May 4, 2026 05:28 PM GMT Asia Economics | Asia Pacific Humanoids and Robots – The Next Chapter in China's Dominance in Global Manufacturing Humanoids and robots will be pivotal in lifting China's export market share. On our recent trip to Shenzhen, we saw positive developments which reinforce our conviction that it is poised for sustained, rapid growth. We remain watchful on issues of excessive competition and sustainable profitability Key Takeaways In this report, we detail recent developments in China's h ...

机器人板块 Q1 财报核心公司跟踪总结 20260505 摘要 人形机器人板块利空出尽，Q2 主业环比向好，Q3-Q4 进入特斯拉、 Figure 及字节跳动等产品的发布与量产关键期。 特斯拉产业链 PPA 协议预计 6 月底至 7 月落地；市场共识或被打破：轻 量化模型即可满足初代机器人特定场景量产需求。 拓普集团单机 ASP 达 7.6 万元，规划 50 亿建设基地；奥比中光 3D 视 觉市占率超 50%，26Q1 扣非净利增 531%。 绿的谐波 26Q1 业绩超预期，机器人业务占比将超 40%，丝杠与执行器 业务预计实现 3 倍以上增长。 银轮股份切入北美 F 客户及 G 客户供应链，预计 2028 年机器人、发电、 液冷三大新业务贡献利润超 20 亿元。 宁波华翔 PEEK 轻量化模组预计 26 年 5-6 月量产；兆威机电微电驱模 组已向国内本体厂小批量出货，海外对接加速。 金沃股份通过技改实现盈利修复，绝缘轴承新产品预计 26H2 放量， 26-27 年利润目标连续翻倍。 Q&A 站在当前时间点，如何看待机器人板块的整体投资观点，尤其是考虑到年初至 今的表现以及未来的催化剂？ 维持对机器人板块的 ...

Asia Pacific Equity Research 28 April 2026 This material is neither intended to be distributed to Mainland China investors nor to provide securities investment consultancy services within the territory of Mainland China. This material or any portion hereof may not be reprinted, sold or redistributed without the written consent of J.P. Morgan. Humanoid Robot Global robotics race accelerating: What we learned from our Beijing tour, robotics webinar, Tesla event and M+ Forum The past month has marked a pivotal ...

30 April 2026 | 12:56PM HKT Equity Research 1Q26 Robot/Automation Landscape Analyzer: How are market shares shifting? CHINA INDUSTRIAL TECH 1Q26 key observations on the China Industrial Robot & Automation competitive landscape Post MIR's estimated sales data (vs. production data reported by the NBS) as well as our coverage companies' business segment disclosures, we compile our latest landscape analyzer within. n Industrial automation (IA) market growth came in at +1% yoy in 1Q26, with the project/OEM/other ...

工业机器人是机器人产业的核心支柱，也是制造业转型升级的重要支撑。2025年，中国工业机器人市场在产量层面延 续高速增长态势——据国家统计局，2025年1-12月全国工业机器人产量达63.6万套，同比增长20.8%；但价格竞争加 剧、整机厂商毛利率承压，年报层面呈现明显的两极分化格局。本文以A股及港股工业机器人板块上市公司2025年年报 为核心数据来源，系统研究汇川技术、埃斯顿、埃夫特、新松机器人、新时达、爱仕达、拓斯达、凯尔达等8家整机企 业的业绩表现，并延伸分析集成应用及核心零部件环节。 研究发现：工业机器人整机赛道呈现"一超多强、腰部分化"的格局，汇川技术龙头地位稳固，但光伏周期深度冲击埃 夫特，老牌国企新松机器人亏损扩大，行业加速洗牌的信号已经出现。 01 2025年工业机器人市场概况 产量高增但价格战持续，行业进入结构调整期 2025年中国工业机器人市场在产量层面延续高增长态势，但价格竞争加剧。据国家统计局数据，2025年1-12月全国工 业机器人产量达63.6万套，同比增长20.8%。GGII数据显示，2025年中国协作机器人市场销量达4.95万台（不含四 轴），同比增长45.59%。然而，产量高增 ...

核心要点 3. 分析师表示，尽管人形机器人技术飞速进步，仍需人工监管值守。 2026 年 3 月 7 日，美国加州洛杉矶，一架日本航空波音 787 梦想客机从洛杉矶国际机场起飞，飞往 东京。 2026 年 3 月 7 日，美国加州洛杉矶，一架日本航空波音 787 梦想客机从洛杉矶国际机场起飞，飞往东 京。 宇树科技暂未对 CNBC 的置评请求作出回应。 应对人口结构挑战 受长期劳动力短缺困扰，日本航空公司已在东京羽田机场开始测试人形机器人，用于机场地面作业。 双方联合声明于周一公布，日航将携手 GMO 人工智能与机器人公司，自 5 月起试点用人形机器人承担 行李装卸、客舱清洁等工作。 日本人口老龄化导致劳动力人口萎缩，叠加旅游需求持续升温，航空业人力缺口愈发严峻，此次试点正 是在此背景下推出。 日航表示，人形机器人将在羽田机场逐步铺开部署，本次试点周期为期两年。 在技术演示视频中，中国宇树科技研发的人形机器人可完成将货物推送至传送带、向围观人群挥手、与 工作人员握手互动等动作。 日本航空股价 5 月首个交易日上涨约 2.97%，涨幅 73 日元；但今年以来整体仍累计下跌约 13%。 中国头部机器人企业宇树科技 ...

行业现状与核心矛盾 - 当前具身智能行业处于资本热潮中，2026年被称为“具身智能元年”，但技术现实粗粝，高度依赖人力密集型数据采集，每一台机器人的每一个动作都需要人工“手把手”教导[1] - 行业内部存在根本性成本结构问题，如果机器的智能仅能通过堆叠人力实现，则成本无法支撑其“走进千家万户”的规模化梦想[1] 主流技术路径的局限性 - 当前绝大多数机器人大模型采用“行为克隆”路径，即通过模仿人类专家的完美遥操数据来训练AI，该方案直观且见效快，但存在能力上限极低的致命缺陷，模型能力无法超越示范者[3] - 纯模仿训练面临“协变量偏移”问题，机器人执行时因电机老化、齿轮间隙、光线变化等现实噪音产生的微小误差，会导致模型因未见过此类场景而无法纠正，最终动作崩溃，近期机器人赛事事故即为公开注脚[4] 银河通用的新范式：世界模型路线 - 银河通用公司联合英伟达、清华和北大在论文《LDA-1B》中提出新路径，抛弃条件反射式模仿，转向世界模型路线，核心思想是让机器人在动手前先理解物理世界的因果规律[5] - 新模型LDA不再仅预测下一个动作，而是联合预测未来的画面，要求模型在数字大脑中先进行物理推演，遵循“先有知识（理解世界规律），再有应用（学习如何操作）”的不可颠倒的因果顺序[5] 技术突破：从像素预测到语义理解 - 早期世界模型及Sora等生成模型在“预测未来像素”上存在方向性错误，将算力浪费在预测光影、反光、纹理等高频噪声细节上[6] - LDA模型采用视觉基础模型DINO，在预测前将输入画面剥离无关细节，提取到高度抽象的语义空间，关注“语义”与“动作”的等式关系而非像素颜色[7] - 该方法大幅提升了效率与稳定性，在同等模型规模下，基于像素预测的老方案成功率为14.2%，而切换到语义空间后成功率跃升至55.4%，同时算力成本得到大幅压缩[7] 数据范式的颠覆：打破完美数据迷信 - 当前机器人训练逻辑照搬大语言模型，强调“Garbage in, garbage out”，导致行业重金采集完美数据[8] - 论文指出物理世界数据逻辑与文本世界不同，失败操作（如抓空、碰倒、失误重试）同样严格遵循物理规律，是宝贵的训练素材[9] - LDA提出的通用数据摄取机制改写经济账：剔除有害数据；将海量低质量、无标注的野生数据（如网络短视频）变废为宝，用于学习物理常识；极度稀缺的高质量专业数据仅用于最终微调阶段[9] - 测试数据佐证，在微调阶段向完美数据中混入30%包含停顿和失误的低质量数据，机器人的执行成功率反而提升10%[10] 未来竞争壁垒与行业影响 - 行业未来核心壁垒将发生转移，从比拼购买完美数据的能力，转向比拼谁能构建更强管道，以低成本收集海量粗糙数据并从中提炼物理常识，这将形成成本结构上的断层领先[11] - 该研究为行业提供了方向正确的路标，它终结了盲目模仿的范式，指明了世界模型的必要性，用语义表征替代了像素级算力浪费，并开辟了低成本的数据扩展路径[13] 对“GPT时刻”的理性评估 - 尽管2026年被称为元年且“GPT时刻”呼声四起，但具身智能距离其“GPT时刻”仍远，核心挑战在于物理世界交互数据的基础设施仍处于“手工作坊时代”，缺乏像文本数据那样沉淀数千年的数字化基础[13] - LDA-1B类研究的价值在于指明了方向而非推出万能成品，其意义在于让AI放下对完美数据的傲慢，学会从粗糙和失败中学习真实物理法则[13]