[控场AI]
· 11 分钟阅读· 5,617 字

OpenAI重启机器人,特斯拉供应链周产激增10倍:具身智能产业链全解析

OpenAI重启机器人,特斯拉供应链周产激增10倍:具身智能产业链全解析

具身智能瓶颈由硬件转向模型,OpenAI入场与特斯拉供应链爬产重塑产业链分工。

文章基于一场具身智能行业交流,指出人形机器人的核心瓶颈正从硬件转向模型。模型路线上约90%成熟公司选择VLA,但参数量与迭代阶段仍相当于GPT-1之前,泛化与跨本体适配是主要障碍;世界模型被英伟达、腾讯、阿里、字节等加速布局,但路线尚未统一。OpenAI于2026年重启机器人团队并同步补齐硬件工程,计划2027年推出样机,GPT-6已加入几十万小时机器人数据。特斯拉供应链三季度周产量较二季度增长约十倍,年底目标周产约2000台,产品主要用于内部训练和数据采集。产业链由此形成模型底座、本体与垂直模型、硬件、数据与仿真四层分工,投资可沿兑现速度与技术卡位两条线索展开。

一场围绕具身智能模型、机器人量产与物理AI产业链的行业交流,给出了当前赛道最核心的判断:人形机器人的硬件迭代已相对成熟,放量的主要瓶颈正从硬件转向模型。OpenAI重启机器人研发,叠加特斯拉供应链快速爬产,让模型能力、真机数据与硬件量产第一次形成紧密联动。

模型路线之争:VLA占主流,世界模型待破局

当前具身智能模型大体分为两条路线。约90%的成熟公司选择VLA(视觉-语言-动作模型),在大语言模型或多模态模型基础上增加动作输出。代表公司Physical Intelligence在2024年发布π0,2026年更新到π0.7,但最新模型参数量仍只有几个B,迭代阶段大致相当于GPT-1之前。现有评估主要依赖实验室和仿真榜单,现实场景中的商业价值尚不清晰,泛化能力和跨本体适配仍是瓶颈。

另一条路线是世界模型。2026年以来,以英伟达为代表的参与者加快投入,很多初创公司在这一时期成立,海外估值可达百亿美元。但不同团队的模型结构并不统一,整体仍处于前沿探索阶段。腾讯推出混元Warp系列,覆盖三维场景生成、重建与交互;阿里在通义体系中布局机器人模型,高德提供空间数据;字节也在推进3D模型和世界模型,公开演示在空间感和视角变化上明显强于普通视频生成。世界模型可能成为下一阶段的重要变量,但尚未形成统一路线。

大型模型公司负责抬高能力底座

VLA(视觉-语言-动作模型) 是一类将视觉感知、语言理解和动作生成统一到同一模型中的具身智能架构。其典型做法是在预训练的多模态大模型基础上,增加一个动作输出头(action head),把图像观测和自然语言指令映射为机器人关节或末端执行器的控制序列。VLA的核心优势在于可以复用大模型已具备的语义理解和常识推理能力,从而在未见过的物体和指令上具备一定泛化性。代表工作包括RT-2、OpenVLA以及Physical Intelligence的π系列。当前VLA的主要局限在于动作输出频率受大模型推理速度制约、跨不同机器人本体(embodiment)迁移困难,以及真机数据规模远小于互联网文本数据。

世界模型(World Model) 指能够学习环境动态规律、预测未来状态演化的生成式模型。在具身智能语境下,世界模型可根据当前观测和候选动作,预测下一时刻的视觉画面或物理状态,从而让机器人在“想象”中完成规划与试错,降低对真实交互的依赖。它与视频生成模型的区别在于强调动作条件(action-conditioned)和物理一致性,要求预测结果可用于闭环控制。英伟达的Cosmos、腾讯混元Warp等均属这一方向。世界模型的难点在于物理规律建模精度、长时预测的误差累积,以及缺乏统一的评测基准。

OpenAI重新入场:从软件模型到硬件工程

OpenAI此前探索过机器人业务,后因迭代速度降低而收缩团队、转向大语言模型。2026年6月公司重新启动机器人团队招聘,岗位覆盖传感器、控制器、执行器等硬件方向;9月又明确布局人形机器人,并计划在2027年推出样机。交流中提到,GPT-6训练中加入了几十万小时的机器人数据,包括真机数据和EGO数据,已具备具身控制能力,并在RoboDojo测评中表现突出。

从招聘方向看,OpenAI并不只想提供软件模型,而是在同步补齐硬件工程能力。公司近期从国内吸纳了部分硬件人才,传感器、控制器和执行器均在招聘范围内。这意味着未来除特斯拉链和国产机器人链之外,还可能形成OpenAI硬件链,以及其他北美模型公司的机器人供应链。对产业而言,这不是简单的份额转移,而是在客户、供应商和生态伙伴数量增加带来的行业扩容。

更值得关注的是迭代速度。OpenAI依托已有算法、数据与Agent能力,只用较短时间就展现出超过很多机器人初创模型的能力。未来如果机器人数据从几十万小时增加到百万乃至千万小时,再叠加仿真和EGO等可规模化来源,下一代模型的感知、推理与控制能力还有提升空间,纯模型公司的竞争压力会明显增加。

但这并不意味着具身智能将由一家企业通吃。VLA中的大模型主要决定感知识别和推理,真正进入物理世界后还要处理触觉、力觉、摩擦、形变以及不同本体和场景的适配。大型模型公司负责抬高能力底座,垂直公司仍需完成本地化策略、动作控制和行业落地。

多模态和世界模型底座

EGO数据 指以第一人称视角采集的机器人或人类操作数据,通常来自头戴设备、眼镜或机器人本体搭载的相机。与第三人称外部视角相比,EGO数据更接近操作者自身的感知分布,能提供手部动作、物体交互细节和视线引导信息,是训练具身策略的重要数据来源。由于采集成本相对可控且可规模化,EGO数据被视为弥补真机遥操作数据稀缺的重要手段。

RoboDojo 是用于机器人模型训练与评测的仿真与数据基础设施平台,思路类似特斯拉用于自动驾驶的Dojo超算与仿真体系。它通过大规模并行仿真生成多样化场景和任务,对模型的控制能力进行标准化打分,从而在真机部署前快速迭代。此类平台的价值在于把模型评估从零散的实验室演示转变为可复现、可横向比较的基准,但其仿真到现实的鸿沟(sim-to-real gap)仍是核心挑战。

特斯拉供应链:周产量增长约10倍,为数据而爬产

特斯拉本轮快速爬产的重要目的,是利用真机运行补充仿真无法完整覆盖的摩擦、形变等物理数据,数据获取速度直接影响模型训练和后续通用机器人的商业化节奏。因此供应链被要求快速提升产能。

据核心供应链反馈,2026年第三季度的周产量较第二季度几十台的水平增长约10倍,当前已达到大几百台,10月底可能达到每周1000台。年底供应链按照周产约2000台、折合年产10万台的目标爬坡,明年部分环节按20万台产能做准备。需要说明的是,这批产品主要承担内部训练和数据采集,Optimus正式产品尚未发布,后续发布仍属于潜在催化而非已经落地的事实。

供应商选择上,关键不再是只有概念,而是能否进入核心链条并在明年形成明确收入。北特科技同时覆盖身体丝杠和灵巧手微型丝杠,交流预计手部与身体丝杠的单机价值量大致各占一半,整体单机价值量在万元以上;若按10万台测算,对应收入可能接近10亿元。双环传动传统主业提供基本面支撑,其持股约60%的环动科技已停止分拆,公司已取得机器人下肢关节订单,并在部分关节承担独供角色。恒博股份主要配套PEEK材料件,目前覆盖手部套筒,后续还可能拓展关节大套筒,配套数量和单机价值量取决于机器人轻量化及运动性能要求的提升。

北特科技同时覆盖身体丝杠和灵巧手微型丝杠

更广泛的零部件覆盖还包括丝杠、电机与传感器,交流中提到恒立液压、五洲新春、沈阳荣泰、卧龙电驱、汇川技术和奥比中光等长期跟踪对象。这里需要区分两类逻辑:一类是传统主业体量较小、机器人收入放量后弹性更明显的公司;另一类是传统主业扎实、机器人业务提供增量但波动相对较低的公司。最终仍需以定点、送样、实际交付和收入确认为依据。

行星滚柱丝杠 是人形机器人直线关节中的关键传动部件。相比传统滚珠丝杠,它通过多个行星滚柱与丝杠、螺母同时接触,具有更高的承载能力、抗冲击性和寿命,同时能在较小体积下实现高推力,因而适合人形机器人的腿部、臂部直线执行器。微型丝杠 则用于灵巧手手指的直线驱动,对直径、精度和一致性要求更高,加工难度大、单件价值量高。丝杠环节的壁垒主要体现在磨削工艺、材料热处理和批量一致性控制,这也是其单机价值量在整机中占比较高的原因。

PEEK(聚醚醚酮) 是一种高性能半结晶热塑性工程塑料,具备耐高温、耐磨损、自润滑、密度低和化学稳定性好等特性。在人形机器人中,PEEK常用于替代金属制作套筒、齿轮、关节衬套等轻量化结构件,可在保证强度的同时降低整机重量和惯量,进而改善运动性能与续航。PEEK材料件通常以注塑或机加工方式成型,单机用量与机器人轻量化设计取向直接相关。

机器视觉与物理AI:数据与场景的价值上升

机器视觉是另一个关键环节。全球龙头基恩士年收入超过400亿元,纯视觉业务达到百亿元级别,毛利率约80%,产品已从传统检测延伸至机器人应用。国内重点讨论奥普特和凌云光。

奥普特在2025年成立机器人专项事业部,围绕视觉传感、运控和AI推进业务,当年机器人相关收入约2300万元,完成从0到1的布局。公司拥有双目结构光、激光雷达、结构光相机等产品,并通过收购东莞泰来补齐精密传动,形成感知与执行硬件闭环。3D视觉已用于协作机器人的无序抓取,以及3C和汽车行业的螺丝紧固、涂胶、精密装配。2026年5月公司与越疆科技达成战略合作,4月联合发布光智集成方案,7月又与西门子、越疆展示汽车电驱涂胶和座椅检测方案。其核心积累来自上万个工业检测项目和千亿级视觉数据,可支持边运行边学习边优化的柔性产线。

检测项目和千亿级视觉数据

凌云光的物理AI业务主要由元客世界承接,核心产品是光学运动捕捉系统,服务机器人数据采集和产线级检测,并已与智源、语术合作融入英伟达生态。2025年相关收入同比增长超过70%,交流称其数据采集精度达到0.1微米,能够改善遮挡场景下的数据连续性;量产检测可实现毫米级定位,并将单台检测时间从4小时缩短至15分钟。算法端拥有Virobot平台,并结合工业视觉大模型建设共性技术底座。2026年2月,元客世界与知浦华彰共同建设下一代模型,相关方案除机器人外,也已进入富士康3C检测场景。

物理AI软件和训练场景同样值得关注。风语筑原有业务是为城市规划馆、党史馆、文化馆等G端客户提供创意策划,涉及多媒体设备集成和工程交付,其真实空间设计、三维数字化和复杂项目实施能力可以延伸到机器人训练场建设。公司已参与杭州国家级具身智能中式基地,为居家养老、商业服务和工业制造搭建独立场景,供机器人反复训练、测试与验证。软件端,公司与松映科技合资成立风映科技,风语筑持股70%、松映科技持股30%,松映科技的欧卡物理AI操作系统对标英伟达Omniverse,双方试图把真实场馆资源与物理仿真、机器人训练能力结合,覆盖物理AI数字孪生和虚实融合。另一边,风语筑传统2G业务也在推进化债,2026年上半年应收账款坏账计提比例为50.6%,两批债务重组涉及应收原值接近7500万元,预计回收超过5800万元,目前到账接近5000万元,预计增加利润3000万至3900万元。超出账面净值的回款还可形成减值冲回,并同步改善现金流。

结构光相机 通过投射已知图案(如编码光栅或散斑)到物体表面,依据图案形变解算深度信息,属于主动式三维视觉方案。双目结构光 结合双目立体视觉与结构光投射,在弱纹理表面和近距离场景下可获得较高精度的点云,常用于无序抓取、精密装配等工业任务。光学运动捕捉系统 则通过在目标上布置反光标记点,由多台红外相机同步观测并三角定位,实现亚毫米乃至微米级的位姿追踪。它原本用于影视特效和生物力学,如今被引入机器人数据采集,可提供高精度、低延迟的真值位姿,用于训练和验证视觉算法,并在遮挡场景下通过多相机冗余维持数据连续性。

Omniverse 是英伟达推出的面向物理仿真的实时协作平台,基于USD(通用场景描述)格式构建,支持物理引擎、光线追踪和数字孪生,可用于机器人训练场景的搭建与虚实融合仿真。对标Omniverse的国产物理AI操作系统,核心目标是在统一的三维场景中集成刚体/柔体物理、传感器仿真与机器人控制接口,使训练场中的虚拟数据能够迁移到真实产线。

产业链四层分工与两条投资线索

把上述环节放在一起看,具身智能产业链正在形成四层分工:最上层是OpenAI、英伟达以及国内互联网大厂提供的语言、多模态和世界模型底座;第二层是本体的厂商和垂直模型公司,负责把通用能力适配到工业、仓储、消费和服务场景;第三层是丝杠、关节、电机、PEEK材料、相机和传感器等硬件;第四层则是真机数据采集、光学运动捕捉、产线检测、物理仿真和训练场馆。模型能力上升不会取消后面三层,反而会提高真实数据、可靠硬件和场景交付的价值。

投资判断可以沿两条线索展开。第一条是兑现速度,重点观察已经进入核心客户供应链、正在周度提产、并可能在2027年贡献收入和利润的零部件公司。第二条是技术卡位,重点观察具备独有工业数据、检测精度、仿真平台或真实场景资源的机器视觉与物理AI公司。对于本体企业,则要比较运控、成本、量产能力和具体应用,而不能仅用模型参数评价。交流中对北特科技和恒博股份更强调业务弹性,对双环传动更强调传统主业支撑和供应确定性,这些判断都建立在特定产量假设之上,仍需根据实际订单调整。

综合来看,具身智能当前仍不是已经完成商业闭环的成熟行业。VLA存在泛化与跨本体瓶颈,世界模型尚未统一,OpenAI样机、特斯拉正式产品和大规模外部销售也都需要后续验证。但产业已经出现两个清晰变化:一是大模型公司开始把语言和Agent能力延伸到具身控制,模型底座可能加快成熟;二是特斯拉供应链为真机数据采集快速爬产,使丝杠、关节、PEEK材料、机器视觉和检测设备更接近收入兑现。后续需要持续跟踪模型的运营迭代、样机发布后的真实任务成功率、供应链周产量,以及相关公司实际收入和利润贡献,避免把训练阶段的订单提前等同于终端商业化。

#OpenAI机器人#具身智能#特斯拉供应链#VLA模型#世界模型#人形机器人产业链#机器视觉#物理AI
分享:

相关推荐