🤖 机器人产业链图谱

从芯片到关节,从感知到控制——人形机器人全栈组件与投资地图

5 大板块 10+ 核心组件 30+ 关键公司

🖥️ 软件栈

硬件让机器人能存在,软件决定机器人能做什么

🏗️ 机器人软件架构

🎯 S6 · 应用层
🏭 工业制造 📦 仓储物流 🏠 家庭服务 ⚠️ 危险作业
Figure(宝马) · Agility(亚马逊) · 优必选 · 极智嘉
🧠 S5 · 认知层
🤖 VLA模型 🌍 世界模型 📋 任务规划 📚 模仿学习 ⚡ 强化学习
Physical Intelligence · 银河通用 · NVIDIA Isaac · Google DeepMind
👁️ S4 · 感知层
🗺️ SLAM 🔎 3D场景理解 🔀 多模态融合 🏷️ 语义地图
🏃 S3 · 运动层
🎯 运动规划 🦿 全身控制WBC 🚶 步态生成 💪 阻抗/力控 📊 MPC
⚠️ 护城河最深 — 国内懂WBC的人可能不到200
⚙️ S2 · 中间件层
📡 ROS2 🔄 DDS 🔐 安全 📶 QoS
🖥️ S1 · 操作系统层
⏱️ RTOS 🔌 硬件驱动 🔧 HAL 🛠️ 内核调优
S1
🖥️ 操作系统层
RTOS + 硬件抽象 + 驱动 — 机器人的地基,极度碎片化
⏱️ 实时操作系统 (RTOS) 重要的
保证 250μs 级伺服控制响应的确定性操作系统。工业级用 QNX/VxWorks,开源用 RT-Linux,微型控制器用 FreeRTOS。国内几乎没有成熟的机器人专用 OS 发行版。
产品来源特点地位
QNX🇨🇦黑莓微内核、硬实时、安全认证工业标杆
VxWorks🇺🇸Wind River航空航天级可靠性高端首选
RT-Linux + PREEMPT_RT开源免费、需深度调优性价比之选
FreeRTOS开源微控制器级、轻量关节控制器
Xenomai开源双内核架构、强实时学术/细分
创业机会:🟢🟢 做"机器人版 Android"——统一 RTOS + 驱动 + OTA 的一体化平台,解决碎片化痛点。
🔌 硬件抽象层 (HAL) 0→1
统一不同厂家传感器/电机的驱动接口,让上层软件无需关心硬件差异。类似 Android HAL 的角色。目前每家机器人公司都在自己造轮子。
方案来源适配范围阶段
ROS2 HW Interface开源主流传感器/电机广但性能差
NVIDIA Isaac SDK🇺🇸NVIDIAJetson生态GPU绑定
各厂商自研闭源自家硬件碎片化
创业机会:🟢 做跨厂商标准化 HAL——机器人界的 Device Tree。
S2
⚙️ 中间件层
ROS2 + DDS — 机器人界的"神经系统",事实标准但有致命缺陷
📡 ROS2 通信框架 事实标准
机器人操作系统(实际是中间件),提供节点通信、工具链、RViz 可视化等。全球机器人开发者几乎都用,但痛点致命:延迟抖动大、安全弱、集群不稳。Tesla/Figure/1X 都已抛弃 ROS2 自研。
维度ROS2 现状理想方案
延迟1-5ms(抖动大)<500μs 确定
安全DDS Security(弱)端到端加密+认证
规模<50节点不稳1000+节点
实时best effort硬实时 QoS
创业机会:🟢🟢 高性能机器人专用通信中间件——低延迟+确定性+安全。替代 ROS2 通信层的大机会。
🔄 DDS 数据分发 重要的
ROS2 底层通信引擎,发布-订阅模式。不同 DDS 实现性能差异巨大,选型直接决定系统上限。
产品来源许可地位
Fast DDS🇪🇸eProsimaApache 2.0ROS2默认
Cyclone DDSEclipseEPL 2.0性能优
Connext DDS🇺🇸RTI商业企业标杆
关键判断:DDS 是中间件的"芯片",选型决定系统上限。Connext 最强但贵,Fast DDS 免费但性能有限。
S3
🏃 运动控制层
运动规划 + WBC + 步态 + 力控 + MPC — 护城河最深的层
🎯 运动规划 (Motion Planning) 核心壁垒
计算从 A 到 B 的无碰撞轨迹。RRT/CHOMP/TrajOpt 是主流算法,20+ DOF 实时规划仍是开放问题。
框架来源特点地位
MoveIt 2开源ROS2标配最广泛
CuRobo🇺🇸NVIDIAGPU加速100x范式变化
MuJoCo🇺🇸DeepMind物理仿真RL标配
Drake🇺🇸Toyota动力学优化学术标杆
关键判断:NVIDIA CuRobo 用 GPU 实现实时规划,这是范式变化。国内需要对标方案。
🦿 WBC + 步态 + 力控 地狱级
全身控制(WBC):同时控制 20-40 关节完成复杂全身动作。步态生成:双足行走稳定性。MPC:动力学约束下实时优化。这是 Atlas 后空翻的核心秘密,最深的护城河。
技术解决什么开源?难度
WBC全身控制多任务优先级+关节协调🔥🔥🔥
MPC动力学实时优化⚠️ 论文级🔥🔥🔥
步态生成走/跑/爬楼⚠️ 部分🔥🔥
阻抗/力控柔顺接触🔥🔥
跌倒恢复摔倒后站起🔥🔥🔥🔥
关键判断:国内真正懂 WBC 的人可能不到 200。需要 10 年以上控制理论功底+工程实现能力,不是砸钱能解决的。
🏢 运动控制层关键公司 核心玩家
公司国家核心能力代表作
Boston Dynamics🇺🇸美国步态+WBC全球第一Atlas后空翻
Tesla🇺🇸美国自动驾驶迁移MPCOptimus
Agility Robotics🇺🇸美国双足行走(OSU)Digit商用
Figure AI🇺🇸美国OpenAI+运动Figure 02
宇树科技🇨🇳中国步态国内领先H1/G1
智元机器人🇨🇳中国开源AgiBot远征A2
小鹏铁🇨🇳中国自动驾驶迁移Iron
差距:运动控制层中美差距 3-5 年。Atlas 跑酷后空翻 vs 国内平地行走+简单抓取。
S4
👁️ 感知层
SLAM + 视觉理解 + 多模态融合
🗺️ SLAM 相对成熟
解决"我在哪"和"周围什么样"。视觉 SLAM 和激光 SLAM 开源方案已够用,但动态环境 SLAM(人走动、物体移动)仍有痛点。
框架来源传感器地位
CartographerGoogle激光+IMU工业标杆
ORB-SLAM3萨拉戈萨大学视觉+IMU学术标杆
VINS-MonoHKUST视觉+IMUVIO标配
LIO-SAM开源激光+IMU紧耦合
判断:纯 SLAM 创业机会不大。但动态 SLAM + 语义建图仍有空间。
🔀 多模态融合感知 0→1
视觉+力+触觉+IMU联合理解。"这个杯子能握多紧""这地面能不能踩"——机器人不仅要看到,还得感受到。目前几乎没有成熟方案,是典型蓝海。
方向解决什么成熟度
视觉-力觉融合抓取力控、装配早期研究
视觉-触觉融合纹理、柔性操作几乎空白
视觉-IMU融合VIO定位已有方案
全模态融合通用环境理解概念阶段
创业机会:🟢🟢 触觉-视觉联合感知是刚需,几乎没有竞品。
S5
🧠 认知层 — 具身智能
VLA + 世界模型 + 模仿学习 + RL — 最火、变化最快、泡沫最大
🤖 VLA 模型 (视觉-语言-动作) 最火赛道
看图 → 理解 → 输出动作。2024年起"具身智能"爆发的核心:让机器人不再是编程执行的机器,而是"理解指令后自主行动"的智能体。
模型来源特点开放
RT-2Google DeepMind首个大规模VLA闭源
π0Physical Intelligence流匹配+通用策略闭源
OpenVLA斯坦福等7B开源VLA开源
OctoUC Berkeley开源通用策略开源
核心矛盾:模型架构不是壁垒(开源够用),数据才是。机器人操作数据比文本稀缺 1000 倍。
🌍 世界模型 + Sim2Real 范式变化
世界模型预测物理状态变化,Sim2Real 把仿真训练迁移到现实。两者结合是低成本大规模训练的关键——不可能在真机上试错百万次。
工具来源用途地位
Isaac Sim/Gym/Lab🇺🇸NVIDIAGPU加速物理仿真绝对核心
MuJoCo🇺🇸DeepMind接触动力学RL标配
Genesis开源新一代物理引擎早期
GenieDeepMind交互式世界模型概念验证
关键判断:NVIDIA Isaac 是训练基础设施的绝对核心 = 机器人界的 AWS。国内紧迫需要对标。
📚 学习范式 + 数据飞轮 决胜关键
机器人操作数据获取成本是文本的 1000 倍。谁能建立数据飞轮(部署→采集→训练→更好部署),谁就是最终赢家。
范式原理数据效率代表作
模仿学习从人类演示学动作中等ACT · ALOHA · Diffusion Policy
强化学习仿真试错学最优策略Isaac Lab · RL Games
离线RL从已有数据学策略各研究组
大规模预训练互联网数据→机器人极高RT-2 · π0
最终决胜:不是模型架构,不是算力,是数据飞轮。谁能率先实现"部署→采集→训练→再部署"的闭环,谁就赢了。
🔥 认知层融资最火的公司 泡沫期
公司国家融资规模方向
Physical Intelligence (π)🇺🇸美国$400M+机器人基础模型
Skild AI🇺🇸美国$300M通用大脑
Covariant🇺🇸美国被Amazon收购仓储AI
银河通用🇨🇳中国¥7亿+具身大模型
星动纪元🇨🇳中国¥3亿+人形具身智能
有鹿机器人🇨🇳中国¥2亿+机器人大模型
判断:认知层在泡沫期,绝大部分会死。真正的壁垒是数据,不是模型架构。
S6
🎯 应用层 — 最终变现
工业制造 · 仓储物流 · 家庭服务 · 危险作业
🏭 场景成熟度评估 关键
场景成熟度代表差什么
工业制造🟡 早期商用Figure(宝马) · 优必选8h连续运行可靠性
仓储物流🟢 部分可用Agility(亚马逊) · 极智嘉非结构化场景
危险作业🟡 早期各特种机器人需求明确但量小
家庭服务🔴 不成熟Tesla远期 · 1X安全+通用性差太远
养老护理🔴 极早期日本各大厂试验伦理+技术双重障碍
判断:工业和仓储是最先落地的场景(2-3年),家庭至少5-10年。创业选场景比选技术更重要。

🎯 软件层投资优先级

硬件是身体,软件是灵魂——投资软件栈的逻辑不同于硬件

💡
软件层核心结论

硬件是身体,软件是灵魂。投资软件栈的逻辑完全不同于硬件——

🧠 认知层(数据飞轮) — 最强护城河,谁先建立数据闭环谁赢

🏃 运动层(WBC人才) — 最深壁垒,国内懂WBC的人可能不到200

⚙️ 中间件(生态锁定) — 基础设施,所有机器人都需要,但容易忽视

模型架构不是壁垒(开源够用),数据和人才才是真正的稀缺资源

优先级层级覆盖组件毛利护城河判断
必投 🧠 认知层 VLA·世界模型·数据飞轮 80%+ 数据→模型飞轮 灵魂层,决定机器人能做什么
必投 🏃 运动层 WBC·MPC·步态·力控 70%+ 人才极度稀缺 身手层,决定机器人能不能用
高优 ⚙️ 中间件 ROS2替代·DDS·通信 60%+ 生态锁定 神经系统,所有机器人都需要
可补 👁️ 感知层 多模态融合·语义SLAM 50%+ 场景碎片化 潜力大但变现分散
可补 🖥️ 操作系统 RTOS·HAL·OTA 40%+ 周期超长 长远重要但短期难变现