高盛在最新發布的全球物理AI報告中大幅上調了人形機器人市場預測，預計全球出貨量將從2026年的7.5萬台增至2030年的約89萬台，並在2035年達到約650萬台，對應市場規模約1383億美元。相比此前預測，高盛原本預計2030年和2035年出貨量分別只有25.6萬台和140萬台，新預測分別上調了約2.5倍和3.6倍。該行還判斷，物流倉儲和汽車製造將成為率先規模化落地的場景。

報告指出，人形機器人過去面臨的核心問題是如何在不斷變化的現實環境中感知、推理並執行任務，而這一問題正隨著基礎模型進步得到緩解。高盛援引Epoch資料稱，2023年釋出的主流AI模型在綜合能力指標ECI上的得分大致處於120多分，2026年的領先模型已升至150多分。METR的研究則顯示，自2019年以來，前沿模型能夠以50%成功率完成的任務持續時間大約每7個月翻一番。不過，從數字AI邁向物理AI仍存在明顯門檻：當前機器人在穩定、結構化環境中已能處理相對簡單的任務，但面對高複雜度和高隨機性的環境時，成功率仍明顯下降。因此，行業競爭重點已從單純的運動展示轉向真實世界資料、機器人基礎模型、靈巧操作和系統可靠性。

在中國市場，機器人模型正從單一VLA（視覺—語言—動作）架構，向VLA或VTLA與世界模型、多層Agent結合的體系發展，部分模型規模也從數十億至200億引數，向約400億—800億引數提升。與此同時，高質量、真實、多維資料仍是實際部署最大的瓶頸。運動控制也在快速進步：2026年以來，部分人形機器人戶外奔跑速度已從此前的2—3米/秒提升至5—6米/秒；在2026年世界人形機器人運動會上，400米冠軍成績較2025年提高約57%，達到38.15秒。Whole-Body Control也開始讓機器人實現一邊移動、一邊完成上肢操作。但真正決定商業化速度的仍是靈巧手、手眼腳協同、散熱、線束壽命、長期可靠性以及Sim-to-Real泛化能力，其中靈巧手目前仍沒有統一技術路線，是最重要的硬體瓶頸之一。

技術進步之外，價格下降可能成為未來數年推動行業放量的另一根主線。高盛預計，2025年至2035年人形機器人BOM成本平均每年下降約7%，整機平均售價每年下降約6%。全球平均售價預計從2025年的約4.18萬美元降至2030年的3.08萬美元，並在2035年進一步降至約2.13萬美元；同期平均BOM成本則由約2.77萬美元降至1.35萬美元。這意味著機器人價格正逐漸接近發達經濟體的人工成本。高盛估算，在技術已能勝任相應工作的前提下，工廠人形機器人的成本在2026年約相當於2.8年的人工成本，2027年將下降至約1.9年。隨著工資上漲和機器人價格繼續下降，越來越多場景可能跨過經濟上的“盈虧平衡點”。以汽車及零部件行業為例，高盛假設人工成本佔成本約15%，機器人售價為2萬—6萬美元、採用率為10%—50%，對應毛口徑營業利潤率提升幅度可能達到約1—6個百分點。在一個更具體的測算中，一台售價3萬美元的機器人，加上50%的系統整合成本，初始投資約4.5萬美元；若能夠替代約0.8名全職員工，每年淨節省約2.83萬美元，投資回收期約1.6年。如果機器人未來能夠365天連續執行，並同時處理多種任務，經濟性還會進一步提升。

為什麼物流倉儲最先受益？高盛認為，物流倉儲同時具備三個條件：環境相對封閉，任務標準化程度較高，又存在傳統固定機器人難以覆蓋的多樣化操作。相比家庭和街道，倉庫更容易管理天氣、隱私和人機協作風險。勞動力和經營壓力也是自動化加速的根本原因：美國汽車行業每萬名員工擁有約1800台機器人，非汽車製造業僅約250台，物流倉儲的自動化滲透率更低。與此同時，倉庫SKU數量增加，訂單趨於碎片化，當日達、次日達逐漸成為基本服務，企業必須用更高的工資管理更大的倉儲面積和吞吐量。高盛調查了全球80多家公司，約34%的受訪者正在認真評估或試點通用機器人，約35%已有區域性部署，約10%實現了多功能或跨地區規模部署；約70%計劃將其用於製造生產，約50%至55%計劃用於倉儲、物流和履約。約40%的公司認為，未來三至五年至少10%的工作流程可以被自動化或顯著增強。值得注意的是，約70%的企業最看重機器人能否完成廣泛任務，只有約一成明確要求雙足形態——企業關心的是可靠性和經濟性，而不是機器人是否“像人”。目前全球AMR和AGV市場規模約50億至100億美元，年銷量約15萬至25萬台，高盛預計2035年市場規模可達到約300億美元。未來倉庫更可能形成固定自動化裝置、AMR、機械臂和人形機器人共存的體系，而不是由某一種機器人包辦所有任務。

亞馬遜和沃爾瑪是機器人開始影響利潤表的代表性案例。截至2025年6月，亞馬遜已在300多個設施部署超過100萬台機器人，其自動化戰略正由機械臂、揀選裝置等“單點自動化”，轉向由AI統一協調庫存、機器人車隊和倉庫流程的“系統級自動化”。亞馬遜第十二代履約中心將履約速度提高了25%，可提供當日達或次日達的商品數量增加25%；DeepFleet基礎模型預計可將機器人車隊行駛效率再提高10%。高盛測算，如果2026年至2030年亞馬遜的總履約成本獲得約5.6%的改善，單位履約成本可下降約11%，由約6.40美元降至5.57美元，累計節約約720億美元，其中約80%來自履約運營費用，20%來自運輸等銷售成本。到2030年，這可能為集團EBIT利潤率貢獻約240個基點，併為零售業務EBIT利潤率貢獻約400個基點。自動化的意義不只是降本：亞馬遜正在擴大日用品和低客單價商品銷售，而單件低價訂單往往難以覆蓋配送成本，履約成本下降後，公司可以用更低價格、更快配送擴大消費者錢包份額，從而強化規模優勢。沃爾瑪同樣在重構供應鏈，其新一代履約中心把原來的12步人工流程壓縮為5步，在相同面積下可實現傳統中心兩倍的容量和吞吐量。截至2026年8月，約3100家美國門店已獲得自動化貨運支援，超過50%的電商履約量由自動化設施處理，但公司認為整個自動化程序仍只完成了一半。高盛估計，更準確的庫存管理和更少的折價銷售可能為沃爾瑪節約40億至237億美元；隨著電商訂單密度提高，單筆配送成本還可能下降2.4%至12.9%。自動化中心釋放的空間還可服務第三方商家，進一步帶動履約、廣告和會員等高利潤業務。

汽車製造是另一個被普遍認為適合人形機器人的市場，但高盛對當前技術邊界保持了相對謹慎的判斷。汽車工廠中的焊接、車身製造早已高度自動化，傳統工業機器人約四分之一用於汽車行業，但總裝、線束連線、複雜零件裝配和質量檢測依然大量依賴人工。高盛估算，在目前尚未機器人化的汽車工序中，現階段人形機器人真正能夠直接處理的任務實際上只有約2%，主要集中於零件分類和簡單物流運輸；剩餘98%的工序仍需要AI“大腦”、機器視覺和靈巧手取得進一步突破。因此，人形機器人更可能首先進入汽車工廠、大型物流中心等封閉環境；第二階段才進入一般製造、中小工廠和普通倉庫；服務業、護理、基礎設施和家庭則更可能屬於第三階段。特斯拉、現代汽車等傳統汽車企業則可能同時成為機器人制造商。特斯拉計劃2026年啟動Optimus生產，首先內部使用，2027年開始外部銷售，並仍以2030年前後達到年產100萬台為長期目標，但公司也承認最初的產量爬坡可能較為緩慢。

人形機器人還將為半導體、世界模型和工業軟體帶來增量。高盛估算，每台人形機器人的半導體價值量約為3000—6000美元以上，其中GPU、CPU等計算模組約1500—4000美元以上，模擬和混合訊號晶片約750—1050美元以上，DRAM、HBM和NAND等記憶體約600—800美元以上。這也是高盛所稱的“第二波AI裝置擴散”：第一波AI投資主要集中於資料中心、GPU和網路基礎設施，而人形機器人、自動駕駛以及其他邊緣AI裝置可能把算力需求進一步延伸到現實世界。人形機器人需要同時處理視覺、聽覺、觸覺、運動控制和通訊，模擬晶片可能佔晶片元件數量的95%以上。GaN和SiC功率器件、影像感測器、通訊晶片、精密時鐘和邊緣儲存，都將獲得新的需求。一台人形機器人使用的軸承數量甚至可能超過豪華汽車的兩倍，單隻靈巧手最多可使用約85個軸承。資料需求同樣巨大：一台機器人的攝像頭每天可產生約64TB資料，一年約24PB，而一個前沿大模型訓練語料約為120TB。運動和導航可以大量依靠模擬訓練，但柔性物體、食物、工具使用和精細接觸難以完全模擬，因此真實部署產生的專有資料可能成為機器人公司的核心護城河。機器人移動化還會推動PLC向軟體化演變：傳統PLC市場2025年約為130億美元，預計年增長約4%；vPLC市場目前約5億美元，但預計年增長20%至30%，2030年可能達到約13億美元，並佔新增PLC銷售的約25%。西門子、羅克韋爾、三菱電機和施耐德等傳統廠商將由一次性硬體銷售轉向訂閱、按使用量收費和工業軟體服務。此外，世界模型還可能成為新的資料中心需求來源。高盛此前預計Agent經濟將推動未來5年token需求增長24倍，而機器人需要處理影片、空間、動作以及大量現實世界資料，世界模型帶來的計算需求還可能在此基礎上進一步疊加。

就業影響可能比“機器換人”更復雜。美國約有640萬名手工搬運和物料運輸從業者，其中約98.7萬人在倉儲行業，相關工資總額約2400億美元。但美國勞工統計局預計，2024年至2034年此類崗位平均每年仍會出現約100萬個空缺，主要來自退休和轉崗。這意味著，中短期內人形機器人未必造成就業總量突然下降，更可能減少新增招聘需求，並改變人的工作內容。員工將更多轉向裝置維護、異常處理、質量控制和客戶服務，高體力、重複性崗位則逐漸減少。企業調查也顯示，技術可靠性、系統整合複雜度和投資回報不確定，是比員工阻力更重要的採用障礙。超過35%的受訪企業認為，通用機器人需要三年以上才能顯著增厚利潤。因此，機器人商業化將是一條漸進曲線，而不是一夜之間完成的替代。