM 成本的下降曲线、量产交付后的故障率、以及芯片/执行器供应链的产能利用率。这些指标比单笔投资金额更能说明赛道所处的发展阶段。如果本文对你有帮助可以收藏备用。想进一步聊聊某个具体环节比如灵巧手设计、运动控制算法、端侧推理优化也可以在评论区留言后续可以展开写。