公司战略合作 - 高通与NEURA Robotics达成战略合作，旨在将具备类人认知能力的通用人形机器人推向市场 [1] - NEURA将获得高通的机器人处理器、物理AI加速与软件栈以及连接平台，结合其全栈机器人系统和具身AI，开发用于多种工业场景的安全、可扩展机器人 [2] - 合作的一个关键组成部分是Neuraverse共享机器人智能网络，这是一个用于机器人学习和管理的云平台，可实现知识在机器人集群间共享 [4] - 合作还旨在创建一个开放的全球开发者生态系统和市集，以促进第三方在物理AI和机器人应用方面的创新与开发 [4] 市场与竞争格局 - 机器人技术正成为一个主要的AI硬件市场，在仓储、制造、物流、农业、医疗等多个领域具有应用潜力 [3] - 高通在该领域面临来自英伟达和AMD的竞争 [5] - 英伟达凭借其领先的机器人AI计算平台（Jetson Orin、Jetson Xavier）和Isaac机器人平台，在该市场占据主导地位，其芯片结合了GPU AI加速、计算机视觉和机器人模拟 [5] - AMD正在扩展其Ryzen AI嵌入式处理器产品组合，为工业和AI边缘解决方案提供可扩展、高效的计算，其新款处理器CPU核心数最高提升2倍，GPU计算能力最高提升8倍，有效支持工业PC智能机器视觉、自主操作物理AI和3D健康成像等高级用例 [6] 公司业务与前景 - 高通有望通过此次合作将其AI芯片业务扩展至机器人领域，并加强其边缘AI生态系统 [4] - 物理AI指与现实世界交互的系统，高通在机器人和物理AI领域日益增长的专业能力可能带来长期利益 [3] 公司财务与估值 - 过去一年，高通股价下跌了11.7%，而同期行业增长了70.4% [7] - 按市盈率计算，公司股票目前的远期市盈率为3.26倍，低于行业的7.71倍 [9] - 在过去60天内，对2026财年的每股收益预估已下调7.5%至11.18美元，对2027财年的预估也下调了8%至11.5美元 [11]

核心观点 - 2026年是自动驾驶汽车从测试验证过渡到规模化、人形机器人从实验室实验转向小规模部署的元年 [2][3] - 行业焦点正从技术可行性转向规模化能力与成本控制 [36][37] 类人机器人供应链成形 - 供应商正转向类人机器人供应链，路径类似电驱动总成，提供集成方案与底层零部件 [4][5] - 舍弗勒试图成为主要“肌肉”供应商，提供一体化行星齿轮执行器，扭矩范围60–250 Nm，且回驱能力很低，NEURA已同意使用其执行器 [6] - 现代摩比斯宣布将为波士顿动力Atlas供应执行器，意图借助汽车规模化供应链制造机器人 [7] - 执行器约占物料清单成本的约60% [24] 机载芯片格局 - 类人机器人机载处理器上，英伟达仍占据主导，使用Jetson Orin或Thor的公司包括1X、Agility、Apptronik、波士顿动力、Figure AI等 [8] - 特斯拉与小鹏使用自研推理芯片 [9] - 高通推出面向机器人的下一代全栈架构方案Dragonwing IQ10 Series，但尚未清楚能否获得大规模采用 [10] 技术范式：从脚本走向视觉-语言-动作 - 最显著的范式变化是从预编程/脚本化动作转向视觉-语言-动作模型，让机器人能够“推理”完成任务 [11][12] - 波士顿动力用Google DeepMind Gemini Robotics的VLA模型替代传统模型预测控制，使Atlas能理解非结构化环境 [16] - Figure采用类似的双系统模型：System 1高频快速响应，System 2低频做高层推理与语言 [16] 训练数据：真实世界与仿真的高效闭环 - 行业争论从“仿真 vs 真实谁更好”转为“如何高效闭环” [14][15] - NEURA采取“物理优先”路线，建设大型实体训练中心收集高保真数据，再生成“合成孪生”在仿真中训练 [15] - 有公司通过远程操作收集人类示范数据，再用英伟达GROOT-Mimic在仿真中生成超过10万种动作变体进行训练 [17] - Mobileye强调其Mentee将基本以仿真来训练 [17] 商业化路径：从特定岗位切入 - 短期内，“通用类人机器人”更多会导入具体场景以证明商业可行性 [19] - Keenon Robotics拥有服务机器人全球40%市场份额，海外累计出口约10万台，产品价格从低于1万到约10万人民币，其类人机器人XMAN-R1可执行爆米花、倒饮料等任务 [20] - Deep Robotics聚焦工业巡检，覆盖距离最高63公里，可在危险区域执行24/7自主巡逻监测 [21] 降本驱动：规模是前提 - 降本主驱动归结为上量提升费用摊薄与供应商议价改善 [23] - 有公司称成本已从20万美元降至10万美元，并规划在未来几年降到5万美元，前提是销量达到数千台 [24] - 波士顿动力与现代汽车目标是在2028年实现年产能3万台，其2026年产量已全部提前分配给现代的汽车工厂 [24] - Mobileye披露，若年产量5万台，简化设计的制造成本约2万美元/台；若年产量10万台，成本可降至1万美元/台 [24] Robotaxi商业化加速 - 2026年是Robotaxi商业化加速年，Waymo与Zoox在CES大规模存在是信号 [26][27] - Waymo自成立以来已提供超过1000万次付费乘车，2025年12月达到每周45万次付费乘车，并扩张至休斯顿、迈阿密及东京、伦敦等国际市场 [27] - 亚马逊的Zoox从公开测试走向“可上市产品”展示，主打面向密集城市的无传统驾驶舱“车厢式”Robotaxi [28] - Mobileye与大众将在今年于洛杉矶推出L4级Robotaxi服务 [29] - 基于Lucid Gravity的自动驾驶车辆计划在2026年末于旧金山湾区启动 [29] 英伟达Alpamayo平台降低部署门槛 - 英伟达推出面向自动驾驶的Alpamayo平台与Thor，试图降低车企部署高阶能力的门槛，让车企无需从零投入数十亿美元 [30][31] - 德银指出其训练数据量仅为特斯拉所采集数据的一部分，模型能否覆盖真实世界边界案例仍待观察 [31] - 德银认为特斯拉凭借垂直整合存在结构性成本优势，如果自动驾驶趋于商品化，成本将成为最大分化点 [32] 汽车供应商的跨行业拓展 - Aptiv展示下一代端到端AI驱动的ADAS平台，实现城市复杂环境下的L2++免手驾驶，并推出云原生中间件平台LINC [33][34] - Aptiv强调传感器向航天与协作机器人扩展，以证明“新Aptiv”叙事，争取估值倍数重评 [34] - Visteon发布算力达700 TOPS的SmartCore HPC域控制器，可整合最多14个摄像头 [35][36] - Visteon推出由英伟达DRIVE AGX Orin驱动的插件式AI-ADAS计算模块，已应用于中国极氪车型 [36] - Visteon发布面向7英寸以下屏幕的“Entry Cockpit”，将手机投屏与数字导航带到两轮车与入门车型 [36]

核心观点 - 2026年被视为AI大规模进军物理世界的开端，自动驾驶汽车将从测试验证过渡到规模化，人形机器人将从实验室实验转向小规模部署 [1] - 行业焦点正从技术可行性转向规模化能力与成本控制，供应链绑定、产能爬坡与单位成本曲线成为下一阶段关键跟踪指标 [13][14] 自动驾驶 (Robotaxi) 发展态势 - **商业化加速**：2026年被视为自动驾驶商业化加速年，随着特斯拉2025年推出Robotaxi，多家玩家商业化动能增强 [10] - **运营数据验证**：Waymo自成立以来已提供超过1000万次付费乘车，并在2025年12月达到每周45万次付费乘车的节奏，业务已扩张至休斯敦、迈阿密及东京、伦敦等国际市场 [14][15] - **主要玩家动态**： - Waymo与Zoox在CES上大规模存在，显示行业动能强劲 [10] - Mobileye与大众计划在洛杉矶推出基于ID. Buzz的L4级Robotaxi服务 [15] - 由Nuro、Lucid、Uber共同推进的基于Lucid Gravity的自动驾驶车辆计划于2026年末在旧金山湾区启动 [15] - 亚马逊Zoox展示面向密集城市的无传统驾驶舱“车厢式”Robotaxi [15] 人形机器人发展态势 - **发展阶段**：行业正从实验室实验转向小规模部署 [1] - **商业化路径**：短期内，“通用类人机器人”将优先导入具体场景以证明商业可行性，而非直接进入家庭 [8] - **成本下降路径**：降本主要驱动力为规模上量带来的费用摊薄和供应商议价改善 [9] - 有公司称机器人成本已从20万美元降至10万美元，并规划在未来几年降至5万美元，前提是销量达到数千台 [10] - Mobileye披露，在收购Mentee背景下，若年产量达5万台，简化设计的制造成本约为2万美元/台；若年产量达10万台，成本可降至1万美元/台，目标是在2028年实现产能爬坡 [10] - **产能规划**：波士顿动力与现代汽车宣布目标是在2028年实现年产能3万台，且其2026年产量已全部提前分配给现代的汽车工厂 [10] 供应链与关键部件 - **供应链成形**：人形机器人领域正在培育全新的供应链，供应商正试图向该领域转型，路径类似电驱动总成 [1][4] - **执行器成为关键**：执行器被视为机器人的“肌肉”入口，约占波士顿动力机器人物料成本（BoM）的60% [1][10] - 舍弗勒展示一体化行星齿轮执行器，扭矩范围60–250 Nm，且回驱能力低，适合连续工况，已获NEURA采用 [4] - 现代摩比斯将为波士顿动力Atlas供应执行器，意图借助汽车规模化供应链来制造机器人 [4] - **芯片格局**：在机器人机载处理器上，英伟达凭借Jetson Orin或Thor平台仍占据主导，客户包括1X、Agility、Figure AI等众多公司 [3] - 特斯拉与小鹏使用自研推理芯片 [5] - 高通推出面向机器人的下一代全栈架构方案Dragonwing IQ10 Series，但尚未清楚能否获得大规模采用 [5] 技术范式与模型演进 - **从脚本走向Agentic**：最显著的范式变化是从预编程动作转向视觉-语言-动作模型，让机器人能够“推理”完成任务 [3] - Boston Dynamics用Google DeepMind的Gemini Robotics VLA模型替代传统模型预测控制，使Atlas能理解非结构化环境 [3] - **训练数据闭环**：行业争论焦点从“仿真 vs 真实”转为“如何高效实现真实世界数据与仿真的闭环” [7] - NEURA采取“物理优先”路线，建设大型实体训练中心收集高保真数据，再生成“合成孪生”在仿真中训练 [10] - 有公司通过远程操作收集人类示范数据，再用仿真生成超过10万种动作变体进行强化学习 [10] - Mobileye强调其Mentee将基本以仿真来训练 [10] 主要公司产品与战略 - **英伟达**：推出面向自动驾驶的Alpamayo（“大脑”）与Thor（“头骨”）组合方案，旨在降低车企部署高阶能力的门槛 [11] - **Aptiv**：展示下一代端到端AI驱动的ADAS平台，并推出云原生中间件平台LINC，旨在实现软件定义车辆，其传感器技术正向航天与协作机器人领域扩展 [12] - **Visteon**：发布算力达700 TOPS的SmartCore HPC域控制器，并推出插件式AI-ADAS计算模块，方便车企为存量平台升级功能，该产品已应用于中国极氪车型 [13] - **Keenon Robotics**：其服务机器人占据全球40%市场份额，海外累计出口约10万台，产品价格从低于1万到约10万元人民币 [10] - 旗舰类人机器人XMAN-R1可执行爆米花、倒饮料等任务，其VLA模型面向服务业 [10] - 在日本等高人工成本市场，其机器人使用寿命达8年，高于行业常见的3–5年 [10] - **Deep Robotics**：聚焦工业巡检，机器人最高覆盖距离63km，可在危险区域执行24/7自主巡逻，并采用可更换电池设计 [10]