第一章：这份报告在讲什么
这份由国元证券龚斯闻、冯健然发布的《人形机器人周报：具身智能训练场建设提速，长盈精密零组件1-8月交付超110万件》，覆盖 2026 年 10 月 8 日至 10 月 9 日的行业动态（部分公司信息延伸至 10 月 10 日）。报告维持行业"推荐"评级（投资评级：推荐|维持），核心观点是：我国具身智能训练场建设持续推进，全国已建成启用 70 多家，在建、规划 40 余家，形成长三角、京津冀、珠三角三大核心集群；训练场正成为连接模型研发与商业应用的重要基础设施。报告同时梳理了产品技术迭代（正行创新、清华 HUGS、Liquid AI）、投融资（厘清智能、灵生科技、灵感机器人）与重点公司更新（长盈精密、景嘉微、数字华夏）三条线索，并明确提示行业关注重点将从设施规模转向数据质量、训练效率与应用转化效果。
第二章：关键数据与核心发现
发现一：行情短期承压，年初至今跑输大盘。 2026 年 10 月 8 日至 10 月 9 日，人形机器人概念指数下跌 2.19%，相较沪深300 指数跑输 1.26pct；年初至今累计下跌 10.89%，相较沪深300 跑输 4.13pct。个股层面，力王股份周涨幅最大（+61.30%），洛轴股份周跌幅最大（-13.64%）。指数年内跑输大盘超过 4 个百分点，说明市场对具身智能的定价已从主题炒作转向对兑现能力的审视。
发现二：训练场设施已形成规模化基础。 全国已建成启用 70 多家具身智能训练场，在建、规划 40 余家，形成长三角、京津冀、珠三角三大核心集群。在深圳，依托实训数据训练的轮臂式人形机器人已能够完成开关电柜、启闭工业阀门等复杂作业。这是全篇最重要的产业信号——它标志着人形机器人的能力验证已从实验室场景进入真实工业作业场景。
发现三：长盈精密的交付数据大幅超预期。 长盈精密 2026 年 1—8 月交付超过 110 万件人形机器人精密零组件，公司已与国内外多家人形机器人头部品牌建立紧密合作，三、四季度订单相比上半年增速更快，正根据客户需求积极扩产。单家企业 8 个月交付超 110 万件零组件，意味着上游零部件环节已经进入真实放量阶段，而不只是"送样—验证"的早期状态。
发现四：清华 HUGS 显著扩展了抓取的泛化边界。 清华大学自动化系李翔团队公布的 HUGS 灵巧抓取成果，融合人类先验经验与机器人物理优化；团队建立 HUGS Human 数据集，覆盖数百类日常物体和多种抓取姿态，构建 15.7 万真实场景并合成 320 万条机器人抓取数据；真机测试中可适配 0.5 厘米微型螺丝至 30 厘米大型容器，并在两指、多指、单手和双手等抓取模式之间切换。
发现五：决策模型正向"低延迟 + 多模态"方向收敛。 Liquid AI 开源的 d1 系列中，d1-3B 拥有 31.2 亿参数，支持文本与图像输入，在 DecisionIndex v0.2.1 公开测试集获得 48.57 分，官方称领先所有 10B 以下模型；d1-omni-600M 以 5.87 亿参数支持文本、图像及语音输入。单次判断仅 8 毫秒的延迟水平，是人形机器人实时决策的关键前提。
发现六：一级市场资金持续涌入。 厘清智能完成天使轮及天使+轮数亿元融资，蚂蚁集团连续两轮加码并领投天使+轮；灵生科技完成亿元级 A 轮融资，聚焦具身模型统一架构 RUDA；灵感机器人完成数千万元天使轮融资，用于产线建设及触觉智能系统研发。
🔮 AI 分析洞察
报告把 70 多家训练场解读为"基础设施完善"，但这个数字本身隐藏着一个更关键的产业问题：训练场的价值不在"数量"，而在"数据的可流通性"。目前各训练场的实训数据在采集标准、标注规范、机器人本体的关节定义与坐标系上都高度异构，这意味着一家整机企业几乎无法直接复用另一家训练场产出的数据。若这一状况不改变，"70 多家训练场"实际上形成的是 70 多个数据孤岛，而非一个产业级数据资产。真正的产业拐点不是训练场数量达到 200 家，而是出现跨训练场统一的数据格式与评测基准——报告提到的"完善行业标准规范"若能率先在数据侧落地，其产业价值将远大于再建 100 家训练场。这也是判断训练场建设是否真正有效的最重要观察点。
第三章：重点企业/案例分析
长盈精密：零部件环节已进入真实放量期。 公司 2026 年 1—8 月交付超过 110 万件人形机器人精密零组件，客户涵盖国内外多家头部品牌，且三、四季度订单增速快于上半年。战略意图在于以精密制造能力卡位人形机器人零部件供应链，用大规模交付能力换取头部客户的长期绑定。我的判断：交付量的绝对值固然重要，但更值得关注的是"订单逐季加速"这一趋势——它说明客户侧的需求不是一次性试单，而是进入了持续爬产阶段。对零部件企业而言，这个阶段的核心风险已经从"拿不到订单"变成了"扩产节奏与客户需求错配"，产能建设一旦超前而订单不及预期，折旧压力会迅速吞噬利润。
景嘉微：从 GPU 延伸至具身智能的通用算力。 公司 CH37 系列面向具身智能、边缘计算等通用市场，具备充沛 AI 算力、灵活计算精度及多模态感知融合等核心优势，适配机器人、工业无人机等低延迟场景；目前正持续推进客户导入、小批量量产、配套软件开发与优化以及销售推广工作。战略意图是把握具身智能带来的边缘算力增量市场，把图形显控时代积累的芯片能力横向迁移。我的判断：CH37 处于"客户导入 + 小批量量产"阶段，这是芯片产品最不确定的窗口期——小批量到大规模之间隔着软件生态适配这道坎，而报告提到的"配套软件开发与优化"恰恰是决定其能否跨过这道坎的关键，也是进度最难从外部观察的部分。
正行创新：把零售场景作为 Physical AI 的落地切口。 10 月 8 日，公司在第 22 届亚太零售商大会上发布面向零售开放场景"人机协作"需求的 Physical AI 解决方案，由世界动作模型 SLM-0.5、强化学习后训练体系 STEAM 和具身智能体 Rpent 组成"具身大脑"，产品包括双足人形机器人 H1、搬运理货机器人 C1 及机器人管理平台 M1，可执行搬运、补货、盘点和巡检任务；方案无需改造门店货架与动线，支持快速部署，计划 2027 年提供商业化服务，客户可采用直接采购或 RaaS 订阅模式。战略意图是以"不改店"作为核心卖点降低部署门槛，用 RaaS 订阅降低客户的决策成本。我的判断：RaaS 模式在商业上更聪明——它把客户的一次性大额资本开支转为可变的运营支出，但同时也把设备利用率风险转移到了厂商自身。2027 年的商业化承诺意味着未来一年是其产品稳定性与单位经济模型的验证期。
数字华夏：以战略合作切入智慧文旅场景。 公司与环球数科签署战略合作协议，围绕人形交互机器人展开合作，依托环球数科现有文旅客户资源，联合打造标杆项目、开展真实商业场景试点，并形成标准化解决方案推动规模化落地。战略意图是借合作方的场景资源绕开自身渠道短板。我的判断：文旅是人形交互机器人适配度较高的场景（人机交互为主、安全风险可控、对故障容忍度高），但也存在明显的季节性波动和单点替换成本低的问题，标杆项目的可复制性需要用多个项目验证。
灵感机器人：触觉感知的规模化交付已经开始。 公司完成数千万元天使轮融资，资金用于产线建设与量产能力优化及触觉智能系统研发；已发布 Lux 系列视触觉传感器并实现规模化交付。战略意图是锁定触觉这一当前最稀缺的感知模态。我的判断：在视觉方案高度内卷的背景下，触觉传感器的差异化窗口仍然存在，但"规模化交付"的具体量级未披露，需要后续数据验证其真实渗透进度。
🔮 AI 分析洞察
从本报告梳理的公司动态可以观察到一个结构性变化：产业竞争的焦点正在从"本体性能"向"数据与作业能力"迁移。清华 HUGS 的贡献是数据（15.7 万真实场景 + 320 万条合成数据），Liquid AI 的贡献是决策模型的延迟与参数效率，灵生科技的 RUDA 做的是跨本体通用底座，灵感机器人的 Lux 系列做的是触觉数据来源——四条线索指向同一件事：在硬件本体趋同之后，谁能更低成本地获得高质量、多样化的真实作业数据，谁就掌握下一阶段的定价权。这也解释了为什么一级市场资金在整机企业之外大量流向"数据基础设施"与"感知器件"两类公司。对二级市场投资者而言，这意味着传统按"本体—减速器—丝杠"划分的产业链分析框架需要更新：数据采集环节与传感环节的稀缺性，可能已经高于部分机械零部件的稀缺性。
第四章：趋势与预判
趋势一：训练场将成为连接模型研发与商业应用的重要基础设施，关注重点从设施规模转向数据质量与应用转化（研报观点）。 报告明确建议后续跟踪有效训练时长、高质量数据产出、人工接管频次、复杂任务成功率以及场景复制进展，以此判断训练成果能否转化为稳定交付和持续订单。
独立分析：报告列出的五项跟踪指标中，我认为"人工接管频次"最具决定性但也最容易被粉饰。人工接管频次直接反映机器人在真实作业中的不可靠程度，而企业有强动机用"远程辅助"等方式在统计上降低该指标。更稳健的观察方式是看单台机器人的连续无故障作业时长与客户侧的复购/扩产行为——如果客户在试点后主动追加订单或扩大部署规模，说明经济性已跑通；如果试点后长期无后续，无论接管频次指标多好看，都说明场景尚未真正成立。用客户的资本开支决策来验证，比用厂商提供的技术指标验证可靠得多。
趋势二：训练场的三大区域集群将提升产业协作效率（研报观点）。 报告认为长三角、京津冀、珠三角三大核心集群的形成，有利于整合本体、算法、数据和制造资源，提升产业协作效率。
独立分析：集群化的效率提升是有条件的，取决于集群内部是否存在事实上的主导企业。产业集群的历史经验表明，缺少主导企业的集群往往停留在"同质化招商"层面，企业间协作有限；而存在明显链主（如整机龙头或大型车企）的集群，才能真正实现数据、场景与制造的共享。因此判断三大集群的实际价值，应看每个集群中是否有企业能在零组件采购、训练数据共享、测试标准制定上起到实质性的组织作用——这比集群内企业数量更具指示意义。
趋势三：决策模型向小参数、低延迟、多模态收敛（研报观点）。 报告将 Liquid AI 的 d1 系列列为产品技术迭代的重要进展，其 8 毫秒单次判断与多模态输入能力，指向具身智能的边缘部署需求。
独立分析：模型的小型化对产业链的影响是双向的。一方面，它降低了机器人端侧算力的门槛，可能削弱"高算力芯片是稀缺资源"的叙事，对边缘算力芯片企业构成潜在压力；另一方面，小模型必须在特定场景下经过大量微调才能达到可用水平，这反过来强化了"数据与场景"的价值——模型越小，对高质量领域数据的依赖越强。综合来看，模型商品化会加速产业链价值向数据与场景端转移，这与趋势一的判断形成闭环。
🔮 AI 分析洞察
报告的风险提示中列了五条（行业发展不及预期、政策不及预期、竞争加剧、零部件降本不及预期、应用场景不及预期），但存在一个未列出的风险：训练场带来的"能力虚高"风险。训练场的环境终究是被设计过的——作业对象、光照条件、地面平整度、人员干扰都相对可控。在训练场中达到高成功率的机器人，部署到真实工厂或门店后，往往面临光照剧变、地面油污、人员随机走动、设备型号不一等长尾情况，成功率会显著下降。因此，从训练场数据到现场部署之间存在一个"泛化鸿沟"，而目前行业普遍缺乏跨场景的泛化能力评测标准。这意味着 2027 年前后可能出现一波"试点成功、规模部署失败"的案例集中爆发，届时市场对具身智能的预期管理将面临考验。投资者在评估企业时，应重点审视其客户案例中"训练场景"与"部署场景"的一致性程度——一致性越低，越需要警惕。
第五章：总结 — 核心判断
判断一： 具身智能训练场已从概念走向规模化建设（70 多家已启用、40 余家在建规划），产业正从"能力验证"迈入"能力量产"阶段，但训练场当前的核心问题不是数量而是数据的跨场馆可流通性。
判断二： 上游零部件已进入真实放量期，长盈精密 1—8 月交付超 110 万件且三、四季度订单加速，验证了产业链需求的实际存在；此阶段零部件企业的核心风险已从"拿单"转为"扩产与需求错配"。
判断三： 技术迭代的重心正从硬件本体转向数据、感知与决策效率（清华 HUGS 的数据集、Liquid AI 的低延迟模型、灵感机器人的触觉传感器），产业链的稀缺性排序需要重新评估。
判断四： 行业关注的先行指标应从设施规模转向"人工接管频次"与"客户的复购/扩产行为"，后者是判断场景经济性是否真正跑通的最可靠信号。
免责声明： 本文基于公开研究报告进行分析解读，不构成任何投资建议。市场有风险，投资需谨慎。文中观点仅代表个人分析，不代表任何机构立场。数据引用力求准确，但不保证完整性，请以原始报告为准。
📄 研报来源
- 研报名称： 《人形机器人周报：具身智能训练场建设提速，长盈精密零组件1-8月交付超110万件》
- 作者： 龚斯闻、冯健然
- 发布单位： 国元证券
- 发布日期： 2026-10-14
☕️ 如果这篇文章对你有帮助
原创研究不易，你的支持是我持续输出的动力
微信打赏
请我喝杯咖啡 ☕
支付宝打赏
帮助我买些 token 🪙
💬 觉得有用？加入研报交流群
每日推送精选研报解读，与群友一起讨论行业趋势
