從PCB過剩論到AI硬件，尋找機器人時代的立訊精密

01

從PCB過剩論說起

制造業的周期輪回中，光伏和鋰電的慘烈內卷如同懸在所有賽道頭頂的達摩克利斯之劍。

今天看到虎嗅一篇文章《PCB的好日子，可能只剩兩年》。這篇文章 正是基于這種恐懼。文章推演AI需求爆發引發頭部企業集體擴產，這波產能洪峰將在2026-2028年集中釋放，屆時PCB將重演光伏與鋰電的過剩悲劇。

然而，這種宏大敘事和歷史回顧，往往會忽略一些問題。

光伏和鋰電的產品高度同質化，資本能夠輕易且快速地復制產能并轉化為有效供給。

但事實上，高端PCB卻擁有極長的客戶供應鏈認證周期和高度定制化屬性，導致紙面上的新增產能極難直接轉化為搶奪現有利潤的有效訂單。

生硬地用標準品的周期規律去套非標品的命運，就是陷入的假設陷阱。

順著這個邏輯，我們重新審視整個AI硬件產業鏈。拋開產能擴張的表象，到底哪些環節擁有真正難以被復制的「硬護城河」？又有哪些賽道正步入「被動一致擴產」的死亡螺旋？

02

護城河脆弱性矩陣：一個分析框架

要判斷一個行業會不會被卷死，首先要理解它的護城河是什么，以及這個護城河有多脆弱。

我們把護城河分為五類，并評估它們被技術變革摧毀的風險：

這個矩陣的關鍵是，護城河的防御力存在天然的層級差異。

規模效應型的護城河最脆弱的。你今天有規模優勢，明天技術路線一變，你的工廠、設備、產能全部變成包袱。柯達就是這樣死的，它的護城河被數碼攝影這個技術變革徹底摧毀。

而物理極限型的護城河最堅固，熱力學定律不會變，材料疲勞的規律不會變，精密制造的工藝積累無法被壓縮。這種護城河可能不吸引人，但它經得起技術變革的沖擊。

對投資者而言，找到物理極限型+時間積累型的疊加象限，就是找到了最堅固的護城河。

用護城河脆弱性矩陣來審視AI硬件產業鏈，我們可以得到一個清晰的壁壘排序：

第一梯隊：壁壘極高，產能幾乎不可復制

環節

為什么難復制

核心玩家

HBM存儲

三星/SK海力士壟斷，工藝難度極高，良率是核心壁壘

海外巨頭

光芯片（激光器芯片）

日本美國主導，國產化率<10%，工藝積累需10年+

源杰科技、光庫科技

HBM的護城河屬于時間積累型（工藝良率）+資本密集型護城河。存儲芯片本質上依然是制造業，其當前的極高壁壘主要來自TSV（硅通孔）和高級封裝（如CoWoS）的良率爬坡極其痛苦，而非單純無法跨越的物理定律。三星和SK海力士的優勢在于數十年的工藝迭代積累和數百億美元的資本投入，這種壁壘短期內難以被復制。

光芯片的護城河屬于物理極限型 + 時間積累型。III-V族材料的物理特性決定了其工藝難度，加上10年以上的技術積累，國產化道路漫長。

第二梯隊：壁壘高，但國產替代有空間

平安鑫安基金經理林清源提出的「算力的盡頭是電力，AI的下半場是能源」。 隨著AI算力需求爆發，電力供應已成為限制AI發展的「硬約束」，能源電力將成為接棒算力的AI產業鏈下半場核心投資機會。

AI數據中心的耗電量是傳統數據中心的5-10倍。目前北美算力建設最大的瓶頸已經不是GPU卡，而是并網許可和電力變壓器。燃氣輪機作為「穩定基荷電源」，訂單能見度極高，且擴產周期長（建廠房、造特種機床、熟練技工培養都需要數年），這種「產能剛性」使得現有龍頭的護城河異常堅固。

第三梯隊：名義高端，實際容易卷

環節

為什么容易卷

光模塊

組裝屬性強，擴產快，800G之后又有1.6T迭代，但誰都能做

普通AI服務器PCB

高階HDI有門檻，但"能做"的公司越來越多

光模塊的真正壁壘不在于制造，而在于迭代速度和供應鏈管理。在800G切換到1.6T的窗口期，誰能率先解決良率問題，誰能從Marvell、Broadcom那里搶到緊缺的DSP和光芯片配額，誰就能吃到第一波超額利潤。但一旦技術停滯，必然走向慘烈的價格戰。

所以在這個領域，研發和供應管理反而成為了護城河的來源，也就是說，這類行業，頭部集中度會越來越高。因為不管是從研發投入還是供應鏈管理角度，頭部公司有天然的優勢和抗風險能力。最新的華工一季度的業績也可以看出對于原材料穩定性的要求。

03

精密減速器的護城河推演

人形機器人是AI的下一個大規模落地場景，而精密減速器是機器人關節的核心部件。我們用剛才的框架來深度分析這個環節。

3.1 減速器在做什么

人形機器人關節的核心：電機 + 減速器 + 編碼器

減速器的作用：把電機的高速低扭矩轉換為低速高扭矩。簡單說，就是把"轉得快但勁兒小"的電機，變成"轉得慢但勁兒大"的關節。

目前主流方案：

• 諧波減速器 ：日本Harmonic Drive壟斷，用于小關節

• RV減速器 ：日本納博特斯克壟斷，用于大關節

國內涉及的公司，綠的諧波、雙環傳動、秦川機床。

精密減速器應該落在物理極限型 + 時間積累型的疊加象限：時間積累的硬約束，不是投錢就能解決。需要「踩坑→改進→再踩坑」的迭代循環，這個循環無法被壓縮。

3.2被技術變革摧毀的風險

路徑一：新原理減速器？

短期看不到能替代精密齒輪傳動的方案。機械傳動的物理原理不會變。

路徑二：AI輔助制造縮短追趕周期？

有可能。但縮短不等于消除。原因在于加工精度需要靠更好的機床，硬件設施AI無法繞過，同時材料配方、熱處理工藝、裝配know-how，還是需要時間積累。因此大概率的場景是，AI能加速研發，但不能讓良率從60%直接跳到95%

路徑三：機器人設計變革繞過減速器？

比如采用直驅方案（每關節一個大力矩電機，不用減速器）。

但問題在于，直驅電機體積大、重量大，不適合人形機器人（要求輕量化）。目前直驅只適合工業機器人末端，不適合全身關節。

04

AI對硬件護城河的沖擊

時間積累的護城河穩固，是基于對于機械制造 精度要求不會變，但有一個潛在的風險點，那就是 AI算法可能替代硬件的精度壁壘。

4.1 軟件補償硬件的邏輯

如果AI可以降低對于精度的需求，則可以實現對于精度優勢的替代。如果只要求95%的精度，實現難度會遠遠低于99%甚至99.99%的精度要求。

如果硬件只有95%的精度，存在微小的背隙或抖動，強大的AI視覺和力覺反饋算法，能在毫秒級發現誤差，并實時下達修正指令給電機來抵消或者調整這個硬件誤差。

4.2 這個邏輯的硬邊界

但這個邏輯仍然會受到限制，如同我們開始提到的物理極限

• 高估了算法，低估了材料疲勞

AI算法可以補償空間位置的誤差，但 AI無法補償物理摩擦和熱量 。

精度不夠意味著齒輪嚙合不好，這會帶來極大的摩擦生熱和異常磨損。這種物理上的"材料疲勞"是指數級的。如果用劣質減速器，由于磨損導致的動態誤差是不可預測的，算法根本無法建立穩定的補償模型，最終會導致整個關節系統瞬間崩潰。

• 模塊化替換的隱性成本

假設機器人便宜且模塊化，壞了就換，看似BOM成本極低。但這忽略了 停機成本和安全成本 。

手機攝像頭壞了，最多拍不了照。但機器人關節如果在搬運重物或與人交互時突然卡死或斷裂，造成的財產損失和安全事故是毀滅性的。在to B場景中，客戶寧愿多花錢買一個不壞的關節，也不接受一個便宜但每個月都要停機維修的"便宜貨"。

• 算力成本與硬件成本比較

毫秒級的實時誤差修正，需要極高的邊緣側算力和超高頻的傳感器采樣率。

把減速器的成本從2000元砍到500元，但為了配合這種低端硬件，可能需要給機器人增加價值3000元的額外算力芯片和更高端的傳感器來做實時補償。在系統總成本（TCO）上，這未必是一筆劃算的賬。

4.3 結論

精密減速器的終局介于汽車發動機和手機攝像頭之間。它的核心護城河不僅僅是成本控制，而是大規模制造下的極高一致性。以特斯拉Optimus為代表的量產計劃，正在重塑行業的商業標準。 馬斯克最需要的不是絕對完美的藝術品，也不是"隨時會壞的便宜貨"，而是 "在一個剛剛好的及格線上，能以極低成本、極高良率、穩定交付100萬個且壽命可預測的工業標準品" 。

05

人形機器人產業鏈價值分配

5.1 價值鏈梳理

我們把人性機器人的價值鏈進行梳理，從重要性到不同類型以及利用分配做幾個區分，大腦（算力+模型）→ 小腦（控制算法）→ 軀干（執行器）→ 手腳（傳感器）。

5.2 軀干的價值可能被低估

大腦和小腦的競爭格局已經固化（英偉達、特斯拉壟斷），但軀干競爭仍然激烈。誰能在價值鏈上和供應鏈上勝出，有以下幾個因素

交付：百萬級產能，PPM級缺陷率

成本：在及格線上做到最便宜

響應：配合主機廠迭代

這幾個因素，恰恰是中國制造的優勢領域。類比電動車產業鏈的價值遷移

因此投資機會在于，市場目前把減速器當作制造業定價（PE 20-30倍），但如果它們證明了大規模一致性交付的能力，可能被重新定價為機器人價值鏈Tier 1（PE 40-60倍）。

06

中國供應鏈的破局路徑

6.1 四種可能的破局路徑

• 路徑一：綁定「非特斯拉陣營」

特斯拉不是唯一玩家：Figure、1X、宇樹、智元、傅利葉等。這些玩家沒有特斯拉的垂直整合能力，它們迫切需要能提供完整關節模組的Tier 1。

但風險在于 ：如果具身智能的終局是算力決定一切的"贏家通吃"，缺乏自研頂級算力和海量數據的初創公司大概率會走向死局。綁定輸家，Tier 1的護城河也會隨之崩塌。

• 路徑二：在細分環節做到不可替代

讓特斯拉發現 自己做反而更貴 。這需要做到不僅僅成本領先，而是技術迭代領先、良率極限、快速響應、系統級成本優化。

但風險在于 減速器受制于經典力學，天花板肉眼可見。馬斯克永遠可以用強大的小腦來彌補硬件的平庸。

• 路徑三：從零件商升級為「解決方案商」

主機廠不想管電機和減速器怎么匹配，它只想管我要輸出多少扭矩。誰能把減速器+電機+編碼器+驅動器+控制算法打包成一個黑盒，誰就能拿到更高的利潤。

但風險在于初創期車企確實需要交鑰匙的黑盒模組，但一旦跨越量產盈虧線，主機廠會踢開Tier 1，全棧自研并向核心部件開刀。黑盒化在極致的降本訴求面前，只存在階段性的保質期。

• 路徑四：利用中國市場的獨特優勢

中國制造業場景本身就是一個巨大的內需市場。地緣隔絕反過來創造了準入護城河北美機器人進不來，中國供應鏈就有了本土市場的確定性。 地緣會隔絕中國供應鏈進入北美，但反過來也會隔絕北美機器人進入中國。

6.2 可能的方向

面對AI算力集中、算法補償硬件以及地緣環境的客觀條件，發揮在交付、成本與響應速度上的優勢，是更為穩健的商業選擇。

因為中國硬件廠商擁有全球稀缺的大規模精密制造與一致性交付能力，所以中國硬件廠商的最優商業路徑是錨定制造溢價并獲取規模紅利。

樂觀劇本

現實劇本

成為機器人Tier 1

成為規�；S

技術溢價+品牌溢價

制造溢價+成本優勢

全球市場

中國+友好國家市場

40-60倍PE

15-25倍PE

中國硬件供應鏈的價值鏈位置，更接近于機器人時代的立訊精密。通過深度綁定頭部大客戶，中國硬件企業以合理的利潤率換取極高的訂單確定性，在產業進入放量期后，賺取持續且穩健的資本回報。

07

投資落地：標的篩選

7.1 篩選標準

按這個思路，我們來看看成為機器人時代的立訊精密。

這一段開始更加主觀地去根據自己的知識經驗篩選一些可能看好的標的，但這些僅代表個人的認知或研究的水平。如果不感興趣的就可以跳過這一章節噢。

7.2 核心標的

拓普集團

維度

評估

大客戶綁定

特斯拉核心供應商（底盤、熱管理、輕量化），深度綁定

精密制造基因

汽車零部件Tier 1，NVH、底盤、熱管理都有積累

機器人布局

已宣布布局機器人執行器（直線、旋轉關節）

組織能力

全球化產能（墨西哥、波蘭工廠），服務全球車企

立訊精密的 核心能力跳出了單純的技術比拼 ，其真正的底色在于極致的執行力：蘋果讓它做什么，它就能做什么 。拓普在特斯拉身上展現的是同樣的特質。

但風險是，重資產屬性，如果特斯拉Optimus放量不及預期，提前投下的巨額產能會變成折舊包袱。

三花智控

維度

評估

大客戶綁定

特斯拉熱管理核心供應商，同時服務全球主流車企

精密制造基因

制冷閥件龍頭，精密加工+流體控制積累

機器人布局

已成立機器人子公司，布局執行器

組織能力

全球化布局，客戶結構多元

判斷 ：穩健型選擇，勝在客戶結構多元，風險更低。

7.3 被忽略的方向：軟硬解耦能力的控制系統提供商

如果結合軟件補償硬件和AI降維打擊邏輯，有一個類型的公司會有可能估值水平的提升， 即 具備軟硬解耦能力的控制系統提供商 。比如柏楚電子（激光切割控制系統絕對龍頭），或者一些在機器視覺、運動控制算法上有深厚積累的公司。

上述觀點的邏輯是既然硬件可以降級，那么能夠將平庸硬件調校出高級性能的控制算法公司，其價值占比就會提升。它們可能不會像立訊那樣做重資產組裝，但有可能成為機器人時代的 聯發科， 提供一套包含底層算法和驅動芯片的交鑰匙方案，賣給需要快速出貨的初創公司。

08

風險提示與投資策略

8.1 三大核心風險

• 風險一：下游沒有跑出真正的寡頭

目前中國機器人市場是百機大戰，供應鏈需要同時配合幾十家做打樣，每家訂單都吃不飽。在內卷出最終贏家之前，供應鏈公司要先經歷一輪慘烈的失血期。

• 風險二：更換周期的錯配

立訊模式之所以能跑出極高的ROE，核心前提是智能手機屬于快消型電子產品，即消費者每2-3年換一次機。

而人形機器人本質上是資本開支和生產資料，買回去期望工作5-10年。一旦初始的滲透率紅利結束，重置需求頻次將遠遠低于消費電子，產能利用率和ROE會面臨斷崖式下跌。

• 風險三：地緣政治的物理隔絕

具身智能屬于頂級大國博弈，中國高端供應鏈極有可能被物理隔絕在北美頭部核心玩家的生態墻之外。

8.2 杠鈴策略

面對這些不確定性，投資組合可能需要一種 "杠鈴策略" ：

• 確定性一端 ：押注拓普/三花，買它們作為特斯拉影子股的制造紅利。

• 高賠率一端 ：尋找在運動控制算法、靈巧手傳感器等極難被特斯拉In-house或能夠賦能非特陣營的細分龍頭。

由于高賠率端（算法、新型傳感器）面臨極高的「技術路線跳變」風險，因此在這端的投資必須配合嚴格的止損或倉位控制紀律，不能像對待確定性一端那樣越跌越買。

09

結論

從一篇討論PCB過剩的文章出發，我們聊了一個分析AI硬件、機器人產業鏈的完整框架：

1. 護城河脆弱性矩陣 ：物理極限型+時間積累型的疊加象限是最堅固的護城河。

2. AI硬件鏈條壁壘排序 ：光芯片、燃氣輪機屬于第一梯隊；IC載板、高速連接器屬于第二梯隊；光模塊、普通PCB屬于第三梯隊。

3. 精密減速器定位 ：介于汽車發動機和手機攝像頭之間，核心護城河是大規模制造下的極高一致性。

4. AI對硬件的沖擊 ：軟件可以補償硬件，但存在物理邊界，例如材料疲勞、停機成本、算力成本三個硬約束。

5. 中國供應鏈位置 ：機器人時代的立訊精密。

6. 投資落地 ：拓普集團和三花智控是最接近立訊模式的玩家，但需要警惕產能周期錯配風險和下游洗牌風險。

在這場漫長且充滿變數的硬件革命中，保持對技術路線跳變的警惕，并在重資產周期和輕資產算法之間做好平衡，是規避過早買入或者買錯路線風險的核心。

免責聲明 ：本文僅為研究分析，不構成投資建議。投資有風險，決策需謹慎。

作者 ：坦桑尼亞老云 | 編輯 ：栗加

每個視角都是拼湊世界真相的碎片，聽真誠的行業觀察者講述獨特的故事。

我們有深耕行業的資深顧問，連續跨界探索的未來創業者，專注細節的產品匠人，和許多志同道合的你們，如果你有想要分享的故事或者感想，可以留言或者郵件聯系（AiysJY@outlook.com）。