華為入局具身智能，哪些自動化廠商成為“華選之人”？

AI和機器人硬件的結合確實是一個極具想象空間的事情，這是2023年為數不多的投資風口之一。彼時，2024年被稱為人形機器人的量產元年。而行至2024年年末，我們可以幾乎肯定的說，這種預計過于樂觀。

那么這一年間，這個火熱的賽道發生了什么？巨頭爭相入局，有聯合其他廠商以團隊形式共同開發這一課題的；也有單打獨斗，自研人形機器人，用在自己所處細分賽道的。相較而言，后者更為神秘，我們更為關注前者的團隊作戰模式，從中可以一窺中國在這一賽道的玩家格局。而最近入局具身智能賽道的兩家巨頭——華為和寧德時代即為上述兩種路線的代表?？梢钥吹降氖牵瑑烧卟⒎菣C器人賽道傳統意義上的硬件或軟件廠商。

其中，華為的入局讓業界更為興奮。近日，華為（深圳）全球具身智能產業創新中心正式運營，并和樂聚機器人、兆威機電、拓斯達等16家企業簽署了企業合作備忘錄。相比此前點式的合作，此次16家的規模性合作讓華為構筑的具身智能應用場景投入現實。在活動現場，華為展示的具身智能行業應用場景主要涵蓋包括精密制造、倉儲物流等在內的智能制造領域；包括料理機器人、清潔服務等在內的智能家居領域；包括巡檢、服務接待等在內的商業服務領域。

至此，“華為機器人概念股”悄然開啟。如何真正觸達實現上述應用場景？我們將從最近簽署的16家公司中，幾家代表性的自動化廠商入手來一探究竟。而更令人在意的是，華為不做具身智能產品的制造商，而是提供技術和平臺，讓其他企業在其上創新。這一戰略于華為入局汽車行業類似，而放在具身智能領域，不免會讓人想起國外的另一巨頭——英偉達。

細探華為簽約企業：

哪些自動化廠商成為“華選之人”？

工控網關注到，具身智能產業創新中心的首期方案計劃為：整合華為各部門的具身智能相關能力，共建具身智能大腦、小腦、工具鏈等關鍵根技術。華為還表示，將在推動具身智能技術產業化的過程中，聯合一批國內外頭部具身智能整機企業、核心零部件企業、集成應用企業以及人工智能算法企業等，共同攻克關鍵技術難題，推動具身智能前沿技術產業化落地。這種團隊作戰的形式，讓軟硬件在產業鏈中有序融合，最終讓產品落入實際。

細看此次簽約的16家企業，不難發現自動化領域的代表性企業正發揮著重要作用，構成了華為具身智能生態的關鍵支柱。

兆威機電

華為與兆威機電頗有淵源，也一直是兆威機電的主要客戶，二者間的主要業務包括用于通信基站及其電調系統零部件的微型傳動系統、RCU 模組以及精密零部件等業務。從市面資料來看，兆威機電是一家專業從事微型傳動系統、微型驅動系統的研發、生產與銷售的高新技術企業，其產品廣泛應用于移動通訊、汽車電子、機器人等領域。而在機器人領域，兆威機電在機器人靈巧手領域進展頗多。該公司全新的靈巧手產品采用單關節驅動技術，整手配備17個主動執行單元，展現出類人手的高靈活性與集成度。

華龍迅達

作為國產PLC技術的先鋒，華龍迅達在華為全聯接大會上展示了“具身智能生產線”的最新成果。這條生產線結合了華龍的國產大型PLC技術、華為云與OpenHarmony系統，實現了設備的精準控制與高效協同。 這家公司也是華為的長期生態合作伙伴，今年6月雙方發布了Hualong OS華龍訊達工業操作系統。該系統基于Open Harmony核心技術研發而成，是工業自動化全場景、分布式工業級操作系統，能夠面向工業自動化控制、人機交互、數據采集、過程監控和實時管理等跨設備、多場景的數字化世界，提供一種統一的工業軟件基礎設施。

拓斯達

拓斯達曾于2020年就表示與華為在自動化業務方面已初步展開合作，相關項目尚處于前期驗證階段。拓斯達專注于工業機器人、數控機床（CNC）等核心裝備的研發，全面覆蓋控制、伺服、視覺等關鍵技術。此前，拓斯達成立控股子公司，用于開展通用機器人高性能運動控制平臺研發。

此前的華為全聯接大會上，拓斯達展示了基于openEuler開源操作系統在云端服務器、邊緣數據中心及端側工業控制系統中的實際應用。通過展示openEuler Embedded嵌入式操作系統的強大生態，結合拓斯達新一代X5機器人控制平臺在端側工業控制系統中的方案實施能力。這種深度技術融合，正是具身智能技術落地的基礎之一。

華成工控

2023年，華成工控曾與華為共同發布《工業光總線白皮書》，二者合作早已顯現。華成工控的技術專長在于運動控制和視覺識別，其自主研發的驅控一體化集成技術，讓機器人具備即插即用的能力，助力國產機器人更好適應復雜的工業場景。

禾川人形機器人

禾川人形機器人是上市公司禾川科技在今年新成立的人形機器人業務子公司。禾川科技彼時曾公開表示，擴充了控制、驅動、傳動、傳感層產品線，新設導軌絲桿、工業電機、光伏微逆、機器人等事業部，用于提升工業自動化整體解決方案能力。資料顯示，禾川科技主營產品伺服系統可以廣泛應用于人形機器人領域，人形機器人業務為未來重要戰略方向之一。  

“華為機器人概念股”悄然成型。16家公司中自動化廠商的作用不可或缺，足以看出，在具身智能領域，行業邊界正在迅速模糊。而牽頭做人形機器人的廠商也并非傳統意義上的機器人硬件廠商，這一趨勢與國外的發展路線類似，這也呼應了業內早前提出的“軟件定義”的自動化時代正在到來。

與入局汽車思路一致，

與英偉達身份類似？

華為入局在哪一賽道都是熱點，評論者眾。例如，業內專家認為，華為在具身智能領域的角色與其智能汽車戰略高度相似——提供智能化的技術底座，而非直接制造終端產品。這種定位使得華為能夠通過其在研發、通信、操作系統與云計算領域的全棧能力，為合作伙伴賦能。特別是在軟件層面，華為的技術優勢格外顯著。盡管硬件部分或依賴外部合作伙伴共同開發，但強大的技術底座使華為成為整個生態體系的核心推動力。

這種賦能模式不僅能加速合作伙伴的成長，還將對整個行業生態產生深遠影響。業內人士指出，攜手華為的企業將受益于生態資源的加持，而單打獨斗的企業可能會面臨更大的競爭壓力。這種優勝劣汰的市場機制，也為行業進步提供了新的動力。

而這種格局不禁讓我們想到了幾年前華為入局造車時的盛況。而在具身智能賽道，華為的定位會與英偉達相比較是可以預見的事情。從產品邏輯上看，華為在人形機器人產業的定位與英偉達類似。今年年初，英偉達針對人形機器人領域推出了大模型(GROOT)+開發平臺(Isaac Lab)+算力(Jetson Thor)的組合套裝。而華為此前也曾在發布盤古具身智能大模型時提到，以此賦能多種形態的工業機器人和服務機器人。更引業界關注的則是名為“夸父”的人形機器人，這是中國國內首款面向家庭場景的開源鴻蒙人形機器人。二者的賦能開發模式和產品結構幾乎可以對標。

國內外頂尖廠商紛紛押注，不光是為具身智能產業化鋪路，也是對前沿技術的探索。正如英偉達創始人黃仁勛所言：“開發通用人形機器人基礎模型是AI領域最令人興奮的課題之一?！? 未來，中外廠商必然要在這一賽道同臺競技，而何者會引領具身智能技術與產業融合走向新的高度，值得我們持續關注。

但人形機器人的價值究竟在何處？前文提到，具身智能領域的快速更迭，讓機器人的邊界逐漸變得模糊。如今特斯拉、優必選等公司都將人形機器人率先投放到工廠產線進行嘗試，那么這些機器人目前在生產線的功用和傳統意義上的工業機器人有何區別？近期，ABB集團高級副總裁、機器人中國區總裁韓晨對媒體表示，人形機器人只是對目前業態的一個補充。他談到，大部分工業場景下，現有的機器人體系能夠完全解決掉，不需要人形機器人來介入。在工業場景上，人形機器人能做的，協作機器人大部分都能做；工業機器人能做的，現在人形機器人做不到。

若要更進一步將人形機器人的價值落入產線，藍馳創投合伙人曹巍則更為具體地觀察到，特斯拉總裝線之前的工序90%已經實現自動化，但在總裝線環節還有5萬工人。具身智能公司希望通過產品替代的是這5萬工人，而不是把前道工序里邊傳統機械臂能做的事再做一遍。

業界關于人形機器人的價值討論，很顯然聚焦于在自動化較高的場景與成熟度較高的工業機器人背后，人形機器人到底有何不可替代之處？這也引申出近幾年市面上對傳統機器人生產商與近幾年嶄露頭角的具身智能新銳的對比，有認為前者所做的是調整流水線機器人程序化精度的工作，而后者希望讓機器人代人做靈活、柔性的任務。而這項工作，誰能說傳統機器人廠商不會在意呢？在工博會現場，我們發現發那科、ABB等傳統工業機器人廠商在此方面已經推出了相關產品。在現階段的價格戰和融資熱背后，也許未來兩三年我們會看到具身智能賽道的投資并購，屆時可能伴隨著人形機器人應用的階段性的規?；涞?。

結語：巨頭爭相入局，

雖思路不同，但終將交匯

前文我們提到過，具身智能行業是“軟件定義”，這是由于這股技術東風源起于大語言模型（LLM）賦予了機器人理解與回應人類指令的能力，而生成式AI的引入，則使機器人具備了更深層次的感知與適應能力。這一技術融合將具身智能推向爆發性AI應用場景的風口。

相比國外，國內巨頭入局的姿態更加謹慎，多數企業選擇通過投資或與自身大模型結合的方式切入市場，而非大規模擴展團隊。這種模式背后的原因在于人形機器人的商業化尚未明朗。初創企業承擔技術探索與產品驗證的風險，巨頭則靜觀其成，伺機而動。

這一階段，人形機器人核心部件如高精度傳感器和長續航電池等技術的需求正迅速增加，這不僅為產業鏈上的相關企業提供了發展機遇，也促使整個行業進入快速發展的階段。然而，相比國外成熟的產業鏈與生態，中國的人形機器人企業仍以小體量為主，這既造就了“百花齊放”的創新格局，也帶來了同質競爭的隱憂。

按照Gartner的技術成熟度曲線理論，具身智能當前或處于“期望膨脹期”。輿論的高關注度與技術的實際成熟度之間尚有落差，這使得行業在經歷泡沫破裂與整合后，才會逐步邁向穩步爬升的復蘇期。未來2-5年，隨著技術成本的下降與性能的提升，人形機器人有望逐步走向大規模應用。硬件方面的挑戰將隨著技術進步被快速解決，核心部件的成本最終將趨近原材料的價格。然而，真正的難題仍在于人工智能本身——如何構建一個具備基礎認知能力的智能體？是通過模擬環境的數據、互聯網數據，還是來自實際操作的數據？這些問題依然沒有確切答案。

真正的變革或許還需要時間，但歷史已多次證明——當技術跨越泡沫的谷底，迎接它的將是一片開闊藍海。人形機器人的硬件限制終將被突破，人工智能的挑戰也必會被解鎖。當AI的“底座”足夠穩固，具身智能將不再是概念，而是觸手可及的未來。