人形机器人分层开源生态底层守壁垒中层做生态上层填场景
导读：人形机器人圈混久了，你会发现一条规律——所有头部厂商的开源策略最后都收敛到三层结构。底层闭源守利润，中层开源做生态，上层开源招二开。这不是巧合，是产业规律。本文结合 NVIDIA Isaac GR00T、宇树、智元、傅利叶、银河通用 10+ 真实仓库，掰扯清楚为什么分层开放是终局。
一句话讲清终局
纯闭源会死在场景太少，纯全开源会死在竞品内卷。
- 纯闭源的代表是早期 Apptronik、Figure。机器人出厂后客户只能用它给的几招，工厂 SFC 集成搞不定、行业 know-how 灌不进去，规模化上不去。波士顿动力早年靠液压技术撑场面，就是这个问题。
- 纯全开源的代表是早期小型硬件开源者。图纸代码全给你，竞品直接 copy，你怎么赚钱？内卷到最后价格战，毛利归零。
活下来的厂商想明白了一件事：底层（步态、力控、小脑）死守，中层（SDK、ROS、仿真）放出去，上层（场景算法、行业方案）让群众来填。这套打法，30 年前 PC 行业、20 年前手机行业、10 年前新能源汽车都验证过了。
flowchart TB
A["人形机器人<br/>开源体系终局"]
A --> B["上层自由二开<br/>完全开源"]
A --> C["中层全面开放<br/>协议SDK仿真"]
A --> D["底层统一闭源<br/>护城河"]
B --> B1["场景算法<br/>任务流程"]
B --> B2["集成商开发者<br/>二开方案"]
B --> B3["行业know-how<br/>自由发挥"]
B1 & B2 & B3 --> B4["填充场景"]
C --> C1["SDK ROS2<br/>仿真平台"]
C --> C2["VLA大模型<br/>RL训练框架"]
C --> C3["数据集遥操作<br/>中间件"]
C1 & C2 & C3 --> C4["做大生态"]
D --> D1["步态力控<br/>整机内核"]
D --> D2["小脑运动控制<br/>状态机调度"]
D --> D3["关节电机固件<br/>底层驱动"]
D1 & D2 & D3 --> D4["守住壁垒"]
style A fill:#FFF8E1,stroke:#F57C00,stroke-width:2px
style B fill:#E8F5E9,stroke:#388E3C,stroke-width:2px
style C fill:#E3F2FD,stroke:#1976D2,stroke-width:2px
style D fill:#FFEBEE,stroke:#D32F2F,stroke-width:2px
style B1 fill:#E8F5E9,stroke:#388E3C
style B2 fill:#E8F5E9,stroke:#388E3C
style B3 fill:#E8F5E9,stroke:#388E3C
style B4 fill:#FFF8E1,stroke:#F57C00
style C1 fill:#E3F2FD,stroke:#1976D2
style C2 fill:#E3F2FD,stroke:#1976D2
style C3 fill:#E3F2FD,stroke:#1976D2
style C4 fill:#FFF8E1,stroke:#F57C00
style D1 fill:#FFEBEE,stroke:#D32F2F
style D2 fill:#FFEBEE,stroke:#D32F2F
style D3 fill:#FFEBEE,stroke:#D32F2F
style D4 fill:#FFF8E1,stroke:#F57C00
底层全球统一闭源谁敢开谁先死
底层包括：
- 关节电机（宇树 M107、智元 PowerFlow R）
- 运动控制（ZMP、LIPM、MPC、CBF-QP、WBC）
- 力控算法（柔顺、阻抗、末端力跟踪）
- 整机内核（状态机、异常恢复、调度）
- 预训练步态（出厂默认步态、RL 预训练权重）
开底层的代价：
| 后果 | 推导 |
|---|---|
| 失去差异化 | 同质化竞品涌入 |
| 失去定价权 | 毛利归零 |
| 失去售后话语权 | 客户改坏怪主机厂 |
| 失去生态主导权 | 第三方绕过主机厂赚钱 |
全行业没有任何一家头部企业开源了默认步态和小脑控制的工业级代码。这不是偶然，是商业规律。
| 企业 | 底层策略 | 结果 |
|---|---|---|
| 波士顿动力 | 步态控制完全闭源 | Spot $75k-150k |
| 宇树 G1 H1 H2 Plus | 默认步态闭源 RL 框架开源 | G1 $13.5k 起仍有可观毛利 |
| 智元灵犀 X1 | 小脑运动控制闭源 | 开发套件约 $19.5k |
| Fourier N1 | 步态闭源 Thor 框架部分开源 | 2025-04 发布定位开源教具 |
| Agility Digit | 步态控制闭源租赁为主 | 与亚马逊工厂合作 |
中层全面开放NVIDIA在当机器人时代的微软
| 模块 | 典型开源项目 | 维护方 |
|---|---|---|
| 底层 SDK | unitree_sdk2、spot-sdk | 主机厂 |
| ROS2 | unitree_ros2、agibot_x1_infer | 主机厂 |
| 驱动 | RealSense SDK、电机驱动 | 主机厂和芯片厂 |
| 仿真 | MuJoCo、Isaac Sim、Gazebo | 仿真厂商 |
| 通信 | CycloneDDS、FastDDS | 社区 |
| VLA 大模型 | GR00T N1.7、UnifoLM-VLA、GO-1 | NVIDIA 宇树 智元 OpenDriveLab |
| RL 训练 | unitree_rl_gym、Isaac Lab、LeRobot | NVIDIA 和主机厂 |
| 数据集 | AgiBot World Colosseo 100 万条轨迹 | 主机厂和联盟 |
| 遥操作 | xr_teleoperate、Isaac Teleop | 主机厂 NVIDIA |
中层开放的目的是降低开发者接入成本、适配大模型仿真外设、快速做大生态基数。GR00T、Isaac Sim、RealSense 都要标准接口。
NVIDIA 是中层开源最大推手。从 2024 年 3 月 GTC 宣布 Project GR00T，到 2026 年 6 月 Computex 发布 Isaac GR00T 平台绑定宇树 H2 Plus 作为参考机器人，再到 2026 年 7 月开源 GR00T N1.7 模型权重，目标很明确：做机器人时代的 Windows 和 CUDA，横向平台供应商，不做机器人本体。
flowchart TB
A["NVIDIA战略<br/>不做机器人本体<br/>做机器人时代Windows加CUDA"]
A --> C1["GR00T N1.7<br/>VLA基础模型"]
A --> C2["Isaac Lab<br/>RL训练框架"]
A --> C3["Isaac Sim<br/>物理仿真引擎"]
A --> C4["Jetson Thor<br/>边缘AI计算"]
C1 --> D["宇树H2 Plus<br/>GR00T参考机器人<br/>出货量最大生态最完善"]
C2 --> D
C3 --> D
C4 --> D
D --> E["全球科研用户<br/>Stanford ETH UCSD Ai2"]
D --> F["中国大部分开发者<br/>被宇树锁住"]
E -.- G["NVIDIA收许可费加卖芯片"]
F -.- G
D -.- G
style A fill:#F3E5F5,stroke:#7B1FA2,stroke-width:2px
style C1 fill:#E3F2FD,stroke:#1976D2
style C2 fill:#E3F2FD,stroke:#1976D2
style C3 fill:#E3F2FD,stroke:#1976D2
style C4 fill:#E3F2FD,stroke:#1976D2
style D fill:#E8F5E9,stroke:#388E3C,stroke-width:2px
style E fill:#FFF8E1,stroke:#F57C00
style F fill:#FFF8E1,stroke:#F57C00
style G fill:#F3E5F5,stroke:#7B1FA2
2026 年 6 月 NVIDIA 在 Computex 绑宇树 H2 Plus 作为 GR00T 参考机器人。宇树出货量最大、ROS2 生态最完善、最有群众基础。绑了宇树，就绑了中国大部分的人形机器人开发者。GR00T N1.7 基于 Cosmos-Reason2-2B（Qwen3-VL）骨干，预训练 32000 小时真实示教加 8000 小时仿真，Apache 2.0 协议允许商用。
上层完全开源自由二开海量场景靠群众
上层包括：
| 模块 | 例子 | 谁来做 |
|---|---|---|
| 场景算法 | 装配、焊接、搬运、质检 | 集成商 |
| 任务流程 | 多步骤任务编排 | 集成商 |
| 交互逻辑 | 语音对话、表情、手势 | 应用开发者 |
| 行业方案 | 汽车 4S 导览、餐饮配送 | 集成商 |
| 教学课件 | 大学机器人课程 | 教育机构 |
主机厂不可能覆盖所有场景：
| 主机厂擅长 | 主机厂不擅长 |
|---|---|
| 标准硬件 | 工厂 SFC 集成 |
| 通用步态 | 行业 know-how |
| 基础抓取 | 垂直工艺流程 |
| 通用语音 | 工厂方言、术语 |
三类二开商业闭环：
来自 linuxros.cn · linuxROS
| 角色 | 怎么赚钱 | 典型场景 |
|---|---|---|
| 集成商 | 赚项目定制钱 | 工厂机器人加 MES 加 SFC 一站式 |
| 开发者 | 赚场景租赁运营钱 | 商场导览机器人租赁 |
| 制造客户 | 赚自研贴牌整机钱 | 比亚迪美的自研工厂机器人 |
flowchart LR
A["主机厂<br/>标准硬件"]
B["集成商<br/>场景定制"]
C["终端客户<br/>落地运营"]
D["VLA训练<br/>反哺迭代"]
A -->|"硬件销售"| B
B -->|"定制方案"| C
C -->|"运营数据回流"| D
D -->|"更强大脑"| A
A -.- A1["硬件加云服务"]
B -.- B1["项目集成费"]
C -.- C1["降本增效"]
D -.- D1["模型授权"]
style A fill:#E3F2FD,stroke:#1976D2,stroke-width:2px
style B fill:#FFF8E1,stroke:#F57C00,stroke-width:2px
style C fill:#E8F5E9,stroke:#388E3C,stroke-width:2px
style D fill:#F3E5F5,stroke:#7B1FA2,stroke-width:2px
style A1 fill:#E3F2FD,stroke:#1976D2
style B1 fill:#FFF8E1,stroke:#F57C00
style C1 fill:#E8F5E9,stroke:#388E3C
style D1 fill:#F3E5F5,stroke:#7B1FA2
全球三类生态市场各有各的活法
人形机器人行业活生生分成三类生态市场，都遵循分层开放铁律：
| 生态类型 | 特征 | 代表项目 | 客户 | 收费模式 |
|---|---|---|---|---|
| 欧美高端 | 高门槛付费开放 | Spot SDK、Apptronik、Figure | 高端工业、军警 | 硬件 $75k-150k 加订阅 |
| 全球科研 | 普惠免费开放 | unitree_rl_gym、Isaac Lab、GR00T | 全球高校、AI 开发者 | 硬件 $13.5k-19.5k |
| 国内工业 | 开源招商校企共建 | 智元灵犀 X1、宇树、银河通用 | 制造工厂、集成商 | 整机 $30k-100k 加服务 |
国内工业生态有三个全球都看不到的特殊机制：
- 开源招商——灵犀 X1 全开源，吸引制造业和软件厂商入局共建
- 校企共建——智元乘上海大学、宇树乘 MIT、银河通用乘北大
- 工厂二开贴牌——大型制造厂（比亚迪）自研机器人贴牌
这套打法让国内人形机器人两年跑过美国 10 年的路。
二次开发是产业落地核心机制
为什么人形机器人比工业机械臂、AMR 难落地得多？答案：二次开发是必须的。
| 角色 | 负责 | 利益点 |
|---|---|---|
| 主机厂 | 标准化硬件底座 | 硬件销售加生态话语权 |
| 第三方开发者 | 场景定制 | 项目费、咨询费 |
| 集成商 | 行业解决方案 | 项目集成费 |
| 终端客户 | 落地运营 | 降本增效 |
核心机制：主机厂不做场景（场景太碎片），集成商不做硬件（投入太大），终端客户不做底层（技术门槛太高），三方分工协作成本才能压下来。
降本量化：
| 路径 | 单台成本下降 |
|---|---|
| 主机厂规模化生产 | 5 万到 2 万 USD |
| 集成商成熟方案复用 | 1 万到 3 千 USD |
| 终端客户运营效率提升 | 人工 ROI 加 25-35% |
整体落地成本从 2025 年的 $50k-100k 降到 2030 年的 $15-30k，这才是人形机器人真正起飞的价格。
未来3到5年开源体系适配能力就是核心竞争力
竞争维度已经在转移：
2020-2024 竞争维度： 2025-2030 竞争维度：
- 硬件参数（关节数、扭矩） - 开源体系适配能力
- 步态速度 - 二开生态丰富度
- 自由度数量 - 产业链分工成熟度
未来谁能把开源体系搭得最好，谁就能赢。这和当年 Android 干掉 Symbian 是一个逻辑。
三类企业的终局：
| 终局类型 | 代表 | 关键能力 |
|---|---|---|
| 生态主导者 | NVIDIA Isaac GR00T | 中层平台，横向生态 |
| 硬件平台公司 | 宇树、智元 | 标准化硬件加全球开源生态 |
| 场景方案公司 | 集成商、终端客户 | 上层场景 know-how |
flowchart TB
A["你的定位"]
A --> B{"想做哪类"}
B -->|"生态主导者"| C["NVIDIA路线<br/>中层全开源<br/>硬件参考设计"]
B -->|"硬件平台公司"| D["宇树智元路线<br/>底层协议中层上层<br/>绑定全球生态"]
B -->|"场景方案公司"| E["集成商路线<br/>上层深度二开<br/>硬件按需采购"]
C --> C1["NVIDIA GR00T<br/>Jetson Thor<br/>Isaac Sim加Lab"]
D --> D1["宇树G1 H2 Plus<br/>GR00T绑定<br/>智元灵犀X1"]
E --> E1["集成商自研<br/>宇树智元硬件<br/>LeRobot Isaac Lab"]
style A fill:#FFF8E1,stroke:#F57C00,stroke-width:2px
style B fill:#FFF8E1,stroke:#F57C00,stroke-width:2px
style C fill:#E3F2FD,stroke:#1976D2,stroke-width:2px
style D fill:#E8F5E9,stroke:#388E3C,stroke-width:2px
style E fill:#F3E5F5,stroke:#7B1FA2,stroke-width:2px
style C1 fill:#E3F2FD,stroke:#1976D2
style D1 fill:#E8F5E9,stroke:#388E3C
style E1 fill:#F3E5F5,stroke:#7B1FA2
终极判断：纯闭源会死在场景太少，纯全开源会死在竞品内卷，分层开放是全球人形机器人唯一可持续的产业终局。
几个常见的坑
- 全开源等于开放——错。全开源意味着无壁垒
- 中国开源就是真开源——部分对。波士顿动力的开源 License 不是 OSI 协议
- 灵犀 X1 是真正全栈开源——误导。小脑运动控制闭源
- 只要有 SDK 就能做工业——错。SDK 是中层，工业落地需要上层 know-how
- 开源越多越好——错。底层开越多，毛利率越低
总结
| 核心结论 | 要点 |
|---|---|
| 底层 | 全球统一闭源，不可突破的核心护城河 |
| 中层 | 全面开放，产业标准化核心，NVIDIA 加主机厂共建 |
| 上层 | 完全开源自由二开，靠集成商填充场景 |
| 生态类型 | 欧美高端付费、全球科研免费、国内工业招商贴牌 |
| 产业分工 | 主机厂做硬件、集成商做场景、终端做运营 |
| 未来竞争 | 不比拼硬件参数，比拼开源体系适配能力加二开生态 |
给从业者的几句实在话：
| 你是谁 | 建议你 |
|---|---|
| 机器人初创 | 找准生态位（生态、平台、方案），不要全做 |
| 集成商 | 深耕垂直行业（汽车 3C 餐饮），积累上层 know-how |
| 终端客户 | 优先选生态完善的厂商（宇树加 GR00T、智元加 GO-1） |
| AI 开发者 | 学 NVIDIA Isaac Lab 加 GR00T 加 LeRobot，全行业通用 |
| 投资者 | 看企业分层定位是否清晰，不要看 PR |
参考文献
- Boston Dynamics Spot SDK（boston-dynamics/spot-sdk）
- 宇树 unitree_rl_gym、unitree_ros2、unitree_sdk2、UnifoLM-VLA
- 智元灵犀 X1 硬件、训练、推理三件套（agibot_x1_hardware/train/infer）
- GO-1 大模型（OpenDriveLab 加 AgiBot-World，HuggingFace agibot-world/GO-1）
- NVIDIA Isaac GR00T N1.7（Apache 2.0）、Isaac Lab、Isaac Sim、Isaac Teleop
- NVIDIA GR00T 参考人形机器人官方公告（2026 年 6 月 Computex）
- LeRobot（HuggingFace，GR00T N1.7 集成）
- AgiBot World Colosseo 数据集（100 万轨迹、217 任务、CC BY-NC-SA 4.0）
版本：v3.6 | 发布日期：2026-06-03
作者：机器人圈老炮
变更：v3.5 修正 Atlas 液压到电驱动表述；v3.6 移除冒号、修正 GR00T N1.7 发布时间与许可证、宇树 G1 价格修正为 $13.5k 起、H2 Plus 与 NVIDIA 绑定时间改为 2026 年 6 月 Computex