算力、出海与集群化：机器人产业三线并进

执行摘要：近期产业动态显示机器人产业呈现三条主线：一是头部企业强化AI算力底座，三星SDS龟尾数据中心动工，为集团机器人转型提供支撑；二是中国机器人企业加速全球化，宇树科技自2018年布局海外并暴露合规痛点；三是应用侧从单机自动化转向多机集群协同，京东物流以统一调度平台落地供应链机器人军团。算力、合规与调度体系正成为竞争关键变量。

现状与格局：三线并进

当前机器人产业正呈现出清晰的多线并进格局：算力基建、企业出海与集群化应用三条主线同时展开，共同重塑产业竞争的基础条件。头部企业不再局限于单一产品性能的比拼，而是围绕基础设施、全球市场与系统能力展开综合布局。

一、算力基建：机器人竞争的“地基”正在浇筑

算力正在成为机器人产业的底层竞争要素。以三星SDS为例，其于11月2日宣布位于韩国庆尚北道龟尾市的AI数据中心正式动工。该项目占地约4.63万平方米，采用风冷加水冷混合散热方案，支持新一代GPU服务器，初期设计容量60MW，未来将扩展至120MW，投资额达4273亿韩元（约合21.31亿元人民币），预计2028年底竣工。

值得关注的战略指向在于：该中心除对外提供服务外，还将为三星系内部的制造业机器人转型等业务提供AI算力支撑。这意味着三星将机器人竞争从终端产品层面前移至基础设施层面——大模型训练、机器人仿真、实时推理都对算力提出高要求，自有算力体系正在成为集团机器人战略的“隐形护城河”。

二、企业出海：从产品输出到体系化能力输出

出海已成为头部机器人企业的标准动作，但出海的内涵正在深化。宇树科技创始人王兴兴在第九届进博会虹桥国际经济论坛上分享称，宇树2016年成立、2018年即启动海外业务，从创立之初就定位全球统一市场，而非“先国内、后国外”的渐进路径。

更值得关注的是其对出海痛点的判断：当前中国科技企业出海的最大难点在法律合规——国内律师涉外经验不足，美国等地专业律师难找，甚至出现“想花钱都花不出去”的资源错配。这一表述揭示了出海竞争的深层逻辑：产品竞争力只是入场券，法律、合规、知识产权等制度性能力才是决定企业能否在全球市场站稳的关键变量。王兴兴建议借助中国香港完善的法律体系，为出海企业提供法律服务与资源对接，这预示着出海竞争正从单点产品走向生态化、体系化的资源网络建设。

三、集群化应用：从单机自动化到系统级协同

在应用端，机器人正在从“单机作业”迈向“集群协同”。京东物流披露的供应链AI机器人体系是代表性案例：以“超脑”作为统一调度中枢，指挥被称为“狼族”的多种机器人协同作业，覆盖仓储、运输等供应链环节。

这一架构的核心在于两点：其一，从单机自动化转向多机种集群化协同，不同类型的机器人在统一平台下分工配合；其二，用统一智能平台打通物流全链条，将具身智能与集群调度能力落到实际业务中。集群化意味着竞争评价体系的变化——企业比拼的不再是单台机器的性能参数，而是调度算法、系统可靠性与全链条效率。

四、格局研判：三类能力构成综合竞争壁垒

三条主线并非孤立，而是头部企业综合布局的三个维度。以四象限视角观察竞争格局：

可以用信息图概括三条主线的层级关系：

综上，产业竞争的重心正在下移与外扩：向下延伸至算力基础设施，向外延伸至全球制度性市场，向内深化至系统级协同能力。头部企业的布局表明，未来的机器人竞争将是基础设施 × 全球网络 × 系统能力的综合较量，单一产品优势的窗口期正在收窄。对产业参与者而言，能否在这三条主线上同步构建能力，将成为区分“产品公司”与“体系企业”的分水岭。

上游：AI算力底座建设

机器人产业向具身智能演进的过程中，算力已成为与机械本体、算法并列的基础要素。训练大模型、仿真环境渲染、边缘端实时推理，均依赖大规模AI算力底座。本章以三星SDS龟尾AI数据中心为样本，分析上游算力建设的技术路径及其对机器人业务的支撑逻辑。

一、龟尾项目：三星AI基础设施的关键落子

2024年11月2日，三星SDS宣布位于韩国庆尚北道龟尾市的AI数据中心正式动工。项目占地约4.63万平方米，投资额4273亿韩元（约合21.31亿元人民币），预计2028年底竣工。

从技术路径看，该项目呈现两个特征：

其一，混合散热架构。 数据中心采用风冷加水冷的混合散热方案。新一代GPU服务器单机功耗密度显著高于传统服务器，纯风冷方案难以满足高密度机柜的散热需求；液冷虽效率更高，但部署成本与运维复杂度较大。风冷+水冷的混合方案在散热效率、建设成本与部署灵活性之间取得平衡，已成为当前AI数据中心的主流选择。

其二，容量分期扩展。 初期设计容量60MW，未来扩展至120MW。分期建设既降低了前期资本开支压力，也为GPU代际更替预留了电力与空间冗余——AI芯片迭代速度快，按终局需求一次性规划、按需求节奏分期落地，是规避技术锁定的稳健策略。

二、算力如何支撑机器人业务

该中心的定位并非单纯的商业化数据中心，而是“对外服务+对内支撑”双轨并行：除向外部客户出售算力外，还将为三星系内部的制造业机器人转型等业务提供AI算力支撑。

机器人业务对算力的需求链条可以拆解为三层：

底层是模型训练：具身智能模型需要海量多模态数据与大规模并行计算，60MW乃至120MW级别的数据中心正是为此类负载设计。中间层是仿真验证：机器人在部署前需在物理仿真环境中完成技能训练与安全验证，仿真渲染同样是GPU密集型任务。顶层是部署推理：机器人本体运行时的感知、决策依赖端侧或边缘算力，而云端算力负责模型的持续更新与下发。

三、产业视角：算力建设与机器人战略的耦合

从产业竞争格局看，龟尾项目位于“深度绑定集团业务+全栈AI能力”象限，其价值不在租金回报，而在于构建集团内部的AI-机器人协同闭环。类似的逻辑也出现在其他科技巨头身上：京东物流的“超脑”调度平台与“狼族”机器人集群，本质上也是以统一智能平台（依托云端算力）打通仓储、运输全链条的集群化实践。算力底座、调度中枢与机器人本体，正在形成“云—边—端”一体的新产业架构。

四、小结

龟尾AI数据中心折射出机器人产业竞争重心的上移：当单机自动化让位于具身智能与多机集群协同，算力基础设施成为决定迭代速度的战略资源。风冷+水冷混合散热、GPU服务器配套、分期扩容至120MW，代表了当前AI数据中心建设的典型技术路线；而“对外服务+对内支撑”的双轨模式，则为科技集团以算力反哺机器人业务提供了可参照的范式。对于计划向具身智能转型的制造与物流企业而言，上游算力布局的深度，将直接影响其机器人业务的迭代上限。

中游：整机与集群调度

机器人产业的价值兑现，最终要落到整机在真实业务场景中的规模化运行。2025年以来，行业中游最显著的结构性变化，是从「单机自动化」向「多机种集群协同」演进：企业不再比拼单台设备的性能参数，而是比拼谁能用统一调度平台把仓储、运输、分拣等环节的异构机器人编成一支「军团」。京东物流的「超脑」+「狼族」架构，是这一趋势的代表性样本。

一、「超脑」+「狼族」：集群调度的架构逻辑

京东物流披露的供应链AI机器人体系采用两层架构：上层「超脑」作为统一调度中枢，承担任务分解、路径规划与全局资源分配；下层「狼族」则是执行层的多种机器人集群，覆盖仓储、运输等供应链环节。其核心突破在于三点：

1. 异构协同：不同形态、不同厂商的机器人接受同一平台指挥，而非各管一段；

2. 全链打通：调度智能覆盖从入库、上架、拣选到干线运输的完整链条；

3. 业务原生：调度平台不是实验室demo，而是嵌入京东自身供应链业务的实际系统，天然拥有高频真实场景做训练场。

这一闭环意义重大：调度平台每一次派单与纠偏都在积累数据，数据反哺算法，算法提升集群效率——这正是本报告第1章所述「算力—数据—场景」飞轮在中游的具体形态。

二、商业化落地路径

统一调度平台的商业化，大致沿三条路径渐次展开：

• 路径一：自营降本（当前主战场）。先在自己仓网、运网中跑通ROI，规模越大摊薄越快；
• 路径二：对外输出（第二曲线）。将仓内自动化解决方案打包出售或按单计费给品牌商与第三方仓储；
• 路径三：生态授权（远期）。调度平台作为「物流操作系统」，向上承接不同厂商硬件，收取平台与运维费用。

三、竞争格局与支撑条件

集群调度对算力与数据中枢有硬性依赖，这也解释了头部企业为何加速自建AI基础设施。三星SDS龟尾AI数据中心即为一例：该项目初期设计容量60MW、未来扩展至120MW，投资约4273亿韩元，预计2028年底竣工，明确将为三星系制造业机器人转型提供AI算力支撑。基础设施先行、机器人跟进的布局顺序，正在从「可选项」变成「入场券」。

四、本章判断

中游的竞争焦点已经从「造出更好的机器人」转向「调度更多的机器人」。京东物流的实践表明，集群化的护城河不在硬件，而在调度算法、场景数据与工程化能力的乘积。可以预判：未来2-3年，仓配一体化场景将率先完成集群调度标准化的商业验证，而平台化输出能力将成为区分「设备供应商」与「供应链智能化运营商」的分水岭。头部物流企业凭借自建算力与自有场景的双重优势，在这一轮洗牌中占据先手。

下游：应用场景与出海

机器人产业的竞争最终要落在下游。当前来看，应用落地呈现两条主线：一是在物流供应链等明确场景中实现集群化协同作业，验证商业化路径；二是以全球统一市场的定位开展海外布局，打开增长空间。本章沿这两条线索展开分析。

一、物流供应链：从单机自动化到集群化协同

物流是机器人落地条件最成熟的场景之一——作业流程标准化程度高、ROI 可测算、需求刚性。京东物流近期披露的供应链 AI 机器人体系代表了这一场景的最新形态：以「超脑」平台作为统一调度中枢，指挥被称为「狼族」的多种机器人协同作业，覆盖仓储、运输等供应链环节。

这一架构的意义不在于单点机器人性能，而在于组织方式的转变：从单机自动化转向多机种集群化协同，用统一智能平台打通物流全链条。调度中枢承担了“具身智能+集群调度”的核心职能，机器人本体则成为可被统一编排的执行单元。这一模式与此前讨论的算力布局形成呼应——大规模多机协同需要底层 AI 基础设施支撑，而诸如三星 SDS 在龟尾动工的 AI 数据中心（初期容量 60MW，未来扩展至 120MW，投资约 4273 亿韩元，预计 2028 年底竣工）也明确将“集团内部制造业机器人转型”列为算力服务对象。可以看到，头部企业正把机器人战略与 AI 算力基础设施做一体化规划。

物流场景的集群化落地具有示范效应：一旦“统一中枢+多机种协同”的架构在供应链中被验证，其方法论可迁移至制造、巡检等更多行业，这也是下游应用从“示范项目”走向“规模化复制”的关键一步。

二、出海：全球统一市场的定位与进展

在海外拓展方面，宇树科技提供了具有代表性的样本。据创始人王兴兴在第九届进博会虹桥国际经济论坛上的分享，宇树 2016 年成立，2018 年即启动海外业务——从创立之初就定位全球统一市场，而非“先国内、后出海”的渐进路径。

这一选择的产业逻辑在于：机器人（尤其是四足、人形机器人）的头部需求高度集中于海外科研机构、开发者社区与部分商业场景，全球统一市场定位可以在产品早期就获得更大样本量的用户反馈，反哺技术迭代。

但宇树的分享也揭示了当前中国科技企业出海的最大痛点：法律合规。王兴兴指出，国内律师涉外经验不足，美国等地的专业律师又难以寻找，甚至出现“想花钱都花不出去”的资源错配——企业有付费意愿，却找不到合格的法律服务供给。他建议借助中国香港完善的法律体系，为出海企业提供法律服务与资源对接。

三、出海动机与进展的结构化分析

综合来看，中国机器人企业出海的动机可归纳为三层：需求侧，海外科研与开发者市场对高端机器人产品付费意愿强；供给侧，国内供应链优势带来成本与迭代速度竞争力；战略侧，全球统一市场定位有助于建立品牌与技术标准话语权。

从进展看，先行企业已实现从 0 到 1 的海外业务落地，但行业整体仍处在从“产品出海”向“能力出海”过渡的阶段。合规能力、本地化服务网络与规则适配，将决定出海的第二增长曲线能否成立——这也解释了为何香港作为法律与资源对接枢纽的建议值得关注：出海竞争的下半场，比拼的不只是产品力，更是制度性资源的整合能力。

本章小结

下游落地的两大主线正在收敛于同一逻辑：物流场景验证了“统一智能中枢+机器人集群”的规模化路径，出海则检验企业在全球统一市场中的综合竞争力。算力投入（如三星系的数据中心布局）、场景集群化与海外拓展，共同构成机器人产业“三线并进”的完整图景——技术、场景与市场的闭环，正在被头部企业逐一打通。

数据与竞争要素

机器人产业正从单点技术竞争走向体系化竞争，算力基础设施、全球化布局能力与集群化调度能力构成三条并行的主线。本章基于近期产业公开信息，对本报告涉及的关键数据进行盘点，并提炼当前竞争格局中的核心要素。

5.1 关键数据盘点

算力投资：21.31亿元与120MW容量。 三星SDS于11月2日宣布位于韩国庆尚北道龟尾市的AI数据中心正式动工。该项目占地约4.63万平方米，采用风冷加水冷混合散热方案，支持新一代GPU服务器，初期设计容量60MW，未来将扩展至120MW，投资额4273亿韩元（约合21.31亿元人民币），预计2028年底竣工。值得注意的是，该中心采取“对外服务+对内支撑”的双轨定位：在提供商业化算力服务的同时，为三星系内部制造业机器人转型等业务提供AI算力支撑。这一布局表明，头部电子制造集团已将机器人视为AI基础设施的落地场景之一，算力投入先于机器人业务放量而前置。

出海节点：2018年。 宇树科技2016年成立、2018年即启动海外业务，从创立之初即定位全球统一市场。这一时间节点的意义在于：中国机器人企业在产品尚未完全成熟阶段就完成了出海卡位，海外市场认知与渠道积累具有明显的先发窗口。但创始人王兴兴同时指出现实瓶颈——法律合规是当前中国科技企业出海的最大痛点：国内律师涉外经验不足，美国等地专业律师难找，甚至出现“想花钱都花不出去”的资源错配。这一表述揭示了出海竞争的真实门槛：不是产品力，而是合规服务体系的可获得性。其建议依托中国香港的法律体系为出海企业提供法律服务与资源对接，指向了一条合规基础设施的建设路径。

集群化调度：“超脑”统一中枢。 京东物流披露的供应链AI机器人体系以“超脑”作为统一调度中枢，指挥被称为“狼族”的多种机器人协同作业，覆盖仓储、运输等供应链环节。其核心是从单机自动化转向多机种集群化协同，用统一智能平台打通物流全链条。这是具身智能与机器人集群调度在实际业务中落地的代表性案例，说明集群化的价值不在单机性能，而在调度算法对异构机器人群体的统筹能力。

三个案例分别对应本章主题的三个维度，其内在逻辑关系如下：

5.2 三大竞争壁垒识别

基于上述数据与案例，本报告识别出机器人产业当前阶段的三重竞争壁垒。

壁垒一：算力规模。 训练与推理需求使算力成为机器人企业的底层约束。三星SDS以21.31亿元投资、120MW目标容量进行基建，说明头部玩家已按“十年量级”规划算力储备。算力壁垒的特点是资本密集、建设周期长（该项目2028年底竣工），后发者难以通过短期投入追赶，且自建与外购之间存在成本结构差异，自建算力对集团内业务的成本优势难以被外部复制。

壁垒二：合规能力。 出海竞争的隐性壁垒是法律与合规体系。宇树“想花钱都花不出去”的表述说明，即便资金充足，缺乏涉外法律服务的对接能力也会直接阻断业务展开。合规能力壁垒的核心在于稀缺资源——具备中美双法域经验的专业律师与合规团队——的获取成本极高，而香港法律服务体系可能成为中资企业解决这一痛点的枢纽。

壁垒三：调度算法。 集群化竞争的关键是统一调度平台对多机种、多环节的协同能力。京东“超脑+狼族”架构显示，调度算法壁垒体现在两点：一是对仓储、运输等异构场景的统一抽象能力，二是在真实业务负载下的持续优化迭代。算法壁垒依赖于业务数据闭环，脱离实际业务量的算法难以形成竞争力。

三重壁垒在技术门槛与商业价值两个维度上的定位存在显著差异：

算力规模技术门槛相对可控（依赖成熟供应链）但商业价值高、资本壁垒深；调度算法技术门槛最高，是长期护城河所在；合规能力介于两者之间，属于资源与经验积累型壁垒。

5.3 数据背后的竞争逻辑

综合来看，本章数据揭示了三个趋势判断。其一，算力竞争已进入“集团化自建”阶段，机器人算力保障从采购服务转向自有基建，且投资体量（21.31亿元）已达到独立战略项目级别。其二，出海竞争的胜负手正在从产品转向服务体系，2018年的先发节点意味着头部企业已完成市场卡位，而后来者的差距将主要体现在合规能力上，而非产品性能上。其三，集群化调度正在从概念验证走向规模化商用，“超脑+狼族”模式的落地说明统一调度平台已成为物流等场景机器人业务的实际架构标准，调度算法的数据闭环优势将持续放大。

对企业而言，三重壁垒的优先级因自身定位而异：制造集团优先投入算力规模，产品型公司优先补齐合规体系，场景型运营商优先深耕调度算法。三者共同指向同一结论——机器人产业的竞争要素已从“单机技术领先”升级为“体系能力完备”，这是本报告后续章节评估企业竞争力的基本框架。

趋势判断与风险

6.1 三条主线的趋势判断

趋势一：算力与机器人业务深度绑定，自建基础设施成为集团级战略。 三星SDS于11月2日宣布其龟尾AI数据中心正式动工：占地约4.63万平方米，采用风冷加水冷混合散热，支持新一代GPU服务器，初期设计容量60MW、未来扩展至120MW，投资额4273亿韩元（约合21.31亿元人民币），预计2028年底竣工。该中心在对外提供服务之外，明确将为三星系内部的制造业机器人转型等业务提供AI算力支撑。这表明头部制造集团正把机器人竞争力锚定在自主可控的AI基础设施上——算力不再是外购的通用资源，而是与整机、场景绑定的战略性资产。

趋势二：香港有望成为科技企业出海的法律服务枢纽。 宇树科技创始人王兴兴在第九届进博会虹桥国际经济论坛上表示，宇树2016年成立、2018年即启动海外业务，从创立之初便定位全球统一市场。他指出现阶段中国科技企业出海的最大痛点是法律合规：国内律师涉外经验不足，美国等地专业律师难找，甚至出现「想花钱都花不出去」的合规资源错配。在此背景下，香港凭借普通法体系、国际化法律人才池与跨境对接能力，具备承接出海企业合规服务与资源整合的结构性优势。

趋势三：机器人竞争从单机智能转向集群协同与统一调度。 京东物流披露的供应链AI机器人体系显示，其以「超脑」作为统一调度中枢，指挥被称为「狼族」的多种机器人协同作业，覆盖仓储、运输等供应链环节。这一架构的核心是从单机自动化转向多机种集群化协同。可以预期，跨品类机器人的接口规范、任务编排协议与数据标准，将成为下一阶段产业竞争与生态话语权的关键。

6.2 趋势成熟度定位

从定位看，算力绑定已有明确资本投入与建设时间表，处于加速兑现期；集群协同在物流场景率先落地，但标准化尚未成型，属于潜力最大的方向；香港法律枢纽的产业角色刚被头部企业明确提出，尚需服务体系与案例积累验证。

6.3 主要产业风险

风险一：合规资源错配放大出海成本。 正如王兴兴所言「想花钱都花不出去」，供给端与需求端的结构性错配意味着企业即使预算充足，也可能因缺乏可信赖的涉外法律资源而错失市场窗口。若香港枢纽的服务供给不能快速规模化，出海合规成本将持续高位运行。

风险二：算力建设周期与机器人迭代节奏的错配。 龟尾数据中心2028年底才竣工，而具身智能模型与机器人硬件的迭代周期以月计。长达数年的建设周期意味着投产时的算力架构需支撑未知的模型需求，存在技术验证风险与容量规划风险；混合散热、新一代GPU服务器等方案也需在真实负载中验证。

风险三：集群协同的标准化滞后。 「超脑」模式的成效依赖跨厂商、跨机种设备的互联互通。若各企业调度平台各自为政，集群化将退化为生态孤岛，抬高全行业集成成本。

6.4 小结

算力绑定、出海合规与集群化协同三条主线相互咬合：算力决定智能上限，合规决定市场边界，标准化决定协同效率。三者的兑现速度并不均衡，企业需在长周期基础设施投入与快节奏技术验证之间寻找平衡，产业层面则需在枢纽建设与标准协商上形成合力。