国金证券研究所报告指出，人形机器人“大脑”受益于大模型进步已具备初阶人类脑力，但“小脑”运动控制因缺乏通用算法模型及海量物理数据，成为当前产业化核心瓶颈。机器人运控赛道有望成为下一步产业重点发力方向，国产厂商迎来突围契机。

人形机器人软件架构分为“大脑”与“小脑”。“大脑”负责感知外界并模拟人类思维决策，基础是机器视觉与大语言模型，受益于AI大模型爆发已实现跨越式发展。“小脑”模仿生物进行复杂运动控制，包括传感器融合、动力学模型和控制器等，控制全身几十个自由度进行高维运动。当前“大脑”与“小脑”发展严重失衡，“小脑”已成为制约人形机器人实现通用化的最大短板。

传统基于模型的控制方法依赖精确动力学模型和专家知识，通过ZMP、MPC等算法进行运动规划，特点是身体控制稳健但开发复杂、迭代慢。基于学习的控制方法使用端到端AI技术替代复杂运动学模型，通过人类示教（模仿学习）或自主学习建立运动执行策略，大幅降低开发难度、提升迭代速度。目前行业正从传统基于模型控制向基于学习的控制演进，但泛化能力和鲁棒性仍难以满足非结构化场景需求。

不同于语言大模型依赖互联网海量文本数据，机器人训练数据需要来自物理世界的交互数据，数据稀缺是技能学习的主要瓶颈。主流的具身智能数据采集方法包括遥控操作、视频学习、合成数据三类。特斯拉Optimus采用VR遥操+动捕手套采集数据，智元机器人自建数采工厂。银河通用完全不依赖真实数据，通过10亿帧全仿真合成数据训练，实现零样本泛化抓取成功率95%。合成数据被视为破解物理数据匮乏的核心路径。

当前人形机器人“小脑”实现灵巧操作能力严重不足，主要受制于多模态数据采集能力弱、灵巧操作软件泛化能力差。供给端硬件生产制造及成本早已不是约束条件，软件算法进步才是推动人形机器人自主能力提升和应用场景拓展的关键。机器人“小脑”核心技术正从基于模型的控制方法向基于学习的控制方法演进，但如何进一步提高实时性、鲁棒性和可解释性是下一步重要研究方向。

| 公司 | 运控相关能力 | 进展 |

|

|

|

|

| 固高科技 | 运动控制系统 | 机器人控制技术领先 |

| 埃夫特 | 工业机器人、控制器、伺服系统 | 华为具身智能合作伙伴 |

| 华中数控 | 数控系统、伺服驱动 | 机器人运动控制布局 |

| 禾川科技 | 伺服系统、控制器、编码器 | 人形机器人核心零部件自制 |

| 汇川技术 | 伺服系统、控制器 | 通用自动化龙头，机器人领域拓展 |

来源：国金证券研究所整理

国内固高科技、埃夫特、华中数控等企业在机器人运动控制领域具备技术积累，有望受益于“小脑”产业趋势。禾川科技已实现伺服系统、控制器、编码器等核心零部件自制，具备运控系统解决方案能力。在“小脑”技术瓶颈亟待突破背景下，具备运动控制技术底蕴的国产厂商产业地位有望提升。