海外研选 | 高盛上调人形机器人预期：2035年出货650万台 物流仓储率先规模化

财联社8月31日讯（编辑 夏军雄）高盛在最新发布的全球物理AI报告中大幅上调人形机器人市场预测，预计全球出货量将从2026年的7.5万台增至2030年的约89万台，并在2035年达到约650万台，对应市场规模约1383亿美元。

相比此前预测，高盛原本预计2030年和2035年出货量分别只有25.6万台和140万台。

（高盛对人形机器人市场预测的新旧预测对比，左图为出货量，右图为市场规模）

该行还判断，物流仓储和汽车制造将成为率先规模化落地的场景。

机器人开始从“会走路”转向“会工作”

人形机器人过去面对的核心问题是如何在不断变化的现实环境中感知、推理并执行任务。这一问题正在随着基础模型进步得到缓解。

高盛援引Epoch数据称，2023年发布的主流AI模型在综合能力指标ECI上的得分大致处于120多分，2026年的领先模型已经升至150多分。METR的研究则显示，自2019年以来，前沿模型能够以50%成功率完成的任务持续时间大约每7个月翻一番。

不过，从数字AI迈向物理AI仍然存在明显门槛。当前机器人在稳定、结构化环境中已经能够处理相对简单的任务，但面对高复杂度和高随机性的环境时，成功率仍明显下降。

因此，行业竞争重点已经从单纯的运动展示转向真实世界数据、机器人基础模型、灵巧操作和系统可靠性。

在中国市场，机器人模型正从单一VLA（视觉—语言—动作）架构，向VLA或VTLA与世界模型、多层Agent结合的体系发展。部分模型的规模也开始从数十亿至200亿参数，向约400亿—800亿参数提升。与此同时，高质量、真实、多维数据仍是实际部署最大的瓶颈。

运动控制也在快速进步。2026年以来，部分人形机器人户外奔跑速度已经从此前的2—3米/秒提升至5—6米/秒；在2026年世界人形机器人运动会上，400米冠军成绩较2025年提高约57%，达到38.15秒。Whole-Body Control也开始让机器人实现一边移动、一边完成上肢操作。

但真正决定商业化速度的仍是灵巧手、手眼脚协同、散热、线束寿命、长期可靠性以及Sim-to-Real泛化能力。

尤其是灵巧手，高盛认为目前仍没有统一技术路线，是最重要的硬件瓶颈之一。

“机器人替代人工”的交叉点临近

技术进步之外，价格下降可能成为未来数年推动行业放量的另一根主线。

高盛预计，2025年至2035年人形机器人BOM成本平均每年下降约7%，整机平均售价每年下降约6%。全球平均售价预计从2025年的约4.18万美元降至2030年的3.08万美元，并在2035年进一步降至约2.13万美元；同期平均BOM成本则由约2.77万美元降至1.35万美元。

这意味着机器人价格正在逐渐接近发达经济体的人工成本。

高盛估算，在技术已经能够胜任相应工作的前提下，工厂人形机器人的成本在2026年约相当于2.8年的人工成本，2027年将下降至约1.9年。随着工资上涨和机器人价格继续下降，越来越多场景可能跨过经济上的“盈亏平衡点”。

以汽车及零部件行业为例，高盛假设人工成本占成本约15%，机器人售价为2万—6万美元、采用率为10%—50%，对应毛口径营业利润率提升幅度可能达到约1—6个百分点。

在一个更具体的测算中，一台售价3万美元的机器人，加上50%的系统集成成本，初始投资约4.5万美元；若能够替代约0.8名全职员工，每年净节省约2.83万美元，投资回收期约1.6年。如果机器人未来能够365天连续运行，并同时处理多种任务，经济性还会进一步提升。

为什么物流仓储最先受益

物流仓储同时具备三个条件：环境相对封闭，任务标准化程度较高，又存在传统固定机器人难以覆盖的多样化操作。相比家庭和街道，仓库更容易管理天气、隐私和人机协作风险。

劳动力和经营压力也是自动化加速的根本原因。美国汽车行业每万名员工拥有约1800台机器人，非汽车制造业仅约250台，物流仓储的自动化渗透率更低。与此同时，仓库SKU数量增加，订单趋于碎片化，当日达、次日达逐渐成为基本服务，企业必须用更高的工资管理更大的仓储面积和吞吐量。

高盛调查了全球80多家公司。约34%的受访者正在认真评估或试点通用机器人，约35%已有局部部署，约10%实现了多功能或跨地区规模部署；约70%计划将其用于制造生产，约50%至55%计划用于仓储、物流和履约。约40%的公司认为，未来三至五年至少10%的工作流程可以被自动化或显著增强。

值得注意的是，约70%的企业最看重机器人能否完成广泛任务，只有约一成明确要求双足形态。企业关心的是可靠性和经济性，而不是机器人是否“像人”。

目前全球AMR和AGV市场规模约50亿至100亿美元，年销量约15万至25万台。高盛预计，2035年市场规模可达到约300亿美元。未来仓库更可能形成固定自动化设备、AMR、机械臂和人形机器人共存的体系，而不是由某一种机器人包办所有任务。

亚马逊和沃尔玛：机器人开始影响利润表

亚马逊物流自动化最具代表性的案例。截至2025年6月，公司已在300多个设施部署超过100万台机器人。其自动化战略正由机械臂、拣选设备等“单点自动化”，转向由AI统一协调库存、机器人车队和仓库流程的“系统级自动化”。

亚马逊第十二代履约中心将履约速度提高了25%，可提供当日达或次日达的商品数量增加25%；DeepFleet基础模型预计可将机器人车队行驶效率再提高10%。

高盛测算，如果2026年至2030年亚马逊的总履约成本获得约5.6%的改善，单位履约成本可下降约11%，由约6.40美元降至5.57美元，累计节约约720亿美元。其中约80%来自履约运营费用，20%来自运输等销售成本。到2030年，这可能为集团EBIT利润率贡献约240个基点，并为零售业务EBIT利润率贡献约400个基点。

自动化的意义不只是降本。亚马逊正在扩大日用品和低客单价商品销售，而单件低价订单往往难以覆盖配送成本。履约成本下降后，公司可以用更低价格、更快配送扩大消费者钱包份额，从而强化规模优势。

沃尔玛同样在重构供应链。其新一代履约中心把原来的12步人工流程压缩为5步，在相同面积下可实现传统中心两倍的容量和吞吐量。截至2026年8月，约3100家美国门店已获得自动化货运支持，超过50%的电商履约量由自动化设施处理，但公司认为整个自动化进程仍只完成了一半。

高盛估计，更准确的库存管理和更少的折价销售可能为沃尔玛节约40亿至237亿美元；随着电商订单密度提高，单笔配送成本还可能下降2.4%至12.9%。自动化中心释放的空间还可服务第三方商家，进一步带动履约、广告和会员等高利润业务。

汽车行业潜力巨大，但真正自动化仍需要时间

汽车制造是另一个被普遍认为适合人形机器人的市场，但高盛对当前技术边界保持了相对谨慎的判断。

汽车工厂中的焊接、车身制造早已高度自动化，传统工业机器人约四分之一用于汽车行业。但总装、线束连接、复杂零件装配和质量检测依然大量依赖人工。

高盛估算，在目前尚未机器人化的汽车工序中，现阶段人形机器人真正能够直接处理的任务实际上只有约2%，主要集中于零件分类和简单物流运输；剩余98%的工序仍需要AI“大脑”、机器视觉和灵巧手取得进一步突破。

因此，人形机器人更可能首先进入汽车工厂、大型物流中心等封闭环境；第二阶段才进入一般制造、中小工厂和普通仓库；服务业、护理、基础设施和家庭则更可能属于第三阶段。

特斯拉、现代汽车等传统汽车企业则可能同时成为机器人制造商。特斯拉计划2026年启动Optimus生产，首先内部使用，2027年开始外部销售，并仍以2030年前后达到年产100万台为长期目标，但公司也承认最初的产量爬坡可能较为缓慢。

半导体、世界模型和工业软件迎来增量

高盛估算，每台人形机器人的半导体价值量约为3000—6000美元以上，其中GPU、CPU等计算模块约1500—4000美元以上，模拟和混合信号芯片约750—1050美元以上，DRAM、HBM和NAND等内存约600—800美元以上。

这也是高盛所称的“第二波AI设备扩散”：第一波AI投资主要集中于数据中心、GPU和网络基础设施，而人形机器人、自动驾驶以及其他边缘AI设备可能把算力需求进一步延伸到现实世界。

人形机器人需要同时处理视觉、听觉、触觉、运动控制和通信，模拟芯片可能占芯片元件数量的95%以上。GaN和SiC功率器件、图像传感器、通信芯片、精密时钟和边缘存储，都将获得新的需求。一台人形机器人使用的轴承数量甚至可能超过豪华汽车的两倍，单只灵巧手最多可使用约85个轴承。

数据需求同样巨大。报告测算，一台机器人的摄像头每天可产生约64TB数据，一年约24PB，而一个前沿大模型训练语料约为120TB。运动和导航可以大量依靠仿真训练，但柔性物体、食物、工具使用和精细接触难以完全模拟，因此真实部署产生的专有数据可能成为机器人公司的核心护城河。

机器人移动化还会推动PLC向软件化演变。传统PLC市场2025年约为130亿美元，预计年增长约4%；vPLC市场目前约5亿美元，但预计年增长20%至30%，2030年可能达到约13亿美元，并占新增PLC销售的约25%。西门子、罗克韦尔、三菱电机和施耐德等传统厂商将由一次性硬件销售转向订阅、按使用量收费和工业软件服务。

此外，世界模型还可能成为新的数据中心需求来源。高盛此前预计Agent经济将推动未来5年token需求增长24倍，而机器人需要处理视频、空间、动作以及大量现实世界数据，世界模型带来的计算需求还可能在此基础上进一步叠加。

就业影响可能比“机器换人”更复杂

美国约有640万名手工搬运和物料运输从业者，其中约98.7万人在仓储行业，相关工资总额约2400亿美元。但美国劳工统计局预计，2024年至2034年此类岗位平均每年仍会出现约100万个空缺，主要来自退休和转岗。

这意味着，中短期内人形机器人未必造成就业总量突然下降，更可能减少新增招聘需求，并改变人的工作内容。员工将更多转向设备维护、异常处理、质量控制和客户服务，高体力、重复性岗位则逐渐减少。

企业调查也显示，技术可靠性、系统集成复杂度和投资回报不确定，是比员工阻力更重要的采用障碍。超过35%的受访企业认为，通用机器人需要三年以上才能显著增厚利润。因此，机器人商业化将是一条渐进曲线，而不是一夜之间完成的替代。