2026年7月7日
高淨值家族退休規劃：為長壽、支出與收入安全打造靈活方案
機械人技術：人工智能的下一個重要前沿
要點
- 實體人工智能正從概念邁向商業化階段，有望成為未來十年規模最大的科技投資機遇之一。
- 投資者應區分潛力與現實的邊界：自動駕駛汽車正接近商業化的轉折點；而人形機械人雖然正加速發展，但其功能仍受限於一項根本挑戰，那就是如何在真實世界中安全且可靠地運作。
- 實體人工智能是否能夠普及，將取決於人工智能推理、感知與自主能力方面的進展，而這些領域雖然取得了顯著的突破，但發展並不均衡。
- 與數碼人工智能的早期階段一樣，最具持久競爭力的贏家可能來自推動其應用普及的生態系統，包括基礎設施（尤其是半導體）、技術平台，同時具備數碼技術和製造能力的垂直一體化製造商將更具優勢。
「實體人工智能」是指不僅用於預測或提出建議，還能通過驅動機械人、車輛和工業機械在現實世界中執行任務的人工智能技術。
為幫助您了解機械人技術當前的發展趨勢、未來突破現有限制的可能性，以及投資價值所在，以下是我們密切關注的五項關鍵指標：市場機遇規模、製造業地緣政治、機械人自主性的演進、工程技術突破，以及大規模普及的潛在制約因素。
1. 市場機遇規模：潛在規模達2.5萬億美元的前沿市場
行業顧問與投資分析師預計，到2035年，全球機械人市場規模年銷售額有望增長25倍，達到2.5萬億美元。這意味著，若以2025年1,000億美元的年銷售額為起點，對應的年均增速約為35%至40%。1
目前，該領域主要由工業機械人和小型無人機構成。然而，市場預期未來大部分價值創造或將來自人形機械人和自動駕駛汽車。
- 人形機械人：分析師預計，人形機械人在2025年的銷售額約為20億美元，到2035年則有望達到約3,000億美元。2(部分最樂觀的預測甚至認為，若從更長的時間維度來看，人形機械人產業可望帶來數萬億美元的收入機遇。2)
- 自動駕駛汽車（AV）：分析師預計，到2035年，銷售額可能達到約7,500億美元，高於2025年的約10億美元。3
在看待這些市場預測時，投資者需要注意一點：最終結果不僅取決於製造成本，更取決於機械人與自動駕駛技術能否在安全性與可靠性方面取得突破；隨著規模效益顯現以及製造商積累更多經驗，製造成本應會下降。
全球機械人市場預期增長（2025–2035年）
市場規模情景（萬億美元）
資料來源：摩根士丹利、美國銀行、巴克萊、麥肯錫及貝恩研究預測的平均值。截至2026年7月31日。
人形機械人和自動駕駛汽車未來可能擁有眾多應用場景，而投資者或許無需確切判斷哪種終端用途最終最具盈利能力，便能布局這項長期趨勢。正如過往多個技術週期，包括數碼人工智能發展初期一樣，最早受益者往往來自基礎設施層的企業，尤其是半導體供應商，以及技術平台提供者，即垂直一體化製造商及相關設備與工具合作夥伴，這些企業共同構成了整個生態系統得以運轉的基礎。
2. 製造業地緣政治：中國的結構性優勢
在數碼人工智能的投資週期中，少數大語言模型（LLM）開發商已脫穎而出成為市場領導者；但機械人行業的發展路徑能有所不同，其競爭格局不僅取決於哪些企業具備更強的軟件能力，同樣也取決於哪個地區能夠大規模地完成製造。從這一個角度看，中國似乎具備更有利的起點，目前在人形機械人和自動駕駛汽車市場中均約佔全球75%的份額。
中國的優勢首先源於其深厚的製造業基礎。實體人工智能需要龐大的供應商網絡、大量零部件製造商和大規模生產能力作為支撐。中國經過數十年的建設，已經形成了這些能力，如今更受益於一體化供應鏈、政府支持、快速發展的人工智能技術能力以及規模效益。
中國的成本優勢十分顯著。以一台典型的人形機械人為例，在中國的材料成本約為46,000美元，而在美國則為131,000美元。4 此外，中國生產了全球約70%的執行器，包括電機、傳感器和傳動裝置，這些部件相當於人形機械人「肌肉」，其成本最高可佔總成本的一半。
這些成本優勢正日益體現在生產數據中。中國三家領先的人形機械人製造商今年有望生產超過100,000台，約為去年水平的五倍，超出許多行業分析的預期。5
這並不意味著西方並未參與這場競賽。美國憑藉領先的人工智能模型開發商、人工智能半導體生態系統、無人駕駛出租車（robotaxi）營運商以及電動汽車創新企業，仍保持著重要優勢。歐洲憑藉數十年來在工業自動化、精密工程和工廠軟件領域積累的專業能力，在推動機械人發展的核心技術方面處於有利地位。
如果說當前的人工智能週期的主要贏家是那些訓練模型「大腦」的企業，那麼在機械人週期中獲得回報的則可能是能夠製造「本體」的企業，而這些「本體」 不僅包括人形機械人的本體，也包括自動駕駛汽車的本體。
採用與不採用中國供應鏈的人形機械人
材料成本（千美元）
資料來源：摩根士丹利研究部。數據截至2025年12月。
註：基於Optimus Gen 2
3. 機械人自主能力的發展：自動駕駛汽車或將比人形機械人更早迎來“ChatGPT時刻”
投資者常將人形機械人和自動駕駛汽車相提並論。然而，與人形機械人不同，領先的自動駕駛汽車製造商已經在現實世界中以無人駕駛出租車的形式實現自主營運。市場討論的，已不再是「技術是否可行」的問題，而是將焦點日益轉向「能以多快速度擴大規模」。當然，自動駕駛汽車在監管、成本、公眾接受度以及部署方式、地點和時機方面仍面臨挑戰。而這些問題正逐步得到解決。
美國領先的無人駕駛出租車營運商已在指定區域實現無需人工干預的載客服務。該公司去年營運約3,000輛車，並計劃大幅擴大出行服務量及地理覆蓋範圍。該公司2025年12月的安全研究報告顯示，在其四大主要市場（奧斯汀、洛杉磯、三藩市和菲尼克斯），按每英里計算，其與傷害相關的碰撞事故發生率較人類駕駛員低約82%。6
涉及人員受傷的自動駕駛汽車事故報告數
Waymo與人類駕駛員的致傷碰撞事故對比。
資料來源：Waymo.com。數據截至2025年12月。註：V2V = 車與車之間。
自動駕駛汽車的大規模普及預計將是漸進的，未來十年其佔美國行駛里程的比例或將不足1%，但我們認為其潛力可期。如此低的滲透率也意味著，即使十年後，自動駕駛市場仍可能處於早期的發展階段，具有進一步增長空間。
隨著人們對自動駕駛汽車的使用率提高以及營運成本下降，自動駕駛出行可能變得比擁有一輛汽車更便宜。若這一情形出現，這些更有利的經濟效益可能有助於推動其普及。
4. 工程技術的挑戰：「大腦」與「本體」之間存在差距，也許就是人形機械人尚未就緒的原因
人形機械人的設計理念，是在為人類而設的環境中執行任務，這正是其吸引力所在，然而，人類形態同時也顯著推高了製造難度。
我們認為，廣為流傳的演示影片與真正具備廣泛用途的通用機械人之間仍存在相當大的差距，這是投資者需要充分理解的現實。真正的挑戰，在於如何讓人形機械人能夠在充滿不確定性的現實世界中安全、可靠且自主地執行廣泛任務。
儘管目前市場上的低成本人形機械人（售價約 5,000 至 10,000 美元）在受控演示中表現亮眼，但一旦離開演示環境，其實際靈巧性、移動能力、電池續航和自主運作能力均受到明顯制約。許多引人注目的演示仍高度依賴預編程動作或遠程控制，而自主性是衡量人形機械人價值的關鍵指標。
高端人形機械人系統已開始在工廠試點中展現能力，並在某些特定任務上可超越人類，例如分揀和搬運重型汽車零部件。然而，它們仍缺乏人類習以為常的適應能力和精細運動技能，當環境發生變化時，系統往往需要人工干預。此外，某些高端人形機械人為了完成搬運一部迷你冰箱這樣基本的任務，往往需要進行數百萬小時的模擬訓練才能學會。這表明它們將已學知識應用到其他類似任務的能力仍然有限。
高端人形機械人還需要龐大的算力資源，往往需要依賴超級電腦才能運行。實體人工智能超級電腦能夠使人形機械人進行初步的生成式推理。7 其運算處理速度可達每秒2,000萬億次。然而，所有這些腦力和處理能力的實際表現仍僅相當於普通成年人大腦能力的約10%，目前尚不足以替代通用型人類勞動。
人形機械人為何目前尚未就緒
領先的物理人工智能的能力約相當於人類大腦的10%
資料來源：Sandberg與Bostrom 2008年，Kurzweil 1999年，Drexler 2018年。
部分職業致命工傷率（2024年）
2024年每10萬名全職工人的致命工傷人數
資料來源：美國勞工統計局。數據截至2025年2月13日。
此外，目前仍未有明確答案的重要問題是：人形機械人究竟是取代勞動力，還是提升勞動者的能力。縱觀歷史，關於技術是否會取代人類工作的經濟證據結論不一。一些研究認為，工業機械人造成了職位流失，而另一些研究則表明自動化能夠提高生產率並促進就業增長。這種不確定性進而推動各國政府制定相關政策措施加以應對，包括技能再培訓、教育投資以及擴大社會保障網絡。
另一項更容易被忽視的限制因素是：機械人的能力最終取決於驅動其運行的人工智能系統。實體人工智能是否能大規模普及應用，仍然有賴於人工智能推理、感知和自主性方面的進展。目前這些領域雖然進展顯著，但進步速度並不均衡。
另一項潛在制約因素來自支持人工智能的基礎設施所承受的壓力正日益加劇。人工智能算力需求正在快速上升，半導體成本居高不下，而下一代人工智能系統所需的處理能力較早期模型呈指數級增長。
我們認為，電力供應是實現大規模普及的另一項容易被忽視的風險。真正的瓶頸或許在於如何為大規模運行機械人所需的智能算力提供充足的電力。實體人工智能是否能作為一項長期投資主題，未來很大程度上將取決於數據中心、半導體、電力和算力基礎設施是否充足。
這場競賽不僅在於製造更優秀的機器，更在於構建能夠支撐這些機器運作的生態系統。
結語
隨著實體人工智能從實驗階段邁向實際部署，相關領域的投資正迅速增長，尤其集中在人形機械人和自動駕駛汽車領域。然而，技術上的可行性並不等同於大規模普及。最終的贏家將是那些能夠提供可靠、經濟且可規模化生產的智能機器的企業。
儘管存在上述制約因素，我們認為，當前早期階段的不確定性與技術快速進步並存，或為投資這一有望重塑交通、製造、物流和服務業的主題，創造具有吸引力的入場時機。從驅動機械人智能的半導體，到構建硬件的工廠自動化平台，再到少數最接近實現大眾市場普及的領先企業，我們在整個實體人工智能生態系統中都看到了機遇。
-
Adam Jonas，「機械人年鑒第1卷（The Robot Almanac Vol. 1）」，摩根士丹利，2025年12月7日。
-
研究預測平均值，來源：Adam Jonas，「機械人年鑒第1卷（The Robot Almanac Vol. 1）」，摩根士丹利，2025年12月7日；Martyn Briggs，「實體人工智能，第2部分：人形機械人（Physical AI, part 2: Humanoid robots）」，美國銀行，2026年3月12日；Zornitsa Todorova，「機械人的十年（The decade of the robot）」，巴克萊，2026年4月17日；及Peter Hanbury，「工作中的人形機械人（Humanoid Robots at Work）」，Bain，2025年4月15日。
-
研究預測平均值，來源：Martyn Briggs，「實體人工智能，第3部分：移動出行的未來（Physical AI, part 3: The future of mobility）」，美國銀行，2026年3月26日；Mark Delaney，「運輸案例研究（Transportation Case Study）」，高盛，2026年4月16日；Ruth Heuss，「逐漸接受自動駕駛（Warming up to autonomous driving）」，麥肯錫，2023年2月13日；Jonas，2025年；以及 Todorova，2026年。
-
Adam Jonas，「機械人年鑒第3卷（The Robot Almanac Vol. 3）」，摩根士丹利研究，2025年12月16日。
-
中華人民共和國工業和信息化部，2026年7月8日。
-
Waymo.com，2025年12月。
-
生成式推理是指構建新的中間想法（如假設、步驟、解釋、示例或潛在解決方案），並對其進行評估和完善，最終得出答案的能力。
-
「2024 年致命職業傷害普查摘要（Census of Fatal Occupational Injuries Summary 2024）」，美國勞工統計局，2025年2月13日；「建築業與就業預測（Construction and Employment Forecast）」，美國建築商與承包商協會，2026年1月26日；「2026年製造業展望（2026 Manufacturing Industry Outlook）」，德勤，2025年11月13日；以及「電力行業到2030年可能需要超過750,000名新工人（The Power Industry May Need More Than 750,000 New Workers by 2030）」，高盛，2025年7月23日。
-
職位空缺與勞動力流動調查（JOLTS），美國勞工統計局，2022年11月4日。
