智能化

人形机器人产业趋势明确，今年主要是海外和国内两条投资主线。海外以特斯拉的 Optimus 产业进展为核心，今年 Optimus 有望开启量产，国内企业深度参与 Optimus 供应链，产业去伪存真、把握确定性将是逻辑核心。国内主线为本体+应用，用市场持续去检验本体厂商技术迭代成果，从成长的、逐步确立的头部企业中去找确定性与机遇。此外，重点关注人形机器人方案变革的新变化，新技术方案的落地也可能带来行业供给格局的变化。

本篇报告解决了以下核心问题：1、激光雷达量价新趋势：价格方面，经过多年竞争和技术变革，激光雷达从快速变化的先锋科技产品逐步变为产品趋稳大规模放量的工业品，产品单价快速下行阶段已过，后续逐步趋稳；量的方面，高阶智驾渗透率提升使车用激光雷达数量进入规模放量期，另外智驾技术/AI技术外溢大趋势下，ROBO-X、割草机器人、人形机器人等新行业催生激光雷达新需求。2、竞争格局复盘和展望：激光雷达外部竞争和国内竞争均进入后期，行业形成中方企业领先的寡头格局，未来在价稳量增的大趋势下，存量领先激光雷达玩家有望分享行业扩容蛋糕。3、主要玩家对比和竞争分析：激光雷达主要玩家禾赛、华为、速腾、图达通，通过客户区隔形成错位竞争。拥有产品优势领域的华为以全栈自研和高清雷达引领系统集成，禾赛科技ADAS主雷达龙头，芯片全栈自研构筑成本优势；速腾聚创机器人业务领先，平台化布局打开长期空间；图达通高性能路线差异化竞争，客户结构持续优化。

海外互联网公司加大算力投入，催生液冷需求。随着算力需求提升，传统风冷散热难以满足需要，逐步转向全液冷散热方式，散热能力成为制约数据中心算力提升的核心因素之一，海外互联网公司不断加大投入的背景下，数据中心液冷成为越来越明确的发展趋势，液冷行业迎来较大机遇。

VLA大模型等技术迭代、B/G端需求的释放、资本加持、政策护航等多因素协同共振，2025年人形机器人行业迎来产业化发展的关键拐点，正式从0到1的实验室技术验证阶段，逐步走向1到10的规模化落地阶段。

本篇报告研究了以下核心问题：1、当前人形机器人为什么面临热管理难题？核心原因在于在受限的空间环境内存在能量转换效率低、能量大部分转换为热能的问题；2、基于热管理理论，主要的发热环节都有哪些？包括各类电子器件、电机及电池等，以电机/关节模组为例，主要的发热环节包括铜损热、铁损热等；3、目前的解决方案？我们认为，目前的解决方案包括风冷、液冷和芯片控制，其中，风冷还包括了可能适用于灵巧收的微型MEMS风冷硬件等。

灵巧手 人机器人实现精细化操作的核心执行终端。本篇为《人形机器人系列报告五》，详细分析灵巧手的技术演进脉络及核心技术路线（自由度设计、驱动系统、传动方式、感知技术）。基于“电机-传动-感知”三大核心环节的供应链图谱，量化分析千亿级市场空间与国产替代路径。我们认为，当前随人形机器人产业化加快落地，看好灵巧手产业链长期增量空间。

2026年人形机器人行业：量产临近、应用落地、即将爆发。1）量产渐近——供应链成熟+产能落地；2）应用元年——从舞台炫技到真实场景应用；3）爆发在即——政策+技术+资金+海内外迎来共振。2035年人形机器人全球市场规模预计达16800亿元人民币，2025-2035年复合年增长率为49.2%。

传感器：机器人重要底层硬件，确定性增量逻辑凸显。传感器作为机器人“感知-决策-执行”工作流的核心硬件，凭借其在多技术路线中的通用性与高确定性增量，正成为机器人产业发展的关键支撑。由于具备较高的技术壁垒和确定性功能定位，传感器环节持续获得市场溢价。从市场空间看，根据 FactMR 预测，全球机器人传感器市场规模预计将从 2026 年的 28 亿美元增长至 2036 年的 79 亿美元，十年间 CAGR 约为 10.9%

本篇报告意在对比Anthropic、OpenAI和谷歌Gemini的发展历程、产品矩阵、商业化策略等，去思考AI时代大模型企业发展的核心壁垒和未来商业化空间。我们认为今天Anthropic的快速增长，更核心的源自创始人Dario的敏锐的技术品味（Taste）所驱动的发展决策。AI的未来是未知的，无法通过后视镜前瞻去选择商业化空间最大的发展方向，技术驱动产品发展是更成功的路径，因此技术领袖的战略判断和选择非常重要。比如三年前，OpenAI认为要“大力出奇迹”，先把模型弄聪明，再用人类反馈（RLHF）去修补它；Google更侧重于打造模型全家桶赋能其自身生态；而Anthropic认为模型必须从底层架构上就是可控的、讲逻辑的、和严格遵守规则的，因此Anthropic选择聚焦编程场景训练。而过去两年模型训练中RLVR（可验证强化学习）的方式恰好在编程领域取得了更加明显的能力提升，最终Anthropic率先实现Agentic Coding能力的跨越式拐点，即Opus 4.5模型的推出，自此开启模型自主完成任务、调用工具的时代，推动OpenClaw风靡全球，拉动模型厂商API类型收入快速增长。

AI游戏规模化的三大支柱，模型、算力与成本的协同突破。AI游戏从Demo到规模化，依赖三大要素的协同突破：模型能力、硬件算力与经济成本。三者形成正向循环——模型突破解决“能生成什么”，算力提升解决“能在哪里用”，成本下降解决“能否商业化”。当前，三大条件均已迎来突破。1）模型突破：以腾讯Hunyuan3D为代表的Image-to-3D模型可直接嵌入传统管线；以谷歌Genie 3为代表的世界模型，已能感知环境、理解物理并产出可交互资产。2）算力下沉：终端NPU性能跃升，使大模型本地低延迟部署成为现实。IDC预计，2026年中国AI手机出货量达1.47亿台，占整体市场53%。3）成本坍塌：大模型的推理成本正呈现指数级下降趋势。得益于算法优化（模型蒸馏、量化、MoE架构）、硬件升级和部署架构成熟，单位美元获得的人工智能性能已大幅提升。

当前，我们正身处一个由智能技术重新定义制造业的时代。人工智能（AI）的浪潮，不再仅仅停留于概念与讨论，正以前所未有的深度和广度，渗透到研发、生产、供应链与管理的每一个环节，成为驱动产业价值重塑、构建面向未来核心竞争力的关键力量。

人工智能（AI）正在引领新一轮科技革命，成为大国博弈的关键领域。中美两国稳居全球 AI 发展第一梯队，美国凭借技术先发优势在前沿技术和高端市场领跑，中国依托超大规模市场与完备制造基础在应用场景快速铺开。大国科技竞争并非单纯的技术比拼，而是科技发展、产业应用与国家战略的综合较量。全面理解中美 AI 竞争格局，不能单看一时的技术实力，更需要从发展模式与战略选择视角进行比较分析。中美 AI 发展究竟处于何种态势？双方在核心环节各有哪些优势与短板？两国 AI 发展模式有何差异？未来这一竞争将如何演绎？本文立足 AI 全产业链核心环节与内在逻辑展开系统分析。