前几篇笔记已经讨论了人形机器人的产业定位、核心技术和产业链价值量。这一篇继续往公司层面走，重点回答三个问题：全球哪些公司目前更领先，中国公司分别进入了产业链哪些环节，国内公司与全球领先企业的主要差距在哪里。

这里需要先说明一点：人形机器人还没有进入成熟商业化阶段，所以“领先”不能简单理解成收入最大或出货最多。不同公司领先的维度不同，有的领先在 AI 模型，有的领先在本体控制，有的领先在低成本硬件，有的领先在工业客户场景，有的领先在供应链和零部件。更合理的研究方式，是按公司基因和产业链位置分类，而不是做一个简单排名。

本文只基于截至 2026 年 6 月可见的公开资料、公司官网信息和研究报告框架整理。文中公司均作为产业链研究样本和跟踪方向，不代表完整名单，也不构成投资建议。涉及订单、交付、量产、客户验证和收入贡献的判断，后续仍需要以公司公告、客户披露、财报和持续运行数据交叉验证。

截至 2026 年 6 月，我倾向于把全球竞争格局概括为一句话：美国在 AI 模型、平台、本体工程和资本生态上领先，中国在供应链、成本、产品化速度和场景组织上追得很快，欧洲、日本和韩国则更多体现为工业客户、精密制造和传统机器人基础。

一、全球领先公司：不是一条路线，而是多条路线并行

全球人形机器人领先公司可以大致分成六类：汽车制造型、专业机器人型、AI 平台型、具身数据型、物流场景型和低成本硬件平台型。

第一类是汽车制造型，代表是 Tesla Optimus。Tesla 的优势不只是发布了人形机器人，而是它拥有自动驾驶 AI、芯片、规模制造、供应链管理和自有工厂场景。Optimus 的长期逻辑是，如果人形机器人最终能够像汽车一样规模化制造，那么 Tesla 的垂直整合能力会非常强。它的短板也很清楚：自动驾驶视觉能力不能直接等同于机器人灵巧操作，工厂内部试用也不能直接证明外部商业化成功。

第二类是专业机器人型，代表是 Boston Dynamics Atlas。Boston Dynamics 的优势在本体工程、运动控制、动态平衡和工业可靠性。Atlas 现在已经更明确地面向工业工作空间和物料搬运场景，强调强度、持续工作、任务学习、工位适配和企业系统集成。它不像消费级通用机器人，而更像高端工业自动化设备。主要不确定性在于成本、量产速度和客户复制。

第三类是具身数据和 VLA 路线，代表样本是 Figure。Figure 的核心看点在于人形本体、Helix 这类 VLA 模型、真实场景数据和制造部署。它不是单纯卖硬件，而是在押注“机器人基础模型 + 数据闭环 + 场景部署”。这一路线长期空间很大，但短期仍要证明模型能力能稳定、安全、低延迟地转化为客户愿意付费的作业能力。

第四类是 AI 平台型，代表是 NVIDIA、Google DeepMind、Physical Intelligence 等。它们未必自己做最终整机，但提供算力、仿真、机器人基础模型、开发工具和数据训练平台。NVIDIA 的 GR00T、Isaac、Omniverse/Cosmos 等体系，代表的是平台层能力。平台型公司的优势是生态和工具链，短板是不一定直接掌握终端客户和真实作业数据。

第五类是物流场景型，代表是 Agility Robotics Digit、Apptronik 等。它们更聚焦仓储物流、搬运、分拣、物料周转等相对明确的 B 端场景。相比家庭服务，这类场景需求更真实，ROI 更容易计算，但也要与 AMR、输送线、机械臂和传统自动化方案竞争。

第六类是低成本硬件平台型，代表是宇树。宇树 G1 以较低价格、较高产品化速度和开发者友好特征，降低了人形机器人硬件门槛。这一路线不一定短期就进入高可靠工业作业，但可能成为高校、实验室、开发者和应用企业做具身智能实验的重要平台。

公司/类型	代表公司	领先位置	核心短板
汽车制造型	Tesla、小鹏	AI、芯片、制造、供应链、自有场景	灵巧操作和外部商业化仍需验证
专业机器人型	Boston Dynamics、Agility、Apptronik	本体、运动控制、工业经验	成本、规模化和客户复制
具身数据型	Figure、智元、Physical Intelligence	VLA、数据闭环、模型泛化	稳定作业、量产和复购
AI 平台型	NVIDIA、Google DeepMind	算力、仿真、模型、开发生态	不一定掌握终端交付和客户数据
低成本平台型	宇树	成本、产品化、开发者生态	工业级可靠性和场景方案
工业交付型	优必选、自动化集成商	客户场景、项目交付、订单验证	毛利率、复制性和复购质量

从这个角度看，全球还没有出现绝对赢家。Tesla 的优势是制造和 AI 工程，Boston Dynamics 的优势是本体可靠性，Figure 的优势是模型和数据叙事，NVIDIA 的优势是平台生态，宇树的优势是成本和开发者入口。它们对应的是不同产业假设。

二、中国公司进入了哪些细分领域

中国人形机器人产业已经形成一个比较完整的初步生态，大致可以分成整机公司、低成本平台、工业交付、具身数据平台、汽车公司延伸、康养服务路线、移动双臂机器人，以及核心零部件供应链。

整机和平台层，宇树是低成本硬件平台代表。它的意义不只是价格低，而是可能成为具身智能开发者生态的重要硬件底座。研究宇树，要看出货规模、开发者活跃度、教育科研之外的工业场景拓展、灵巧手和任务操作能力，以及软件生态。

优必选是工业场景交付型代表。它作为港股上市公司，优势在产品线、工业客户和订单披露。研究优必选不能只看订单金额，而要看 Walker 系列是否真实交付，是否进入客户生产流程，是否产生收入确认，毛利率是否改善，是否出现复购和扩容。

智元机器人更偏具身数据和平台化探索。它的价值不只在整机，还在 AGIBOT World 数据集、具身智能开发平台、数据服务和多形态产品矩阵。对智元这类公司，关键是数据质量、真实任务复杂度、模型能力提升、整机交付能力和商业化路径。

小鹏代表汽车公司向 Physical AI 延伸。它的优势来自汽车供应链、端侧 AI、芯片、智能驾驶、工厂和门店场景。小鹏路线的看点不是单个机器人动作，而是能否把汽车智能化体系迁移到机器人，并在自有场景中完成持续迭代。

傅利叶从康复机器人和医疗康养场景延伸到 GRx 人形机器人系列。它的优势在康复机器人积累、机构客户和人机交互场景，但通用人形机器人商业化仍要继续验证。

银河通用提醒我们，具身智能不一定都表现为双足人形。移动双臂机器人、轮式人形或零售服务机器人，在某些室内场景中可能比双足人形更早跑通经济性。它的重点更接近“移动操作 + 零售/服务场景 + 具身模型”。

众擎、星动纪元、逐际动力等创业公司体现了国内本体和软硬件全栈生态的活跃度。这类公司通常在运动控制、低成本本体、产品化速度和传播效果上比较突出，但仍需要进一步证明工业可靠性、长期运行、客户交付和稳定收入。

在零部件层，中国公司的覆盖面更广。执行器、电机和运动控制方向可跟踪汇川技术、三花智控、拓普集团、禾川科技、雷赛智能、步科股份、鸣志电器、江苏雷利等；减速器和传动方向可跟踪绿的谐波、中大力德、双环传动、秦川机床、五洲新春等；丝杠方向可跟踪北特科技、贝斯特、恒立液压、秦川机床等；传感器方向可跟踪柯力传感、奥比中光、舜宇光学、禾赛科技、速腾聚创、芯动联科等；芯片方向则涉及华为昇腾生态、寒武纪、地平线、黑芝麻、瑞芯微、全志、峰岹科技、兆易创新、圣邦股份、纳芯微等。这里的“可跟踪”不等于已经形成明确人形机器人收入，具体仍要看产品部位、客户验证、定点状态和收入占比。

不过，上市公司映射必须谨慎。不是所有电机、传感器、芯片和结构件公司都会真正受益。关键要区分：已有产品和订单、送样验证、相邻能力迁移、概念映射、长期潜在参与。

三、细分领域对比：国内公司在哪里，差距在哪里

如果按产业链位置看，中国公司并不是只集中在低端环节，而是已经覆盖整机、本体、数据平台、灵巧手、执行器、传感器、芯片和应用场景。但与全球领先公司相比，优势和差距分布并不均匀。

产业链环节	全球领先企业/方向	中国主要参与者	主要差距
整机与通用人形	Tesla、Boston Dynamics、Figure、Agility	宇树、优必选、智元、小鹏、傅利叶、众擎、逐际动力、星动纪元	工业可靠性、长期运行数据、全球客户验证
AI 模型与平台	NVIDIA、Google DeepMind、Physical Intelligence、Figure Helix	智元、银河通用、小鹏、华为昇腾生态等	基础模型、通用操作数据、开发者生态
低成本硬件平台	Unitree 已具全球影响力	宇树、众擎等	从开发平台到工业级交付的能力
高端本体与运动控制	Boston Dynamics、Agility	宇树、智元、众擎、逐际动力等	极限工况可靠性、安全认证、量产一致性
工业场景交付	Boston Dynamics、Agility、Apptronik、Figure/BMW 试点	优必选、小鹏、智元、自动化集成商	复购、ROI、产线接入和运维体系
执行器与传动	日本、欧洲、美国精密制造企业	汇川、三花、拓普、绿的谐波、双环、秦川、贝斯特等	高端材料、寿命、良率、主机厂定点
感知与芯片	NVIDIA、Qualcomm、Sony、TI、Infineon 等	奥比中光、禾赛、速腾、寒武纪、地平线、瑞芯微、峰岹、纳芯微等	高端算力生态、实时控制可靠性、系统级验证
应用场景	汽车、仓储、制造、物流	汽车、3C、物流、零售、教育、康养、地方实训场	订单质量、客户复购、跨场景复制

国内公司的优势主要有四点。

第一，供应链完整。中国在电机、结构件、传感器、电子制造、整机装配和快速迭代上具备很强基础。人形机器人早期需要大量试错和降本，这一点对国内公司有利。

第二，成本和产品化速度快。宇树这类公司已经证明，中国团队可以用较低价格把复杂机器人产品推向更广泛开发者和机构客户。低成本不一定等于低端，早期生态扩张很依赖硬件可获得性。

第三，应用场景丰富。中国有汽车、3C、物流、零售、康养、教育和地方示范场景，具备组织实训场和示范项目的条件。真实场景越多，越有利于积累数据和打磨产品。

第四，政策和地方产业组织能力强。北京、上海、深圳、杭州、成都、合肥等地都在布局具身智能和人形机器人。地方政策可以推动中试、数据采集、产业基金和示范场景。

国内公司的差距也比较明确。

第一，基础模型和通用数据仍需追赶。具身智能的长期壁垒不只是硬件，而是高质量机器人数据、VLA 模型、世界模型、技能库和操作系统。国内公司已经开始布局，但与全球最强 AI 平台相比，模型生态、工具链和全球开发者影响力仍有差距。

第二，工业可靠性还需要真实验证。会走、会跳、会展示，不等于能在工厂按班次作业。人形机器人进入工业客户，要面对安全认证、故障率、维护成本、节拍要求和责任边界。国内公司需要更多连续运行小时、复购订单和客户扩容数据。

第三，高端零部件仍存在短板。执行器、谐波减速器、丝杠、力觉触觉传感器、轻量化材料、控制芯片和功率器件等环节，国内都有参与者，但在寿命、精度、良率、一致性和高端客户验证上仍需积累。

第四，全球客户和标准体系不足。美国和欧洲企业更早进入全球工业客户体系，且在安全、责任、软件工具和生态标准上有积累。中国公司如果要走向全球市场，需要面对认证、合规、数据安全、售后网络和品牌信任。

第五，订单质量需要更细分。国内市场容易出现示范项目、政府订单和概念订单。研究时不能只看订单金额，而要看订单是否进入真实业务流程，是否形成收入确认，是否按班次运行，是否有复购和扩容。

四、国内外竞争的关键变量

未来三到五年，全球与中国公司之间的竞争，可能不取决于谁的视频更震撼，而取决于五个变量。

第一是真实场景数据。人形机器人不是只靠互联网数据训练出来的，它需要真实动作轨迹、力觉触觉、失败样本和人工接管数据。谁能进入更多真实场景，谁就更容易形成数据闭环。

第二是本体和执行器能力。模型再强，也需要身体可靠。机器人必须有足够稳定的关节、传动、灵巧手、感知和散热系统，才能长期运行。

第三是成本与制造能力。人形机器人要大规模商业化，必须降到客户愿意购买或租赁的水平。中国供应链在这方面有优势，但也要避免低价牺牲可靠性。

第四是客户场景资源。Tesla 有自有工厂，Boston Dynamics 有工业客户和 Hyundai 场景，Figure 有汽车工厂试点，优必选和小鹏也在争取工业与自有场景。谁能把机器人接入真实流程，谁更接近商业化。

第五是软件生态和平台能力。长期看，硬件可能逐步标准化，真正的利润池可能来自模型升级、技能包、操作系统、仿真训练、远程运维和数据服务。

五、后续跟踪框架

这篇文章的结论并不是“中国落后”或“中国领先”这种简单判断，而是：从公开资料看，国内公司已经进入人形机器人产业链的主要环节，并且在供应链、成本和产品化速度上有明显优势；但在基础模型、真实作业数据、工业可靠性、高端零部件和全球客户体系上，与全球领先企业仍有差距。

后续跟踪时，可以把公司分成三层。

第一层是真正进入整机和场景交付的公司。重点看产品是否能进入真实客户流程，运行小时、任务成功率、故障率、运维成本、收入确认和复购情况。

第二层是核心零部件公司。重点看产品用于机器人哪个部位，是否有客户送样或定点，是否进入小批量或量产，业务占比和毛利率如何，是否容易被主机厂自研替代。

第三层是模型、数据和平台公司。重点看数据来源是否真实，任务是否复杂，模型能力是否降低人工接管率，是否形成可复用技能库和开发者生态。

一句话总结：全球领先企业目前强在模型、本体、工业客户和平台生态，中国公司强在供应链、成本、产品化和场景组织。未来真正的胜负，不在发布会，而在真实任务、真实数据、真实交付和真实复购。

上述内容仅为个人学习和研究目的，不构成任何投资建议，也不保证信息完整、准确或及时。 涉及公司、行业、市场和策略的内容，都应被视为阶段性观察，而不是确定性结论。