智能化

我们认为人形机器人是继电脑、智能手机和新能源汽车后的另一个颠覆性产品的赛道。人形机器人产业链主要由上游零部件、中游人形机器人本体及下游终端应用等环节组成。上游包括减速器、电机、丝杠、控制器、传感器等硬件部分，以及软件系统部分。国内人形机器人起步较晚，但追赶迅速。目前行业尚处于产业化初期，入场企业繁多，国内入场企业基本全面覆盖产业链所有环节。根据 GGII 预测，预计到 2030 年全球人形机器人市场规模将达到 150 亿美元。

市场潜力：2030年Robotaxi市场规模规模剑指2000亿，Robotaxi占B端共享出行比例有望提升至36%左右。 政策加速：一线城市先行示范北京/深圳/武汉已开放无人收费运营，政策端Robotaxi支持政策陆续出台，2025年北京条例落地加速3000平方公里示范区建设，头部企业牌照获取进度领先（小马/文远/萝卜覆盖超一线城市） 技术成熟：L4能力比肩人类司机；头部企业测试平均车速达38km/h（接近出租车水平）；头部Robotaxi企业新一代前装车型即将量产，硬件成本从上百万元下探至数十万元级别，单车盈利模型有望跑通。

机器人引领“具身智能”，是新质生产重要发展方向。（1）人口结构变化背景下，机器人或可缓解劳动力短缺问题。据 2021 年刘骏等所著《机器人可以缓解老龄化带来的中国劳动力短缺问题吗》，实证结果证明，机器人能够弥补的劳动力工作可以部分抵消由人口结构变化带来的劳动力短缺问题，这对更全面地理解中国人口结构变化问题及相关政策调整有十分重要的意义。（2）机器人是新质生产力发展方向之一，首次出现在政府工作报告中。据《中国报道》，2025 年政府工作报告中首次提及“具身智能”和“智能机器人”。

大语言模型时代的AI4Science

2025年全球人工智能竞争力指数洞察报告

人工智能的发展主要依赖两个领域的创新和演进：一是模仿人脑建立起来的数学模型和算法，其次是半导体集成电路AI芯片。AI的发展一直伴随着半导体芯片的演进，1989年贝尔实验室的杨立昆（Yann LeCun）等人一起开发了可以通过训练来识别手写邮政编码的神经网络，但那个时期训练一个深度学习卷积神经网络（Convolutional Neural Network，CNN）需要长达3天，因此无法实际使用。硬件计算能力的不足，导致了当时AI科技泡沫的破灭。

当前全球经济处于传统信息技术时代的黄昏，人工智能有望成为引领第四轮科技革命的重要力量。ChatGPT、Deepseek 等模型相继问世，推动 AI 全产业链进入加速发展阶段。短期来看，AI 主要通过资本开支、提振信心与畅通循环等途径影响经济，长期来看，人工智能的发展将会对潜在经济增速、通胀与国际格局等产生深远影响。此外，人工智能发展对就业的影响关注度较高。从市场层面来看，产业周期叠加政策支持，后续泛科技仍是投资主线，关注算力投资、国产替代与算法突破等带来的机会。

2017年谷歌团队提出Transformer架构，创造性推动注意力层以及前馈神经网络层的发展，加速提升模型性能。2018–2020年是预训练Transformer模型时代，GPT-3以1750亿参数突破大规模预训练的可能性界限，而SFT及RLHF等技术帮助模型加速对齐人类价值观。此后随着训练侧Scaling Law描述的幂律关系出现收益递减，叠加高质量文本数据或逐步被AI耗尽，推理模型开始进入人们视野；以OpenAI发布o1-preview将AIME 2024的模型回答准确率从GPT4o的13.4%提升至56.7%，模型维持加速迭代更新。

货车ADAS：指安装在货车和/或牵引挂车上的各类驾驶辅助系统，含0-2级自动化

自主决策与执行：智能体从依赖用户指令的“建议者”转变为能够自主决策和执行的“执行者”。例如，Manus能够自动完成从任务规划到成果交付的全流程，如筛选简历时自动解压文件、提取关键信息并生成排名表格。

国产人形机器人本体厂有望在量产阶段获得竞争优势，建议关注国产本体厂和相关供应链。2025 年为人形机器人商业化落地元年，国内市场是人形机器人早期落地最佳市场，且国内人形机器人产业具备完善供应链和丰富高质量劳动力，机器人量产后，国产厂商有望在国际竞争中获得优势，建议关注国产人形机器人本体厂及其相关供应链。

2024年1月，发布《人形机器人核心硬件市场发展白皮书》，获得上游产业链等各界广泛关注 2024年9月，发布《全球人形机器人整机企业画像与能力评估报告》，完善中游整机环节产业洞察 2025年4月，发布本报告《人形机器人应用场景洞察白皮书-工业场景篇》持续贯穿至下游应用，聚焦汽车制造 Next Step，计划发布人形机器人家用场景落地相关调研，从场景画像、用户画像等角度进一步打开