机器经济新周期：机器人产业链、链上生态与长期价值重构

关键要点

机器人与加密的结合正逐步升温，但整体规模仍有限，目前板块总市值约7亿美元，远低于成熟的DeFi。与DeFi主要服务现有金融体系不同，机器人经济潜在市场更大、生命周期更长。随着硬件规模化、协议落地及监管环境逐步明朗，x402支付、ERC-8004、MCP以及A2A与授权契约等协议已初步支撑发现、协作与执行，稳定币与链上结算扩展了经济能力，加密技术正逐步成为机器代理自治运行的底层基础设施。

机器人赛道可从两条分层视角切入。从覆盖范围看，Web3生态覆盖身份与基础、智能决策与协作、数据供给、价值实现与金融化、应用与治理等层级，传统股票产业链覆盖核心传动、感知传感、计算控制、能源结构、本体制造、集成应用等六层结构。两套分层针对的是机器人产业链的不同环节，Web3侧聚焦机器如何自主运作并形成经济闭环，传统股票侧聚焦机器硬件如何被制造出来并走向规模化，二者互补。

机器人加密生态面临五重核心约束，其一，机器人技术仍处早期，与区块链融合后面临系统复杂度与稳定性挑战；其二，商业化周期长、成本高，多数项目尚未形成可验证的规模化盈利模式；其三，机器人与加密双重属性叠加，带来现实与金融监管的不确定性；其四，代币激励与价值分配机制仍待验证，若缺乏真实产出支撑，可能削弱长期生态可持续性。此外，当机器人主题进一步延伸至传统股票、ETF或相关指数的价格敞口时，合规边界也会更加复杂。

机器人与加密当前不是一个已经完成验证的确定性叙事，而是一个一级市场、二级市场和真实使用量明显错位的早期主题。一级市场愿意为机器人、人工智能和前沿科技打开投资空间，说明资金已经开始寻找新的长期资产方向；但二级市场代币价格回撤、支付协议单笔金额偏低，说明市场尚未看到足够强的真实需求支撑。

本报告认为，区块链在机器人经济中的价值，不在于替代所有支付方式，而在于处理开放网络中的复杂协作。对封闭平台和单一企业而言，传统支付已经足够；对跨平台身份验证、任务完成证明、数据贡献追溯、多方收益分配、机器资产融资和稳定币清算等场景，链上机制才可能体现出独特价值。

传统股票与Web3资产应承担不同角色，传统机器人股票和ETF提供现实锚，反映订单、收入、供应链能力、成本下降和终端放量；Web3机器人资产提供期权性，反映机器身份、数据激励、链上协作、稳定币结算和资产金融化预期。CoinW TradFi的价值，在于把传统机器人产业链的现实进展与Web3机器人叙事放在同一套交易框架中，帮助用户同时观察产业景气和链上预期。

综合看，机器人与加密仍是一个值得长期跟踪、但需要更严格验证标准的早期赛道。短期内，它更像是一级市场先行、二级市场回调、真实需求等待验证的结构性主题；中长期看，若机器人能够在现实世界持续创造现金流，并通过链上机制完成可信计量、融资、分润和治理，那它有机会成为加密市场少数真正连接现实生产力的方向之一。

1.机器人与加密结合的新周期

1.1 机器人发展的宏观环境与阶段

1.2 加密成为底层基础设施

2.机器人加密生态的分层结构

2.1 身份与基础层

2.2 智能决策与协作层

2.3 价值实现与金融化层

2.4 数据供给层

2.5 其他

3.传统股票产业链与成本流向

3.1 核心传动与执行层

3.2 感知与传感层

3.3 计算与控制层

3.4 能源与结构层

3.5 本体与制造层

3.6 集成与应用层

3.7 终端成本流向与价值捕获

3.8 跨市场入口：CoinW TradFi

4.风险与制约因素

4.1 技术落地的风险

4.2 商业化与规模化风险

4.3 监管与合规风险

4.4 价值捕获与代币经济的风险

4.5 跨资产配置的特殊风险

5.趋势与展望

5.1 机器人经济的阶段性发展方向

5.2 可能先跑出来的应用形态

5.3 对加密市场长期影响

6.结论

随着人工智能与自动化技术的突破，机器人正从实验室走向现实应用。金融巨头Morgan Stanley预计2050 年全球将部署近10亿台人形机器人，马斯克认为机器人数量将在2040年前后超过人类。这些判断共同指向一个潜在规模达万亿美元级别的机器经济，其核心不再只是硬件制造，而是围绕机器人运行、协作与价值分配所形成的全新经济体系。

机器人和加密结合作为新叙事开始逐步升温，但当前体量仍然有限。截止至目前，机器人板块总市值约7亿美元，远低于相对成熟的DeFi。然而，从逻辑上看，DeFi主要服务于既有金融体系，而机器人经济的潜在市场规模更大、生命周期更长。若未来机器人硬件实现规模化部署、协议层跑通提及产品与市场契合，且监管环境相对友好，机器人赛道或将会进一步发展。

Source：https://www.coingecko.com/en/categories/robotics

与此同时，从资本市场角度看，机器人主题并不只存在于链上项目之中。传统股票市场已经通过自动化设备、人形机器人、医疗机器人、仓储物流和工业软件等上市公司持续定价机器人产业链；Web3市场则尝试为机器身份、机器数据、机器支付和机器资产建立新的金融表达。两者共同构成机器人经济的完整交易版图。

1.机器人与加密结合的新周期

1.1 机器人发展的宏观环境与阶段

当前全球机器人产业正处于从技术试点向商业部署快速过渡的阶段，市场规模与装机数据持续增长促进了产业的加速。根据ABI Research数据，全球机器人市场规模由2024年的约449亿美元增至2025年的约500亿美元；按2024—2030年口径，预计复合年增长率约13.8%，2030年规模约1,107亿美元。

Source：https://www.abiresearch.com/blog/global-robotics-market-outlook

从技术与成本趋势来看，机器人从可演示向可部署的方向发展。大模型、智能算法与多模态感知技术的融合，使机器人具备更强环境理解、规划与自主决策能力。与此同时，传感器、执行器与边缘计算等核心硬件成本持续下降，标准化和模块化设计提高了制造与维护效率，使得机器人在更多细分场景，如仓储、清洁、安防、医养等具备商业可行性。

在需求与制度层面，劳动力短缺、老龄化人口和供应链重构等宏观因素不断提升对自动化的依赖度，越来越多企业将机器人视为提升效率、保证稳定性与降低长期成本的战略性投入。同时，数据可追溯、安全可验证等监管要求的强化，为新型协作框架与可验证执行体系提供了支持。技术成熟、成本优势与需求提升共同推动机器人赛道进入新周期。

1.2 加密成为底层基础设施

传统互联网与金融体系主要围绕人类参与的交易与协作场景构建，运行过程中高度依赖人工授权、中心化风控和事后审计。这类体系在面对机器之间高频、跨组织等协作需求时，难以实现低成本、持续运行和自动扩展等。相较之下，机器代理经济对底层基础设施提出了原生数字化、强自动化和高度可组合的要求，而加密技术正好在这些方面具备优势。随着支付、身份、服务等核心能力在协议层逐步完善，机器代理正从被动执行指令的工具，逐步发展为能够自主协作、独立结算并参与经济活动的自治主体。

1.2.1 x402推动支付层走向成熟

支付是机器代理经济闭环成立的首要条件。无论是算力、数据、API服务，还是执行结果的交付与结算，机器代理都必须在没有人工介入的情况下完成即时、低成本且可编程的价值交换。传统支付系统在交易成本、结算延迟与自动化能力上的限制，使其难以承载机器经济中数量级更高的交易频率。

x402作为机器代理的底层支付协议已逐步成熟，截止至目前，x402已处理超过1.5亿笔交易，其最新版本在协议层引入了基于钱包的机器身份体系、自动化API发现能力等，使机器代理能够在发现服务的同时完成支付协商与结算执行。支付由此从外部附加能力，转变为机器协作流程中的内生组成部分。更重要的是，x402已被纳入谷歌推动的机器代理支付协议体系，并作为代理对代理支付扩展在多组织环境中落地。

1.2.2 ERC-8004补齐信任与协作基础

与此同时，在机器代理经济中，单纯解决能不能支付并不足以支撑复杂协作。若机器代理无法确认对方身份、无法评估其历史表现、也无法验证执行结果的可靠性，协作关系就只能停留在低风险、低复杂度的交易层面，难以承载跨主体、跨组织的任务分工。

ERC-8004针对这一核心瓶颈，在协议层引入了完整的信任与协作框架。该标准通过三类注册机制，为机器代理建立可验证的协作基础。首先，身份注册为每个机器代理提供链上可验证的身份与服务描述，使其能够被发现、识别和引用；其次，声誉注册将执行记录、支付证明和反馈信号进行标准化，使机器代理的历史行为具备可量化、可比较的评价基础；再次，验证注册引入零知识机器学习验证和可信执行环境等独立校验手段，使不同风险等级的任务能够匹配相应的验证强度。

通过将身份、声誉与执行验证统一纳入协议层，ERC-8004使机器代理之间的协作不再依赖中心化背书，而是建立在可组合、可扩展的去中心化信任机制之上。这一信任层的确立，使支付、执行与协作能够形成稳定闭环，为机器代理经济从简单交易走向规模化协同夯实了基础。

1.2.3 机器代理发现、协作与执行开始走向标准化

在支付与信任机制之外，机器代理能否实现规模化运行，还取决于协作流程本身是否具备标准化基础。如果机器代理之间的能力描述、任务交接和结果返回仍高度依赖定制化接口，协作成本将随参与主体数量线性上升，系统难以扩展。发现与协作机制的标准化，是机器代理从可运行走向可规模化的重要前提。

在这一层面，模型上下文协议（MCP）与代理对代理协议（A2A）正逐步发展为标准。MCP将机器代理与工具、数据资源的交互方式进行统一，使不同代理能够在一致接口下调用外部能力；A2A则通过标准化能力描述与任务生命周期，使机器代理之间能够直接发现彼此、分发任务并返回结果，从而降低跨平台协作的集成成本。两者共同推动机器代理协作从点对点集成转向网络化协同。

综合看，x402解决了支付问题，ERC-8004建立了信任基础，而MCP、A2A等完成了发现、协作与执行层的标准化。同时，随着稳定币规模扩张与监管框架逐步清晰，机器代理已经具备在现实环境中运行的条件。加密技术正在发展为支撑机器代理自治运行的底层基础设施。下文，本报告将从分层结构视角，进一步拆解当前机器代理加密生态的整体架构及其代表性项目。

2.机器人加密生态的分层结构

在展开具体阐述之前，有必要先说明机器人加密生态的分层结构的逻辑。这里的分层是按照机器人进入开放经济系统所必须经历的能力链条来划分：先要有物理设备和网络连接，再要有可验证的链上状态、身份和结算规则，随后才是智能决策、任务协作、数据供给和金融化表达等。

按照这一逻辑，底层首先是机器人硬件、传感器、互联网与物联网协议，负责让机器接入现实世界并产生数据；再往上是区块链共识、数据可用性、智能合约和Layer1/Layer2执行环境，负责记录可信状态、承载资产和执行规则；在此之上，机器身份、钱包、支付、声誉和验证协议为机器人提供经济主体资格；再上层的操作系统、协作协议和数据网络，则负责让机器人具备感知、推理、协同和学习能力；最上层才是面向用户和资本市场的DApp、DAO、Launchpad、机器人资产化与收益分配等。因此，本报告将机器人加密生态拆为身份与基础层、智能决策与协作层、价值实现与金融化层、数据供给层及其他早期探索项目。

2.1 身份与基础层

2.1.1 peaq

peaq是面向机器代理经济构建的专用Layer1，其核心目标是为机器人、设备与自动化系统提供链上身份、经济账户以及可执行的经济规则。随着机器人从被动工具转向自主代理，传统的中心化管理模式已无法承载成千上万台机器之间的复杂交互。peaq的存在，就是为了解决机器如何在不依赖中心化平台的前提下，独立完成支付、合同签署与服务交付。它为机器提供了标准化的生存协议，使其能无缝融入开放的全球经济系统。

与通用公链主要服务人类交易不同，peaq在协议层原生集成了面向机器场景的身份、访问控制与支付能力，使其更接近为机器而生的经济网络。这决定了peaq在机器人加密生态中的定位，即承担身份与经济规则层的基础设施角色，为不同类型的机器人和设备提供统一、可扩展的制度基础。

链上机器身份

在机器代理经济中，身份是一切自治交互的起点。peaq通过peaq ID为每一台设备或机器人提供唯一、可验证的链上身份，使其能够在开放网络中被识别、认证与授权。这一身份体系不依赖单一厂商或中心化平台，而是由区块链和密码学机制保障，从而减少传统物联网和机器人系统中常见的平台信任等问题。

更进一步，peaq的机器身份并非静态标识，而是可以与行为记录、权限规则、经济账户和智能合约进行绑定。这意味着机器人在链上的每一次操作，都具备清晰、可追溯的身份背景，为责任划分、合规审计和经济结算提供基础数据结构。在多机器人协作或跨平台运行场景中，不同来源的机器人可以在无需事前信任的情况下完成识别与协作。

机器人自主结算

在身份之上，peaq为机器人原生配置了链上钱包与经济账户，使其能够直接参与价值流转。这直指机器人经济的核心约束之一，如果机器人只能执行任务，却无法自主结算成本与收益，其经济行为始终需要人类或中心化平台代为完成，难以形成真正自治的机器网络。

在peaq网络中，机器人可以按照预设规则自动完成多种经济行为，包括为资源消耗支付费用，如电力、充电、带宽或算力调用，并在任务完成后直接接收服务收入。进一步地，机器人还可以通过智能合约，将收益按贡献度在设备所有者、维护方和数据提供者等多方之间自动分配，从而降低协作成本并减少人为干预。这一机制使机器人从被动执行的工具，转变为能够持续运作的经济单元。围绕这一能力，peaq推出了模块化的机器支付系统peaq Pay，用于支持机器之间的点对点结算，为M2M场景下的即时支付提供基础设施支持。

机器人系统的兼容性

为了避免区块链复杂性成为机器人落地的障碍，peaq同步推出了面向开发者的 Robotics SDK，将身份生成、钱包创建和链上通信等复杂逻辑封装在底层。机器人开发者无需深入理解加密技术，即可通过标准化接口完成链上接入。

在设计上，该SDK针对机器人场景优化了通信延迟与权限管理，使链上规则能够在不影响实时控制的前提下运行。同时，SDK原生支持ROS 2，降低了现有机器人系统迁移至peaq网络的成本。peaq还引入了统一的时间标准，用于解决多机器人、多系统协作中的时间同步问题，使其更接近机器代理经济操作系统的角色。

链上数据

从链上数据来看，peaq已初步形成具备规模效应的机器经济网络。截止至目前，累计处理链上交易超过1.96亿笔，机器地址数量超过337万，人类钱包数量超过270万，每日处理约7万笔机器相关交易，显示出一定的使用基础。

Source：https://dune.com/peaq/peaq-dashboard

在金融基础设施层面，peaq推出了面向机器经济的原生去中心化交易所MachineX。目前MachineX仍处于早期阶段，TVL约70万美元，累计交易量约7,001万美元，累计手续费约54万美元，流动性主要集中在 PEAQ/USDT交易池，其TVL约30万美元。

Source：https://app.machinex.xyz/analytics

peaq在机器人加密生态中的核心价值，体现在其提供的身份与经济规则基础设施。随着机器人逐步走向规模化、自主化运行，缺乏统一身份、结算与规则执行体系将成为系统性瓶颈，而peaq正在尝试填补这一空白。

但需要注意的是，peaq最初定位于DePIN赛道，核心目标在于为现实世界设备与机器节点提供通用的身份与经济规则基础设施，机器人仅是其应用分支之一，且目前仍处于相对早期阶段。peaq的原生代币已发行，截止至目前其市值约为 4,816万美元，而其历史最高市值曾一度达到约4.5亿美元。从整体进展来看，peaq仍处于从DePIN基础设施向更复杂机器代理与机器人应用延展的早期阶段，其生态成熟度与规模化效果仍有待进一步验证。

2.2 智能决策与协作层

2.2.1 OpenMind

OpenMind是成立于2024年的美国机器人与智能基础设施公司，由斯坦福大学生物工程教授Jan Liphardt领衔创立，团队成员包括来自微软、机器人研究领域的工程师与专家。OpenMind的核心使命是构建面向实体机器人智能与协作的通用基础层，通过开源软件与去中心化协议解决当前机器人生态中存在的碎片化、难以互操作与协作不足的问题。

OpenMind在机器人加密生态的分层结构中定位于智能决策与协作层，核心关注点为使不同厂家、不同形态的机器人能够共享智能运行时环境与协作协议，从而突破传统封闭系统对协作、学习与规模部署的限制。

核心技术架构

A.通用机器人操作系统OM1

OM1是OpenMind发布的开源、硬件无关的机器人操作系统，其设计理念类似于手机领域的安卓，旨在为智能机器人提供统一的感知、推理与执行运行时层。OM1系统通过模块化架构支持多种机器人平台，如四足、双足、人形与无人机等，它允许开发者快速构建具备环境感知、语言理解与空间推理的智能行为，从而降低行业内碎片化开发的门槛。

OM1的开源版本已上线于GitHub，并采用MIT许可协议发布，支持跨架构的部署，使其适配实际硬件与仿真环境。其内置支持自然语言、视觉与导航等能力，较传统机器人堆栈在智能表达与环境适应性上更具优势。OM1系统被视为通用的AI 原生操作系统，意义不仅在于丰富机器人本体能力，还在于让机器人具备更接近人类交互与决策能力的运行基础。

B.FABRIC协作协议

在OM1之上，OpenMind推出了FABRIC，该协议作为机器人间去中心化协调层，提供身份验证、协作状态共享、环境上下文传递与事件记录等功能。FABRIC不仅是交互层协议，更是用于跨设备可信协作的枢纽，使得机器人在无中心化控制者的条件下可以建立共识、共享语境与协同执行任务。FABRIC的设计初衷是构建可扩展的协作基础设施，为未来可能的机器人经济、任务交易与责任归因提供数据与制度可追溯性。

C.X402支付协议集成

在经济与执行层面，OpenMind将支付能力作为机器自治的重要组成部分，并通过集成x402支付协议引入原生的机器自主结算机制。该方案由OpenMind与Circle合作开发，基于USDC稳定币实现机器人在无人工干预情况下完成资源支付，例如充电、电力消耗、算力调用与网络服务费用等。

在具体架构上，USDC作为稳定的记账单位与价值载体，承担跨场景结算功能；x402 协议提供底层支付与调用通道；而OpenMind的智能系统则负责基于任务状态、环境上下文与协作规则，动态决策何时、何地以及以何种方式触发支付行为，从而在不依赖人工干预的前提下完成价值结算闭环。

Source：https://x.com/openmind_agi/status/1995840403745231039

通过将支付逻辑直接嵌入机器人运行与协作流程中，X402使经济行为成为机器执行链路中的原生组成部分。2025年5月，OpenMind成为Coinbase x402协议的首批启动合作伙伴之一，这也标志着其在机器即经济主体方向上的探索，开始与主流稳定币与支付基础设施形成更紧密的对接。

融资背景

2025年8月，OpenMind完成2,000万美元的融资，由Pantera Capital领投，参投方包括Coinbase Ventures、Digital Currency Group、Ribbit Capital、Sequoia China等知名机构。

产品进展

在产品层面，OpenMind已从底层系统与协议研发阶段进入智能产品的生产级交付阶段。2025年11月，OpenMind推出并开启预售的BrainPack是其首个商业化硬件产品，运行在OM1之上并原生集成 FABRIC协作协议。BrainPack支持实时3D SLAM与语义地图构建、隐私原生的人脸检测与模糊处理、物体语义标注及自动回充等功能，并通过FABRIC实现去中心化身份验证与上下文共享。

BrainPack基于NVIDIA Jetson Thor GPU，但定位为即插即用模块，已明确兼容Unitree Robotics的G1人形机器人与Go2四足机器人平台。据官方信息，BrainPack预售定金为999美元，首批预计于2026年第一季度交付。

Source：https://openmind.org/store/purchase

OpenMind旗下Fabric基金会已推出ROBO代币公开发售，公售估值为4亿美元，出售代币总量的0.5%。公售中40%的代币将优先分配给Fabric Foundation、Kaito、Virtuals及Surf AI社区。目前，ROBO代币已上线，当前市值为2,995万美元。

整体看，OpenMind通过通用机器人操作系统OpenMind OM1与去中心化协作协议FABRIC，尝试解决多厂商、多形态机器人在运行时环境、上下文理解与协同执行上的碎片化问题，使机器人具备跨平台共享智能与协作能力。在此基础上，OpenMind进一步引入x402支付协议，将基于USDC的自主支付机制嵌入机器人执行链路，使机器人能够在任务与资源调度过程中自动完成经济结算。OpenMind已从底层协议研发迈入真实机器人场景验证阶段，但其在大规模部署、长期稳定运行及经济激励机制成熟度方面仍处于早期探索期，后续表现将取决于其技术栈在更多机器人平台与实际应用情况。

2.3 价值实现与金融化层

2.3.1 Virtuals Protocol

Virtuals Robotics是Virtuals Protocol在机器人方向上的重要扩展，核心目标在于为机器人智能体提供从能力生成、训练验证到链上表达与流动性实现的完整路径。Virtuals Robotics更关注机器人智能在形成之后，如何被标准化描述、定价并纳入可交易、可组合的资产体系之中。在这一框架下，具备自主决策与执行能力的机器人不再仅被视为技术系统，而是作为可产生持续价值的经济单元，其能力水平、协作关系及潜在收益预期均可通过链上机制进行表达。

在机器人加密生态的分层结构中，Virtuals Robotics更接近于机器人智能与加密金融之间的中间层基础设施。一方面，其为机器人提供实验与训练环境，支持不同类型智能体的能力迭代；另一方面，通过发行与交易机制，引入外部资本与流动性，使机器人能力不再局限于封闭系统内部使用，而是可以被市场定价与配置，从而形成机器人能力、资本以及应用场景之间的正向循环。

机器人训练数据供给

Virtuals Robotics当前推进最为明确的落点集中在机器人训练数据的采集、验证与激励机制。2025年10月，Virtuals联合BitRobot Network推出了数据应用SeeSaw，并将其作为BitRobot Network的第5号子网上线运行。

SeeSaw并非一个孤立的数据应用，而是深度嵌入BitRobot Network的子网体系之中。这意味着，其数据采集、质量评估与激励分配并非由单一平台决定，而是依托 BitRobot Network提供的底层机制完成，包括对上传数据的结构化验证与可用性判断；基于工作量或贡献度的激励分发逻辑；确保数据可追溯、可复用的子网级记录体系等。

在具体逻辑上，SeeSaw通过激励用户上传日常行为视频，构建可用于机器人模仿学习、动作建模与行为理解的数据集。这类数据在传统机器人研发中通常高度依赖封闭场景采集与人工标注，成本高、规模受限且难以持续扩展。SeeSaw试图将这一过程转化为开放、可激励、可持续增长的数据供给网络，使机器人训练所需的人类行为数据能够以更低边际成本持续积累。

在Virtuals的整体体系中，SeeSaw更像是机器人智能体训练阶段的数据入口层。其本身并不直接生成机器人智能，但为后续训练、验证与能力定价提供基础输入，是机器人智能实现规模化的重要前置环节。

产品进展

目前，SeeSaw已在App Store上线，用户可上传时长10秒至1小时之间的内容，并在通过平台审核后获得相应积分。SeeSaw还未发行代币，主要以积分的形式激励用户。但从实际使用情况来看，其产品形态仍处于早期测试阶段。本报告在体验过程中尝试上传多条与研究主题相关的视频内容，但截止至72小时以上仍未完成审核，相关激励尚未触发，可见平台在内容处理效率与流程成熟度方面仍有待进一步优化。

Source：seesaw.io,https://seesaw.io

从当前进展来看，Virtuals Robotics选择机器人数据与能力资产化作为突破口，并通过SeeSaw完成了产品落地尝试。但整体仍处于验证与用户行为测试阶段，包括数据审核效率、激励触发机制以及数据对实际机器人训练效果的传导路径，均有待在更大规模下验证。

2.3.2 XMAQUINA

XMAQUINA是以DAO形式运作的链上机器人产业投资平台，目标是将机器人行业的早期股权与长期资本回报引入链上，并通过代币化与社区治理机制实现开放参与。平台通过统一资金池配置机器人产业相关资产，代币持有者参与投资决策与治理，并按规则分享产业成长所带来的收益。

在融资上，XMAQUINA采取分阶段推进策略。它早期已通过私募与社区轮累计募集约1,031万美元。2025年底，XMAQUINA宣布与Virtuals Protocol合作，在Virtuals平台完成DEUS的公开发售。发行价格约0.06美元，支持以USDC与VIRTUAL参与，其中VIRTUAL 同时用于早期流动性构建。

核心架构

在组织结构上，XMAQUINA由两个高度协同的模块构成。第一层是DAO金库，其功能是管理一个多资产的机器人经济金库。该金库所持有的资产包括机器人公司股权、实体机器人运营资产以及与机器人产业相关的基础设施与协议资产。所有资金配置、投资决策与收益使用方式，均通过DEUS持有人治理投票决定，使运作结果直接与代币持有者利益绑定。

第二层是机器经济的Launchpad，其作用是将单个、具体的机器人项目或机器资产，拆分为可独立治理的子DAO进行孵化和扩展。每一个子DAO通常对应一个明确的资产或项目，在风险、收益和治理上相对独立运行。同时，这些子项目会向XMAQUINA主DAO回馈一定比例的代币或费用，使主金库随着生态扩张不断累积资产与价值。这使XMAQUINA不只是一次性投资工具，而是具备持续吸纳和复制机器人经济资产能力的制度化平台。

Source：https://www.xmaquina.io/how-it-works

项目进度

从实际落地情况看，XMAQUINA已完成了多笔真实资本部署，覆盖机器人公司股权与实体机器人资产两个方向。在投资层面，XMAQUINA DAO已通过治理流程，将资金配置至多家人形机器人赛道的头部企业，包括Apptronik、Figure AI与Agility Robotics等；在实体资产层面，XMAQUINA已开始尝试将可产生经营收入的机器人项目纳入DAO 投资范围。其披露的 “Robo-cafe in Munich” 项目，是与peaq生态协作推进的机器人咖啡厅试点，通过DAO资金支持机器人设备部署，并将运营收入结构化回流至链上。根据官网显示，目前XMAQUINA DAO已支持的项目有12个，总资助金额超30万美元。

需要注意的是，尽管XMAQUINA在制度设计上颇具创新，但机器人产业本身具有研发周期长、商业化难度大、资本消耗高等特征，这对一个以社区治理为核心的DAO架构提出了挑战。DAO的决策效率、治理投票率、对长期项目的耐受力，以及风险控制框架，都是该模型能否成功的重要因素。

2.4 数据供给层

2.4.1 PrismaX

PrismaX是面向机器人远程操作与真实任务执行的数据生成基础设施，服务于机器人模型在真实环境中的训练需求，目标是在物理世界任务执行过程中持续获取高质量训练数据。

PrismaX系统对操作行为、环境状态与任务结果进行统一记录和结构化处理，使任务执行过程从一次性行为转化为可复用、可持续积累的数据资产。该体系试图解决机器人领域长期存在的数据瓶颈。与可大规模获取互联网的语言模型不同，机器人训练依赖物理世界中的真实交互数据，而现有可用数据规模仍处于数千小时量级，难以支撑复杂能力。PrismaX通过真实世界任务执行持续扩展数据来源，尝试为机器人模型提供长期、可扩展的数据供给。

融资背景

PrismaX于2024年6月完成约1,100万美元融资，其中a16z领投，参投方包括Volt Capital、Blockchain Builders Fund、Stanford Blockchain Accelerator以及Virtuals Protocol等。

数据到操作的正反馈结构

PrismaX将自身的发展模式概括为数据、模型以及远程操作的正反馈结构，且将自我发展定位为三个阶段：
数据采集阶段，重点通过远程操作收集大规模、高质量的视觉与操作数据，以满足机器人公司在模型预训练与微调阶段对低成本、可扩展数据的现实需求；
模型训练阶段，随着模型能力提升，单个操作者可同时管理多台机器人，参与真实业务场景的任务执行，在完成任务的同时持续生成新数据；
远程操控提升阶段，机器人将基于前期积累的数据与模型实现更高程度的自主性，而 PrismaX网络本身则转向为大规模机器人提供高效率、低成本的生产级服务能力。

这一正反馈结构决定了PrismaX 的核心资产并非某一单点产品，而是随时间不断累积的数据质量、操作经验与模型能力，其价值呈现出明显的长期复利特征。

Source：https://www.prismax.ai/blog/prismax-launches-ai-teleoperations-platform

数据公平与长期激励逻辑

PrismaX将机器人训练数据视为长期价值来源，并围绕数据如何被生产、使用和分配进行设计。PrismaX明确将数据收益纳入体系目标，要求数据在模型训练与商业化过程中产生的价值能够被持续记录和分配。在具体机制上，PrismaX通过远程操作任务采集数据，并将操作者纳入数据贡献体系。数据在被模型使用后形成的经济回报，按照既定规则回流至数据贡献者，使操作者在模型成长过程中持续获得激励。

通过这一设计，PrismaX试图建立一个可持续的数据供给网络。随着数据规模扩大、质量提升以及模型对数据依赖程度加深，平台能够不断强化数据生产的正向激励，并积累长期可复用的数据资产。

产品进度

PrismaX已推出远程操控平台，用户可远程操作实际机器人，从而在真实环境下执行任务并生成高质量训练数据。该远程操控平台已进入测试使用阶段，并支持多类型机器人臂的远程操作，目前主要用于低级操作任务，如桌面抓取与视觉交互等。据官方消息，已有累计约2万小时的远程操控工作量被记录。

PrismaX的定位聚焦于机器人在真实环境中的数据获取与能力训练，其价值基础建立在远程操作、真实任务执行与数据持续积累之上。在机器人尚未实现全面自主之前，对人类介入和高质量交互数据的需求将长期存在。随着远程操控规模扩大、数据质量提升以及模型能力逐步增强，PrismaX有望形成稳定的数据供给体系，并在机器人赛道中积累具有长期意义的数据与模型资产。

2.5 其他

2.5.1 Konnex

Konnex致力于为由大模型驱动的机器人提供底层基础设施。其核心理念是构建无需许可、无需信任的机器人协作与服务市场，使机器人能够自主签署合约，并按需调用不同专业化的机器人智能服务提供方，从而实现机器人能力与服务的自由组合与自动化协作。Konnex已完成1,500万美元战略轮融资，投资方包括LD Capital、Cogitent Ventures等。

Konnex采用双代币模型，核心目标是为机器人自主作业与去中心化协作提供稳定、可持续的实用型经济体系。其中，稳定币作为机器人原生结算货币，用于任务支付、托管与执行奖励，确保机器人在执行现实世界物理任务时具备价格稳定、可预测的收入与成本结构，避免波动性资产对自动化决策的干扰。

在此基础上，平台原生代币KNX作为网络的基础资产，主要承担质押、安全、治理与交易功能。机器人智能服务提供方、验证者及关键基础设施节点需质押KNX以参与网络运行，从而在经济层面约束恶意行为并保障任务执行与验证过程的可信性。同时，KNX也作为协议层交易与服务交互的功能性代币，用于支付网络费用、激励验证者与协调多方参与者的行为。

Source：https://docs.konnex.world

Konnex已获得1,500万美元的融资，目前其代币还未上线，用户参与测试网活动可获得一定的积分，存在空投的预期。但从产品上看，Konnex目前还是处于非常早期的阶段，项目动态更新较为缓慢，也暂无实际已经落地的产品，其发展还有待进一步观察。

2.5.2 Axis Robotics

Axis Robotics致力于打造一种全新的物理人工智能基础设施，将多样化的人类智能转化为可用于机器人通用智能的训练数据与模型。Axis Robotics认为机器人智能不能仅由少数公司中心化构建，而应通过公众参与、开放生态来形成，并努力建立从数据生成、增强、模型训练到实际部署的端到端系统架构。其目标是降低智能采集与训练的门槛，让普通用户参与机器人学习进程，从而推动通用机器人智能的普及与加速。

目前，Axis Robotics已启动了Beta测试。在5 天内吸引了18,000 名参与者，共生成超过100,000条机器人训练轨迹数据，这也验证了其以大规模社区协作驱动Physical AI数据生产与模型优化的相对可行性。

Source：https://x.com/axisrobotics

与此同时，Axis Robotics也在推进其“Physical AI”基础设施的开发，不仅强调社区驱动的数据生成，还持续在开放模拟平台上迭代功能与生态建设。近期其 “Little Prince’s Rose” 实验吸引了大量参与者，在模拟中采集互动数据以训练机器人控制策略，并通过随机化任务设置与动态环境增强推动数据多样性与泛化能力；同时官方宣布模拟器现已支持轮式机器人和人形机体的移动与复杂操作，这标志着平台从静态操控向具身移动与导航任务的扩展，为通用机器人智能训练创造更广泛的实验基础。整体看，Axis Robotics处于早期不断探索的阶段。

3.传统股票产业链与成本流向

前文梳理了机器人加密生态的分层结构，本章转向传统股票侧的产业链与成本流向。传统股票覆盖从核心零部件到集成应用的完整产业链，是机器人产业的现实锚，可审计的订单、收入与利润都发生在这里。本章先按自下而上的顺序拆解产业链的六个层级，每一层级内部展开该层主要细分赛道的格局；再回答资金如何流动的问题；最后回到跨市场入口的设计。

3.1 核心传动与执行层

这一层直接决定机器人的负载能力、定位精度和运动流畅度，是人形机器人中价值占比最高的环节，它主要由四大细分赛道构成。

减速器

减速器是机器人关节的“减速增扭”核心，分为谐波减速器、RV减速器和行星减速器三类。

谐波减速器面向高精密场景，是工业机器人末端关节、人形机器人肘腕等部位的标配。日本Harmonic Drive Systems长期处于全球高端谐波减速器市场领先地位，是行业技术标杆；中国绿的谐波则是国内谐波减速器第一梯队企业，在国产替代和本土机器人供应链中具备较强竞争力。

RV减速器面向重型工业机器人基轴，日本Nabtesco占全球工业机器人RV减速器占据大部分；中国双环传动、中大力德等厂商正在推进RV减速器国产替代。行星减速器主要用于协作机器人和低负载场景，竞争格局相对分散。

本赛道的核心驱动逻辑是，人形机器人需求爆发正推动减速器市场从“工业自动化驱动”转向“智能仿生运动驱动”。Goldman Sachs指出，全球人形机器人谐波减速器需求预计从2026年的2.76万台飙升至2031年的724万台，占谐波减速器总需求的66%。这一结构性切换意味着传统工业减速器供应商需要重新适应人形机器人的产品规格、价格带和交付节奏。

伺服电机与驱动系统

伺服电机是机器人的“肌肉”，负责动力输出与精密控制。目前，全球伺服市场由Yaskawa、Mitsubishi Electric、Fanuc、Siemens四大巨头主导，合计份额约50%；Nidec、Panasonic、Bosch Rexroth等紧随其后。中国汇川技术已在伺服领域取得突破，成为本土龙头，并积极向头部客户供应链拓展。

以Tesla Optimus等人形机器人为例，关节执行器和灵巧手对高功率密度电机、驱动器和微型传动件需求较高；中国鸣志电器、兆威机电等公司在空心杯电机、微型传动等方向受到产业链关注。同时，伺服电机与驱动器市场2025年规模约198亿美元。伺服系统的核心壁垒在于驱动器与电机的协同调校、编码器精度、以及与上层控制器的实时通信协议。

行星滚柱丝杠

行星滚柱丝杠（Planetary Roller Screw, PRS）将旋转运动转化为直线运动，应用于机器人髋、膝、踝等承受大扭矩的部位，是人形机器人区别于传统工业机器人的关键部件之一。全球市场长期由德国Schaeffler主导，份额约50%-60%；日本THK和NSK是重要参与者。

中国五洲新春、贝斯特、北特科技等公司也在相关零部件和工艺能力上进行布局。滚柱丝杠属于人形机器人中潜在增量较大的精密传动方向，但需求爆发依赖具体技术路线是否被主流厂商采用，以及供应商能否完成材料、热处理、磨削、装配和寿命测试等验证。

灵巧手

灵巧手是实现精细操作的关键末端执行器，也是人形机器人最复杂的子系统之一。数据显示全球多指灵巧手市场规模约1.5亿美元，预计2032年将达10亿美元，年复合增长率约26%。

其核心难点在于触觉传感器集成和亚毫米级精密控制。英国Shadow Robot的Shadow Hand系列（24个关节运动、20个自由度）是行业研究标杆，2025年与Google DeepMind持续迭代DEX-EE模块化多指手；德国SCHUNK在工业级灵巧手领域领先，2025年汉诺威展展示SVH 5指人形夹爪；中国因时机器人以高性价比方案在制造业领域获得认可。目前灵巧手仍处于从实验室走向工业应用的过渡阶段，距离大规模量产还有一定的工程化窗口。

3.2 感知与传感层

这一层赋予机器人看、触、感的能力，是机器人从程序化执行向智能化自主决策的核心。相关数据预测，全球机器人传感器市场在2034年将达162亿美元。Tesla Optimus原型机使用28个执行标准，人形机器人对传感器密度的需求远高于传统工业机器人，它主要包含五大细分赛道。

视觉传感器

视觉传感器是机器人传感器市场最大细分赛道，占比约39.4%。日本Keyence（6861.T）和Omron是全球机器视觉双寡头；美国Cognex凭借深度学习视觉库占据工业视觉出货量约35%。中国厂商中，禾赛科技和速腾聚创在LiDAR领域处于全球第一梯队，同时也在向机器人视觉延伸；奥普特、矩子科技等在工业视觉细分场景具备竞争力。视觉传感器的核心壁垒在于光源设计、镜头工艺和软件算法的协同，这三者决定了识别精度、抗干扰能力和长期可靠性。

力/力矩传感器

力/力矩传感器是协作机器人与人形机器人安全交互的核心部件，尤其在汽车工业和医疗工厂中，ISO/TS 15066（协作机器人安全标准）合规要求推动了该品类的普及。单台协作机器人的力/力矩传感器物料成本约800-1200美元。ATI Industrial Automation、FUTEK和Bota Systems是该领域的专业供应商；Bota Systems的模块化触觉传感器可弯曲贴合肢体，代表了人形机器人触觉设计的新方向。中国厂商在该领域的整体份额较低，但部分企业开始切入工业协作机器人市场。

IMU惯性测量单元

IMU（Inertial Measurement Unit，惯性测量单元）是机器人姿态与运动控制的基础传感器。STMicroelectronics、Bosch Sensortec、TDK InvenSense等是主要供应商，行业厂商也在通过并购或自建产能强化MEMS供应能力。中国厂商在低端消费级IMU市场具备成本优势，但在工业级高精度IMU领域仍以海外厂商为主。

LiDAR

LiDAR为机器人提供3D环境感知能力，是自主移动机器人和人形机器人导航的关键传感器。中国厂商禾赛科技、速腾聚创在车载LiDAR出货中位居前列。机械式、半固态、纯固态是LiDAR的三个技术路线，目前人形机器人应用以半固态和固态为主，体积小、成本低、可靠性高是核心诉求。

触觉传感器

触觉传感器的终极目标是让机器人拥有接近人类的触觉感知能力，这需要在材料科学（柔性电子皮肤材料）和信号处理算法上同时取得突破。根据USPTO数据，2025年美国专利局累计授予超过600项触觉传感相关专利，年均保持20%以上增速，表明该领域的创新竞赛正在加速。当前主流方案包括电阻式、电容式、压电式、光学式四类，每类方案在灵敏度、响应速度、量产成本上各有取舍，距离人形皮肤的全场景感知仍有较大差距。

3.3 计算与控制层

这一层是机器人智能化的核心，涵盖三大板块：AI芯片与计算平台、控制器/PLC（Programmable Logic Controller，可编程逻辑控制器，工厂自动化的核心控制设备）、操作系统与软件。技术迭代速度最快、长期利润弹性较大，软件与AI层通常具备高于纯硬件制造的毛利潜力，但当前人形机器人软件收入占比仍不稳定。

AI芯片与计算平台

NVIDIA Jetson Thor系列最高提供2,070 FP4 TFLOPS算力和128GB内存，是面向物理AI和机器人开发的重要边缘计算平台之一。CUDA生态（NVIDIA开发的GPU并行计算平台）的护城河让竞争对手难以快速追赶，任何替代方案不仅要解决硬件性能，还要让全球数百万开发者迁移代码库。

控制器/PLC

控制器/PLC市场由欧美巨头主导：Siemens占全球约21%，Rockwell Automation约18%，Schneider Electric约18%。这一格局在过去三十年保持相对稳定，主要因为工业客户对控制器的可靠性、长期兼容性和服务生态有极高要求，迁移成本极高。控制器正从单一运动控制向“运动控制+AI推理+数字孪生”融合方向发展。ROS2（Robot Operating System 2，机器人操作系统第二代）的普及有助于降低机器人软件开发门槛，并提升跨硬件平台迁移能力，但短期内难以完全替代工业控制器在实时性、安全认证和服务生态上的壁垒。中国厂商在该领域的突破机会在于，与本土机器人本体厂商深度协同，针对人形机器人等新场景开发专用控制器。

操作系统与软件

操作系统与软件是机器人智能化的“软实力”。NVIDIA Isaac Sim/Omniverse（基于物理的机器人仿真平台，可在虚拟环境中训练和测试机器人）和Tesla VLA模型（Vision-Language-Action，将视觉、语言和动作融为一体的端到端模型）代表软件前沿。前者提供高保真仿真训练环境，让机器人在虚拟世界中完成上百万次试错再部署到现实；后者实现端到端视觉-语言-动作闭环，让机器人通过自然语言指令直接完成物理操作。软件层的商业逻辑与硬件不同：边际成本接近零、规模效应极强、先发优势明显，率先形成开发者生态和数据飞轮的玩家，才能建立长期护城河。当前人形机器人软件生态仍处早期，是初创公司可以切入的窗口期。

3.4 能源与结构层

这一层占整机硬件物料成本约5%-10%，但对续航和安全至关重要。主要包含动力电池和结构件两大板块。

动力电池

电池是机器人的“心脏”，决定续航时间和使用场景边界。TrendForce预计，到2035年，人形机器人将带来约74GWh的固态电池需求。简单理解，这相当于给数百万台人形机器人配套电池，意味着一旦人形机器人进入规模化量产，固态电池可能会迎来新的增长场景。韩国LG Energy Solution已获多家人形机器人订单，计划2026年量产；Samsung SDI正与Boston Dynamics洽谈供货。中国CATL和BYD以LFP（磷酸铁锂）技术主导全球电动车电池（合计约55%份额），但在对重量和续航敏感的人形机器人中，LFP路线仍面临能量密度约束。当前主流样机续航仅2-4小时，远低于工业场景期望的8小时以上连续作业。

固态电池是下一代方向，能量密度可达400Wh/kg以上（约为当前锂电池的2倍），且安全性更好（无液态电解液，不易燃）。但量产成本和良品率仍是瓶颈，预计2030年才有望规模化进入机器人市场。短期内，混合方案（如高镍三元+固态电解质）可能是过渡选择。

结构件与永磁材料

结构件决定机器人的骨架强度和运动精度，核心挑战是“轻量化+高刚性”的平衡，过重影响续航和运动性能，过轻则降低承载能力和稳定性，镁合金、碳纤维复合材料是主要的技术升级方向。拓普集团和旭升集团是Tesla Optimus核心结构件供应商，单车价值量在数千元级别。

永磁材料同样关键。单台人形机器人的钕铁硼（NdFeB）永磁体用量取决于电机方案和关节数量。中国在稀土永磁材料产业链中占据重要地位，2025年4月中国对部分稀土相关物项实施出口管制，是Tesla供应链最大的地缘政治风险点。这一变量也促使Tesla等头部客户加速推进永磁材料的去稀土化技术路线。

3.5 本体与制造层

这一层将底层零部件整合为完整机器人产品。本层竞争焦点已从能否造出来转向能否低成本大规模量产，后者才是真正考验工程能力、制造效率和供应链管理的环节。

工业机器人

FANUC、ABB、KUKA和Yaskawa长期位居全球工业机器人主要厂商之列，统治了汽车制造、3C电子、金属加工等主流工业场景。ABB于2025年签署向SoftBank出售机器人业务的协议，交易预计于2026年下半年完成；KUKA被美的集团控股——四大家族格局正在被资本运作重塑。工业机器人的商业模式已经成熟：标准化产品+集成商交付+长期服务收入。硬件毛利率约25%-35%，通过规模化制造和全球渠道建立壁垒。

人形机器人

人形机器人是新兴赛道，竞争格局远未定型。据Goldman Sachs数据，Tesla Optimus处于领跑位置，Figure AI、Agility Robotics、Boston Dynamics、1X Technologies紧随其后。中国厂商中，UBTECH 2025年交付1079台全尺寸人形机器人（营收8.2亿元，同比增2203%），宇树科技Unitree以H1/G1系列覆盖研究到商用场景，智元机器人、银河通用等也快速崛起。

人形机器人的商业模式仍在探索期：Tesla选择自用+ 部分对外销售；Figure AI定位ToB长周期客户（汽车工厂、仓储）；UBTECH、Unitree则以开发者教育和早期商业订单并行。中国厂商凭借供应链优势和成本控制能力，正在成为全球人形机器人价格段的“锚定者”。从产业发展角度看，人形机器人正在经历类似早期电动车的发展阶段。技术路线多元、玩家众多、价格快速下降、场景逐步明确。

3.6 集成与应用层

这一层是产业链利润最丰厚的一层，毛利率普遍高于上游零部件制造，因为它直接面对终端客户的真实需求，整合硬件、软件和服务形成完整解决方案。

工业自动化集成

Siemens、Rockwell、Schneider三大巨头凭借PLC和控制系统优势提供整体解决方案，从单一设备销售转向自动化整体方案+长期服务。工业集成商在汽车产线、3C工厂、仓储物流等领域扮演重要角色，单个项目金额可达数千万甚至上亿美元。中国本土集成商（埃斯顿、新时达、新松等）正在崛起，但高端项目仍以海外为主。

医疗机器人

Intuitive Surgical凭借达芬奇手术系统占据全球手术机器人市场约80%份额，是医疗机器人赛道最成熟的商业化标杆。其商业模式的核心是设备+耗材+服务的闭环。其主机价格约150-250万美元，但每次手术消耗的机械臂、专用耗材等持续贡献收入，毛利率超过65%。这一“剃刀+刀片”模式（通过低毛利主设备绑定后续耗材利润）是医疗机器人投资逻辑的经典案例。

仓储物流

Symbotic为沃尔玛等零售巨头提供AI驱动仓储自动化，单一合同金额可达数十亿美元；Zebra Technologies在条码扫描和移动计算领域领先；Daifuku是全球物料搬运系统龙头。仓储物流机器人正受益于全球电商渗透率提升和劳动力成本上升的双重驱动，是工业机器人之外增速较快的应用场景之一。

主题ETF

BOTZ（Global X Robotics & AI ETF）以35.4亿美元AUM（Assets Under Management，资产管理规模）和48只成分股成为最大纯机器人主题ETF，覆盖NVIDIA（约10%）、ABB（约8%）、Fanuc（约8%）等核心标的；ROBO ETF采用等权重结构，提供更分散的产业链敞口；IRBO（iShares Robotics and Artificial Intelligence Multisector ETF）则聚焦AI与机器人交叉领域。ETF是普通投资者布局机器人赛道最便捷的工具，但要注意：成分股权重披露滞后、机器人概念定义宽泛、单一标的占比有限等问题。

3.7 终端成本流向与价值捕获

3.1-3.6梳理了产业链由哪些环节构成、各环节有哪些细分赛道。本节回答钱如何流动。一台机器人从零部件采购、出厂组装、到最终交付，每一分钱分别流向了哪个环节、哪个玩家，占比多少、毛利几何。这是判断各环节定价权与利润弹性的基础，也是投资人挑选标的的依据之一。

工业机器人：成熟赛道的成本分配

工业机器人已进入相对成熟阶段，成本结构有稳定参考基准。根据港交所招股说明书及产业链研究，一台工业机器人出厂价中各环节占比大致为：零部件采购约占42%；制造与组装约7%；研发摊销约8%；软件与控制约4%；企业利润约9%。从终端售价视角，用户支付还需覆盖渠道分销约6%、系统集成与部署约15%、售后服务约4%，其他费用约5%。如果一台工业机器人出厂价为10万元、终端价约14万元，则出厂后的渠道、系统集成和售后等环节合计增加约4万元，这部分价值虽然集中在产业链下游，但每一元都需要本地化的销售网络、工程实施团队和长期客户关系支撑，是难以被海外厂商直接复制的护城河。

人形机器人：早期阶段的成本结构

人形机器人尚处早期，成本结构与工业机器人有本质差异。以Figure 02为例，零部件采购占终端售价的30%-40%，研发摊销占30%-50%，制造与组装占5%-10%，软件与算法占3%-5%，系统集成与部署占10%-15%，渠道与品牌占3%-5%，企业利润为负值。早期买家支付的溢价大部分流向了研发回收而非零部件本身。这意味着：现阶段投资人形机器人公司，本质上是在赌其能否在中短期内跨越原型期、把成本结构从“卖一台亏一台”切换到“规模化盈利”。

价值捕获梯度：哪些环节赚钱、哪些被压缩

综合工业与人形机器人的成本分析，机器人产业链价值捕获呈清晰梯度：上游核心零部件占成本60%-75%但毛利率仅6%-14%，利润被技术壁垒和规模效应锁定；中游本体制造毛利率25%-35%；下游系统集成18%-25%；软件与AI层毛利率最高（28%-40%），但目前仅占市场收入约12%。

这一梯度揭示了两条关键投资线索：一是人形机器人规模化进程中，精密传动（减速器、丝杠）和执行器组装环节将是最直接、最确定的受益者，占硬件物料约60%且技术壁垒高，但短期需注意特斯拉自研、国产替代、价格战等压缩因素；二是随着硬件商品化（commoditization，即产品逐渐变得同质化、利润率下降）加深，软件、AI算法和数字孪生等智能层将成为利润最丰厚环节，类似智能手机从硬件向App生态的价值迁移。从长期看，若硬件逐步商品化，软件、AI算法、数字孪生和运维服务有望捕获更高比例的增量价值。

两条资金线索

综合成本流向与价值捕获梯度，可以为投资者画出两条相对清晰的资金线索：

第一条线索，硬件红利线。围绕减速器、丝杠、伺服电机、灵巧手等核心传动环节，以及AI芯片、动力电池等高价值硬件环节，押注中国厂商在国产替代与Tesla供应链中的份额提升。这一线索的逻辑基础是中国制造业的成本优势+供应链整合能力，兑现路径清晰但毛利率天花板较低。

第二条线索，软件分润线。围绕机器人操作系统、仿真训练平台、AI模型推理框架，以及下游集成应用中的SaaS（Software as a Service，软件即服务）化工具，押注软件与AI层在硬件商品化后捕获更高比例利润的长期趋势。这一线索的逻辑基础是“剃刀+刀片”商业模式，弹性大但兑现周期长，需要等待硬件渗透率达到临界点。两条线索的风险收益特征不同：硬件红利线确定性更高但毛利率受限于产业链博弈；软件分润线弹性更大但需要等待商业模式成熟。

3.8 跨市场入口：CoinW TradFi

基于上述结构，CoinW TradFi从跨市场交易入口切入，它核心亮点是：传统股票提供真实产业锚，Web3提供机器经济金融化的弹性，CoinW TradFi把两者连接成加密用户可以理解和交易的主题资产。

产品可分三层推进：第一层是传统机器人股票价格敞口，围绕TSLA、NVDA等高识别度标的提供交易入口；第二层是Web3机器人资产敞口，围绕PEAQ、VIRTUAL等代币构建高Beta主题观察区；第三层是通过传统股票与 Web3 资产之间的表现差异，形成内部的跨市场配置与相对价值交易机会。

Source:https://www.coinw.com/market/futures/TradFi

在产品设计上，CoinW TradFi可突出四个优势：1）以USDT作为计价和结算单位，并提供更贴近加密市场习惯的24/7交易体验，降低用户在法币账户、券商账户、加密账户以及不同时区之间切换的摩擦；2）支持多空、杠杆或保证金交易，使用户可在财报、产品发布、政策变化和突发市场事件前后进行方向交易或风险对冲；3）通过主题篮子整合相关股票、ETF及Web3资产，降低单一标的波动风险，更适合表达跨市场主题；4）对权重、标的池、价格源、调仓规则、结算规则和异常行情处理机制进行透明披露，强化产品可信度与用户信任。

同时应明确风险边界，CoinW TradFi提供的是传统金融资产相关的价格敞口，不等同于持有股票、ETF份额或公司股东权利；若采用指数或篮子产品，应在合规、价格源、交易时段、停牌处理、极端波动保护、资金费率和强平机制上预先设计规则。

4.风险与制约因素

4.1 技术落地的风险

机器人赛道整体仍处于早期阶段，硬件层面包括动态平衡、复杂环境下的可靠抓取、多模态感知融合以及长时稳定运行等问题，仍依赖大量真实世界训练和工程迭代，技术进展存在明显的不确定性。

具体而言，人形机器人在以下几方面尚未完全突破：一是双足行走的稳定性，目前大多数样机仍需在受控环境中运行，平地、楼梯、斜坡等场景的鲁棒性不足；二是灵巧操作的精度，触觉传感器与力控算法的精度尚未达到人手水平，复杂装配、医疗手术等任务仍难以稳定完成；三是长时续航，主流人形机器人单次充电仅能工作2-4小时，远低于工业场景期望的8小时以上连续作业；四是多机器人协作的可靠性，群体调度、避障、任务分配等算法在规模化部署时仍存在长尾失败案例。

在此基础上，机器人系统与区块链基础设施的融合进一步提高了技术复杂度。机器人任务通常对低延迟、高可靠性有较高要求，而当前公链在性能、稳定性和实时性方面仍存在一定限制。例如x402等支付协议虽已支持机器间自主结算，但单笔交易确认时间仍以秒计，难以满足高频工业控制场景的需求。分布式系统在同步、异常处理和安全防护上的复杂性，也可能放大系统性风险。

从本报告的整体分析看，多数机器人和加密结合的项目仍停留在可运行原型或小规模试点阶段，距离大规模、稳定部署尚有距离。技术路线是否能够顺利跨越工程化、规模化和长期运维阶段，仍需要时间与真实场景验证。

4.2 商业化与规模化风险

机器人相关应用通常具有较长的商业化周期。从实验部署到形成可复制、可扩展的商业模式，需经历成本下降、可靠性提升和客户接受度验证等多个阶段。在机器人加密项目中，部分产品当前主要服务于数据采集、实验性应用或生态建设，短期内难以形成稳定现金流。这意味着项目价值更多依赖赛道长期成长的假设，投资回报仍存在不确定性。具体而言：一是数据采集型项目当前主要依赖代币激励驱动贡献者上传数据，但数据质量评估、需求匹配、商业化路径仍处于早期；二是协作协议型项目虽已发布产品，但付费用户数量与稳定收入规模尚未形成闭环；三是资产金融化项目虽已部署部分DAO资金，但回报周期与退出机制高度依赖机器人初创企业的成长曲线，本身具有较高不确定性。

此外，机器人部署通常涉及硬件成本、运维成本和场景适配成本，规模扩张对资金和组织能力要求较高。一旦外部融资环境收紧或商业推进不及预期，项目整体发展进度可能受到影响。

4.3 监管与合规风险

机器人与加密经济同时作用于物理世界和金融体系，面临多重监管不确定性。在现实层面，自主或半自主机器人参与公共或商业活动，涉及安全责任、事故归责、数据隐私与伦理边界等问题，相关监管框架仍在不断完善。

具体来说：一是产品安全监管，人形机器人进入家庭、医院、工厂等场景，需要满足不同国家与行业的强制认证标准，认证周期长且成本高；二是数据隐私监管，机器人采集的视觉、语音、位置数据可能涉及个人隐私，欧盟GDPR、中国《个人信息保护法》等都对其使用范围与跨境传输设置了严格限制；三是责任界定，当机器人造成财产损失或人身伤害时，事故归责链条（用户、运营方、制造商、算法提供方）尚无成熟法律框架。

在加密与金融层面，代币融资、DAO投资实体资产或企业股权的模式，可能被纳入证券或集体投资产品监管范围。一旦监管趋严，项目在融资结构、代币流通或治理机制上均可能受到限制。同时，不同司法辖区对机器人运行、无人设备及跨境数据流动的监管标准差异较大。若涉及跨区域部署或全球化运营，合规成本和不确定性将进一步上升。

另外，当机器人主题进一步延伸至传统股票、ETF或相关指数的价格敞口时，合规边界也会更加复杂。与加密原生资产不同，传统金融资产受到证券监管、市场数据授权、交易时段、停牌机制、公司行为处理以及投资者适当性等规则约束。

4.4 价值捕获与代币经济的风险

虽然加密机制为机器人网络提供了新的激励工具，但长期有效的激励模型仍有待验证。当前部分项目的代币价值主要依赖市场预期与叙事扩散，真实现金流和可量化收益仍然有限。

传统股票产业链已形成的可审计毛利分布是Web3端项目代币定价的重要参照系。如果一个Web3机器人项目的代币估值暗示其捕获了类似软件AI层的高毛利，它必须证明自己确实承担了相应的算法、数据或平台职能，否则其代币价格远高于真实价值捕获能力。

若缺乏成熟的数据评估、任务验收和质量控制体系，代币激励可能吸引短期套利行为，影响网络数据质量与长期稳定性。例如数据采集网络中，低质量、重复甚至伪造的数据若未经过严格校验便获得激励，将污染训练数据集，影响模型效果，最终削弱整个网络的真实价值。

同时，机器人生态涉及多类参与者，包括硬件制造商、运营方、数据贡献者和网络节点等，不同角色在价值链中的分工和收益分配较为复杂。激励分配结构一旦失衡，可能削弱关键参与方的长期投入意愿，影响生态持续发展。

此外，机器人加密资产的代币流通解锁也是潜在风险点。许多项目早期面向社区和早期投资者的代币有锁仓与释放节奏，若大规模解锁期与市场流动性收缩期重合，可能引发代币价格的剧烈波动，对生态内的合作方和长期持有者均产生负面影响。

4.5 跨资产配置的特殊风险

传统股票与Web3代币两类资产都指向机器人主题，但跨资产配置本身也带来了一些新的、单一资产投资中不存在的风险。

一是相关性风险。理论上传统股票与Web3代币的相关性较低，但在某些市场状态下两者会出现同涨同跌。这意味着分散化效应在某些场景下会失效，尤其在市场风险偏好剧烈变化时，两类资产可能表现出高于预期的相关性。

二是交易时段错配。传统股票有明确的交易时段，而加密市场是7×24小时交易。跨市场产品在交易时段切换、停牌、节假日处理上会出现结算与定价的窗口错位，可能导致产品在非交易时段的价格偏离合理水平。

三是数据源与定价机制差异。传统股票的价格来源是受监管的交易所撮合数据，而Web3代币的价格来源是去中心化交易所聚合数据。两类资产在同一主题篮子中暴露时，价格基准的统一性、极端行情下的流动性深度、以及异常价格的过滤规则等都需要提前设计。

四是监管套利与政策风险。跨市场产品往往涉及多个司法辖区，不同地区对加密资产、传统金融衍生品、机器人产业的监管态度差异较大。一旦某一辖区收紧监管，相关产品在当地的可用性、合规性、产品形态都可能受到影响。投资者在使用跨市场产品时，应充分理解产品对应底层资产的具体形态（是现货、期货、还是合成资产），以及相关风险敞口的归属。

5. 趋势与展望

从交易产品发展角度看，机器人主题也可能从单一股票、单一ETF或单一代币，逐步走向跨市场主题产品。传统股票负责反映产业链真实景气，Web3资产负责反映机器经济链上化预期，而CoinW TradFi这类产品则可以为用户提供传统金融资产价格敞口、主题篮子和跨市场观察框架。

若机器人产业持续放量，围绕机器人股票篮子、机器人ETF、Web3机器人代币以及二者强弱关系的交易产品，可能成为加密交易平台承接机器人叙事的重要方式。面向未来，本报告预计机器人和加密领域的结合将沿着一定方向发展，并可能出现具有革命意义的应用形态，并对整个加密市场带来深远影响。

5.1 机器人经济的阶段性发展方向

从长期看，机器人与加密的结合或许并不会以单一应用爆发的形式出现，而更可能沿着数据、结算以及制度的方向逐步发展。基于机器人技术成熟度及当前赛道进展，本报告将机器人经济与区块链融合的发展过程划分为三个阶段。

第一阶段，去中心化的智能数据采集

本报告认为，当前机器人智能发展的主要瓶颈之一在于真实世界操作数据供给不足。与互联网模型不同，机器人能力提升高度依赖人类示范、环境交互与物理反馈数据，而这类数据采集成本高、难以规模化，长期集中于少数大型机构。

在这一阶段，赛道的主要探索方向将集中在数据生产侧的组织方式重构。通过代币激励，将分散在个人与小型团队手中的遥控设备、传感器与仿真环境组织起来，形成持续运行的数据采集网络，使数据从内部资产转变为开放供给。

区块链在该阶段主要承担激励分配、贡献记录和数据溯源功能，本质上是降低数据生产的组织成本。这一阶段不以商业化为目标，而是为后续机器人能力提升和规模部署提供数据基础。

第二阶段，链上结算与规模运行

随着机器人硬件成本下行、可靠性提升，机器人将逐步从试点应用走向持续运行。在这一阶段，赛道关注点从能否运行转向如何长期使用与结算。当机器人被用于重复性、标准化任务时，其本质已接近一种持续输出的生产单元。要支撑这种模式，必须解决高频、小额、自动化的服务结算问题。传统支付和人工结算方式在效率和成本上均难以适配。

在此背景下，区块链开始作为结算基础设施发挥作用。机器人拥有独立账户，用于自动支付并接收任务报酬，任务撮合、计量与结算过程由规则自动完成，减少人工介入。部分去中心化任务网络将从试点进入实际运行阶段，验证机器劳务作为可计价服务的可行性。

第三阶段，机器人经济的制度化运行

当机器人部署规模达到千万级以上，并在多个行业承担核心职能时，机器人将不再只是工具，而是持续参与经济活动的生产要素。此时，对身份、权属、责任与协作规则的制度化需求进一步上升。

在这一阶段，区块链的角色将从结算工具升级为规则与治理基础设施。机器人通过链上身份获得明确的权属与责任界定，其收入分配、行为记录与协作关系均在系统内被持续追踪和约束。人类角色相应从直接操作转向规则设定与监督，通过治理机制确定机器人系统的目标和边界。机器人负责执行，系统负责约束，形成相对稳定的机器经济运行框架。

5.2 可能先跑出来的应用形态

同时，在机器人和加密的发展过程中，有望先跑出来一些应用形态：

去中心化机器人劳务市场

想象一个全球性的机器人版Uber平台，但没有中心化公司，一切由区块链驱动。企业或个人发布现实世界任务，如送货、安保巡逻、仓库搬运等，遍布世界各地的机器人竞标接单，通过工作量证明任务完成。任务资金由智能合约托管，验证完成后即时支付。机器人所有者可获得收入，算法模型提供者也能通过贡献智能分享收益。

这将解锁价值数万亿美元的物理劳动市场，让机器劳动力像云服务一样随取随用。如本报告前文所提的Konnex正朝这个方向努力，提出的通用任务协议和传感器数据审计支付机制，有潜力成为这一杀手应用的基础。一旦实现，企业雇佣机器将像调用API一样便捷，极大提高社会运行效率。

机器人运营的自治实体

与此同时，当机器人具备较高自主性，它们可以运营实体商业并产生持续现金流。未来可能出现的无人化餐厅、咖啡厅、全自动配送中心等。当这些业务以DAO或智能合约形式运作时，投资者可以通过持有其代币成为股东，分享利润。Peaq和XMAQUINA已经开始尝试这类模式，如在欧洲推出代币化机器人咖啡馆试点，由机器人完成煮咖啡、结账等运营，收益按期分配给代币持有人。

如果这类自治实体证明比人力运营更高效可靠，将会吸引海量资本涌入。毕竟相比人类公司，这些机器人企业7×24小时运转、可透明审计且利润自动分配，没有侵占行为。我们可能会看到未来出现机器人民营企业，机器人成为完全独立的实体，其相关代币也或成为炙手可热的投资标的。

AI智能体与物理机器结合的新服务

结合AI Agent相关进展，先跑出来的应用还可能出现在AI与机器人共生的方向。如，一个链上的AI智能体可以远程调用分布在不同地方的机器人来为用户完成复杂任务。用户只需下达一个高层指令，AI Agent便会在链上自动招募施工机器人、采购材料，协调完成建造。整个过程中通过区块链记录任务进度和支付中转，保证可信且自动化。这样的自治机器人团队将开启全新服务业态。若与物理机器人结合，这种无需人类微观管理的服务将极大拓展机器经济的应用边界。

家庭与个人领域的机器人助手经济

随着人形机器人价格下降，未来很多家庭可能拥有私人机器人助手。如果这些机器人接入区块链网络，每个家庭都能将闲置的机器人时间租赁出去赚取代币。白天上班时，把家务机器人借给邻居使用，由智能合约计费结算；或者让家里的机器人在晚上去附近商铺当安保巡逻，然后自动回来充电。这样每个机器人都是一个可收入的资产，个人也会有动力投资机器人。区块链可以在社区范围内调度机器人服务、处理信用担保和纠纷仲裁，让共享机器人经济成为可能。

总体而言，先跑出来的应用很可能出现在生产生活的核心领域，具备高频刚需、能提升效率，并通过区块链实现价值闭环。在它出现之前，市场或许还需要一些耐心。但一旦某个应用证明可行并大规模复制，那将为机器人赛道带来指数级增长，并成为下一个驱动加密行业爆发的强劲叙事。

5.3 对加密市场长期影响

机器人赛道的崛起，可能对整个加密市场生态和价值格局产生深远影响：

首先，这将为加密市场注入庞大的新增价值。过去加密领域的主要经济活动集中在金融、NFT和部分游戏社交等虚拟场景，本质上仍是人类参与为主。而机器人经济涉及的是真实世界的生产力，当机器人逐步替代或扩充人工，从工厂制造到物流运输再到服务业等，每一个机器劳动产出都可以上链计价。

这意味着未来区块链上流转的不再只是虚拟资产，而有可能是实实在在的社会GDP的一部分。想象几十年后，每当一台机器人完成一次配送、一次手术、生产一批商品，其价值增量都通过链上代币或者稳定币结算，那么链上的交易量和价值总量将呈现爆炸式增长，区块链不再仅仅是投机者博弈的舞台，而成为全球经济运转的底层清结算网络之一，这会极大扩张加密市场的规模上限。

其次，机器人赛道的发展将重塑加密市场的参与者结构。目前链上地址基本对应人类用户，而未来随着机器广泛接入，每个机器人都将拥有链上地址并频繁活动。与此同时，大量实体企业为了拥抱机器人红利，也将被迫接触并使用区块链。这将推动区块链技术在传统行业落地，加密市场的用户不再局限于投资者，而是扩展到各行各业的从业者，甚至延伸到机器本身成为用户。

第三，机器人经济或将孕育新的主流加密资产类别。过去比特币、以太坊等价值支柱主要对应数字黄金等逻辑，而随着机器赛道发展，可能会诞生反映机器经济繁荣程度的指数型资产。如持有某种代币就相当于持有全球机器人劳动力的一部分算力或服务份额，或者机器人生产的总产值代币化为类似ETF的资产等。实体资产上链也会加速，机器人硬件、工厂自动化设备都可能以NFT货代币等形式交易融资等。总之，加密市场将出现更多锚定现实生产资料和生产力的资产，而不只是交易所平台币或游戏代币。这会进一步增强加密资产和实体经济的关联，提高整个市场的内在价值支撑。

同时，机器人赛道也可能加速加密市场与TradFi的融合。传统股票和ETF已经在持续定价机器人产业链中的硬件制造、AI算力、工业自动化、医疗机器人和仓储物流等环节，而Web3资产则更多定价机器身份、数据激励、链上结算和资产金融化等未来预期。随着两类资产围绕同一产业主题形成联动，加密交易平台有机会从单一加密资产交易场所，进一步扩展为跨市场主题资产的交易入口。以CoinW TradFi为例，若其通过USDT结算、24/7交易体验、主题篮子和透明价格源，将机器人相关股票、ETF与Web3机器人资产组织到同一交易框架中，用户便可以同时交易产业景气和链上叙事。这不仅拓展了加密市场的资产边界，也有助于吸引传统资金和加密用户在同一主题下形成新的流动性。

最后，从行业地位看，机器人赛道有潜力成为继DeFi之后，加密领域新的长期主线之一。如果机器人叙事逐步落地，将带来连续数年的创新浪潮和关注度。可以预见，当市场意识到机器人赛道背后的潜力是真实世界价值的引入，其想象空间将不再局限于互联网范畴，而是对标整个传统经济体系。这对提升加密行业的社会评价、吸引主流资金都有正向作用。

当然，前提是机器人赛道能够走出目前的早期阶段，涌现出几个真正成功的标杆项目，向世人证明机器经济的可行性和盈利能力。如果这一进程顺利，那么加密市场的下一个超级叙事很可能就是机器人经济。当越来越多的人相信区块链是未来机器社会的核心基础设施时，加密行业也将迎来自身角色的蜕变，从服务人类的金融试验场，升华为承载机器文明的价值网络。

6. 结论

综合来看，机器人与加密的结合仍处于早期阶段。目前，一级市场融资叙事已经成立，二级市场代币价格已经经历一轮回撤，真实使用量仍未明显起来。这三者之间的脱节，是判断本赛道时最需要关注的核心问题。头部加密基金开始把投资范围延伸至人工智能、机器人和前沿科技，说明机器人已经进入一级市场的资产配置视野；但代表性代币价格回落、支付协议单笔金额偏低，也说明二级市场和真实需求还没有形成稳定共振。

从资金侧看，加密基金进入机器人，并不等于市场已经验证了机器人与区块链之间存在强技术协同。Paradigm将投资范围扩展至机器人和前沿科技，更像是在加密一级市场退出通道变窄、人工智能与机器人热度上升背景下的资产配置扩容；a16z crypto新基金仍坚持只投加密，且其2026年重点方向中并未将机器人列为核心主题，这说明行业共识尚未真正形成。相比之下，Framework提出的逻辑更接近当前赛道的关键，即代币化可能成为人工智能和机器人资产的融资层。也就是说，眼下更值得关注的不是机器人是否一定要通过链上支付收款，而是加密机制能否为高资本开支、长回报周期的机器人资产提供新的融资、分润和流动性工具。

因此，本报告对赛道的核心判断，需要从“机器人是否会用区块链收钱”，转向“区块链到底解决机器人经济中的哪个真实问题”。在封闭平台、单一企业或低频交易场景中，机器人完全可以通过信用卡、企业账户或传统支付系统完成收费，链上结算并不是刚需。区块链更适合处理开放网络中的多方协作，包括跨平台身份验证、任务完成证明、数据贡献追溯、多方收益分配、机器资产碎片化融资、自治实体经营和稳定币清算。如果这个方向最终跑出来，更可能不是依靠设备数量和交易笔数讲故事的DePIN分支，而是现实世界资产上链和机器人资产融资的延伸，解决的是机器人重资产、融资难、收益分配复杂和资产流动性不足的问题。

对投资和产品判断而言，传统股票与Web3资产应承担不同角色。传统机器人股票和ETF提供现实锚，反映订单、收入、供应链能力、成本下降和终端放量；Web3机器人资产提供期权性，反映机器身份、数据激励、链上协作、稳定币结算和资产金融化预期。CoinW TradFi的价值，在于把传统机器人产业链的现实进展与Web3机器人叙事放在同一套交易框架中，帮助用户同时观察产业景气和链上预期。

后续观察本赛道，应优先关注更高又针对性的指标，而不是只看机器地址数量或链上交易笔数。x402等协议的单笔金额是否从低额测试走向真实商业支付，peaq的机器人支付演示是否脱离模拟环境并进入真实街道、真实设备和真实商户，OpenMind与优必选、智元、傅利叶等机器人厂商的合作是否产生可验证出货和持续使用，Framework等明确提出机器人融资层逻辑的基金是否继续投资真实交叉项目，以及a16z等头部加密基金是否在后续年度把机器人正式纳入核心框架，都会是判断行业共识和真实需求是否改善的重要信号。

总体而言，机器人与加密仍是一个值得长期跟踪、但需要更严格验证标准的早期赛道。短期内，它更像是一级市场先行、二级市场回调、真实需求等待验证的结构性主题；中长期看，若机器人能够在现实世界持续创造现金流，并通过链上机制完成可信计量、融资、分润和治理，那么它有机会成为加密市场少数真正连接现实生产力的方向之一。