文章核心观点 - 人形机器人浪潮来袭，科技巨头纷纷入局，市场规模预计从2025年的9亿美元增长到2034年的730亿美元，供应链格局存在变数，汇丰关注特斯拉、宇树科技和Figure AI三家公司，其供应链多元化且竞争激烈 [1] 行业现状与前景 - 人形机器人物料清单中驱动、电机等硬件组件价值份额高达55%，远超传感器和AI芯片/软件 [2] - 目前未进入大规模生产阶段，供应链格局有变数 [2] - 预计到2034年市场规模增长至730亿美元，年复合增长率达63% [6] - 预计到2032年每台机器人成本从约5.8万美元降至2万美元，年均降幅达11% [6] 公司特色与瓶颈 - Figure AI开发的Helix视觉 - 语言 - 动作模型提升训练效率，有望加速商业化进程，但电池续航是关键瓶颈 [2] - 传统模仿训练中机器人掌握新技能难大规模完成，Helix VLA模型连接视觉语言模型和机器人动作模型，能让机器人更快学习新技能适应不同场景 [5] 供应链情况 Figure AI供应链 - Xusheng Group提供镁合金外壳，Everwin Precision提供关节、轴承和传感器，Leaderdrive提供谐波减速器等 [2] 宇树科技供应链 - MOONS和Zhaowei Machinery & Electronics提供无芯电机，Leaderdrive提供谐波减速器，CSB Bearing提供轴承和滚珠丝杠 [2] 特斯拉Optimus供应链 - Sanhua和Tuopu作为一级供应商提供执行器总成，Beite、XCC、Best等多家企业提供滚珠丝杠 [3][4]

会议概述 - 中金研究院举办全球经济对话系列活动 聚焦全球经济重要问题 邀请全球相关研究机构进行对话 汇聚专家学者和业内人士进行高质量研讨 [1] - 本次对话由中金研究院和国际劳工组织（ILO）合作举办 [1] 会议日程 欢迎致辞 - 彭文生 中金研究院院长致欢迎辞 [2] 主题演讲 - Ekkehard Ernst 国际劳工组织首席宏观经济学家 演讲主题为"就业市场：从复苏迈向长效韧性" [2] - 彭文生 中金研究院院长 演讲主题为"从规模经济看DeepSeek对创新发展的启示" [2] 圆桌讨论 - 主持人：朱锋 中金研究院董事总经理 [2] - 嘉宾包括： - 陈云 中国劳动和社会保障科学研究院就业创业研究室主任、研究员 [2] - Richard Freeman 哈佛大学Herbert Ascherman经济学讲席教授 [3] - 関根敏隆 一桥大学经济学教授 原日本银行首席经济学家 [3] - Gad Levanon The Burning Glass Institute首席经济学家 [3] - Dorothea Schmidt-Klau 国际劳工组织就业、劳动力市场和青年处主管 [3] - Marina Mendes Tavares 国际货币基金组织研究部高级经济学家 [3] - 许宪春 统计学者 [3] - 曾湘泉 中国人民大学中国就业研究所所长、劳动人事学院教授 [3] - Ekkehard Ernst 国际劳工组织首席宏观经济学家 [3] 总结致辞 - 李昌徽 国际劳工组织北京局局长致总结辞 [3] 中金研究院介绍 - 中金研究院（CICC Global Institute CGI）为中金公司一级部门 定位为新时代、新形势下的新型智库 [4] - 主要职能包括： - 服务于中国公共政策研究与决策 - 参与国际政策讨论和交流 - 为中国金融市场尤其是资本市场发展建言献策 [4] - 致力于打造研究中国和全球经济、金融和资本市场中长期发展重大问题的能力和团队 [4] - 对涉及国计民生的重大课题进行前瞻性研究 [4] - 通过研究咨询、主题论坛、国际交流、系列讲座等形式为政府、企业及相关机构提供服务 [4] 研究院管理层 - 彭文生 中金公司首席经济学家、研究部负责人 担任中金研究院院长 [5] - 吴慧敏 中金研究院董事总经理 担任执行院长 [5]

核心观点 - DeepSeek的出现打破了AI大模型研发需要巨额资金和技术积累的固有认知，由一家中国金融领域的初创企业开发出性能卓越的开源大模型[1][4][5] - DeepSeek的成功在于通过算法优化提升算力的边际产出，以技术进步突破规模定律的约束，这背后体现了中国在数字基础设施和人才规模方面的优势[1][8][11] - AI发展同时受规模定律和规模效应影响，规模定律带来后发优势，规模效应带来先发优势，中美在AI领域各有比较优势[15][16][22] - DeepSeek选择开源模式有利于构建更大规模的创新生态，加速AI应用层的渗透，发挥中国在应用端的规模优势[24][26][28] - 金融与科技存在天然联系，金融领域的创新本就是数字科技创新的一部分，金融科技与科技金融需要协同发展[36][38][39] AI经济学：规模定律与规模效应 - 规模定律指在给定算法框架下，增加数据、参数、算力投入可提升AI性能但边际收益递减，规模效应指规模扩大带来单位成本下降和效率提升[8][9][10] - DeepSeek通过算法优化提升算力边际产出，以技术进步突破规模定律约束，在算法框架改善下AI性能可呈现规模报酬递增[11][12][14] - 算法创新依赖于规模经济构建的创新生态，包括企业内部规模经济和上下游协同的外部规模经济[14] - 中国在数字基础设施和人才规模方面的优势为算法创新提供了支撑，体现大国规模经济效应[1][14][15] AI经济学：后发优势与先发优势 - 规模定律隐含后发优势，落后者要素投入边际产出更高，有利于差距收敛；规模效应隐含先发优势，规模报酬递增强化领先者地位[15][16][22] - 中美AI发展指数显示两国在研发端和应用端均具规模优势，美国研发端略强，中国应用端略强[16] - 中美发展路径分化：美国侧重算力优势，中国侧重算法优化和人才规模，2022年中国培养的AI优秀人才占比已达47%[18][19][21] - 美国限制算力出口可能促使中国更聚焦算法优化，强化比较优势，算法技术进步是AI发展的核心驱动力[19][22] 开源促进外部规模经济 - DeepSeek开源模式降低应用层商业壁垒，有利于加速"人工智能+"进程，2025年1月其APP在157个国家和地区下载排名第一[24][26] - 开源系统更依赖外部规模经济，闭源系统更依赖内部规模经济，如Android用户数近iOS三倍但开发者收入更低[25][28] - AI应用层潜在市场规模是算力层和模型层总和的两倍，开源加速渗透可释放大国规模优势，促进经济增长[27][28] - 开源将规模经济收益更多分配给生态伙伴，实现创新社会正外部性，弱化技术进步的贫富分化效果[28] 创新发展模式 - 科技创新与产业创新需要融合发展，中国需摆脱重供给轻需求、重资产轻人才的路径依赖[31][32] - 大市场需求优势是产业创新根本驱动力，如《黑神话悟空》《哪吒之魔童闹海》等成功案例[32] - 大企业擅长渐进式创新，小企业更具颠覆式创新活力，CVC模式可实现两者优势互补[33][34] - 知识产权保护与个人破产制度对激励人才创新创业至关重要[34] 金融与科技关系 - 金融活动尤其是资本市场关键在解决信息不对称，金融领域创新本就是数字科技创新的一部分[36][39] - 量化基金等金融科技是科技工具在金融领域的重要应用场景，AI大模型要素也是其竞争力所在[38] - 资本市场通过外部规模经济支持创新生态，与多样化创新生态更契合，大国资本市场更具优势[37] - 需平衡金融科技监管与包容"动物精神"，重点防范不当行为而非限制超额收益本身[39]