（报告出品方/作者：华西证券，朱芸）
1.特斯拉：由人类打造、为人类服务的机器人
1.1.后人工智能时代机器人将取代人类进行重复性劳动
Optimus 定位为解放劳动力，可替代 4 亿岗位。特斯拉的人形机器人项目 Optimus（擎天柱）最早于 2021 年 AI Day 上公布（早期名称为 Tesla Bot），定位为 解放劳动力的通用型机器人。人形机器人作为模仿人类的拟态物，相比机械臂等传统 机器人，能无缝在众多场景替代人类工作。马斯克表示，在后人工智能时代机器人将 取代人类进行重复性劳动，生产力充足的前景下可行的经济模式是政府实行全民补贴， 而体力劳动将成为个人的选择。根据世界银行数据，2022 年全球劳动人口约 34.3 亿 人，劳动力人口已呈现下降趋势，据麦肯锡报告预测，到 2030 年全球约 4 亿人的岗 位将会被自动化机器人替代，即 11.7%的劳动者会被机器人所取代。以 Optimus 单价 2 万美元计算，长期全球人形机器人市场天花板达 8 万亿美元，是一个庞大的蓝海市 场。
高自由度结构与精细控制初步具备实用性。目前 Optimus 原型机身高约 172cm， 体重约 57kg，力量能单手举起一架钢琴。其身体共有 28 个自由度（下一代预计超过 200 个自由度），采用了更加灵活的弹簧负载设计与 6 种类型执行器，关节采用仿生 学关节设计，模拟人类关节与肌腱形态，手部是 Optimus 最大亮点，采用人体工程学 设计，拥有 11 个自由度（下一代预期 27 个），相比之下工业机器人全身一般仅有 4 到 6 个自由度。特斯拉已于演示视频中展示了精细手部动作，在 Dojo 超算的支持下 Optimus 利用动作捕捉对人类活动方式进行学习，可抓取杂物，力道控制精细，甚至 不会打碎鸡蛋。根据特斯拉介绍，Optimus 已经在特斯拉弗里蒙特工厂试验简单工作， 如移动零件或用扳手将螺栓固定在汽车上。
1.2.自动驾驶的终极形态，FSD 自动驾驶-超算-机器人三位一 体
人形机器人是自动驾驶技术的终极形态。自动驾驶的本质就是有轮子的机器人， 特斯拉已经打通了 FSD 软件（完全自动驾驶）和机器人的底层模块，特斯拉在 FSD 上 的积累将使得人形机器人全面受益。特斯拉将 FSD 从其汽车转移到了机器人，并经过 调整以适应机器人的身体和不同的工作环境。特斯拉主要通过对人进行真实世界任务 的运动捕捉，如提起物体、行走等，然后使用反向运动学技术让 Optimus 重复这些动 作，同时应用了在线动作适应技术，使这些任务更加灵活，并能根据环境进行调整。 同时由于采用了相同的 FSD 系统，机器人可直接复用电动车成熟的视觉系统，由于特 斯拉决定采用同样的摄像头方案，而不是 LIDAR 传感器，因此可直接移植到人形机器 人上。
自动驾驶为机器人搭建技术框架。机器人的反馈机制本质上是与自动驾驶相同 的架构，即感知层-决策层-执行层。特斯拉在汽车上使用自研的 HW 硬件与 FSD 软件， 而机器人的感知层和决策层可直接复用自动驾驶技术，特斯拉基于 Transformer 的 BEV 方案结合时序队列与 Occupancy Network，实现包含空间和时间的 4D 感知，即使 在纯视觉方案下仍能实现高效的环境感知。在决策层上，模型训练阶段的数据标注和 模拟环境同样可复用于机器人上，因此 Optimus 能在立项仅一年就拿出展示机型，远 快于其他人形机器人厂商，软件层面上只需要更多优质的训练数据积累就能快速提高 运动能力。
Dojo 超算——云端训练 AI 的基石。超级计算机 Dojo 基于特斯拉自研的 7nm D1 芯片，具备采集、训练和进化的能力，能够更理想的采集道路交通标识、生物形象、 路面情况等信息。该芯片将 354 个独立处理器封装在一起，产生 362 TFLOPS 的计算 和 440MB 的内部静态随机存取存储器存储。在保持完全可编程性的同时，DOJO 强调 资源分配和极高带宽的互连，使其能够从小型系统一直扩展到 exaFLOP 超级计算机。 在产品形态上，Dojo 的最终落地单位是名为 ExaPOD 的超级计算集群，它集成了 3000 颗 D1 芯片，包含 120 个训练瓦片，最终能够实现高达 1.1 EFlops 的 BF16/CFP8 峰值算力。2023 年 7 月特斯拉 Dojo 正式投产，预期到 2024 年 2 月， 特斯拉算力规模将进入全球前五，2024 年 10 月总规模将达到 100 Exa-Flops，相当 于 30 万块英伟达 A100 显卡的算力总和。
Dojo 超算为机器人提供最强 AI 大脑。超级计算机 Dojo 被特斯拉称为 Pure Learning Machine（纯学习机器），特斯拉 FSD 芯片最大的优势就是只有一个客户， 而 Dojo 也是同样的设计思路，它是一种专为深度神经网络训练而生的可拓展系统。 传统 CPU 和 GPU 都不是为机器学习而设计的，在 Dojo 之前的超级计算机主要由专业 的计算机设备制造商研发、集中在国家级实验室，主要用途在中长期天气预报、油气 勘探、物理模拟、量子力学等超大型计算应用场景；相比之下，Dojo 的应用场景主 要是以视频和图像数据训练 AI，专为自动驾驶和机器人训练使用。原本在 A100 阵 列上需要进行一周的自动驾驶学习任务，在 Dojo 上可能只需要 2 至 3 天就能完成， 而人形机器人由于高自由度以及四肢协作，训练数据体量远大于自动驾驶，根据特斯拉数据显示，在同样的成本之下， Dojo 超级计算机相比英伟达 A100 能够实现 4 倍 的性能、能耗比提升 1.3 倍。
技术整合带来人形机器人奇点。Optimus 采用了与 Tesla 车辆相同的芯片，支持 Wi-Fi、LTE 链接和音频交流，其系统软硬件的安全性保障也正在不断提升，通过量 产与技术发展控制制造成本，而软件复用汽车 FSD 系统、算力调用 Dojo 超算，在规 模化生产后预计远期成本远低于一辆汽车。Optimus 的版本迭代十分之快，会远超汽 车等产品，自 2021 年 AI Day 公布一年后已改进到第二代，在 2023 年 5 月的股东大 会演示视频上第二代人形 Optimus 已能流畅行走。据证券时报，马斯克在 2022 AI Day 上透露，Optimus 有望在 3-5 年间量产上市，预期产量可以达到数百万台，预估 Optimus 机器人稳定生产后的价格将达到 2 万美元以下。
1.3.未来展望：仍在等待 GPT 时刻的到来
机器人领域仍在等待着“大脑”的进化。GPT 模型的自然语言处理已经汇聚了自 回归变换器+下一个词预测+强化学习高级特征的“配方”。然而，对于人形机器人的技术而言，还没有算法能够达到同样的效果。目前 Optimus 可期待的应用场景还是重 复性的小场景工作，因为 FSD 模型无法对未知信息进行预测，近日特斯拉 Optimus 的官方推特账号上传了新的演示视频，Optimus 能够仅依靠视觉来对物体进行分类， 还能完成难度更大的瑜伽动作，采用了类似于特斯拉自动驾驶技术 FSD 12 的端到端 神经网络控制：视频输入，控制输出，并由此来控制各个部件和关节的移动。谷歌 Deepmind 已在测试多模态模型 RT-2 控制机器人，内嵌 120 亿参数 PaLM-E 模型以及 550 亿参数 PaLI-X 模型的 RT-2 在陌生任务中的平均准确率相比 RT-1 翻倍，达到 62%。 如果行业能打造出“RobotGPT”的基座模型，实现零样本或少样本学习，则能在更复 杂乃至陌生的环境中执行任务，实现人形机器人的智能涌现。
Optimus 初步落地可期，应用想象力扩大。根据马斯克发言，Optimus 预计将于 今年 11 月进行行走测试，之后在生产稳定后开始加速，明年进入工厂测试实际工作。 此外，Optimus 的核心硬件模块化同样有巨大的应用潜力，透过将 Neuralink 脑机接 口植入物与机器人手臂或腿结合，可构成优秀的假肢，为被截肢的人提供一个优秀的 机器人身体，可能只需要 6 万美元。
2.波士顿动力：机器人领域的顶尖实验室
2.1.最强动态性能的跑酷机器人Atlas
机器人领域三十年积累，造就最灵活人形机器人。 波士顿动力（Boston Dynamics）由麻省理工学院副教授马克·雷波特于 1992 年创立，最初的机器人是为 美军研制的大狗（Big Dog）机器人，可在废墟、泥地、雪地、水中行走，奠定了 Atlas 运动能力的基础。波士顿动力目前最先进的机器人 Atlas 身高 1.5 米，体重 80kg，速度 1.5m/s，依靠 28 个液压执行器实现各种高难度运动，足部踝关节由两个 直线执行器并联驱动，髋关节和手臂多是伺服摆动缸。Atlas 不仅拥有卓越的物理机 动性，更因其高级的控制系统和算法而独立于众，多次在演示中展现出近乎超乎人类 的运动与平衡能力。
2.2.创新硬件与算法沉淀，Atlas 实现卓越运动性能
Atlas 以高性能电液驱动系统、复杂的 AI 算法和多模态视觉感知实现优异运动 性能： 强大运动性能得益于独特液压驱动。不同于多数机器人采用电驱，Atlas 为了获 得最强的机动性采用液压伺服驱动，具有高负载驱动特性，即使是高难度动作如后空 翻等依然能平稳落地。Atlas 机器人全身有 28 个自由度，在多个液压关节与算法的 协调配合下， Atlas 已经可以熟练的完成垂直起跳、跨越障碍、后空翻，甚至完成 整套的舞蹈以及手脚都参与的跑酷功能。
离线模板与在线精细控制构成独特运动算法。Atlas 的离线轨迹库模板包含了众 多预设的最优运动方案，会向决策层 MPC（模型预测控制）提示最佳的解决方案选择， 此后 MPC 利用机器人的动力学模型来预测其未来的动作。这种控制器的核心工作机制 是优化计算，确定机器人当前应该进行的最优动作，从而随着时间的推移产生最佳行 为。当遇到如环境改变、脚滑等实时因素时，MPC 会调整机器人的发力、姿势和动作 的发生时机来适应。此外，MPC 还能跨行为边界预测下一步的行动，例如知悉跳跃后 要进行后空翻，它便会自动创建行为之间的过渡，确保动作连贯。在 MPC 3.0 版本中， Atlas 已能主动使用参数已知的工具，在官方演示视频中 Atlas 用木板搭了一座桥通 过障碍。
TOF+预设地图构成 Atlas 的“眼睛”。在感知层，Atlas 使用 TOF 深度相机每秒 生成 15 帧的环境点云，这些点云基于大规模的测距集合。它的感知软件采用多平面 分割算法从点云中提取平面，并将此信息输入到映射系统中，为 Atlas 构建通过相机 看到的各种对象的模型。当 Atlas 执行扩展的跑酷行为时，波士顿动力的研发团队为 其提供了一张高级地图，指明了它应该前往的地方和沿途应该执行的动作。尽管这张 地图并不完全与真实路线的几何形状匹配，但它提供了障碍模板和注释动作的近似描 述，Atlas 则利用这些稀疏信息进行导航，并用实时感知数据来填补细节。
2.3.从机械狗 Spot 开始，商业化前路漫长
机械狗 Spot 率先开启商业化之路。Spot 是波士顿动力 2015 年 2 月发布的四足 机器人，身高仅一米有余。SpotMini 是 Spot 机器人的更加小型且防水的版本，加上 机器臂重量 29.5 kg，一次充电可以跑 90 分钟，相比波士顿动力其他液压结构驱动 的机器人，SpotMini 是纯电动的，因此是波士顿动力最安静的机器人之一，搭配多种传感器，可以完成各项复杂的动作以及巡航，如无人区巡逻、寻找气体泄露、公园 安保等。SpotMini 是公司商业化探索的第一步，于 2020 年 6 月开始公开发售，每只 定价 74,500 美元，折合人民币超过 50 万元。Spotmini 整体的设计以高集成度、高 任务作业能力为主，继承了波士顿动力其他机器人的高运动能力，最优异的性能就是 楼梯攀爬，其采用全视觉方案构建全局地图，进一步选择合适的落足点避开台阶边缘 以及不安全的落足区域。
难以降本量产约束商业化落地。波士顿动力从学术领域实验室诞生，因此机器 人的设计多是不计成本以性能为导向，早期为美国国防高级研究计划局承包项目，由 于商业化进程不及预期，被谷歌收购后又经历两度易主，2017 年 6 月软银接手、 2021 年 6 月由现代汽车接管。根据 Analytics India 杂志，专家估计 Atlas 单台成 本至少为 15 万美元（折合人民币 109 万元），即使是更有“性价比”的 Spot 机械狗， 公司表示截至 2023 年 6 月售出超过 1,000 台。尽管 Spot 在市场中获得了一定的反响， 但相较于 Atlas 等高端产品的技术潜力，其商业化进程仍显缓慢，多次易主的波士顿 动力，在向商业市场推出产品的道路上还有很长的路。
3.1X Technologies：开启 AI 具身智能革命
3.1.OpenAI 领投，机器人使命是与人类并肩工作
AI 与人形机器人结合，打造与人类协同的劳动力。1X Technologies 于 2014 年 成立，是一家工程和人形机器人公司，使命是创造与人类并肩工作的通用机器人，以 满足全球的劳动力需求。公司今年完成了 2350 万美元的 A2 轮融资，由 OpenAI 创投 基金领投，其他投资者包括老虎环球基金和一个由 Sandwater、Alliance Ventures 和 Skagerak Capital 等挪威投资者组成的财团。公司表示将利用这笔资金来加大即 将推出的双足机器人模型 NEO 的产量，同时扩大其在挪威和北美的首款商用机器人 EVE 的生产规模。
3.2.从 Eve 到 Neo，具身智能雏形显现
以人类为灵感，运动马达实现突破。1X Technologies 不仅仅让机器人模拟人类 的形态，更重要的是，挖掘了人类自身独特的运动机制，并突破性地转化为 Revo1 运 动马达，其拥有世界上扭矩与重量比最高的直驱伺服，专为低齿轮比机器人设计，并 搭配能模仿有机肌肉运动的灵活机械，实现灵敏高效的运动能力。根据公开专利， Revo1 执行器使用了名为哈尔巴赫阵列的特殊磁铁排列方式，使得电机更紧凑、轻巧， 同时能产生高扭矩，Revo1 的扭矩-重量比是市面上发动机的四倍，非常适合用于人 形直驱机器人。哈尔巴赫阵列的设计使得磁场更有效地指向转动轴，同时通过调整磁 铁的厚度，防止在高温高扭矩运行时磁铁的退磁现象，从而保证电机的性能和稳定性。
拳头产品 EVE 逐步实现商业化。1X Technologies 目前的旗舰产品是名为 EVE 的 类人机器人，EVE 拥有两臂、两眼和四轮底盘，可以像人类一样与其环境进行交互， 在各种环境中执行多种任务，如巡逻、监控、搬运等，适合在劳动力短缺的市场中使 用。由于人形机器人活动复杂，还未能实现完全由 AI 托管，EVE 采用 AI 与人工结合 的方式控制，但一位操作员可同时操控一组多台 EVE 机器人。2022 年，公司首次取 得商业突破，签署了至少 140 台 EVE 机器人的分销合同，为美国商业场所提供安保服 务。
双足机器人 NEO 初步具备具身智能特征。NEO 是 1X Technologies 正在研发的双 足人形机器人，它完全按人类的外形和运动方式设计：NEO 有头、躯干、手臂和腿， 会走路、抓东西，并通过面部表情沟通。NEO 的特点是其安全第一的设计思路，确保 了其柔软且有机的机械结构，使得与人类互动更加安全。NEO 的高精度运动基于模仿 人类肌肉模式而设计，使其能够如同人类一样行走、抓取物品并与环境互动。其 AI 设计使其能够自然地与用户交流，目前，NEO 不仅可以自然准确地穿门、爬楼梯，在 OpenAI 的软件加持下有望完成更多高难度任务以及完整的无人操作体验。
3.3.与 OpenAI 合作共赢，将大模型带进现实世界
OpenAI 技术全面赋能人形机器人。1X Technologies 与 OpenAI 的合作不只是简 单的技术共享，而是在探索将前沿的理论 AI 技术与现实的机械结合，有望创建一个 真正能与现实世界互动的智能实体。公司正利用 OpenAI 的技术提升他们的机器人智 能程度，如通过 OpenAI Gym 训练机器人进行自主导航和避障，使用 OpenAI ROS 实现 与机器人操作系统（ROS）的通信，以及借助 GPT 模型使机器人理解并执行自然语言 命令。未来，他们还可能采纳 OpenAI 的 DALL-E 和 CLIP 等技术，使机器人有生成和 解析图像的能力。GPT 模型若能针对人形机器人进行优化，真正构成具身智能大脑， 使机器人能够更好地理解和适应复杂的环境，更高效地解决问题，并具备更灵活的行 为能力。
人形机器人与 AI 互相成就。OpenAI 可借鉴 1X Technologies 的机器人技术，来 提升其 AI 系统的物理交互能力。目前，OpenAI 的 AI 系统主要是在虚拟环境中运行， 如 OpenAI Gym、Universe 和 Procgen。虽然这些环境可以模拟一些真实世界的场景 和任务，但仍然无法完全复制物理世界的复杂性和不确定性。如果 OpenAI 能够将其 AI 系统部署到 1X Technologies 的机器人上，那么它就可以让其 AI 系统在真实世界 中学习和适应，从而增强其泛化能力和鲁棒性。
4.Apollo：始于人类、赋予人类
4.1.以探索宇宙为愿景的机器人
与 NASA 深度合作，长期目标为机器人探索宇宙。诞生于德克萨斯大学奥斯丁分 校的初创公司 Apptronik 于 8 月公布了其最新的人形机器人 Apollo（阿波罗）。 Apollo 体现了人的外形特征，高 1.7 米，重 72.6 kg，拥有 25 公斤的举重能力，电机驱动的 Apollo 体现了安全性的考量，将在与人共同工作的环境中展现其优势。 Apollo 的短期目标是辅助物流领域，解决供应链中因人力短缺所带来的挑战，但它 的梦想远不止于此，Apptronik 的创始团队在 2012 年至 2013 年的 DARPA 机器人挑战 赛期间为 NASA 机器人 Valkyrie 工作，根据 IOT World Today，公司此后也与 NASA 进行深度合作，公司对 Apollo 的长期愿景即是将其用于太空探索，助力人类登陆月 球、火星及更远的天体。
定位为机器人领域的“iPhone”。Apollo 的目标是像 iPhone 一样，成为机器人 领域的通用开发平台，使开发伙伴能够扩展 Apptronik 的解决方案，并将数字世界扩 展到物理世界，与人们一同工作，完成他们不想做的工作。在通用框架的基础上，合 作伙伴可将 Apollo 的应用范围从物流和制造业扩展到建筑、石油和天然气、电子等 行业，乃至零售、送货上门、老人护理等与人类更密切接触的领域。在设计上， Apollo 多部件采用模块化设计，如腿部可更换为固定桩，以及电池支持热插拔设计， 以解决人形机器人续航痛点。
4.2.拟人形态与技术结合
以人为本，专注安全性。Apptronik 的团队在近十年构建了超过 10 种独特的机 器人，外骨骼方面的研究提供了重要的安全背景知识，而工业机械臂的开发则在保持 经济性的同时提高了有效载荷， 最终凝结成为 Apollo，专为在人类设计的环境中与 人类一同工作而构建的人形机器人。Apollo 不仅尺寸接近人类，并且拥有独特的力 控架构，保证了它在人周围的安全操作，Apollo 与传统的工业机器人相比更像是一 种协作机器人。早在研发外骨骼时，Apptronik 就为其配备了 6 轴力传感器、力敏感 袖带、空气冷却的系列弹性执行器模块来确保机械系统的稳定性和安全性，而 Apollo 在智能程度上更胜，会利用其视觉感知和力度感应，当人类靠近机器人时减 速，如果人类靠得太近，Apollo 会停下来。如果 Apollo 被绊倒，它会进入安全模式 “蜷缩”身体，以减少对机器人自身和周围环境的损害。
性能和成本引导设计，长期价格将与汽车相当。Apollo 的核心是执行器，公司 称为“机器人肌肉”。人类体内有大约 300 块肌肉，Apollo 经过简化，系统内部有大 约 30 个不同的肌肉群，满足基本的动作和活动。Apollo 的设计思路从第一性原理出 发，为了使每个关节完美配合，使用线性和旋转执行器控制整个系统，同时执行器的 设计着重考虑了成本问题，新执行器比以往机型少了约 1/3 的组件，同时组装时间也 缩短到 1/3。公司 CEO 预计人形机器人要打开市场，成本需控制在 5 万美元内，售价 应当与汽车相当。
4.3.朝向月球进发
精细控制还有进一步提升空间。Apollo 的研发重心更多放在安全性和“更像人” 上，公司 CEO 表示，不认为手部的灵活性是人形机器人的核心技术壁垒，后续可能考 虑和其他公司合作研发手部。在 Apollo 的测试版本上，使用了更简单的手部执行器， 公司认为初期研发重心应当专注于达成类人形态，但同时也在手腕处保留了模块化接 口，长期可与其他公司合作进行精细手部的独立研发。Apollo 目前仅限于只需要粗 略操控的工作，Apptronik 计划首先将 Apollo 部署到仓库中，来移动纸箱、篮子等， 这些任务主要在于移动，而不需要完全灵巧的手和腕部。
目标月球乃至更远的地方。作为与 NASA 深度合作的机器人公司，Apptronik 的 长期目标是将 Apollo 用于太空探索。它们可以用来在宇航员到达之前建造和测试为 人类设计的环境–例如月球和火星栖息地。而人形机器人要进入太空，挑战无疑会更 大，Apollo 需要更强的自主性、更高的稳定性和更佳的灵活性来适应外太空的环境。
5.Agility Robotics：从学术到实用，领跑仓储机器人领 域
5.1.实用主义与尖端科技结合：商用仓储机器人Digit
学术研究起家，推出仓储用人形机器人。Agility Robotics 成立于 2015 年， 其根源可以追溯到 2000 年代初，其创始人 Damion Shelton 和 Jonathan Hurst 毕业 于卡内基梅隆大学机器人专业，两人联合创建了公司。Agility 的两款主要机器人 ATRIAS 和 Cassie 由俄勒冈州立大学的动态机器人实验室于 2009 年至 2016 年开发， 并授权给 Agility 进行商业化。ATRIAS 机器人不仅展示了复杂地形的行走能力，还 突破了传统的双足机器人设计框架，其能够在随机变换的障碍地形中行走，完美跨越 障碍。而在 ATRIAS 基础上开发的 Cassie 机器人则注重技术与应用的结合，不再只是 科研展示，而是真正意义上的实用机器人。
需求引导设计，实现真正实用仓储机器人。Digit 在 Cassie 的基础上升级推出， 它能够实现崎岖地形穿越，越过障碍物，具有稳健的步行和跑步步态、感知能力，可 在非结构化环境中实现爬楼梯和自主导航，以及操纵手臂执行基本任务。Digit 二代 参数与技术进一步升级，足部设计优化使其在非常柔软的表面（比如沙子）上提高性 能。除此之外，在 Digit v1 中，感知系统是随着时间的推移而逐渐增加的，以供开 发使用。而在 Digit v2 中，所有感知系统从一开始就处于活动状态，并绑定到专用 计算机上。Digit v2 的所有电子设备也都经过定制、热管理和环境密封。公司还将 电源和以太网连接到了可容纳 NUC 或 Jetson 模块（或其他客户有效负载）的有效负 载托架中。
仿人机器人设计，适应仓储工作环境。相比于现有在仓库中执行任务的轮式机 器人，Digit 更加适合在仓库这种典型人类环境下实现重复性工作。轮式机器人可以 专门设计用于完成特定任务，如移动手提箱，而不执行其他操作，它们成本低、安全 性好，且效率高，但当工作流程和工作环境发生变化，将需要投入大量成本拓展改造， 同时复杂程度也会几何倍数提升。而 Digit 能够像人类一样使用凳子去接触高架子 上的物体，能够执行各种任务并适应许多不同的工作流程。由于 Digit 具有人的大小 和形状，并且专为在为人设计的空间中工作而构建，因此可以无缝部署到现有仓库操 作和竣工基础设施中，而无需昂贵的改造。
5.2.与行业巨头深度合作，人形机器人批量生产时代已到
商业化进程与研发同步，仓储物流领域着重发力。Agility Robotics 和亚马逊、 福特等多领域公司在 Digit 研发阶段就有了深入的合作。2019 年 5 月 22 日， Agility Robotics 即与福特汽车公司宣布建立合作伙伴关系，开发结合了福特的自 动驾驶汽车技术和 Digit 机器人的“最后一英里”无人物流解决方案，Digit 可以被 放在自动驾驶送货车的后面， Digit 完成最后一公里运输把包裹放到消费者的家门 口。2022 年 4 月 Agility Robotics 获得了亚马逊工业创新基金（AIIF）参与的 1.5 亿美元 B 轮融资，AIIF 负责人 Katherine Chen 对 Agility 设计混合型劳动力机器人 的思路表示肯定，其技术有望对物流行业产生颠覆性影响。
年内投产世界首家工厂，人形机器人迈向大批量生产。Agility Robotics 正在 美国俄勒冈州塞勒姆建造一座占地 7 万平方英尺的“RoboFab”制造厂，该工厂每年 可生产 1 万多台 Digit 人形机器人，根据 cnBeta，工厂预计将于 2024 年开始向客 户供货，2025 年开始全面上市。Agility 预计第一年将制造“数百个”Digit 人形机 器人，然后再逐步扩大规模。根据 CNET，公司表示初代 Digit 定价为 25 万美元， 2025 年上市的新版 Digit 将低于这一价格。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
精选报告来源：【未来智库】。
