Optimus低调中加速推进 宇树上市推动具身智能本体竞争加速

行业观点 Optimus在低调中加速推进，宇树上市推动具身智能本体竞争加速。V3虽尚未正式公开，但3月已能行走并进入展示前最后打磨阶段；4月以来，特斯拉同步推进AI5、弗里蒙特产线和Optimus Academy训练体系，7月已拆除Model S/X产线并开始安装首代Optimus产线，项目正由单一本体研发迈向产品定型、制造和训练体系并行验证。与此同时，宇树科技于8月19日登陆科创板，2025年人形机器人收入8.68亿元、占主营业务收入51.78%，使A股人形机器人投资由零部件映射进一步延伸至本体经营和估值比较。我们认为，尽管V3展示和量产节奏较此前预期有所后移，但海内外本体企业已进入工程化和商业化竞速，后续竞争焦点将从Demo展示和出货数量，转向量产良率、产品均价、毛利率、客户结构、复购率及场景复制能力。 垂类具身智能模型有望更快到达真实生产场景。通用路线以Google DeepMind、NVIDIA等为代表，希望通过基础模型、人类视频、仿真和跨本体数据形成可迁移的机器人大脑，其价值在于降低新本体、新任务的冷启动成本；但不同本体的形态和控制方式存在差异，真实环境中的力控、触觉及长尾异常也难以完全覆盖，因而泛化难度巨大，从模型基准进步到稳定商业可用之间仍缺少清晰时间表。垂类路线则先限定本体、任务和环境，把拧紧、搬运、分拣、上下料、检测等劳动拆成可训练、可验收的工种，通过少量人类示范和大量真机练习，使成功、失败及异常样本持续回流训练；当数据由零散演示积累至覆盖主要工况和长尾问题后，任务完成率、节拍及异常恢复能力有望实现质变。工厂场景边界清晰、指标可量化、投入回报可验证，因此垂类模型更有望率先进入工厂，并以真实生产数据反哺更长期的通用能力。 马斯克Optimus的野望，可以概括为“量产、进工厂、造自己”。第一步是量产：通过弗里蒙特首代产线、德州第二工厂以及AI5和全新供应链，解决1万多个独特零部件、整机装配和测试流程的规模复制问题；第二步是进工厂：首批机器人优先进入Optimus Academy及特斯拉内部场景，将工厂劳动拆成具体工种，以人类示范和真机反复练习提升任务成功率、作业节拍及运行可靠性；第三步是造自己：当搬运、装配、检测和上下料等技能成熟后，机器人有望参与Optimus自身生产，形成“更多本体—更多真实数据—更高任务完成率—更低制造成本—更多本体”的自强化闭环。 相关标的1）北美链：科森科技，斯菱智驱，福赛科技，恒立液压，蓝思科技，北特科技，浙江荣泰，三花智控，拓普集 团，科达利，万向钱潮。2）其他机器人链：领益智造、泛亚微透、奥比中光、绿的谐波，禾赛、速腾聚创、海康威视、大华股份等。3）AI大脑及世界模型：协创数据、索辰科技、宝通科技、群核科技、智微智能、五一视界等。 风险提示 OptimusV3展示及量产指引再次推迟的风险；全新供应链、产线设备及AI芯片爬坡不及预期的风险；垂类工种训练效果、可靠性及客户付费意愿不及预期的风险；通用具身模型跨本体、跨场景泛化进展不及预期的风险；宇树科技等本体厂估值与当期基本面偏离、股价波动较大的风险；人形机器人产业竞争加剧、零部件降价及供应链份额变动的风险。 内容目录 一、Optimus低调中加速推进，宇树上市具身智能竞争加速...........................................31.1马斯克持续加速推进Optimus V3进展......................................................31.2宇树上市，具身智能本体竞争加速.........................................................5二、Optimus的野望：量产、进工厂、造自己.......................................................52.1通用具身智能模型：泛化难度巨大，落地周期模糊...........................................52.2垂类具身智能模型：数据积累质变提高任务完成率，有望加速进工厂...........................62.3马斯克Optimus的野望：量产、进工厂、造自己.............................................7三、相关标的...................................................................................8四、风险提示...................................................................................8 图表目录 图表1：Elon Musk关于Optimus的最新表述......................................................3图表2：Optimus技术逐步成熟，能力持续突破....................................................3图表3：Optimus量产规划......................................................................4图表4：Robotics 2搭载Inspire灵巧手的全身操作任务成功率......................................5图表5：Robotics 2搭载SharpaWave五指灵巧手的精细操作任务成功率...............................6图表6：NV EgoScale 2万+小时的人类预训练视频.................................................6图表7：智元精灵G2垂类训练产线现场图.........................................................7图表8：智元精灵G2垂类训练推动任务成功率统计结果.............................................7图表9：马斯克将Optimus纳入“自复制机器”长期愿景...............................................8 一、Optimus低调中加速推进，宇树上市具身智能竞争加速 1.1马斯克持续加速推进Optimus V3进展 Optimus V3已从设计阶段推进至本体能够行走、展示前最后打磨的阶段。3月31日，马斯克在X上称Optimus V3已经能够行走，仍需完成最后润色；4月15日，他进一步表示AI5将用于Optimus和超级计算集群。4月22日Q1财报电话会上，马斯克称V3设计已接近可展示状态，预计年中可以亮相，但公司希望在接近生产时再公开；弗里蒙特初始生产计划于2026年晚些时候启动，德州第二座Optimus工厂或于2027年夏季左右投产。电话会同时强调，新产品包含1万多个独特零部件，年内产率“无法预测”，初期将从工厂里的简单技能开始。然V3公开展示和产量爬坡慢于此前预期，但特斯拉对Optimus的推进已从单一产品研发延伸至AI芯片、产线建设和工厂技能训练等多个环节，工程化验证正在同步展开。 Q2披露显示，Optimus的推进重点已从V3产品研发进一步延伸至产线建设和训练体系，产品、制造与数据闭环开始同步推进。特斯拉7月更新称，弗里蒙特Model S/X产线已经拆除，首代Optimus产线正在安装，预计2026年晚些时候启动生产；首批产品并非马上对外交付，而是用于Optimus Academy的数据采集和功能开发，德州工厂建设也在推进。电话会上，马斯克将Optimus称为特斯拉迄今最难生产的产品，原因是几乎全部零部件和供应链都需要从零建立，早期S曲线会较长；训练则由高质量人类示范与机器人在Academy中的反复练习共同构成，成功和失败样本都用于强化学习。 此外，Q2电话会还提到，弗里蒙特Optimus 3产线的远期目标约为100万台/年，奥斯汀Optimus 4将采用更深度垂直整合，远期目标约为1000万台/年。8月20日，马斯克在X上提出“Optimus+Grok”未来可以提供高水平医疗服务，进一步扩展了长期应用想象，但这不能替代近期产品、生产、技能和可靠性的验证。因此，当前所看到的“持续推进”并非V3展示或对外交付时间提前，而是特斯拉正在同时推进本体定型、AI芯片、产线安装和Academy训练体系，Optimus开始由单点产品开发走向系统性工程验证。 1.2宇树上市，具身智能本体竞争加速 宇树科技于8月19日在科创板上市，代码688836，发行价150.80元。首日开盘价1100元、较发行价上涨约629%，收盘价845元、上涨约460%；按发行后4.0446亿股总股本计算，发行市值约610亿元，开盘和收盘市值分别约4449亿元和3417亿元。宇树上市使具身智能本体企业拥有了可以公开观察的经营与估值样本，也推动行业竞争从产品展示和一级市场融资进一步走向销量、收入、盈利能力和场景落地的综合比较。 基本面上，公司2025年营业收入16.99亿元、净利润2.78亿元；人形机器人收入8.68亿元、占主营业务收入51.78%，销量5215台，四足机器人收入占主营业务收入41.62%。公司已经由四足机器人厂商演进为人形机器人收入占比过半的综合本体公司。宇树上市后，其他本体企业在产品迭代、客户拓展、供应链组织和商业化进度等方面将面临更加直接的比较，具身智能本体竞争有望进一步加速。我们认为，后续本体竞争的关键不只是比较销量，还要持续跟踪产品均价、毛利率、客户结构、复购率，以及机器人能否进入可重复复制的垂类场景。 二、Optimus的野望：量产、进工厂、造自己 2.1通用具身智能模型：泛化难度巨大，落地周期模糊 机器人本体的自由度、执行器和灵巧手仍在迭代，但当前决定商业落地节奏的核心矛盾已逐渐转向“大脑如何获得足够数据，并在真实环境中稳定完成任务”。按照数据组织方式和商业闭环路径，可以把主要思路归并为两类：一是以Google DeepMind、NVIDIA等为代表的通用路线，希望通过基础模型、人类视频、仿真和跨本体数据形成可迁移的机器人大脑；二是以特斯拉为代表的垂类路线，先把生产场景拆成边界清晰的任务，用规模化本体收集数据并持续训练。 以GoogleDeepMind为例，其7月30日发布Gemini Robotics 2，强调全身控制、灵巧操作和多本体适配：同一模型检查点可控制不同形态机器人，本地版本通常可用少于200个示例、在数小时内适配新本体。这说明通用模型的跨本体迁移正在进步。但官方测试也显示，灯泡旋入、扎袋、簸箕清理、密封袋封口等精细任务的成功率仍约为32%—44%，明显低于部分夹爪任务，真实世界的力控、接触和长尾异常仍是瓶颈。 来源：Google DeepMind，国金证券研究所 来源：Google DeepMind，国金证券研究所 数据侧，NVIDIA EgoScale使用两万小时带动作标签的第一人称人类视频，比此前研究规模高20倍以上，观察到数据规模与验证损失之间的对数线性关系；相较不使用预训练，平均任务成功率提升54%。其意义不是通用机器人已经解决，而是证明大规模人类视频可以成为具身预训练的重要数据源。人类手和机器人手之间仍存在形态映射，视频又缺少完整的力、触觉和控制指令，因此落到具体本体后仍需真实机器人数据和现场调试。 我们认为，通用路线是具身智能的长期终局之一，但不宜把模型基准进步等同于大规模商业可用。家庭场景包含大量开放环境、物体差异和安全约束，要求一台机器人同时完成多个工种，是能力叠加而非单点突破。更现