一、總結摩根士丹利於2025 年 11 月 30 日發佈,聚焦“物理智能(Physical AI)” 推動的人形機器人技術革命,將其定義為 “人類歷史的關鍵篇章”—— 標誌著 AI 從純軟體形態(如 AI 助手)向 “具身智能(Embodied AI)” 過渡,即通過硬體與物理世界即時互動。報告核心目標是拆解人形機器人產業鏈的半導體價值,並推出“人形機器人技術 25 強(Humanoid Tech 25)” 名單,為投資者提供核心賽道與企業參考。報告明確:“物理智能的技術生態已從概念進入快速規模化階段,整合了先進 AI 與複雜硬體,形成‘技術提供商 - 元件製造商 - 人形機器人整合商 - 應用方’四層架構,其中半導體與硬體元件是建構人形機器人的核心支撐。”二、市場規模與增長預測:多維度資料拆解1. 半導體市場:2045 年達 3050 億美元,佔全球半導體重量 15%•核心預測:摩根士丹利通過工業團隊的底層資料測算,預計到2045 年人形機器人半導體市場規模(TAM)將達 3050 億美元,該規模佔2024 年全球半導體 TAM(6270 億美元)的 49%;若按市場共識,2040 年全球半導體市場將增長至 2 兆美元,人形機器人半導體佔比將達 15%。•情景分析:◦樂觀情景(Bull Case):假設人形機器人 2045 年出貨量從基準情景的 9000 萬台上調 10% 至 9900 萬台,且半導體單位成本因高端產品佔比提升增加 15%,則半導體 TAM 達3780 億美元。◦悲觀情景(Bear Case):若出貨量下調 11% 至 8000 萬台,且競爭加劇使半導體單位成本降低 15%,則 TAM 降至2320 億美元。•增長邏輯:半導體TAM 增長的核心驅動力是 “單台人形機器人算力需求提升”—— 儘管單位 FLOPS(浮點運算)成本下降,但每台機器人所需的計算量(如即時環境感知、多模態資料處理)增長,抵消了成本下降影響,推動半導體 BOM 佔比從當前 4-6% 升至 2045 年 24%。2. 人形機器人整體市場:2050 年達 5 兆美元,10 億台部署•規模預測:摩根士丹利全球汽車與工業團隊在2025 年 4 月報告《Humanoids: A $5 Trillion Global Market》中指出,到2050 年人形機器人整體市場規模將達 5 兆美元,累計部署量達10 億台,相當於 “每 10 人擁有 1 台人形機器人”。•滲透節奏:2035 年前人形機器人 adoption 速度較慢,主要受限於技術成熟度(如感測器精度、電池續航)與成本(當前非中國供應鏈 BOM 成本 13.1 萬美元);2030 年代末開始加速,因 BOM 成本降至 2.3 萬美元(低於多數開發中國家人類年薪),且 AI 模型與硬體協同成熟。•區域分佈:從累計部署量看,2050 年北美、東亞及太平洋地區將是主要市場,佔比超 60%,其次是歐洲、南亞;這些區域的製造業、物流、醫療等勞動力短缺行業將成為早期應用場景。3. BOM 成本:從 13.1 萬美元降至 2.3 萬美元,半導體佔比主導•成本變化趨勢:◦當前(2025 年):非中國供應鏈人形機器人 BOM 成本約13.1 萬美元,其中計算晶片(AI 大腦)佔比最高,單台成本 800-2100 美元,力感測器(1D/6D / 扭矩)合計 100 美元,視覺系統(CIS/LiDAR)30 美元。◦2030 年:BOM 成本較 2025 年增長 15%,主要因 AI 晶片 ASP(平均售價)提升 —— 單台計算晶片需求增加,抵消了部分元件的成本下降。◦2045 年:BOM 成本降至2.3 萬美元,其中半導體佔比從當前4-6% 升至 24%,計算晶片佔半導體內容的比例從 67% 升至 93%。•成本拆解案例:以特斯拉Optimus 為例,其頭部 BOM 成本(含 FSD 晶片、相機)約 2100 美元,佔總 BOM 的 3.8%;肩部電池組(2.3KWh)7800 美元,佔 14.3%;手部(含 6D 力感測器)9500 美元,佔 17.2%;而熱管理、骨架等其他元件佔比約 13.2%。三、核心技術領域:半導體價值集中於三大方向1. AI 大腦技術:佔半導體內容 93%(2045 年),GPU/ASIC 是核心•技術定義:人形機器人的“大腦” 是計算系統,需整合 AI 推理、感測器處理、即時控制,特點是 “低延遲(<10ms,保障平衡與安全)、高算力(支援多模態資料處理)、低功耗(適配電池限制)”,採用 “中央大腦 + 邊緣節點” 分佈式架構。•核心元件與資料:◦GPU:NVIDIA Jetson 系列是主流選擇,如 Jetson Thor 算力達 2070 TOPS,功耗 300W,被用於特斯拉 Optimus、Figure 01 等頭部機型;其 GR00T 基礎模型(Vision-Language-Action 架構)在 “放置水果到盤子” 任務中,成功率從 N1 版本的 44% 提升至 N1.5 版本的 98.8%。◦ASIC/SoC:特斯拉自研AI6 晶片,整合訓練與推理功能,用於 Optimus 與機器人計程車(Cybercab);Renesas RZ/V2H 晶片(含 DRP-AI3 加速器)支援即時物體檢測與電機控制,延遲低於 5ms。◦CPU 架構:Arm Neoverse CSS v9 架構佔邊緣 AI 市場 70% 以上,因功耗效率高(每瓦性能比 x86 高 3 倍),被用於關節邊緣節點(如肩部、肘部),單節點功耗 < 5W,全球 2200 萬開發者生態加速其應用。•摩根士丹利觀點:“AI 大腦是人形機器人的核心價值,其技術壁壘最高 —— 當前多數頭部機器人企業(如特斯拉、波士頓動力)均依賴 NVIDIA 的晶片與軟體生態,而 Arm 架構將成為邊緣計算的主流選擇,因電池供電場景下,功耗效率比算力絕對值更重要。”2. AI 視覺:CIS 市佔率 53%(索尼),參考 ADAS 技術路徑•技術定位:AI 視覺是人形機器人 “看見世界” 的核心,需實現 “高解析度(識別細小物體)、高動態範圍(適應強光 / 弱光)、低延遲(<20ms,保障導航安全)”,技術路徑參考自動駕駛 ADAS(高級駕駛輔助系統),以 “多相機 + LiDAR” 為主流配置。•核心元件與資料:◦CMOS 圖像感測器(CIS):2024 年索尼 CIS 全球市佔率 53%(按營收),其高解析度(4K)、低噪聲 CIS 被用於多數頭部機器人;三星 CIS 聚焦 200MP 感測器,計畫 2026 年供應蘋果摺疊屏 iPhone,並拓展人形機器人市場;安森美(Onsemi)在汽車 CIS 市佔 31%,2025 年開始向機器人領域批次供貨。◦LiDAR:禾賽(Hesai)2025 年一季度交付 5 萬台機器人 LiDAR,單台成本約 300 美元,其雷射雷達可提供 3D 環境建模,測距精度 ±2cm,被用於倉儲機器人導航;特斯拉 Optimus 暫未採用 LiDAR,依賴 8 顆 CIS(頭部 4 顆、胸部 2 顆、手臂 2 顆)實現視覺感知。◦ToF 感測器:STMicro 的 FlightSense ToF 感測器可在低光環境(<10lux)下工作,測距誤差 < 5%,被用於機器人避障與跌倒預防;Infineon 的 60GHz ToF 相機可實現 10m 內高精度測距,影格率 30fps,適配動態場景。•成本約束:人形機器人視覺系統BOM 成本受嚴格限制 —— 特斯拉 CEO 馬斯克明確 “Optimus 售價將低於汽車”,當前汽車感知系統(6 顆雷達 + 13 顆相機)BOM 約 1800 美元,而 Optimus 頭部視覺系統(含晶片)僅 2100 美元,因此 “高性價比 CIS + 少 LiDAR” 成為主流方案。3. 感知技術:模擬晶片 + 力感測器,歐洲企業主導•技術需求:感知技術是人形機器人“感知自身與環境” 的基礎,包括 “關節位置反饋(知道自身姿態)、力 / 觸覺反饋(知道施加的力度)、環境感知(溫度 / 壓力)”,核心元件為模擬晶片與專用感測器。•核心元件與資料:◦模擬晶片:Infineon、STMicro、Melexis 三家歐洲企業主導,2024 年全球工業模擬晶片市佔率超 40%;Infineon 的 XENSIV 系列電流感測器(TL14971)精度達 ±1%,被用於電機控制;STMicro 的 MEMS IMU(慣性測量單元)漂移率 < 0.1°/h,保障機器人平衡。◦力感測器:6D 力感測器(測量 3 個方向力 + 3 個方向扭矩)單台成本約 100 美元,均勝電子(Joyson)已開發 6 軸力感測器,並與 AgiBot 達成戰略合作;Melexis 的 Elaxis 扭矩感測器採用電感式技術,精度達 0.5% FS(滿量程),適配關節動態扭矩測量。◦觸覺感測器:Melexis 的 Tactaxis 技術通過 “彈性墊 + 微型磁鐵 + Triaxis 霍爾感測器” 實現 3 軸力測量,單個 “taxel(觸覺單元)” 尺寸 < 1mm²,可整合於機器人指尖,檢測最小壓力 0.1N;特斯拉 Optimus 採用指尖應變片式力感測器,可實現 0-50N 力檢測,誤差 < 2%。•摩根士丹利觀點:“模擬晶片與感測器是人形機器人的‘隱形冠軍’領域 —— 這些元件技術壁壘高(如 Infineon 的 GaN 器件採用 300mm 晶圓,成本與矽基持平),且多數企業具備汽車級可靠性(如 AEC-Q100 認證),可直接遷移至機器人場景,因此歐洲企業將長期主導該賽道。”四、全球核心企業佈局:Humanoid Tech 25 與區域優勢1. 美國:AI 大腦與視覺龍頭,NVIDIA/AMD 主導2. 歐洲:模擬晶片與感測器,Infineon/STMicro/Melexis 領跑3. 日韓:精密製造與關鍵元件,索尼 / 三星 / 瑞薩核心4. 大中華區:硬體製造與細分元件,富士康 / 地平線 / 歐菲光突出人形機器人技術 25 強企業(Humanoid 25)五、技術挑戰與經濟價值:瓶頸與長期潛力1. 核心技術挑戰:感測器、能源與生態•感測器瓶頸:◦6D 力感測器:當前採用應變片技術,成本高(100 美元 / 台)、體積大(直徑 > 50mm),難以整合於小型關節;摩根士丹利預測,電感式感測器需到 2030 年才能將成本降至 50 美元以下。◦觸覺感測器:電子皮膚(E-skin)耐用性不足,特斯拉 Optimus 因手部觸覺感測器磨損問題,2025 年曾縮減產能;當前最先進的 Shadow Dexterous Hand(24 DoF)需 100 + 感測器,成本超 10 萬美元,難以規模化。•能源效率挑戰:◦功耗需求:人形機器人平均功耗400-800W,相當於一台小型冰箱,當前鋰電池續航僅 4-6 小時;三星 SDI 的固態電池(能量密度 400Wh/kg)預計 2030 年量產,可將續航提升至 12 小時。◦算力功耗:生成式AI 算力需求激增,摩根士丹利可持續研究團隊預測,2027 年 GenAI 功耗將相當於 2022 年全球資料中心總功耗的 75%,而半導體工廠與發電廠建設周期需 3-5 年,成算力規模化瓶頸。•生態整合難度:◦資料融合:“視覺 - 觸覺 - 運動” 資料需即時協同,當前機器人在動態場景(如突然出現的障礙物)中,決策延遲超 50ms,易導致碰撞;NVIDIA IsaacSim 模擬平台可將測試效率提升 1000 倍,但真實場景適配仍需大量資料。◦標準缺失:人機互動安全標準(如碰撞力閾值)、感測器資料介面標準尚未統一,不同企業產品難以相容,增加開發成本。2. 經濟價值:人力替代與生產力提升•人力成本替代:◦時薪對比:當前(2025 年)人形機器人時薪約 25 美元(按 BOM 成本 13.1 萬美元、5 年折舊、24 小時運轉計算),2030 年降至 7.7 美元,2050 年進一步降至 2.6 美元,均低於美國當前最低工資(15-20 美元 / 小時)。◦投資回報期:當前機器人投資回報期3-5 年,2030 年縮至 2 年,2040 年縮至 1.5 年,製造業(如汽車組裝)、物流(如倉儲分揀)將成為首批大規模應用行業。•生產力提升潛力:◦TFP 增長:布魯金斯學會(Brookings)研究顯示,AI 推動的生產力提升若達 59%(20 年),美國 GDP 將在 2042 年增至 60.4 兆美元(2023 年為 27 兆美元);若 AI 實現自改進(生產力增 91%),GDP 將達 82.9 兆美元。◦行業影響:製造業productivity 將提升 30-50%(減少人工誤差與 downtime),農業(自動化播種 / 收割)、醫療(輔助護理) productivity 提升 20-30%,物流(24 小時分揀)提升 50-80%。六、摩根士丹利投資建議:聚焦三大核心賽道1. AI 大腦技術:優先選擇“晶片 + 軟體生態” 一體化企業,如 NVIDIA(Jetson+GR00T)、Arm(Neoverse CSS + 開發者生態),以及為 AI 晶片提供 EDA 工具的 Synopsys(DSO.ai 設計自動化工具,可縮短晶片設計時間 5 倍)、Cadence(Cerebrus AI Studio,支援 SoC 定製)。2. AI 視覺:關注CIS 龍頭(索尼、三星)、LiDAR 企業(禾賽),以及高解析度相機模組供應商(三星電機),這些企業技術可從汽車遷移至機器人,具備規模化優勢。3. 感知技術:重點佈局歐洲模擬晶片企業(Infineon、STMicro、Melexis),以及國內細分感測器企業(均勝電子、禾賽),這些企業在汽車領域的可靠性認證(如 AEC-Q100)可直接復用,技術壁壘高且競爭格局穩定。同時,報告提示風險:“人形機器人技術落地可能受限於感測器成本下降速度、能源效率突破節奏,以及勞動力市場監管政策,投資者需關注技術迭代與政策動態,避免過度追高短期估值。”(有道調研)