AI：人形机器人的降本量产加速器

证券研究报告 行业研究行业深度研究基础化工 AI：人形机器人的降本量产加速器 请务必阅读报告末页的重要声明 2025年03月08日 证券研究报告 报告要点 随着AI技术的飞速发展，其强大的数据分析、模拟优化和自主学习能力为人形机器人的降本提供了全新的思路和方法。我们认为AI技术有望通过加速研发周期、优化生产工艺流程、精准管理供应链等维度破解高“白痴指数”，人形机器人有机化工材料研发端和生产端成本有望大幅降低，人形机器人量产时代或加速到来。 分析师及联系人 许隽逸 张玮航 陈律楼 黄楷 SAC：S0590524060003SAC：S0590524090003SAC：S0590524080002SAC：S0590522090001 请务必阅读报告末页的重要声明136 行业研究行业深度研究 2025年03月08日 基础化工 AI：人形机器人的降本量产加速器 基础化工 沪深300 30 13 3 20 202422024620241020252 投资建议： 强于大市（维持） 上次建议：强于大市 相对大盘走势 相关报告 1、《基础化工：2024Q4大化工行业基金持仓分析：大化工延续低配，子行业有所分化》20250125 2、《基础化工：农药：行业风口或指向杀虫剂》20241111 扫码查看更多 AI时代加速到来：或攻破人形机器人成本壁垒 我们认为：人形机器人作为一种高度复杂的智能装备，其研发、生产和应用涉及众多学科领域，包括化学工程，机械工程、电子工程、计算机科学等。长期以来，高昂的成本一直是制约人形机器人大规模普及的关键因素。然而，随着AI技术的飞速发展，其强大的数据分析模拟优化和自主学习能力为人形机器人的降本提供了全新的思路和方法。产品的成本相比制造该产品的原材料成本的比例即为马斯克提出的“白痴指数”。在人形机器人领域，如果广泛运用第一性原理，深入探究机器人各个组件和材料的本质属性和工作原理，而不是局限于传统的设计和生产方法，则“白痴指数”越高的化工材料面临AI机器人的冲击或越严峻。在AI机器人时代，高“白痴指数”意味着其生产过程有很大的优化空间，AI技术更容易在这些材料的研发和生产中发挥作用，找到低成本的替代品。 AI破局：多维度解锁高“白痴指数”的机器人材料降本密码 AI可以对生产流程进行全方位的管理和优化，包括研发、制造、供应链等环节。通过模型对关键参数进行分析、预测，相比人工试错法AI能够更加高效地找到生产过程中的最优解，精确地控制生产过程中的各个参数的能力或呈指数级提升，生产过程的损耗有望大幅降低的同时产品合格率也有望得到大幅提升。此外AI还可以实时监测设备的状态，提前发现潜在的故障隐患，显著降低化工设备的故障率和企业的事故率。 材料新篇：AI开辟人形机器材料降本新路径 通过对主流机器人运用材料的梳理，我们发现当前运用于人形机器人中总生产成本原料成本比值较大的有机高分子材料为聚醚醚酮（PEEK），聚苯硫醚（PPS），碳纤维，聚二甲基硅 氧烷（PDMS）和热塑性聚氨酯（TPU），这些有机新材料大多运用于关节或传感器，用于轻量化、耐热性需求。就研发端而言，成本较高材料大多存在工艺壁垒高，反应步骤长，可回收循环利用催化剂溶剂回收不充分等多个工艺瓶颈，伴随各类AI算法的运用范围扩大叠加高 通量实验机器人的介入，人形机器人相关有机新材料合成工艺壁垒及瓶颈有望加快突破速度并大幅降低研发端对新牌号、新工艺的研发成本。而生产过程中，这些有机新材料还存在现有工艺生产精度较难控制导致产品良率较低从而引发单吨生产成本较高问题，伴随AI算法 对合成环节的介入有望提高生产过程中的精度控制，并增加AI对环节产成品的关键性质乃至分子排列等检验措施从而提高当前生产工艺下的产成品良率，从而推动制造费用的下滑和原辅料的消耗减少，实现生产端的降本增效。 应用篇：AI重塑人形机器人设计端格局 伴随AI对研发与生产端的深度介入，PEEK、碳纤维等高“白痴指数”材料成本有望大幅下降。当成本不再是核心掣肘，人形机器人的大规模普及将取决于材料性能能否与机械结构、电子系统、场景需求深度匹配，而传统单学科研发模式或难以满足这一要求。AI的跨界协同能力、软硬件深度融合、创新设计有望重塑人形机器人设计端的格局。 投资建议：关注AI加速人形机器人降本和量产的投资机遇 我们认为AI技术有望通过加速研发周期、优化生产工艺流程、精准管理供应链等维度破解高“白痴指数”，人形机器人有机化工材料研发端和生产端成本有望大幅降低，人形机器人量产时代或加速到来。建议重点关注两类企业：一是AI技术赋能的高弹性材料供应商，即积极搭建AI研发团队、投入大量资源探索AI与化工材料融合路径的企业；二是量产场景驱动的下游应用增长领域，如家庭服务（清洁、陪伴）、工业制造（精密装配、高危作业）、医疗（手术辅助、康复护理）等领域将因人形机器人成本下降进入加速期，相关材料（包括但不仅限于柔性传感器、机体材料等）、设备等领域有望受益。 风险提示：技术发展风险；数据风险；竞争风险；政策风险。 投资聚焦 核心逻辑 我们认为：人形机器人作为一种高度复杂的智能装备，其研发、生产和应用涉及众多学科领域，包括化学工程，机械工程、电子工程、计算机科学等。长期以来，高昂的成本一直是制约人形机器人大规模普及的关键因素。然而，随着AI技术的飞速发展，其强大的数据分析、模拟优化和自主学习能力为人形机器人的降本提供了全新的思路和方法。产品的成本相比制造该产品的原材料成本的比例即为马斯克提出的“白痴指数”。在人形机器人领域，如果广泛运用第一性原理，深入探究机器人各个组件和材料的本质属性和工作原理，而不是局限于传统的设计和生产方法，则“白痴指数”越高的化工材料面临AI机器人的冲击或越严峻。在AI机器人时代，高“白痴指数”意味着其生产过程有很大的优化空间，AI技术更容易在这些材料的研发和生产中发挥作用，找到低成本的替代品。 当成本不再是核心掣肘，人形机器人的大规模普及将取决于材料性能能否与机械结构、电子系统、场景需求深度匹配，而传统单学科研发模式已难以满足这一要求。AI的跨界协同能力、软硬件深度融合、创新设计有望重塑人形机器人设计端的格局。 投资看点 我们认为在AI技术有望通过加速研发周期、优化生产工艺流程、精准管理供应链等维度破解高“白痴指数”，人形机器人有机化工材料研发端和生产端成本有望大幅降低，人形机器人量产时代或加速到来。建议重点关注两类企业：一是AI技术赋能的高弹性材料供应商，即积极搭建AI研发团队、投入大量资源探索AI与化工材料融合路径的企业；二是量产场景驱动的下游应用增长领域，如家庭服务（清洁、陪伴）、工业制造（精密装配、高危作业）、医疗（手术辅助、康复护理）等领域将因人形机器人成本下降进入加速期，相关材料（包括但不仅限于柔性传感器、机体材料等）、设备等领域有望受益。 正文目录 前言：AI时代加速到来，或攻破人形机器人成本壁垒6 1AI破局：多维度解锁高“白痴指数”的机器人材料降本密码6 11AI加速研发周期7 12AI优化生产工艺流程10 13AI精准管理供应链12 2材料新篇：AI开辟人形机器材料降本新路径14 21人形机器人有机化工材料的成本痛点14 22AI助力有机化工材料研发端降本21 23AI助力有机化工材料生产端降本26 3应用篇：AI重塑人形机器人设计端格局29 31跨学科知识图谱：优化人形机器人性能30 32硬件与软件深度融合：推动人形机器人技术的突破和应用31 33创新设计：AI打破传统范式，定义下一代机器人形态33 4投资建议：关注AI加速人形机器人降本和量产的投资机遇34 5风险提示35 图表目录 图表1：人工智能在制造生产过程中的运用7 图表2：GNoME利用图形网络进行材料探索8 图表3：GNoME使材料发现实现数量级突破8 图表4：AI指导机器人制造新材料9 图表5：基于大模型实现了化工流程的自动设计、仿真及优化10 图表6：甲醇精馏装置五塔三效工艺智能优化11 图表7：蒸汽裂解反应模型12 图表8：全球制造供应链竞争范式演变13 图表9：材料特性及在机器人中的运用14 图表10：PEEK主要运用于人形机器人轴承、骨架和齿轮15 图表11：常用普通塑料、工程塑料及特种工程塑料示意图15 图表12：PEEK与主要工程塑料、特种工程塑料性能对比情况16 图表13：PEEK与钢、铝合金性能对比情况16 图表14：PPS可用于机器人的高温连接器材料17 图表15：碳纤维运用于机器人模块18 图表16：人形机器人皮肤传感器19 图表17：高柔弹性的仿生电子皮肤压力传感器阵列19 图表18：TPU作为柔性材料被运用于机器人手部20 图表19：TPU可用于机器人足部21 图表20：PEEK生产工艺流程22 图表21：硫化钠法生产PPS工艺流程及工艺重点瓶颈23 图表22：碳纤维生产工艺流程及工艺重点瓶颈24 图表23：有机硅产品生产工艺流程25 图表24：热塑性聚氨酯生产工艺流程图26 图表25：PEEK产业链各项成本占比27 图表26：PPS产业链各项成本占比27 图表27：碳纤维产业链各项成本占比28 图表28：PCABS各项成本占比28 图表29：有机硅材料各项成本占比29 图表30：热塑性聚氨酯各项成本占比29 图表31：AI主要从跨学科知识图谱、硬件与软件深度融合、创新设计思路三个方面重塑人形机器人设计端格局30 图表32：H2H是结合多学科融合的成果31 图表33：人形机器人软硬件架构示意图32 图表34：波士顿动力Atlas机器人33 图表35：未来人形机器人可能的应用场景34 前言：AI时代加速到来，或攻破人形机器人成本壁垒 我们认为：人形机器人作为一种高度复杂的智能装备，其研发、生产和应用涉及众多学科领域，包括化学工程，机械工程、电子工程、计算机科学等。长期以来，高昂的成本一直是制约人形机器人大规模普及的关键因素。然而，随着AI技术的飞速发展，其强大的数据分析、模拟优化和自主学习能力为人形机器人的降本提供了全新的思路和方法。产品的成本相比制造该产品的原材料成本的比例即为马斯克提出的“白痴指数”。在人形机器人领域，如果广泛运用第一性原理，深入探究机器人各个组件和材料的本质属性和工作原理，而不是局限于传统的设计和生产方法，则“白痴指数”越高的化工材料面临AI机器人的冲击或越严峻。在AI机器人时代，高“白痴指数”意味着其生产过程有很大的优化空间，AI技术更容易在这些材料的研发和生产中发挥作用，找到低成本的替代品。 1AI破局：多维度解锁高“白痴指数”的机器人材料降本密码 AI可以对生产流程进行全方位的管理和优化，包括研发、制造、供应链等环节。通过模型对关键参数进行分析、预测，相比人工试错法AI能够更加高效地找到生产过程中的最优解，精确地控制生产过程中的各个参数的能力或呈指数级提升，生产过程的损耗也有望大幅降低的同时产品合格率也有望得到大幅提升。此外AI还可以实时监测设备的状态，提前发现潜在的故障隐患，显著降低化工设备的故障率和企业的事故率。 图表1：人工智能在制造生产过程中的运用 资料来源：《Areviewofartificialintelligenceapplicationsinmanufacturingoperations》SJ Plathottam等，国联民生证券研究所 11AI加速研发周期 AI的强大算力和数据处理能力可以在研发高“白痴指数”材料方面发挥巨大作用。传统的材料研发往往需要大量的实验和试错，耗费大量的时间和资源。而AI可以通过对海量材料数据的分析和挖掘，建立起材料性能与成分、结构之间的关系模型。 例如2023年11月，谷歌DeepMind推出了材料探索图形网络GNoME，通过预测新材料的稳定性，大大提高了发现的速度和效率。GNoME是一种最先进的图神经网络GNN模型，使用两个管道来发现低能（稳定）材料。结构管道创建结构与已知晶体相似的候选材料，而成分管道则采用基于化学式的更随机的方法。研究团队使用已建立的