8 月底，高盛全球投資研究部發佈了一份重磅報告 ——《Global Physical AI: Framing the Forward Progress of Humanoids (with a Studied Focus on the Logistics Landscape)》（全球物理 AI：人形機器人前瞻進展框架，聚焦物流格局）。
這份報告最炸眼的數字是：2035 年全球人形機器人出貨量將達到約 650 萬台，對應市場規模約 1383 億美元。
而上一次高盛在 2024 年 2 月給出的預測，還是 140 萬台、380 億美元。兩年時間，預測上調了近 5 倍。
一家以保守著稱的頂級投行，為什麼突然對人形機器人如此樂觀？更關鍵的是，這個預測不是建立在 "機器人變聰明了" 的假設上，而是建立在一本算得過來的經濟帳上。當人形機器人的回本周期壓縮到 1.6 年，任何一個工廠營運經理都會簽字 —— 不需要開會，不需要論證。
這才是真正可怕的地方。
一、預測為什麼突然上調近 5 倍？不是技術突變，是價格曲線到了拐點
高盛這次預測調整的核心邏輯，不是機器人的能力出現了質變，而是成本下降的速度超出了預期。
報告給出了一條非常清晰的成本下降曲線：
十年時間，人形機器人的平均售價從 4 萬多美元降到 2 萬美元出頭，BOM 成本腰斬。這個降幅不是拍腦袋 ——2023 年高端人形機器人 BOM 成本還在 25 萬美元左右，2024 年就降到了 15 萬美元，一年降了 40%。國產供應鏈的成熟、零部件的規模化，正在以比手機行業更快的速度推高降本曲線。
價格下降直接撞上了人工成本上升。高盛算了一筆帳：
- 2026 年
一台工廠人形機器人的成本約等於2.8 年的人工成本；
- 2027 年
這個數字將降到1.9 年；
- 一個具體測算：一台售價 3 萬美元的機器人，加上 50% 系統整合成本，初始投資約 4.5 萬美元；如果能替代約 0.8 名全職員工，每年淨節省約 2.83 萬美元，投資回收期僅 1.6 年。
1.6 年回本是什麼概念？在製造業，任何投資回收期低於 2 年的裝置，都會被瘋狂採購。這不是科幻，這是財務報表上的數字。
高盛預計 2026 年全球出貨 7.5 萬台，2030 年 89 萬台，2035 年 650 萬台。注意這個增速 ——2026 到 2030 年翻了近 12 倍，2030 到 2035 年再翻 7 倍多。2027-2029 年，被高盛定義為行業的三年爆發周期。
二、為什麼第一個戰場是物流倉庫？因為這裡的帳最好算
高盛在報告裡用了大量篇幅分析物流場景，結論非常明確：物流倉儲是人形機器人最先規模化落地的場景，沒有之一。
原因很樸素，三個條件同時滿足：
- 環境相對封閉
—— 倉庫裡沒有天氣變化，沒有亂跑的小孩，沒有隱私問題；
- 任務標準化程度高
—— 搬箱、分揀、碼垛，重複動作多；
- 傳統固定機器人覆蓋不了
——SKU 越來越多，訂單越來越碎，固定機械臂處理不了多樣化操作。
報告給出了一組物流分揀的關鍵營運指標，這些數字標誌著行業敘事的徹底轉變 —— 從 "能走能跳" 變成 "能幹活、能回本"：
- 吞吐量
每小時處理1300-1800 件包裹；
- 成功率
95%-98%；
- 工作時長
每天 10 小時以上，可三班倒；
- 設計壽命
4-5 年。
當機器人開始用 "吞吐量"" 成功率 ""回本周期" 說話，而不是用 "後空翻"" 一字馬 " 說話，就說明它真的要從運動員變成打工人了。
亞馬遜：100 萬台機器人，720 億美元節約
物流自動化的標竿是亞馬遜。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。它的自動化戰略正在從 "單點自動化"（機械臂、揀選裝置）轉向 "系統級自動化"—— 由 AI 統一協調庫存、機器人車隊和倉庫流程。
高盛測算，如果 2026-2030 年亞馬遜總履約成本改善約 5.6%，單位履約成本可從約 6.40 美元降至 5.57 美元（下降 11%），累計節約約 720 億美元。其中 80% 來自履約營運費用，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，零售業務 EBIT 利潤率貢獻約400 個基點。
這不是降本，這是利潤表的重構。
沃爾瑪：3100 家門店，一半電商訂單自動化
沃爾瑪同樣在狂奔。新一代履約中心把原來的 12 步人工流程壓縮為 5 步，相同面積下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。但沃爾瑪自己說，整個自動化處理程序只完成了一半。
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；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。
三、全球最新進展：量產競速已經打響，中國廠商佔出貨量 97%
高盛報告發佈的同時，全球人形機器人行業正在經歷一場前所未有的量產競速。截至 2026 年 8 月底，全球在役人形機器人約 20089 台，分佈在 15 家營運商。
特斯拉 Optimus：Fremont 產線啟動，年底年化 10 萬台
8 月底，特斯拉加州 Fremont 工廠正式啟動 Optimus 試生產。用的不是全新車間，而是 Model S 和 Model X 停產後騰出來的那條產線 —— 老車型退場，新物種接棒。
供應鏈調研反饋，8 月特斯拉供應鏈已正式開啟 EDI 系統下單，每周訂單更新，最新周訂單量已到 200 + 台；9 月周產推算 1000 + 台；年底目標周產 2000-2500 台，年化約 10 萬台。馬斯克的長期目標仍是 2030 年前後年產 100 萬台，但他也承認最初的產量爬坡可能較為緩慢。
Optimus Gen3 優先供給特斯拉內部工廠做測試與資料採集，2027 年開始外部銷售。目前特斯拉以約 1000 台的規模，成為西方最大的人形機器人車隊。
Figure AI：120 天產能提升 24 倍，第 1000 台下線
Figure AI 的 BotQ 工廠第 1000 台 Figure 03 已經下線，短短 120 天產能提升 24 倍，生產速度達到每小時一台。目前已有 350 台機器人完成交付，進駐寶馬工廠等工業場景開展實地測試。
更值得關注的是，Figure 04 已經完成關鍵設計審查，進入完整設計凍結階段。CEO Brett Adcock 稱 F.04 將是 "完美版本"，是歷代之間最大的一次技術躍升。Figure 03 還沒正式對外賣，Figure 04 已經來了 —— 人形機器人行業的迭代速度，正在向消費電子看齊。
中國軍團：宇樹、智元領跑，佔全球出貨 97%
中國廠商是這場量產競賽中不可忽視的力量。資料顯示，2026 年上半年中國人形機器人全球出貨量已達約 1.91 萬台，中國製造商佔 97% 以上。其中 AGIBot（智元）和宇樹科技兩家就佔了全球在役機器人的 77%。
宇樹科技在 9 月初的沙烏地阿拉伯 LEAP 科技展上成為熱門打卡點，機器人擂台吸引大量觀眾。此前宇樹以 4605 萬元中標中國移動旗下公司採購，包括小尺寸人形雙足機器人、算力背包及五指靈巧手。
小鵬機器人近期完成 9 億美元融資，估值 63 億美元，是中國具身 AI 領域最大單筆私募融資。其 IRON 機器人目標 2026 年底量產，初期用於門店和校園場景，2027 年對外交付。
其他玩家
- Agility Robotics
Digit v5 已獲得超 3 億美元訂單；
- 2026 年上半年物理 AI 領域融資已達 474 億美元
頭部玩家從樣機走向小批次量產。
四、冷靜看瓶頸：汽車工廠只有 2% 的工序能做，靈巧手仍是最大硬傷
高盛的報告雖然樂觀，但並不盲目。報告裡反覆強調了幾個現實瓶頸，這些才是決定人形機器人能走多快的關鍵。
汽車行業：目前只能處理 2% 的未自動化工序
很多人以為汽車工廠是人形機器人的天然主場。高盛的判斷卻很冷靜：汽車工廠中銲接、車身製造早已高度自動化，但總裝、線束連接、複雜零件裝配和質量檢測依然大量依賴人工。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。
靈巧手：沒有統一技術路線的最大硬體瓶頸
高盛在報告中多次點名靈巧手，認為這是目前最重要的硬體瓶頸之一，且仍沒有統一技術路線。單只靈巧手最多可使用約 85 個軸承 —— 比一台豪華汽車的軸承還多。柔性物體操作、工具使用、精細接觸，這些都難以完全靠模擬訓練，必須在真實世界中反覆試錯。
企業真正關心的不是 "像不像人"
高盛調查了全球 80 多家公司，得出了一個可能讓很多人形機器人公司意外的結論：約 70% 的企業最看重機器人能否完成廣泛任務，只有約 10% 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"。人形只是手段，不是目的。如果有更便宜、更可靠的輪式方案能完成同樣的任務，企業會毫不猶豫地選擇後者。
落地三階段，高盛給出了清晰的落地路徑：
- 第一階段
封閉工廠、大型物流中心（現在 - 2027）；
- 第二階段
一般製造、中小工廠、普通倉庫（2028-2030）；
- 第三階段
服務業、護理、基礎設施、家庭（2030 以後）。
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。機器人商業化是一條漸進曲線，而不是一夜之間完成的替代。
五、產業鏈衝擊波：半導體、資料、工業軟體的新增量
人形機器人不只是一個終端產品，它正在拉動一整條產業鏈的重構。
半導體：每台 3000-6000 美元，第二波 AI 裝置擴散
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：
- GPU、CPU 等計算模組：1500-4000 美元以上；
- 模擬和混合訊號晶片：750-1050 美元以上；
- DRAM、HBM 和 NAND 等記憶體：600-800 美元以上。
這被高盛稱為 "第二波 AI 裝置擴散"：第一波 AI 投資集中於資料中心、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 裝置把算力需求延伸到了現實世界。
值得注意的是，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、圖像感測器、通訊晶片、精密時鐘和邊緣記憶體，都將獲得新的需求。
資料：一台機器人一年產生 24PB，真實資料成為核心護城河
報告測算，一台機器人的攝影機每天可產生約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。
這也解釋了為什麼特斯拉、Figure 都在拚命把機器人部署到真實場景 —— 不是為了賺那點租金，而是為了獲取資料。機器人越多，資料越多，AI 越強，機器人越多 —— 這是一個正向飛輪。
工業軟體：PLC 向軟體化演變
傳統 PLC 市場 2025 年約 130 億美元，年增長約 4%；而 vPLC（虛擬 PLC）市場目前約 5 億美元，但預計年增長 20%-30%，2030 年可能達到約 13 億美元。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，而機器人需要處理視訊、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。
六、就業影響：比 "機器換人" 更複雜
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。
高盛把 2035 年預測從 140 萬台上調到 650 萬台，不是因為機器人突然變聰明了，而是因為成本曲線和人工成本的交叉點，比所有人預想的都來得更早。
當一台機器人 1.6 年就能回本，當亞馬遜用 100 萬台機器人累計節約 720 億美元，當特斯拉把汽車產線改成機器人產線、年底年化 10 萬台，當 Figure 每小時下線一台機器人 —— 這些訊號疊加在一起，說明人形機器人已經從 "技術驗證期" 進入了 "商業化攻堅期"。
但高盛的報告也反覆提醒：汽車工廠只有 2% 的工序能做，靈巧手沒有統一路線，70% 的企業不在乎機器人有沒有腿。
“hype 可以跑得很快，但落地必須一步一步來。”
未來三到五年，我們會看到物流倉庫裡出現越來越多的人形身影，會看到工廠裡的重複性崗位被逐步替代，會看到成本以每年 6%-7% 的速度下降。但走進家庭、走進護理場景，還需要更長的時間。
人形機器人的故事，不是一夜之間的奇點降臨，而是一條十年維度的漸進曲線。而 2026 年，可能正是這條曲線開始加速上揚的起點。
最後問問大家：你認為人形機器人最先取代的會是那個行業的崗位？物流分揀、工廠裝配，還是其他？ (未來機器人網)