核心零部件：算力与存储升级重构机器人产业底座

执行摘要：人形机器人加速落地带动核心零部件需求升级：内存向大容量、高带宽演进，美光布局边缘推理内存EIM预计2028年量产；先进制程持续迭代，台积电A14确定2028年量产，为端侧AI芯片提供支撑；桌面级精密加工设备通过众筹验证市场刚需。本报告梳理上游存储与制程、中游零部件与整机、下游应用场景的产业格局与竞争态势，判断2027-2028年为核心零部件规模化量产关键窗口期。

一、产业现状与竞争格局

1.1 人形机器人尚处产业化初期

人形机器人是当前智能机器人产业中关注度最高的方向，但从商业化落地的实际进程看，整体仍处于产业化早期阶段。这一判断在供给端与需求端均有体现：供给端，面向机器人场景的核心零部件——尤其是存储——尚未形成成熟的标准品体系；需求端，现有产品的配置能力与理想的整机形态之间差距明显。

以存储配置为例，目前市面上的服务型机器人普遍仅配备 12GB DRAM 和 256GB 级别存储，这一容量仅相当于一部中高端智能手机的水平，难以支撑大规模多模态模型的本地推理。而根据产业链测算，未来高性能人形机器人大约需要 200GB DRAM 与 4TB 存储，与当前配置相差超过一个数量级。这一巨大落差本身就是产业化初期的典型特征：应用场景尚未规模化，零部件规格也尚未定型。

1.2 内存与代工环节率先形成供给格局

在核心零部件供给侧，存储与晶圆代工两大环节的竞争格局已初步成形，头部厂商凭借技术积累与资本开支构筑起较高壁垒。

存储端，头部原厂已开始针对机器人场景布局专用产品。美光正在筹备面向机器人的专用内存 EIM（边缘推理内存），其技术路径是将 LPDDR 堆叠在逻辑芯片上方，以提升 AI 推理场景下的数据处理效率，业界预计 2028 年下半年量产。技术方案的选择也体现了产业逻辑：由于机器人依赖电池供电，功耗与发热约束远高于数据中心，因此主流方案是 LPDDR 而非 HBM。但随着视觉语言模型（VLM）的普及，模型参数从当前 10 亿至 20 亿的规模继续膨胀，内存带宽与容量都将逼近极限，这正是专用内存产品诞生的直接动因。

代工端，台积电的先进制程路线图已明确覆盖机器人芯片未来的需求窗口：2 纳米于 2025 年第四季度实现量产，新竹与高雄同步扩产，2027 年产能预计较 2026 年翻一倍以上；下一代 A14 制程确定 2027 年风险试产、2028 年量产，采用第二代纳米片晶体管，客户参与度已超过 2nm 同期水平；叠加整合背面供电的 A16 与下半年量产的 N2P，构成下一波先进制程的三大主力。值得注意的是，EIM 内存 2028 年量产的时间点与 A14 制程量产窗口高度重合，先进算力芯片与配套存储的同步迭代，将共同决定人形机器人整机的性能上限。

1.3 竞争格局：技术门槛决定分层

从竞争格局看，核心零部件环节呈现明显的分层结构。存储与先进制程代工属于高技术门槛、高商业价值的环节，头部厂商地位稳固；而整机与外围功能部件环节门槛相对较低，参与者众多，格局分散，新兴品牌正通过差异化产品寻求突破。

以新进入者为例，涌泉创新旗下品牌 ToolDance 的首款产品智能桌面 CNC X1 在 Kickstarter 众筹上线仅 13 小时即突破 1000 万美元，跻身平台历史累计众筹金额前 0.01%。该产品通过软硬件深度协同，打通设计验证与实际加工环节，缩短了从模型到实体零件的路径。这说明在非存储、非代工的中低门槛环节，创新空间依然存在，但参与者需依靠产品定义与协同能力建立差异化，难以复制头部零部件厂商的规模壁垒。

1.4 小结

综合来看，机器人产业底座正经历由算力与存储升级驱动的重构：需求侧，人形机器人尚处产业化初期，现有 12GB 内存的配置与 200GB 的远期需求之间悬殊的差距，预示着零部件升级的长周期确定性；供给侧，存储（美光 EIM）与晶圆代工（台积电 2nm/A14）两大环节的头部格局已初步成形，且产品量产时间表与机器人产业化节奏形成呼应。对于产业链各方而言，2027—2028 年将是先进制程与专用存储集中落地的关键窗口，也是竞争格局进一步固化的分水岭。

二、上游：存储与算力芯片

2.1 存储成为机器人AI化的新瓶颈

随着视觉语言模型（VLM）加速向端侧迁移，机器人正从“执行器”演变为“边缘AI终端”，存储子系统的重要性显著上升。根据美光的判断，当前服务型机器人的内存配置约为12GB DRAM与2TB存储，而未来高性能人形机器人对存储的需求将跃升至约200GB DRAM与4TB存储——内存容量需求放大一个数量级以上，带宽与容量双双逼近传统方案的极限。

模型规模的膨胀是核心驱动因素。当前机器人端侧部署的模型参数多在10亿至20亿规模，随着VLM普及，参数量将持续攀升，推理过程中的数据搬运量随之激增。在电池供电的整机约束下，如何以有限功耗预算支撑更大的内存带宽，成为上游芯片厂商必须解决的结构性问题。

2.2 美光EIM：LPDDR堆叠逻辑芯片的路线选择

针对上述瓶颈，美光正在筹备面向机器人的专用内存产品EIM（边缘推理内存）。其技术路径是将LPDDR DRAM以堆叠方式置于逻辑芯片上方，通过缩短数据搬运的物理距离提升AI推理的数据处理效率，本质上是在边缘侧复用先进封装的“存储—算力近距耦合”思路。

时间表方面，业界预计EIM将于2028年下半年量产。这一节奏与算力侧的制程演进形成了呼应：台积电已确定A14制程2027年风险试产、2028年量产，采用第二代纳米片晶体管，客户参与度超过2nm同期水平；加上整合背面供电的A16和2025年下半年量产的N2P，台积电下一波先进制程三大主力恰好与EIM的量产窗口重叠。这意味着2028年前后，机器人有望同步获得更先进的逻辑制程与专用推理内存，"算力+存储"协同升级的产业底座将在同一时间节点成形。

2.3 为什么是LPDDR而不是HBM

美光明确指出，机器人电池供电的物理约束决定了主流方案是LPDDR而非HBM。HBM虽然带宽优势显著，但其功耗与成本结构面向数据中心场景设计，难以满足机器人对续航、散热和整机成本的严苛要求。LPDDR凭借低功耗特性和成熟供应链，成为机器人边缘推理的现实选择；而EIM通过堆叠架构弥补LPDDR在带宽上的相对短板，本质上是在“低功耗”约束下逼近HBM式的访存效率。

这一逻辑可以从技术门槛与商业价值的维度理解不同存储方案在机器人赛道中的定位：

2.4 产业意义与观察要点

EIM的推出标志着存储厂商开始为机器人场景定义专用产品类别，而非沿用消费电子或数据中心的存量方案。这一转变有三层含义：

其一，机器人被正式纳入存储厂商的战略级下游。200GB DRAM与4TB存储的单机配置若随人形机器人放量，将成为DRAM和NAND需求的全新增量来源。

其二，存储与逻辑的边界在封装层面模糊。LPDDR堆叠逻辑芯片意味着存储厂商需要与SoC厂商、先进封装产能深度协同，产业分工将出现新的耦合点。

其三，量产窗口锁定2028年下半年，与整机厂商的人形机器人规模化时间表大致咬合。在量产落地前，12GB级内存的现有方案仍将支撑服务型机器人的基本盘，端侧模型尺寸与内存容量之间的缺口将以"云端协同推理"过渡。

对产业链参与者而言，需要跟踪的关键信号包括：EIM的量产良率与成本曲线、机器人SoC厂商与存储方案的绑定关系，以及LPDDR堆叠方案对HBM在边缘场景的替代节奏。存储，正在从机器人的“配套件”升级为决定AI能力上限的“底座件”。

三、上游：先进制程演进路径

3.1 制程节奏：2nm量产落地，A14接棒推进

先进制程是机器人端侧算力芯片的物理底座。台积电在业绩说明会上公布了清晰的演进路线：2纳米制程已于2025年第四季度以不错的良率实现量产，新竹与高雄两地同步扩产，2027年产能预计较2026年翻一倍以上。值得注意的是，快速放量已在2025年第三季度稀释毛利率1.3个百分点，反映出先进制程前期投入与爬坡阶段的成本压力。

下一代A14制程的时间表已经明确：2027年风险试产、2028年量产，采用第二代纳米片晶体管（GAAFET的演进形态）。一个关键信号是，A14的客户参与度超过2nm同期的水平，说明头部芯片设计公司对制程红利的争夺正在前移，端侧AI芯片对功耗与密度的诉求直接传导至上游。

3.2 三大主力构成制程组合

台积电下一波先进制程由三条线构成：已量产的2nm、整合背面供电的A16（预计下半年量产N2P作为补充节点），以及采用第二代纳米片晶体管的A14。核心驱动力来自手机等消费电子的旗舰芯片迭代，但这一组合对机器人产业的溢出效应同样显著——更先进的晶体管结构意味着更低的单位功耗和更高的算力密度，直接决定端侧AI芯片能否在电池供电的机器人平台上支撑大参数模型的本地推理。

3.3 制程之上：内存架构的同步演进

算力芯片的迭代需要内存体系配套。美光正筹备面向机器人的专用内存EIM（边缘推理内存），将LPDDR堆叠在逻辑芯片上方以提升AI推理数据处理效率，业界预计2028年下半年量产——与A14量产时间高度吻合，形成制程与存储的同步升级窗口。

技术路径选择上，机器人电池供电决定了主流方案是LPDDR而非HBM。但视觉语言模型普及后，模型参数将从当前10亿至20亿规模继续膨胀，内存带宽和容量都将逼近极限。美光指出，未来高性能人形机器人约需200GB DRAM和4TB存储，而目前服务型机器人仅有12GB DRAM，缺口超过16倍。

3.4 端侧需求验证：从CNC众筹看精密制造下沉

上游升级的价值最终由终端应用验证。涌泉创新旗下新品牌ToolDance首款产品智能桌面CNC X1在Kickstarter上线13小时众筹突破1000万美元，跻身平台历史累计前0.01%，此前两个半小时即破700万美元。该产品通过软硬件深度协同，打通设计验证与实际加工环节，缩短从模型到实体零件的路径。这类精密制造工具的下沉，反映了端侧芯片与嵌入式控制能力的成熟正在催生新的硬件品类，反向拉动上游先进制程与存储的需求基数。

3.5 小结

上游先进制程的演进路径清晰：2025年2nm量产、2027年A16与产能翻倍、2028年A14量产与EIM内存落地。第二代纳米片晶体管带来的功耗与密度改善，配合LPDDR堆叠式边缘推理内存，将共同定义机器人端侧AI芯片的性能天花板，是观察机器人产业底座重构的关键窗口。

四、中游：零部件与整机协同

在算力与存储升级重构产业底座的背景下，中游环节正经历从“零部件堆叠”向“软硬件深度协同”的结构性转变。机器人整机不再只是电机、减速器与控制器的物理集成，而是芯片、内存、结构件与软件工具链的一体化设计产物。这一趋势在三个维度同时展开：存储架构的定制化、精密加工设备的桌面化与大众化，以及整机与用户需求之间验证链路的加速闭环。

（一）存储定制化：为机器人而生的内存

传统服务型机器人的内存配置相对有限，据公开资料，当前服务型机器人约配备12GB DRAM和2TB存储。但随着视觉语言模型（VLM）的普及，模型参数从当前10亿至20亿的规模持续膨胀，对推理侧的数据吞吐提出前所未有的要求。美光指出，机器人电池供电的物理约束决定了主流方案是LPDDR而非HBM——功耗密度优先于极致带宽。为此，美光正筹备面向机器人的专用内存EIM（边缘推理内存），将LPDDR堆叠在逻辑芯片上方，以缩短数据通路、提升AI推理效率，业界预计2028年下半年量产。

从需求侧测算，未来高性能人形机器人约需200GB DRAM和4TB存储，较现有服务型机器人提升超过16倍。这意味着存储厂商正从“通用件供应商”转变为机器人整机设计的前端参与者，零部件与整机的协同从采购关系升级为联合定义。

（二）精密加工的桌面化：打通设计与制造

中游协同的另一关键在于加工环节。长期以来，机器人与精密硬件的研发团队在设计验证（CAD模型、仿真测试）与实体零件加工之间存在明显断层：外发加工周期长、迭代成本高，制约了整机研发节奏。

涌泉创新旗下新品牌ToolDance首款产品——智能桌面CNC X1，通过软硬件深度协同，打通设计验证与实际加工环节，显著缩短从模型到实体零件的路径。市场对该品类的需求强度在众筹数据中得到直观验证：该产品于Kickstarter上线仅13小时众筹金额即突破1000万美元，此前上线两个半小时即破700万美元，跻身平台历史累计众筹金额前0.01%。这一数据说明，桌面级精密加工设备的用户基础不仅存在于专业研发场景，也延伸至创客与中小制造群体，为中游零部件的快速迭代提供了工具层支撑。

（三）协同闭环：从芯片到整机的分层格局

综合来看，中游的软硬件协同正在形成一个分层清晰的产业闭环：底层由先进制程与定制存储构成——台积电2纳米已于2025年第四季度量产，2027年产能预计较2026年翻一倍以上，A14制程确定2027年风险试产、2028年量产，客户参与度超过2nm同期水平，为机器人主控芯片提供持续演进的基础；中层是EIM等面向机器人的定制零部件；上层则是ToolDance X1所代表的、将设计验证与实体加工串联起来的工具链。三层之间的协同效率，正在成为整机厂商竞争力的关键变量。

需要指出的是，这一协同进程仍面临约束。定制存储的量产要到2028年前后，而模型参数的膨胀速度更快，中间的供需错配期需要通过模型压缩、多芯片组合等过渡方案弥合；桌面级设备在加工精度与工业级设备之间仍存在定位差异，短期内更多承担研发验证与轻量生产角色。但整体趋势明确：中游的竞争已从单点零部件性能比拼，转向“定义—验证—制造”全链路协同效率的比拼，这也是算力与存储升级重构产业底座在中游环节的直接体现。

五、下游需求与数据透视

5.1 需求侧的根本性跃迁：从12GB到200GB

机器人产业的零部件升级逻辑，最终由下游应用需求决定。当前服务型机器人的硬件配置，是在传统感知—决策架构下形成的均衡方案：约12GB DRAM与约2TB存储，足以支撑路径规划、语音交互与简单视觉任务。但下一代高性能人形机器人的目标场景——开放环境作业、多模态实时推理、端侧大模型部署——对存储子系统提出了完全不同的量级要求。

据美光披露的产业测算，高性能人形机器人约需200GB DRAM与4TB存储，较现有服务型机器人提升十余倍。这不是渐进式的配置升级，而是架构级别的需求重构。驱动因素主要有三：

其一，视觉语言模型（VLM）的端侧化。当前模型参数规模在10亿至20亿量级，随着多模态能力普及，参数规模持续膨胀，模型权重本身就将占据数十GB级内存空间。

其二，推理并发需求。人形机器人需同时运行感知、定位、运动控制与语言理解多路任务，实时性要求下无法依赖云端推理，内存容量与带宽成为推理吞吐的硬约束。

其三，供电架构的约束。机器人由电池供电，散热与功耗预算远低于数据中心，这决定了主流方案是LPDDR而非HBM——美光正是围绕这一约束展开产品布局。

5.2 内存带宽逼近极限：瓶颈从算力转向存力

值得注意的是，产业矛盾的重心正在转移。过去几年机器人芯片的竞争焦点是算力（TOPS），而在VLM时代，内存带宽正成为更紧的瓶颈。模型参数膨胀带来的权重读取需求，使数据搬运开销超过计算本身，即所谓“内存墙”问题。

美光的应对方案是专用边缘推理内存EIM：将LPDDR堆叠在逻辑芯片上方，通过缩短数据搬运路径提升AI推理效率，业界预计2028年下半年量产。这一方案的本质，是通过先进封装而非单纯制程微缩来突破带宽极限，与台积电2028年量产的A14制程（第二代纳米片晶体管，客户参与度超2nm同期）在时间窗口上形成呼应——逻辑制程与内存形态的协同演进，正在成为机器人算力底座的共同节奏。

5.3 需求分层与产业化路径

从下游需求结构看，机器人存储配置将呈现明显分层。桌面级与轻量设备仍将以现有配置为主——涌泉创新首款智能桌面CNC在Kickstarter上线13小时众筹破1000万美元，表明精密制造类的桌面级设备依托现有硬件架构即可获得市场验证，其软硬件协同逻辑并不依赖超大内存配置。而高性能人形机器人将率先拉抬DRAM与存储规格，成为存储产业链在2028年前后的增量引擎。

下游需求正从“够用”转向“极限”：200GB DRAM与4TB存储的规格定义，将人形机器人推升为继手机、数据中心、汽车之后的又一存储增量市场。在电池供电约束下，带宽而非容量构成第一瓶颈，EIM等堆叠式方案与先进逻辑制程的协同量产节奏（均指向2028年）将成为产业关键节点。对上游存储厂商而言，机器人专用内存是差异化竞争的新赛道；对整机厂商而言，存储子系统的选型能力将直接影响端侧智能的体验上限，零部件竞争的重心已实质性转向“存力”。

六、趋势判断与产业展望

6.1 2027-2028：从技术验证走向量产共振

综合本报告前几章的分析，机器人核心零部件的升级节奏正在收敛于一个明确的时间窗口：2027-2028年。这一窗口期并非单一环节驱动的结果，而是存储、制程与整机三类变量同步成熟后形成的产业共振。

存储侧，美光正在筹备面向机器人的专用内存EIM（边缘推理内存），其技术路径是将LPDDR堆叠在逻辑芯片上方，以提升AI推理数据处理效率，业界预计2028年下半年量产。这一节点意义重大：当前服务型机器人仅配备12GB DRAM和256GB量级存储，而美光判断，随着视觉语言模型从当前10亿至20亿参数规模继续膨胀，未来高性能人形机器人将需要约200GB DRAM和4TB存储，缺口达一个数量级。EIM的量产时间点，恰好对准了整机厂商规模化放量的时间表。

制程侧，台积电已明确A14制程于2027年风险试产、2028年量产，采用第二代纳米片晶体管，客户参与度超过2nm同期水平。叠加2025年Q4已量产的2nm（2027年产能较2026年翻倍以上）、整合背面供电的A16以及下半年量产的N2P，台积电下一波先进制程三大主力将全面落位。这意味着端侧AI芯片在性能、功耗两个维度将同时获得代际提升。

三条升级曲线在时间轴上的交汇，构成了本报告的核心判断——

6.2 共振的三重逻辑：容量、性能与成本

量产窗口期的成立，依赖于存储容量、制程性能与整机成本三者形成正向循环：

• 容量共振：EIM通过3D堆叠释放带宽与容量空间，使200GB级DRAM配置在物理上可行、功耗上可承受。机器人电池供电决定了LPDDR而非HBM是主流方案，EIM正是针对这一约束的定制化答案。
• 性能共振：A14的第二代纳米片晶体管配合背面供电架构，为端侧推理芯片提供能效比跃升，使视觉语言模型可以在机身内实时运行，而非依赖云端。
• 成本共振：先进制程放量摊薄单位算力成本，存储标准化量产摊薄BOM成本。2nm快速放量已使台积电毛利率被稀释1.3个百分点，侧面反映了先进产能扩张的激进程度——供给端的投入强度，本身就是成本下行曲线的前置信号。

对整机厂商而言，这一共振的直接后果是：端侧算力将从"配置项"变为"竞争关键变量"。当机体结构、运动控制趋于同质化后，端侧能跑多大的模型、跑得多快、耗电多少，将直接决定产品的任务泛化能力与商业场景边界。

站在2028年量产节点回望，产业链各环节的站位将出现明显分化。以技术门槛和商业价值两个维度衡量：

存储大厂与先进代工凭借EIM与A14的独占性卡位，处于高门槛高价值区；端侧芯片设计公司取决于能否绑定整机大客户放量；而模组集成、结构件等环节技术扩散快，将更快进入价格竞争。

6.4 风险与变量

需要客观指出三点不确定性：其一，200GB DRAM的判断建立在模型参数继续膨胀的前提上，若端侧小模型技术突破（蒸馏、稀疏化），实际容量需求可能低于预期，EIM的配置节奏将相应调整；其二，先进制程快速扩产对代工厂自身毛利率形成压力，若资本开支收缩，A14量产时点存在后移风险；其三，整机需求本身仍待验证——桌面级精密制造设备（如ToolDance X1上线13小时众筹破1000万美元）显示细分场景付费意愿强烈，但人形机器人的规模化订单尚未形成可验证的放量曲线。

结论：2027-2028年，EIM与A14的同步落地将完成机器人产业底座的重构，存储、制程、成本三重共振使端侧算力成为整机竞争的决定性变量。届时产业分层的核心标尺，将从"能否做出机器人"转变为"端侧算力效率的高低"。