一、结论先行：两套技术路线的分水岭正在显现
2025年至2026年，人形机器人赛道经历了从”实验室原型”到”小批量量产”的历史性跨越。全球领先的五款人形机器人——Figure 02、特斯拉Optimus Gen 3、智元远征A2（AgiBot Expedition A2）、宇树G1和傅利叶GR-3——代表了中美两国在人形机器人领域的不同技术主张。
核心结论：美国企业（Figure、Tesla）在AI大模型整合、灵巧手设计和资金储备上占据优势；中国企业（智元、宇树、傅利叶）在量产规模、供应链成本和运动控制上领先。这不是”谁好谁差”的问题，而是两条技术路线各有利弊。美国路线追求”一机全能”——更强的AI、更灵巧的手、更昂贵；中国路线追求”规模优先”——先造出来、先卖出去、先跑起来。
二、五款机器人全面对比
硬件规格对比表
| 维度 | Figure 02 | Tesla Optimus Gen 3 | 智元 远征A2 | 宇树 G1 | 傅利叶 GR-3 |
|---|---|---|---|---|---|
| 身高 | 1.70m | 1.75m | 1.70m | 1.27m | 1.70m |
| 体重 | 70kg | ~73kg | ~75kg | ~35kg | ~80kg |
| 自由度 | 40+ | 48+ | 49+ | 23+ | 44+ |
| 灵巧手自由度 | 22 | 25（单侧） | ~12 | 7 | 18 |
| 有效负载 | 25kg | ~20kg | ~25kg | ~3kg | ~10kg |
| 行走速度 | ~1.2m/s | ~1.5m/s | ~1.6m/s | ~2.0m/s | ~1.0m/s |
| 电池续航 | ~5小时 | ~4小时（预估值） | ~3小时 | ~2小时 | ~4小时 |
| AI计算平台 | 定制 + OpenAI | FSD计算机 | 定制NVIDIA Orin | 定制MCU | NVIDIA Orin |
| 传感器方案 | RGB-D + 力觉 + 触觉 | 视觉 + 力觉 + IMU | RGB-D + 力觉 | RGB-D + 力觉 | RGB-D + 力觉 + 触觉 |
| 售价 | 未公开（预估≥$50k） | ~$100,000+（B2B首批） | 未公开 | $13,500（教育版） | 未公开 |
| 出货状态 | 工业验证部署 | 批量试产中 | 已量产（10,000台+） | 已量产（5,500台+） | 小批量出货 |
| 核心驱动方式 | 电动伺服 | 电动伺服（特斯拉自研） | 电动伺服 | 电动伺服（自研） | 电动伺服 |
数据来源：各公司官方披露、Counterpoint Research、TrendForce、集邦咨询、公开技术文档及行业估算
运动控制与执行器对比
| 维度 | Figure 02 | Tesla Optimus Gen 3 | 智元 远征A2 | 宇树 G1 | 傅利叶 GR-3 |
|---|---|---|---|---|---|
| 关节驱动架构 | 电机+减速器 | 电机+减速器（自研） | 电机+减速器 | 电机+减速器（自研） | 电机+减速器 |
| 减速器类型 | 谐波减速器 | 定制行星/谐波（自研） | 谐波减速器（国产） | 谐波减速器（自研） | 谐波减速器（国产） |
| 关节力矩传感器 | 有 | 有 | 无或有限 | 无（基础版本） | 有 |
| 全身柔顺控制 | 有 | 有 | 有限 | 基础 | 有 |
| 动态行走能力 | 有限 | 有限 | 良好 | 优秀 | 中等 |
中国企业在运动控制上的优势在宇树G1上体现最明显。G1是目前全球行走速度最快（约2.0m/s）的人形机器人之一，其动态行走和跳跃能力源于宇树在四足机器人领域多年的技术积累。相比之下，Figure 02和Optimus更注重工业场景下的稳定行走和精细操作能力，速度并非优先指标。
AI与软件栈对比
| 维度 | Figure 02 | Tesla Optimus Gen 3 | 智元 远征A2 | 宇树 G1 | 傅利叶 GR-3 |
|---|---|---|---|---|---|
| AI模型架构 | Helix AI（Vision-Language-Action） | 端到端神经网络（FSD衍生） | 具身大模型（AI大脑+小脑架构） | 基础运动AI模型 | 康复AI + 通用动作模型 |
| AI训练规模 | OpenAI合作，大规模视频/仿真训练 | Tesla FSD算力池（数十万GPU小时） | 自有训练集群 | 有限 | 有限 |
| 自然语言交互 | 是（OpenAI集成） | 基础 | 是 | 有限 | 有限 |
| 跨场景泛化能力 | 强 | 中（赛道受限） | 中 | 低 | 中 |
| 开放性 | 封闭系统 | 封闭系统 | 部分开放 | 开放（ROS2/Python/C++） | 开放（N1开源硬件方案） |
| 仿真训练平台 | 内部 | Tesla Sim | 内部 | NVIDIA Isaac集成 | 内部 |
AI能力的差距是中美人形机器人最关键的差异点。Figure 02与OpenAI的深度整合使其在AI识别、自然语言理解和复杂任务规划上具有显著优势。近日Figure 02在一个测试中展示了对新场景的零样本适应能力——进入一个从未见过的房间，仅通过自然语言指令完成取送物品任务，无需预编程。这种泛化能力目前只有Figure和Tesla能够展示。
中国企业在这条路上差距较大。智元采用”大脑+小脑”的分层AI架构，大脑负责任务规划，小脑负责运动执行。宇树的优势在于开放的软件生态——G1原生支持ROS2和NVIDIA Isaac仿真，海外研究机构可以基于G1平台进行二次开发，但宇树自身并未提供完整的高级AI能力。傅利叶的N1开源硬件方案走了一条差异化路线，试图通过开源生态吸引开发者，而非在AI能力上直接对标。
量产与成本对比
| 维度 | Figure 02 | Tesla Optimus Gen 3 | 智元 远征A2 | 宇树 G1 | 傅利叶 GR-3 |
|---|---|---|---|---|---|
| 2025年出货量 | ~150台 | 未大规模外售 | ~8,000台+ | ~5,500台 | ~200台 |
| 2026E出货量 | ~500-1,000台 | 5,000-50,000台 | 15,000-20,000台 | 10,000-15,000台 | ~1,000台 |
| 产能规划 | 未公开 | 50,000-100,000台（2026目标） | 持续爬坡 | 75,000台（2026-27目标） | 未公开 |
| 核心部件自研率 | 低 | 极高（执行器/计算机/AI芯片/传感器） | 中 | 极高（>90%） | 中 |
| BOM成本估算 | $50,000-$80,000 | $30,000-$60,000 | $20,000-$40,000 | $8,000-$12,000 | $30,000-$50,000 |
| 盈利状态 | 亏损 | 亏损（集团盈利） | 亏损 | 盈利（2025扣非净利5.9亿元） | 亏损 |
量产规模和成本是中国的核心战场。宇树G1的BOM成本估算仅为8,000-12,000美元——不到Figure 02的六分之一。即使售价仅为13,500-16,000美元（教育版），宇树仍能维持约55%的毛利率。这是90%+核心部件自研带来的结构性优势，海外竞争对手几乎无法复制。
智元在出货量上全球第一，2025年出货约8,000台（含轮式双臂机器人远征A2和灵犀X2），2026年计划翻倍。智元的规模化能力来自”柔性订单驱动+标准化供应链”模式，而非像宇树那样依赖核心部件自研。两种模式下，最终成本差异不大——智元的优势在于产能弹性，宇树的优势在于利润空间。
融资与估值对比
| 维度 | Figure 02 | Tesla Optimus Gen 3 | 智元 远征A2 | 宇树 G1 | 傅利叶 GR-3 |
|---|---|---|---|---|---|
| 累计融资 | ~$15亿 | 母公司$1万亿+市值 | 数亿人民币 | ¥42亿IPO募资中 | ~¥10亿 |
| 最新估值 | ~$26亿 | 不适用 | 未公开 | ¥400-600亿（IPO目标） | ~¥80亿 |
| 主要投资人 | OpenAI、微软、Amazon、NVIDIA | 特斯拉自有资金 | 腾讯、美团（？） | 美团、腾讯、红杉等30+ | 高瓴、红杉等 |
| 烧钱率（年度） | ~$3-4亿 | 不适用 | 数亿人民币 | 已盈利 | ~¥3-5亿 |
| 上市状态 | 未上市 | 母公司上市 | 借壳上市中 | 科创板IPO上会通过 | 拟IPO |
融资规模上的差距反映了两个国家资本市场的不同逻辑。Figure AI以”AI+人形机器人”的故事吸引了大量硅谷资本，累计融资约15亿美元，但烧钱率高（每年约3-4亿美元），商业模式尚未验证。特斯拉凭借母公司的万亿市值，为Optimus提供了几乎是无限的资金支持——代价是马斯克需要不断证明Optimus的可行性。
中国的融资规模虽然小，但资金使用效率明显更高。宇树在IPO前累计融资仅约¥15亿元（约$2亿美元），已实现盈利。智元在更短的时间内达到了万台级别的出货量。傅利叶以约10亿元人民币的累计融资撑到了E轮——资金效率高于Figure AI一个数量级。
三、战略分岔：两条路线的底层逻辑
美国路线：AI优先，一机全能
Figure和Tesla的旗舰产品代表了一种共同的战略假设：人形机器人的核心竞争力是AI能力。更强的视觉理解、更自然的语言交互、更普适的任务执行能力——当机器人足够”聪明”时，自然会在几乎所有场景中找到应用。
这一路线的好处是技术壁垒极高，一旦突破就是颠覆性的。坏处是开发周期长、投入巨大、商业回报时间不确定。Figure的累计融资$15亿+、Tesla在FSD算力和自研执行器上的天量投入，都是这条路的”入场费”。
中国路线：规模优先，场景驱动
智元、宇树和傅利叶的战略逻辑恰好相反：先让机器人跑起来，放进真实的工厂和实验室，用规模化降本，在实战中迭代AI能力。
宇树的逻辑最极致——先做出价格足够低的机器人，卖出去，用客户反馈反哺技术升级。G1教育版售价仅$13,500-16,000，远低于海外竞品。这个价格意味着全球大学的机器人实验室都可以采购，形成”硬件出货→数据积累→AI训练”的正向循环。
智元的策略更加”务实”——不做全能机器人，而是针对制造场景开发专用功能。其远征A2在比亚迪、上汽等工厂中执行物料搬运、螺丝拧紧和质检辅助等具体任务，通过实际业务场景积累数据和经验。
这条路线的好处是商业化落地更早、现金流压力更小、迭代速度更快。坏处是突破性技术较少、品牌溢价低、容易被后来者模仿。
四、未来展望：两条路线的交汇点在哪里
2026年下半年关键变量
-
Figure的量产交付：Figure一直面临”叫好不叫座”的困境。累计融资$15亿但年出货量仅150台。2026年下半年若能向宝马等客户交付更多产品，将验证其工业价值。
-
特斯拉Optimus的真实落地：马斯克承认1,000台内部部署的Optimus”没有一天在做有用工作”。2026年下半年首批B2B交付能否真正产生价值，将决定市场对Optimus的短期信心。
-
智元的盈利拐点：智元出货量全球第一，但尚未披露盈利数据。如果2026年能接近盈亏平衡，其模式将被广泛验证。
-
宇树的AI能力提升：G1在运动控制上优秀，但AI泛化能力薄弱。宇树计划将IPO募资的36.2%用于AI模型研发（¥15.2亿元），如果这笔投入能产出实质性突破，将缩小与Figure/Tesla在AI端的差距。
-
傅利叶的开源实验：N1开源硬件方案能否吸引足够开发者形成生态，是一个重要的观察指标。如果成功，傅利叶可能走出一条与所有竞品都不同的路。
长期判断
中美两条技术路线大概率不会走向”谁替代谁”。未来2-3年更可能出现的格局是：美国企业在AI高端市场占据统治地位，中国企业在家用场景和中端工业市场通过成本优势建立壁垒。
但转折点可能来自一个不确定性——AI能力大规模降本。如果人形机器人的AI能力变成类似于云API一样的公共服务（类似于今天调用GPT API），那么”硬件成本”将成为最后的决胜变量。在这一假设下，宇树和智元的供应链优势将转化为长期护城河。
数据证明：中国制造一台人形机器人的BOM成本约4.6万美元，非中国供应链需要13.1万美元。这个差距不会因AI进步而缩小，反而会在AI能力商品化后进一步放大。
数据来源：各家公开技术文档、Counterpoint Research、TrendForce、36氪、集邦咨询、Tesla Q1 2026 Earnings Call Transcript、Figure AI官方披露、宇树科技IPO招股书