具身智能与工业机器人：技术演进与产业机会研究

出品方：北京经纬智汇信息咨询有限公司 报告编号：EXK-S-002 报告日期：2026年7月 保密级别：商密（对外交付版） 版本：V1.0

执行摘要

2025年，全球机器人产业出现了一个耐人寻味的分裂景象：一边是已运转半个多世纪、装机量突破466万台的工业机器人存量市场，波澜不惊、格局稳固；另一边是刚刚从实验室与展台走向车间的人形机器人增量市场，出货量以超过五倍的年增速狂飙，却又深陷"演示热闹、订单存疑"的争议。这两个看似分属不同世代的赛道，正在核心零部件与人工智能控制两个层面加速交汇。理解这场交汇的技术逻辑、产业节奏与商业机会，是本报告的核心任务。

结论一：人形机器人已经站在"量产元年"的临界点上，但真实需求的成色仍需甄别。 2025年全球人形机器人出货量约在1.3万至1.8万台之间（不同统计机构口径存在差异），同比增速高达五倍以上。中国厂商包揽了出货量的前六至前九名，智元机器人以超过5100台、宇树科技以4200至5500台的出货量合计占据全球约七成份额。然而，拆解这些出货的真实去向可以发现，科研教育、文娱展演、数据采集仍是主力应用，工业场景的规模化刚需刚刚起步。行业因此呈现出一种结构性错位——喧嚣发生在客厅与展台，而真正的财富仍锁在车间里等待释放。

结论二：工业机器人是成熟的存量市场，人形机器人是高波动的增量市场，两者在硬件供应链与AI控制两端加速融合。 2024年全球工业机器人新装机量为542,000台，中国以295,000台占据全球54%的份额，本土品牌在国内的份额已从约28%跃升至57%，实现了历史性反超。与之形成对照的是，人形机器人由权威投行给出了2035年380亿美元可寻址市场、140万台出货量的预测。中国在硬件供应链完整度与专利数量上占据领先，欧美则在大模型、世界模型与高端芯片上保持优势。两条赛道共用减速器、伺服、传感器等核心零部件，并共同奔向以视觉-语言-动作（VLA）大模型为代表的智能控制新范式。

结论三：这是一个由政策强力驱动、正在从"狂热"转向"规范"的产业周期，投资决策必须从故事估值回归硬指标。 中国已将"具身智能"首次写入政府工作报告，从中央到地方形成了密集的产业扶持政策网络；美国走"去监管、抢速度"路线；欧盟以风险分级立法。但2025年11月，国家发展改革委宣布建立具身智能行业准入退出机制，这是产业过热风险的首个明确信号。对整机厂而言，应坚定走"先工业、再商用、后家用"的落地路径，绑定车厂场景构筑数据飞轮；对零部件厂而言，应卡位丝杠、六维力传感器、灵巧手、谐波减速器等高壁垒、高国产替代空间的环节；对投资方而言，2026年将是"规模化验证之年"，必须从故事估值转向订单质量、毛利率、现金流等硬指标，警惕估值泡沫与"数据采集订单"含金量注水的风险。

本报告采用"结论后置"的论证结构，先系统铺陈技术演进脉络、核心原理与专利态势、市场规模与产业链、竞争格局与典型案例，在充分的数据与案例支撑之后，于末章给出面向不同角色的分层决策建议与行动路径。报告中的图表以占位符形式呈现，并附详细的内容与数据描述，供后续可视化制作参考；数据表格则直接生成于正文之中。

为便于不同角色的读者高效使用本报告，此处提供一份阅读导引。对于企业管理层与决策者，建议重点阅读执行摘要、第三章（市场格局）、第五章（竞争格局）、第七章（成本商业化）与第十章（趋势与建议），以快速把握产业全景与决策要点。对于投资方与甲方客户，建议在上述基础上，重点关注第三章的市场预测使用指南、第五章的资本全景与企业分析、第九章的风险分析，以及第十章的分角色建议与情景推演。对于技术工程人员，建议深入阅读第二章（技术演进）与第四章（技术深度剖析），尤其是VLA技术路线、核心零部件、专利态势与技术瓶颈等部分，以获得技术层面的系统认知。当然，对于希望全面把握产业的读者，通读全文将获得最完整的图景。

需要提醒的是，本报告所处理的是一个高速演变的新兴产业，其中的数据、格局、判断都具有较强的时效性。读者在使用本报告时，应结合最新的产业动态进行动态更新，并对报告中标注的数据口径差异与不确定性保持清醒的认知。本报告的价值，不在于提供一个静态的、一劳永逸的结论，而在于提供一个理解产业的分析框架、一套研判问题的思维方法，以及一份基于当前信息的、尽可能客观全面的产业图景。

01 · 调研背景与目标

1.1 调研缘起与问题意识

2021年8月，特斯拉在其人工智能日上发布了名为"Optimus"的人形机器人计划。彼时，绝大多数产业观察者将其视为一场典型的马斯克式营销——用一个遥远的宏大叙事拉升资本市场的想象力。四年之后的今天，回头审视这一节点，会发现它实际上是一个产业分水岭的起点。在Optimus之后，全球范围内涌现出数十家人形机器人初创企业，累计融资规模以百亿美元计，中美两国的科技巨头、汽车厂商、投资机构纷纷入场，人形机器人从一个边缘的机器人学分支，跃升为与人工智能大模型并列的科技主线。

与此同时，一个已经默默运转了六十余年的产业——工业机器人——正经历着它自己的深刻变革。中国用不到二十年的时间，从这一领域的追赶者变成了全球最大的市场和越来越强的制造者，本土品牌在国内市场的份额实现了对"四大家族"的历史性反超。当人们的目光被人形机器人的炫目演示所吸引时，工业机器人产业正在悄然完成一场关于智能化、国产化与场景深化的静默革命。

这两条赛道并非彼此孤立。它们共享着几乎相同的核心零部件供应链——减速器、伺服电机、传感器；它们正在被同一波人工智能浪潮所重塑——大模型正从"感知与执行相分离"的传统范式，推动机器人走向"多模态认知与动作一体化"的具身智能新范式。理解这两条赛道的交汇点，理解技术演进的真实节奏，理解产业机会的分布与风险的所在，对于任何希望在这一领域进行立项、选型或投资的决策者而言，都是无法回避的功课。

这正是本报告的问题意识所在：在具身智能与工业机器人加速融合的产业变局中，技术究竟走到了哪一步？市场规模的真实图景与预测分歧如何理解？竞争格局中谁占据了什么位置？产业机会分布在何处，又潜藏着哪些风险？ 我们试图穿透营销叙事与资本狂热，为决策者提供一份兼具技术深度与商业洞察的判断依据。

需要特别指出的是，本报告选择"双线并重"地研究工业机器人与具身智能，并非简单地将两个话题拼凑，而是基于一个核心判断：这两条看似分属不同世代的赛道，正在发生深刻的融合，而理解这种融合，是把握未来机器人产业的关键。这种融合体现在三个层面。在硬件层面，两者共享减速器、伺服、传感器等核心零部件供应链，人形机器人的爆发将为这些零部件带来巨大增量，而工业机器人培育出的成熟供应链又为人形机器人的量产提供了基础。在技术层面，两者正被同一波AI浪潮所重塑——工业机器人通过引入视觉、力控、AI算法走向柔性化与智能化，人形机器人则通过VLA大模型获得通用智能，二者在"智能化"这一方向上殊途同归。在产业层面，工业机器人企业（如埃斯顿、汇川）正切入人形赛道，汽车制造企业（如特斯拉、比亚迪、吉利）正主导人形量产，产业边界日益模糊，最终可能融合为一个统一的"智能机器人"产业。正是这种全方位的融合，使得孤立地研究任何一条赛道都将失之偏颇，而双线并重的视角，才能真正把握产业的全貌与未来。

1.2 核心调研问题

本报告聚焦以下五组核心问题：

第一，技术演进问题。工业机器人与具身智能各自经历了怎样的技术发展历程？关键的技术里程碑是什么？当前以VLA大模型为代表的技术范式革命，其原理、路线与瓶颈何在？两条赛道在技术层面的融合路径是什么？

第二，市场规模问题。全球与中国的工业机器人市场处于何种发展阶段？人形机器人的市场规模究竟有多大？为何各权威机构的预测差异如此悬殊？应当如何理解和使用这些预测数据？

第三，产业链问题。支撑机器人产业的核心零部件——减速器、伺服系统、丝杠、力传感器、灵巧手——的技术壁垒何在？国产替代进展到了什么程度？产业链上的价值如何分布？

第四，竞争格局问题。国内外主要厂商各自采取了怎样的技术路线？量产进度、订单情况、融资态势如何？中美两国的竞争分野呈现出什么特征？

第五，商业化与决策问题。人形机器人的成本构成与降本路径是什么？商业化的现实路径与盈利逻辑为何？面向不同角色的决策者，应当采取怎样的行动策略？

1.3 调研范围界定

本报告采用"双线并重"的研究范围设定，即同时研究具身智能/人形机器人这一新兴通用智能体方向，与传统工业机器人这一制造业自动化产线场景，并重点分析二者的技术融合路径与产业分野。

在地域上，本报告采取全球视野，重点对中国、美国、日本、欧洲等主要国家和地区进行横向对比，并梳理全球趋势。

在颗粒度上，本报告采取宏观、中观、微观多层次结合的方式：宏观层面关注行业整体趋势与政策环境；中观层面聚焦细分市场、产业链结构与竞争格局；微观层面深入到具体企业、产品与技术案例。

在时间视角上，本报告采取全时间轴的梳理方式，从工业机器人与人形机器人的历史起源与技术演进关键里程碑，到当前的发展现状，再到未来12至36个月及更长期的趋势预判。

1.4 调研方法说明

本报告采用定性与定量相结合的研究方法，以数据支撑观点，以典型案例佐证结论。信息来源为混合来源，涵盖公开资料（行业协会数据、投行研究报告、企业公告与官网信息、专利数据库、政策文件、行业媒体报道）与行业专家观点。为保证信息的可靠性，报告在关键数据上尽量交叉印证多个来源，并对不同机构口径的差异予以明确标注。

需要特别说明的是，人形机器人作为一个高速演变、信息高度不对称的新兴产业，其部分数据（如企业量产数字、订单金额、市场预测）带有较强的预期性与主观性。本报告在引用这类数据时，力求区分事实与预期、区分不同的统计口径，并在末章的"重要说明与局限"部分集中提示相关的不确定性。

02 · 技术现状全景

2.1 技术定义与核心概念辨析

在展开分析之前，有必要先厘清几组容易混淆的核心概念，这是理解整个产业的基础。

工业机器人，按照国际标准化组织的定义，是一种自动控制的、可重复编程的、多用途的操作机，可对三个或三个以上的轴进行编程，可以是固定式或移动式，用于工业自动化。它的典型形态是我们在汽车工厂里常见的六轴机械臂，其核心能力是在结构化的、可预测的环境中，高速、高精度、不知疲倦地重复执行预设动作。工业机器人的"智能"主要体现在精密的运动控制上，而非对环境的理解与自主决策。

人形机器人，是指在外形和运动方式上模仿人类的机器人，通常具备双足行走、双臂操作、类人的躯干与头部结构。人形设计的核心逻辑在于：人类社会的绝大多数工具、设施、工作环境都是围绕人类的身体形态设计的，一个具备人类形态的机器人理论上可以无需改造环境就直接融入并使用这些既有设施。这被称为人形机器人的"通用性"优势。

具身智能（Embodied Intelligence），是一个比人形机器人更宽泛、更本质的概念。它指的是智能体通过与物理世界的实时交互来获得并展现智能的能力。具身智能强调的是"身体"（物理实体）、"大脑"（智能算法）与"环境"（物理世界）三者的闭环互动。人形机器人是具身智能最受关注的载体，但具身智能并不必然采取人形——四足机器人、轮式机器人、机械臂乃至自动驾驶汽车，都可以是具身智能的载体。换言之，具身智能是"灵魂"，人形机器人是众多可能的"躯壳"之一。

理解这三个概念的层次关系至关重要：工业机器人代表了机器人"身体"能力的成熟工程化，具身智能代表了赋予机器人"大脑"的技术革命，而人形机器人则是当前最受资本与产业追捧的、试图将成熟身体与革命性大脑相结合的通用形态。三者的交汇，正是本报告所要剖析的产业变局核心。

*图2-1 机器人概念层次关系图*

2.2 核心技术原理（白话版）

无论是工业机器人还是人形机器人，其技术体系都可以拆解为"大脑—小脑—肢体"三个层次，这一分层框架是理解机器人技术的通用钥匙。

"大脑"负责想什么、做什么。 这一层解决的是任务规划与决策问题：机器人需要理解人类的指令或所处的环境，判断当前应该完成什么任务，并将任务分解为一系列可执行的子步骤。在传统工业机器人时代，"大脑"其实非常简单——工程师预先编写好一套固定的程序，机器人只需按部就班地执行。而在具身智能时代，"大脑"被大模型所重塑，机器人开始具备理解自然语言指令、感知非结构化环境、自主规划任务的能力。这是具身智能革命最核心的变化。

"小脑"负责怎么做、如何协调。 这一层解决的是运动控制问题：如何让机器人的各个关节协调运动，实现平稳的行走、精确的抓取、动态的平衡。对于工业机械臂而言，运动控制相对简单，因为它固定在地面上，只需控制几个关节的角度即可。但对于双足人形机器人而言，运动控制的难度呈指数级上升——它需要在动态行走中时刻维持平衡，处理与地面的复杂接触力，应对突发的外力扰动。这也是为什么波士顿动力的Atlas机器人在过去十余年间一直是"小脑"能力的行业标杆。

"肢体"负责实际执行。 这一层是物理实体，包括驱动关节运动的电机、减速器、丝杠等执行部件，感知环境的摄像头、力传感器等感知部件，以及完成精细操作的灵巧手。肢体的性能直接决定了机器人能力的上限——再聪明的大脑，也无法驱动一双抓不稳鸡蛋的笨拙的手。

*图2-2 机器人大脑-小脑-肢体三层架构图*

2.3 工业机器人发展脉络与成熟度评估

工业机器人的历史，是一部从概念到成熟工业体系的六十余年演进史。

一切始于1954年，美国发明家乔治·德沃尔（George Devol）申请了一项名为"可编程物品转移装置"的专利，这被公认为工业机器人的概念起源。1959年，德沃尔与约瑟夫·恩格尔伯格（被后世尊称为"机器人之父"）合作，制造出世界上第一台工业机器人原型Unimate。1961年，Unimate被正式部署于通用汽车位于新泽西的工厂，负责从压铸机中取出灼热的金属部件，单台成本约6.5万美元。这一节点标志着工业机器人从图纸走向了真实的生产线。

此后的二十年间，工业机器人完成了关键的技术形态定型。1973年，德国库卡公司推出了名为Famulus的机器人，这是世界上第一台由机电驱动的六轴机器人，六轴构型此后成为工业机械臂的经典形态。1978年是一个尤为关键的年份：美国Unimation公司推出了PUMA（可编程通用装配机械臂），将机器人带入了精密装配领域；同年，日本山梨大学的牧野洋教授发明了SCARA（选择顺应性装配机器手臂）构型，这种结构在水平方向柔顺、垂直方向刚性的机械臂，成为电子装配领域的主力；德国徕斯公司也在同年推出了六轴机器人RE15。

这一时期奠定的技术形态，此后逐步走向成熟与产业化，并形成了由日本、德国、瑞士企业主导的全球格局，即业界所称的"四大家族"——日本的发那科（FANUC）、瑞士的ABB、日本的安川电机（Yaskawa）、德国的库卡（KUKA，2016年被中国美的集团收购）。这四家企业长期占据全球工业机器人市场约50%的份额，掌控着控制器、伺服系统等核心技术。

2016年，另一个值得铭记的节点出现：国际标准化组织发布了ISO/TS 15066协作机器人安全标准，为人与机器人在无物理隔离的情况下协同工作提供了规范依据，推动了协作机器人这一新品类的兴起，也在一定意义上预示了机器人从"关在笼子里"走向"与人共处"的趋势——这一趋势的终极形态，正是今天的人形机器人。

就成熟度而言，工业机器人整体已处于产业生命周期的成熟期。其核心技术稳定、供应链完整、应用场景清晰、商业模式成熟。当前的技术演进主要集中在三个方向：一是智能化，即引入视觉、力控与AI算法，使机器人能够处理更复杂、更柔性的任务；二是国产化，即在中国市场，本土品牌通过核心零部件突破与场景深耕，持续替代外资品牌；三是场景深化，即从汽车、电子等传统优势行业，向更广泛的一般工业领域渗透。

这三个演进方向，每一个都蕴含着深刻的产业逻辑与机会。在智能化方向上，传统工业机器人正从"按预设程序执行"走向"感知环境并自主适应"。协作机器人的兴起、机器视觉的普及、力控技术的应用，使得工业机器人能够胜任过去难以自动化的柔性任务——如多品种小批量生产、非标准件的抓取与装配。这一方向与人形机器人的具身智能革命在技术上高度共通，是两条赛道融合的重要接口。可以说，工业机器人的智能化，是人形机器人技术在成熟工业场景中的先行试验场。

在国产化方向上，中国工业机器人产业走过了一条从"进口依赖"到"自主可控"的艰辛道路。早期，中国工业机器人市场几乎完全被外资品牌垄断，核心零部件（减速器、伺服、控制器）更是完全依赖进口，形成了严重的"卡脖子"局面。经过近二十年的持续攻坚，中国不仅在整机上实现了份额反超，更在核心零部件上取得了实质性突破。这一国产化历程，为人形机器人的国产供应链建设提供了宝贵的经验与基础——正是工业机器人时代培育出的减速器、伺服、传感器等供应链，为今天人形机器人的量产提供了现成的产业基础。

在场景深化方向上，工业机器人正从汽车、3C等高度自动化的传统优势行业，向金属加工、塑料、食品、锂电、光伏等一般工业领域渗透。这一渗透的驱动力，一方面来自劳动力成本上升与用工短缺，另一方面来自机器人成本下降与易用性提升。场景深化不仅扩大了工业机器人的市场空间，也积累了丰富的行业know-how，这些know-how对于人形机器人未来进入这些行业，同样具有借鉴价值。

理解工业机器人的这三大演进方向，不仅有助于把握这一成熟市场的机会，更有助于理解它与人形机器人的深层联系——工业机器人的今天，在某种程度上预示着人形机器人可能的明天；而人形机器人的技术突破，也将反哺工业机器人的智能化升级。两条赛道的相互促进、相互融合，正是本报告"双线并重"视角的核心价值所在。

*图2-3 工业机器人技术演进时间轴*

2.4 人形机器人与具身智能发展脉络

如果说工业机器人的历史是一部平稳的工程化演进史，那么人形机器人的历史则更像一部充满理想主义、长期蛰伏、近年骤然爆发的探索史。

早期的探索以本田的ASIMO为标杆。2000年问世的ASIMO，代表了当时人形机器人在双足行走、上下楼梯等运动能力上的最高水平，本田为此积累了大量的基础专利，至今仍构成一定的专利壁垒。然而，ASIMO本质上是一个技术演示项目，其高昂的成本、有限的实用性，使其始终未能走向商业化。它证明了人形机器人"能动"，却无法证明它"有用"。

运动控制能力的天花板，则由波士顿动力的Atlas机器人所定义。Atlas自2013年推出液压驱动版本以来，凭借其令人惊叹的动态运动能力——奔跑、跳跃、后空翻、复杂地形行走——长期占据着人形机器人"小脑"能力的行业顶点。2021年，波士顿动力被现代汽车以约11亿美元收购。2024年，服役十余年的液压版Atlas正式退役，波士顿动力转向全电动驱动的新一代Atlas，并明确将其定位从技术演示转向工业应用。Atlas的历程，象征着人形机器人从"炫技"走向"务实"的行业转向。

真正引爆商业化浪潮的，是2021年特斯拉发布的Optimus计划。特斯拉的入场之所以具有分水岭意义，不仅在于其品牌号召力，更在于它带来了一套全新的产业逻辑：将自动驾驶（FSD）积累的人工智能算法、视觉感知能力、电机与电池技术迁移到人形机器人上，并以汽车行业的规模化制造能力来降低成本。这套"AI+制造"的组合拳，让产业界第一次看到了人形机器人大规模商业化的可能路径。

而让这条路径从可能变为现实的，是2022年之后人工智能大模型技术的爆发式注入。这一技术革命的核心，是机器人控制范式从"感知与执行相分离"向"多模态认知与动作一体化"的转变，其标志性成果是视觉-语言-动作（VLA）大模型的出现。

2023年，谷歌推出RT-2模型，首次将视觉-语言模型的知识迁移到机器人控制，使机器人能够理解未曾训练过的物体与指令。2024年，Physical Intelligence公司发布π0模型（并于2025年开源），采用流匹配技术实现高频率的连续动作控制。2025年2月，Figure公司发布Helix模型，采用"系统2+系统1"的双系统架构——系统2是一个70亿参数的视觉-语言模型负责高层理解，系统1是一个8000万参数的高频控制网络负责以200赫兹的频率控制全上肢动作，单套模型权重可跨任务泛化，可多机协作，并能在低功耗嵌入式GPU上运行。2025年3月，英伟达开源了GR00T N1人形机器人基础模型，同样采用双系统架构。

这些成果标志着机器人控制技术实现了从"每个任务单独编程"到"一个大模型泛化多任务"的范式跃迁。一个直观的量化指标是控制频率的提升：从RT-1时代的不足10赫兹，提升到Helix的200赫兹，这意味着机器人动作的流畅度与实时性发生了质的飞跃。2025年下半年，Figure进一步发布Helix 02，实现全身端到端控制，用单一神经网络先验替代了原有的109,504行C++控制代码，并通过20万个并行仿真环境进行训练——这一数字生动地说明了具身智能正在从"手工编写规则"走向"数据驱动学习"的深刻转变。

*图2-4 人形机器人技术演进与AI大模型注入时间轴*

2.5 国内外整体发展现状

将镜头拉回当下，全球机器人产业呈现出清晰的"双市场、双阵营"格局。

双市场，指的是成熟的工业机器人存量市场与新兴的人形机器人增量市场并存。前者稳定、可预测，格局基本固化；后者高速、高波动，格局远未定型。这两个市场在核心零部件供应链上高度重叠，在AI控制技术上加速融合，构成了本报告"双线并重"研究视角的现实基础。

双阵营，指的是中美两国在这场竞赛中形成的差异化优势格局。中国凭借完整的制造业供应链、庞大的应用市场、密集的政策支持与领先的专利数量，在整机迭代速度、成本控制、出货量上占据优势；美国则凭借在大模型、世界模型、高端AI芯片上的领先，在技术制高点上保持优势。日本在减速器等核心零部件上仍握有全球性的垄断地位，欧洲则在工业机器人本体与部分高端零部件上保持传统优势。

这一格局的具体数据、竞争细节与企业图谱，将在后续章节中系统展开。此处需要建立的基本认知是：具身智能与工业机器人的产业变局，本质上是一场围绕"身体成熟度"与"大脑智能化"两条主线、在中美两大阵营之间展开的、涉及技术、供应链、资本与政策的全面竞逐。

2.6 产业周期定位：期望膨胀期的自我审视

任何一项颠覆性技术的产业化，都遵循着一条为人熟知的成熟度曲线——从技术萌芽期起步，攀升至期望膨胀的顶峰，跌入泡沫破裂的低谷，再沿着复苏之路稳步爬升至成熟的高原。将人形机器人置于这一曲线上进行定位，是理解当前产业状态的一个有益视角。

综合各方迹象判断，人形机器人当前正处于"期望膨胀期"的高位。这一判断的依据是多方面的：其一，资本涌入的速度与规模远超实际收入的增长——头部企业估值高企，而营收规模普遍仍在数十亿元级别甚至更低；其二，媒体叙事与公众认知的热度，远高于实际落地应用的成熟度——春晚表演、展会演示所引发的关注，与工厂里真实运转的机器人数量形成鲜明反差；其三，预测数据的乐观程度极高——从投行的万亿级预测，到各地政府的千亿级产业规划，无不描绘着宏大的未来图景。

处于期望膨胀期，本身并非坏事——它意味着产业获得了充足的资本与政策资源，为技术攻坚与规模化爬坡提供了燃料。真正的风险在于，膨胀的期望若长期无法被真实的价值创造所兑现，最终将走向泡沫破裂，导致资本撤离、企业倒闭、行业陷入低谷。工业机器人的历史、乃至更近的自动驾驶、光伏、共享经济等行业的历史，都反复上演过这一剧本。

因此，对产业参与者而言，在期望膨胀期最需要的是一种"逆周期的清醒"——不被狂热裹挟，专注于真实价值的创造，为可能到来的低谷积蓄穿越周期的能力。这一认知，将贯穿本报告后续的分析与建议。真正决定谁能笑到最后的，不是谁在膨胀期喊得最响、估值最高，而是谁能在低谷来临时，凭借真实的技术、订单与现金流活下来，并在复苏期占据有利位置。

对工业机器人而言，其产业周期定位则完全不同——它早已越过泡沫期与低谷，处于成熟高原之上。其当前的变革（智能化、国产化、场景深化）是成熟产业内部的结构性调整，而非从0到1的颠覆性突破。理解两条赛道所处产业周期的根本差异，是制定差异化策略的前提：对工业机器人，策略是"精耕存量、抢占份额"；对人形机器人，策略是"穿越周期、押注长期"。