01 / Industry Landscape

行业格局与核心玩家分层

当前行业尚未形成稳定的综合头部榜单，更适合按控制点、产业路线和证据标签识别分支龙头。

S2-S4 过渡期控制点优先分支龙头而非总榜

Core Thesis

谁控制价值链关键环节，比谁更像“头部公司”更重要

行业分层应采用三层结构：第一层看核心控制点企业，第二层看能力和证据标签，第三层看客户、场景、供应链、制造、算力和资本如何放大企业能力。

Route Map

Control Points

控制机器人从样机走向产品的系统能力，包括产品定义、制造体系、成本、质量、现场维护和数据入口。

控制任务理解、动作规划、泛化、失败恢复和真实任务数据闭环，是长期平台上限。

决定性能、寿命、成本和量产一致性，是近期供应链外溢最直接的方向。

真实部署扩大后，任务调度、远程接管、工单闭环和数据回流可能成为平台级控制点。

Branch Leaders

分支	代表玩家	当前结论
综合战略型整机	Tesla Optimus	AI、制造、自有工厂和垂直整合变量强，但外部商业部署仍需验证。
硬件产品化 / 成本曲线	Unitree / 宇树	运动控制、产品化和成本曲线突出，是硬件产品化核心玩家。
工业任务型整机 + VLA	Figure	以 BMW 部署和 Helix 形成整机、任务和模型闭环样本。
物流任务型部署	Agility Robotics	Digit 与物流场景结合，是早期 RaaS 部署样本。
中国工业部署样本	UBTECH / 优必选	Walker 系列进入制造场景，是中国部署验证重点样本。
Physical AI 基础设施	NVIDIA / Google DeepMind / Physical Intelligence / Skild AI	代表算力、仿真、机器人基础模型、通用策略和跨本体泛化方向。

Handoff

身体能力和大脑能力必须分开判断，重点看 Physical AI、灵巧操作、任务泛化、失败恢复和可靠性。

工业制造、仓储物流、汽车工厂优先；家庭、陪伴、护理长期空间大但当前成熟度低。

企业筛选必须围绕 K1 / K2 / K3 / K4，不看概念、股价、估值和交易机会。