华为入局具身智能，哪些自动化厂商成为“华选之人”？

AI和机器人硬件的结合确实是一个极具想象空间的事情，这是2023年为数不多的投资风口之一。彼时，2024年被称为人形机器人的量产元年。而行至2024年年末，我们可以几乎肯定的说，这种预计过于乐观。

那么这一年间，这个火热的赛道发生了什么？巨头争相入局，有联合其他厂商以团队形式共同开发这一课题的；也有单打独斗，自研人形机器人，用在自己所处细分赛道的。相较而言，后者更为神秘，我们更为关注前者的团队作战模式，从中可以一窥中国在这一赛道的玩家格局。而最近入局具身智能赛道的两家巨头——华为和宁德时代即为上述两种路线的代表。可以看到的是，两者并非机器人赛道传统意义上的硬件或软件厂商。

其中，华为的入局让业界更为兴奋。近日，华为（深圳）全球具身智能产业创新中心正式运营，并和乐聚机器人、兆威机电、拓斯达等16家企业签署了企业合作备忘录。相比此前点式的合作，此次16家的规模性合作让华为构筑的具身智能应用场景投入现实。在活动现场，华为展示的具身智能行业应用场景主要涵盖包括精密制造、仓储物流等在内的智能制造领域；包括料理机器人、清洁服务等在内的智能家居领域；包括巡检、服务接待等在内的商业服务领域。

至此，“华为机器人概念股”悄然开启。如何真正触达实现上述应用场景？我们将从最近签署的16家公司中，几家代表性的自动化厂商入手来一探究竟。而更令人在意的是，华为不做具身智能产品的制造商，而是提供技术和平台，让其他企业在其上创新。这一战略于华为入局汽车行业类似，而放在具身智能领域，不免会让人想起国外的另一巨头——英伟达。

细探华为签约企业：

哪些自动化厂商成为“华选之人”？

工控网关注到，具身智能产业创新中心的首期方案计划为：整合华为各部门的具身智能相关能力，共建具身智能大脑、小脑、工具链等关键根技术。华为还表示，将在推动具身智能技术产业化的过程中，联合一批国内外头部具身智能整机企业、核心零部件企业、集成应用企业以及人工智能算法企业等，共同攻克关键技术难题，推动具身智能前沿技术产业化落地。这种团队作战的形式，让软硬件在产业链中有序融合，最终让产品落入实际。

细看此次签约的16家企业，不难发现自动化领域的代表性企业正发挥着重要作用，构成了华为具身智能生态的关键支柱。

兆威机电

华为与兆威机电颇有渊源，也一直是兆威机电的主要客户，二者间的主要业务包括用于通信基站及其电调系统零部件的微型传动系统、RCU 模组以及精密零部件等业务。从市面资料来看，兆威机电是一家专业从事微型传动系统、微型驱动系统的研发、生产与销售的高新技术企业，其产品广泛应用于移动通讯、汽车电子、机器人等领域。而在机器人领域，兆威机电在机器人灵巧手领域进展颇多。该公司全新的灵巧手产品采用单关节驱动技术，整手配备17个主动执行单元，展现出类人手的高灵活性与集成度。

华龙迅达

作为国产PLC技术的先锋，华龙迅达在华为全联接大会上展示了“具身智能生产线”的最新成果。这条生产线结合了华龙的国产大型PLC技术、华为云与OpenHarmony系统，实现了设备的精准控制与高效协同。 这家公司也是华为的长期生态合作伙伴，今年6月双方发布了Hualong OS华龙讯达工业操作系统。该系统基于Open Harmony核心技术研发而成，是工业自动化全场景、分布式工业级操作系统，能够面向工业自动化控制、人机交互、数据采集、过程监控和实时管理等跨设备、多场景的数字化世界，提供一种统一的工业软件基础设施。

拓斯达

拓斯达曾于2020年就表示与华为在自动化业务方面已初步展开合作，相关项目尚处于前期验证阶段。拓斯达专注于工业机器人、数控机床（CNC）等核心装备的研发，全面覆盖控制、伺服、视觉等关键技术。此前，拓斯达成立控股子公司，用于开展通用机器人高性能运动控制平台研发。

此前的华为全联接大会上，拓斯达展示了基于openEuler开源操作系统在云端服务器、边缘数据中心及端侧工业控制系统中的实际应用。通过展示openEuler Embedded嵌入式操作系统的强大生态，结合拓斯达新一代X5机器人控制平台在端侧工业控制系统中的方案实施能力。这种深度技术融合，正是具身智能技术落地的基础之一。

华成工控

2023年，华成工控曾与华为共同发布《工业光总线白皮书》，二者合作早已显现。华成工控的技术专长在于运动控制和视觉识别，其自主研发的驱控一体化集成技术，让机器人具备即插即用的能力，助力国产机器人更好适应复杂的工业场景。

禾川人形机器人

禾川人形机器人是上市公司禾川科技在今年新成立的人形机器人业务子公司。禾川科技彼时曾公开表示，扩充了控制、驱动、传动、传感层产品线，新设导轨丝杆、工业电机、光伏微逆、机器人等事业部，用于提升工业自动化整体解决方案能力。资料显示，禾川科技主营产品伺服系统可以广泛应用于人形机器人领域，人形机器人业务为未来重要战略方向之一。  

“华为机器人概念股”悄然成型。16家公司中自动化厂商的作用不可或缺，足以看出，在具身智能领域，行业边界正在迅速模糊。而牵头做人形机器人的厂商也并非传统意义上的机器人硬件厂商，这一趋势与国外的发展路线类似，这也呼应了业内早前提出的“软件定义”的自动化时代正在到来。

与入局汽车思路一致，

与英伟达身份类似？

华为入局在哪一赛道都是热点，评论者众。例如，业内专家认为，华为在具身智能领域的角色与其智能汽车战略高度相似——提供智能化的技术底座，而非直接制造终端产品。这种定位使得华为能够通过其在研发、通信、操作系统与云计算领域的全栈能力，为合作伙伴赋能。特别是在软件层面，华为的技术优势格外显著。尽管硬件部分或依赖外部合作伙伴共同开发，但强大的技术底座使华为成为整个生态体系的核心推动力。

这种赋能模式不仅能加速合作伙伴的成长，还将对整个行业生态产生深远影响。业内人士指出，携手华为的企业将受益于生态资源的加持，而单打独斗的企业可能会面临更大的竞争压力。这种优胜劣汰的市场机制，也为行业进步提供了新的动力。

而这种格局不禁让我们想到了几年前华为入局造车时的盛况。而在具身智能赛道，华为的定位会与英伟达相比较是可以预见的事情。从产品逻辑上看，华为在人形机器人产业的定位与英伟达类似。今年年初，英伟达针对人形机器人领域推出了大模型(GROOT)+开发平台(Isaac Lab)+算力(Jetson Thor)的组合套装。而华为此前也曾在发布盘古具身智能大模型时提到，以此赋能多种形态的工业机器人和服务机器人。更引业界关注的则是名为“夸父”的人形机器人，这是中国国内首款面向家庭场景的开源鸿蒙人形机器人。二者的赋能开发模式和产品结构几乎可以对标。

国内外顶尖厂商纷纷押注，不光是为具身智能产业化铺路，也是对前沿技术的探索。正如英伟达创始人黄仁勋所言：“开发通用人形机器人基础模型是AI领域最令人兴奋的课题之一。”  未来，中外厂商必然要在这一赛道同台竞技，而何者会引领具身智能技术与产业融合走向新的高度，值得我们持续关注。

但人形机器人的价值究竟在何处？前文提到，具身智能领域的快速更迭，让机器人的边界逐渐变得模糊。如今特斯拉、优必选等公司都将人形机器人率先投放到工厂产线进行尝试，那么这些机器人目前在生产线的功用和传统意义上的工业机器人有何区别？近期，ABB集团高级副总裁、机器人中国区总裁韩晨对媒体表示，人形机器人只是对目前业态的一个补充。他谈到，大部分工业场景下，现有的机器人体系能够完全解决掉，不需要人形机器人来介入。在工业场景上，人形机器人能做的，协作机器人大部分都能做；工业机器人能做的，现在人形机器人做不到。

若要更进一步将人形机器人的价值落入产线，蓝驰创投合伙人曹巍则更为具体地观察到，特斯拉总装线之前的工序90%已经实现自动化，但在总装线环节还有5万工人。具身智能公司希望通过产品替代的是这5万工人，而不是把前道工序里边传统机械臂能做的事再做一遍。

业界关于人形机器人的价值讨论，很显然聚焦于在自动化较高的场景与成熟度较高的工业机器人背后，人形机器人到底有何不可替代之处？这也引申出近几年市面上对传统机器人生产商与近几年崭露头角的具身智能新锐的对比，有认为前者所做的是调整流水线机器人程序化精度的工作，而后者希望让机器人代人做灵活、柔性的任务。而这项工作，谁能说传统机器人厂商不会在意呢？在工博会现场，我们发现发那科、ABB等传统工业机器人厂商在此方面已经推出了相关产品。在现阶段的价格战和融资热背后，也许未来两三年我们会看到具身智能赛道的投资并购，届时可能伴随着人形机器人应用的阶段性的规模化落地。

结语：巨头争相入局，

虽思路不同，但终将交汇

前文我们提到过，具身智能行业是“软件定义”，这是由于这股技术东风源起于大语言模型（LLM）赋予了机器人理解与回应人类指令的能力，而生成式AI的引入，则使机器人具备了更深层次的感知与适应能力。这一技术融合将具身智能推向爆发性AI应用场景的风口。

相比国外，国内巨头入局的姿态更加谨慎，多数企业选择通过投资或与自身大模型结合的方式切入市场，而非大规模扩展团队。这种模式背后的原因在于人形机器人的商业化尚未明朗。初创企业承担技术探索与产品验证的风险，巨头则静观其成，伺机而动。

这一阶段，人形机器人核心部件如高精度传感器和长续航电池等技术的需求正迅速增加，这不仅为产业链上的相关企业提供了发展机遇，也促使整个行业进入快速发展的阶段。然而，相比国外成熟的产业链与生态，中国的人形机器人企业仍以小体量为主，这既造就了“百花齐放”的创新格局，也带来了同质竞争的隐忧。

按照Gartner的技术成熟度曲线理论，具身智能当前或处于“期望膨胀期”。舆论的高关注度与技术的实际成熟度之间尚有落差，这使得行业在经历泡沫破裂与整合后，才会逐步迈向稳步爬升的复苏期。未来2-5年，随着技术成本的下降与性能的提升，人形机器人有望逐步走向大规模应用。硬件方面的挑战将随着技术进步被快速解决，核心部件的成本最终将趋近原材料的价格。然而，真正的难题仍在于人工智能本身——如何构建一个具备基础认知能力的智能体？是通过模拟环境的数据、互联网数据，还是来自实际操作的数据？这些问题依然没有确切答案。

真正的变革或许还需要时间，但历史已多次证明——当技术跨越泡沫的谷底，迎接它的将是一片开阔蓝海。人形机器人的硬件限制终将被突破，人工智能的挑战也必会被解锁。当AI的“底座”足够稳固，具身智能将不再是概念，而是触手可及的未来。