特斯拉人形机器人的技术突破解读 LICHENYANG@PATSNAP.COM 0 特斯拉人形机器人的技 术突破解读 日期: 2025-12-09 姓名: llllll@patsnap.com 特斯拉人形机器人的技术突破解读 LICHENYANG@PATSNAP.COM 1 目录 1、人形机器人技术发展历程与目标 1、人形机器人技术发展历程与目标 ....................................................................... 2 2、特斯拉机器人市场需求分析................................................................................ 3 3、人形机器人技术现状与瓶颈....... .......................................... 4 4、特斯拉机器人技术演进路线................................................................................ 5 5、特斯拉机器人核心技术方案........................................

来人形机器人竞争的关键领域。随着国产机器人硬件迭代升级和逐步 量产化，成本和供应链优势将逐渐显现，预计国产替代将加速。  代表性厂商：巨头跨界，初创涌现 近年来多方入局人形机器人市场，特别是特斯拉发布Optimus点燃了行业热潮。国外机器人厂商主要探索应用场景，国内机器人厂商以量产和普及为 目标，跨界厂商则利用人形机器人满足主业在生产、销售等方面的需求。宇树科技发布Unitree G1 ，定价仅9 元，2026年达到104.71亿元，2029年达到750亿元，将占世界总量的32.7%，比例居世界第一，到2035年有望达到3000亿元规模。  巨头纷纷入局，创业公司百花齐放，众多厂商快速迭代。如特斯拉三次发布Optimus性能更新迭代视频；DeepMind与斯坦福大学联合推出的Mobile Aloha也 两次迭代更新；沉寂许久的波斯顿动力放出Atlas拾起并搬运汽车零部件的视频；宝马将Figure 拉发布首款人形机器人Optimus掀 起行业热潮，并实现了快速迭代。 1.1.2 商业道路明晰，技术持续推进 1.1.2 AI+大模型发展迅速，多款人形机器人产品相继推出 7 资料来源：优必选官网，特斯拉官网，小米官网，傅利叶官网，宇树科技，智元机器人，小鹏汽车，Figure AI，星动纪元，1X technologies,开普勒，华西证券研究所 人形机器人 Walker X Optimus CyberOne

思特威 均胜电子 比亚迪电子 立讯精密 软件环节 算法 中间件 云 文远知行 中科创达 金山云 小马智行 光庭信息 momenta（拟上市） 整车环节 新势力 华为智选 华为Hi 其他 特斯拉 赛力斯 长安汽车 比亚迪 综合型 拓普集团 华域汽车 小鹏汽车 江淮汽车 广汽集团 吉利汽车 内外饰 新泉股份 岱美股份 理想汽车 北汽蓝谷 东风集团 长城汽车 轻量化 旭升集团 爱柯迪 零跑汽车 技术 创新 单车 成本 功能 落地 渗透率 L2智能化 L2++智能化 L3智能化 L4智能化 100% 50% 30% L2智能化 L2++ L3 Mobileye 特斯拉+英伟达 特斯拉+英伟达 特斯拉+？ 单目摄像头算法 大算力芯片+域控制器 多传感器融合 Transformer+BEV +强化学习等 线控底盘 全新技术？ 多传感器融合 单车智能+V2X AEB+LCC+LKA+泊车 4-5K=3K（5个摄像头+12个 超声波+2个毫米波雷达）+ 低算力芯片2K左右 7 L4 汽车智能化底层核心竞争要素从未改变 8 ◼ 自特斯拉入局以来，汽车智能化每2-3年会有一次重大技术创新，但底层竞争要素始终未变。 2021年特斯拉 数据 数据的数量预期下降，数据的质量预期上升 算法 算力 车端 2023年Chat-GPT 2025年DeepSeek 云端 大幅上升

自动驾驶产业支持充足，标志性政策落地 1.3 车企抢滩DeepSeek，AI行业与智能驾驶共振 1.4 10万级别智驾落地推动行业进入智驾平权 1.5 汽车行业加速迈向智能驾驶全面普及时代 2.关注自研核心算法的整车企业 2.1 特斯拉：纯视觉方案+一体化端到端先驱 2.2 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同 2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 2.4 理想：双系统并行，VLM规范端到端模型下限 0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知 信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、 高效地处理信息并作出反应。业内典型代表为特斯拉、Momenta、理想等。这种架构取消了模块划分，减少信息损 失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑 的过渡形式。随着算法优化，技术将逐步 到端神经网络模型，成为首个商业化端到端自动驾驶产品。 • 技术突破与现实应用阶段（2019年-） 2021年：特斯拉发布BEV（Bird Eye View）技术。特斯拉在 AI Day上公布了BEV技术架构，通过多传感器融合实现感知 模块的端到端化，为后续端到端技术的全面应用奠定了基础。 2023年：特斯拉FSD V12发布。特斯拉正式推出FSD V12版本， 采用端到端架构，实现了感知、决策、规划的一体化，显著 提升

度>95%后，则可进厂打工。 3. 从次级生产空间向SOP产线演进：如从仓储空间开始，包括搬运，来料检验，抽检等. Source: M2研究 & 分析；全球人形机器人企业专家访谈；图片内容涉及特斯拉，优必选等品牌机器人产品。转载引用内容请标明来源 人形机器人优先适配工序画像 人形机器人优先适配工种画像 半柔性工种 + 短链步骤 + 标准物料 + 高频重复 人工参与度高 + 半柔性工序 (电芯分拣、模组搬运…) All Rights Reserved. 北美典型人形机器人应用场景示例 北美市场人形机器人优先应用于工业生产、仓储物流和特种应用，解决劳动力成本高等痛点 19 公司名称 Figure AI 特斯拉 Apptronik 产品名称 Figure 02 Optimus Apollo 功能 多模态交互、自主导航、机械手（能够处理 复杂任务如抓取等） 自主行走、自主导航、环境感知、拼接和组装 小部件等 自主行动、精准操作、环境感知、人机协同等 应用场景 工业生产、家庭服务、商业服务、仓储物流 工业生产、家庭服务、商业服务、仓储物流 工业生产、仓储物流 工作地点 宝马汽车工厂 特斯拉汽车工厂 亚马逊物流中心、GXO物流中心、奔驰工厂等 工作现场 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 M2 2025 Proprietary and

也相应提升，因此 L3 上路有望 直接带动激光雷达和毫米波雷达渗透率提升。决策层：智驾芯片算力需求显著提 升。高级别自动驾驶对芯片的算力需求大幅提升，目前主要有自研与外采两种选 择，自研的代表作是特斯拉 FSD 芯片，多家国内车企也在加速自研智驾芯片；外 部采购方面，英伟达的 Orin 系列与 Thor 系列智驾芯片是高端车型的主流选择， 国产替代地平线与黑芝麻也在快速发展。执行层：方向盘解耦趋势下，线控转向 技术路线 产品 量产时间 搭载品牌（部分） 博世 EHB One-box IPB 2019 凯迪拉克、比亚迪 EHB Two-box iBooster 2013 特斯拉、蔚来、小鹏 EMB 已开发原型系统 弗迪 动力 EHB One-box BSC 2021 比亚迪、赛力斯 EHB One-box WCBS 2021 奇瑞、吉利、长安 链上下游企业从本体、零部件、数据采集、训练等多个环节赋能人形机器人，助 力人形机器人迎来量产落地。 人形机器人与智能汽车在传感器、芯片、动力系统等核心零部件高度重叠，使得 产业链高度重合。特斯拉 Optimus 复用汽车产业链资源，电池、电机、电控系统 与运动执行硬件大量采用汽车产业链供应商。这种共享模式不仅提高了产业链运 行效率，更通过规模化生产降低了零部件价格，为机器人量产降低成本。

色转变。 • 是降低成本、提升鲜度的关键 • 百度、腾讯、Mobileye、TomTom等全球和本 土头部玩家，都在强化车队实时数据回传，制图 周期成本大幅下降 众源数据快速更新 • 特斯拉FSD 2025年2月以L2级入华， 与百度地图合作为了获取更适合FSD 的‘AP友好型’路线规划和对中国复 杂路况的理解 • 即使是纯视觉方案，在复杂路况和数 据合规压力下仍需本地化地图数据支 模化 多供应商策略, 合作/采购 探索中, 合作/自建并存 加大投入，内部多团队尝 试不同路线，倾向组合外 部供应商（芯片、软件、 图商）快速上量 外资车企 (在华) (如: 特斯拉、通用) 轻地图 (依赖本土伙伴) 合规, 功能落地 强依赖本土图商 (数 据) 受限, 需合规方 案 在中国面临数据合规挑战， 对本土图商有一定依赖， 进行本地训练与地图适配 不同类型车企智驾地图策略偏好分析 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved. 20  特斯拉通过其FSD系统，坚定推行端到端（End-to-End）的纯视觉自动驾驶路线。其对传统意义上的高 精地图依赖较小。但即便如此，‘地图’或者说‘类地图’的环境理解与地理空间信息，在其FSD系统 中依

人形机器人：历史背景 6 使能技术：创新的完美风暴 8 市场环境促成因素 11 实现可负担性 14 第一性原理思维与拟人化机器人 16 市场规模：它能有多大？ 19 16 主要参与者 22 5 市场领导者 特斯拉（奥德赛） 23 图 AI（图 02） 26 Agility Robotics (Digit) 29 波士顿动力（Atlas） 31 Unitree (H1, G1) 33 11 新兴公司 1X Technologies 如何保持领先，生存并繁荣 50 1 — 黄仁勋，英伟达首席执行官 — Brett Adcock, CEO, Figure AI — Vinod Khosla, Khosla Ventures — 埃隆·马斯克，特斯拉首席执行官 领导力思考 到2040年，可能会有十亿双足机器人从事各种任务，使人 类从装配线和农场工人等低端、真正不受欢迎的工作的“奴 隶”状态中解放出来。这可能是一个比汽车产业规模更大的 产业。 000 Elon Musk $250,000 摩根士丹利 $24 万亿 美元 Ark Invest • 农业 • 建筑 • 养老护理 • 物流 • 制造业 • Figure AI • 特斯拉擎天柱 • Agility Robotics • 波士顿动力 • Unitree 38亿美元 高盛 3 Best wishes, 开篇思考 为何此刻？ 需要询问的首要问题是为何此时？为何当前在拟人化机器人领域会观察到如此

“有手脚、会思考” 的“新东西”，正是当下备受瞩目的 "具身智能"。 2025年1月，英伟达创始人黄仁勋在CES展表示：“人工智能的下一个浪潮就是具身智能，蕴藏着价值万 亿美元的机会”；而在同月的一次访谈中，特斯拉创始人埃隆·马斯克则断言，其旗下人形机器人产量将 在未来3年内增加100倍……无不表示产业界对于具身智能前景的看好。 那么什么是具身智能？根据中国计算机学会（CCF）的定义：“具身智能（Embodied 受，而被视为具身智能最重要的载体之一。 相比传统机器人，人形机器人具备智能化程度高、工作场景限制小、能自主规划复杂工作等特点，成为 国内外厂商和科研机构的竞争焦点。在国外，科技巨头们火力全开，特斯拉、谷歌、OpenAI、英伟达、 微软、Meta、亚马逊等全球科技巨头纷纷从算法、平台、场景应用等不同维度积极探索，凭借巨额投入 和创新实践，全力推动具身智能技术迈向新高度；在国内，腾讯、阿里、字节、京东、美团等互联网巨 后，多模态大模型将语言、视觉、动作至同一模型，让具身智能体实现“一指令多任务”以及“感知‑决策‑行动‑反馈”闭环工作，大 幅提升了具身智能任务规划、场景泛化和人机协作能力。 人形机器人热潮：2022年，特斯拉发布人形机器人Optimus，迅速掀起全球人形机器人研发与投资热潮。随即英伟达、OpenAI、微 软等国际巨头与小米、华为、腾讯、阿里等国内头部互联网企业也纷纷布局人形机器人赛道。 -07 - 幸福招商

加激光雷达等其他 传感器数据 • 在驾驶数据的基础 上增加针对尾部场 景的模拟仿真数据 算⼒支撑 • 端侧的低算⼒ECU/ 嵌⼊式芯片 • 云侧需要万卡集群 • 端侧需要⾼端推理 芯片，如特斯拉 HW3或者英伟达 Orin/DRIVEThor • 数⼗万卡、百万卡 集群 • 辅助驾驶，由AI来控制单个运 动控制，其他操作由⼈类驾驶 员完成，例如巡航和车道保持 • 部分自动化，⼈类驾驶员为主， 数据积累， 同时可以构建⼤模型的数据闭环，通过正反馈加速驱动模型迭代 11 信息来源：量⼦位智库，1）以特斯拉FSD为例 数据积累 规模 数据构成 精简度 • 数据规模⼤：特斯拉FSD在过去3年已经积累30亿英里的驾驶 里程，同时每日里程积累数量已经突破1千万英里，并随着 特斯拉车队规模扩⼤加速增长，Waymo的模拟⾏驶里程已 经达到了150亿英里，累计⾏驶里程超2千万英里 数据分布 ⼤模型，任务编排、感知模型、运动控 制以及操作抓取都处于模块化状态 • 但头部厂商如特斯拉已采用端到端路线 技术尚未成熟，探索领域 感知 + + 决策 执⾏ 传感器 Token 提示词 Token ⾏动 + 回复 Token 端到端⼤模型 当前阶段 • 特斯拉在2025年可能达到近5000台的量产规模，同 时部署到特斯拉⼯厂，主要进⾏搬运、巡检、安保、 服务四类任务，其中搬运是最重要的场景