NE时代

2060年人形机器人总保有量将超汽车。

2026年3月，美国银行研究所发布《物理AI（第二部分）：人形机器人》报告，系统剖析了人形机器人这一物理AI核心形态的发展现状、技术内核、应用场景与行业痛点。

报告指出，生成式AI与大语言模型的突破推动具身智能加速落地，人形机器人领域历经数十年渐进式发展后迎来关键拐点，其商业化普及正进入快车道，长期来看有望成为超越汽车的人均普及型产品，同时行业也面临着技术、成本、供应链等多重规模化挑战。

01.

五大核心驱动因素

推动人形机器人普及加速

作为物理AI的重要类别，人形机器人是一种模仿人类行动、感知与交互方式设计的服务机器人，将人工智能赋予动态的机械形态，使其能够在复杂的非结构化现实环境中自主运作，而非局限于传统工业机器人的受控场景。

与专为单一、重复性任务设计的传统服务机器人不同，人形机器人需要自主导航现实空间、解读人类行为并通过物理动作做出响应，这对AI的传感、运动控制和自然语言交互能力提出了远高于传统机器人的要求。

2023年成为人形机器人领域的发展分水岭，生成式AI与大语言模型的技术突破，推动了具身智能的快速涌现 。

通过为AI赋予物理载体，人形机器人得以直接从现实世界中学习、将语言指令转化为物理行动，并实时适应人类的行为模式，这一变革彻底重塑了行业对机器人能力边界的预期，也为其从实验室走向商业化应用奠定了核心基础。

美国银行全球研究部指出，人形机器人的商业化采纳速度持续加快，背后是技术、经济、产业、人口结构与部署条件的多重利好共振，五大核心因素成为行业发展的关键推力。

其一，AI技术走向成熟，模型突破实现了更通用的学习能力、更优质的长期推理效果，让AI在人类主导的非结构化环境中实现更可靠的运行；

其二，硬件成本优化，电池、电机、传感器、执行器等核心组件的成本快速下降、性能持续提升，不仅降低了人形机器人的物料清单成本，也大幅提升了其商业化落地的可行性；

其三，产业协同效应凸显，人形机器人能够复用电动汽车、自动驾驶和AI硬件领域的现有供应链、制造方法与资本投入，助力行业快速规模化并降低执行风险；

其四，人口结构与劳动力市场的现实需求，全球范围内的劳动力短缺、人口老龄化、工资通胀与高人员流动率，让灵活的机器人劳动力在制造、物流、服务等行业具备了经济吸引力，即便人形机器人尚未完全匹配人类能力，其商业价值已开始显现；

其五，部署条件趋于成熟，人形机器人的形态设计与现有工具、建筑和工作流程高度适配，大幅降低了部署壁垒，而安全性能、自主能力与自学习能力的提升，进一步减少了行业整合、监管合规与日常运营中的摩擦。

02.

到2060年

全球人形机器人保有量或将达30亿台

随着技术成熟与价格下探，人形机器人的商业化研发竞赛全面升温，行业投资规模呈现指数级增长，从2018年的7亿美元攀升至2025年的43亿美元。截至2026年1月，全球已有超50家企业布局人形机器人研发，累计推出150款商用化产品。

与此同时，行业发展模式也逐渐分化为两大阵营：一类企业选择在自有工厂垂直整合机器人应用，另一类则以销售或租赁的模式向客户提供人形机器人产品。

出货量的高速增长成为行业扩张的直观体现，美国银行预测，全球人形机器人年出货量将从2025年的2万台飙升至2035年的1000万台，复合年增长率高达86%。

其中，2026年作为产能扩张与部署规模化的关键节点，年销量预计将达到9万台，到2030年则将突破120万台，到2035年将达到1000万台。

长期来看，人形机器人的“运营人口”将迎来爆发式增长，到2040年全球运营中的人形机器人数量将达到3亿台，到2060年甚至可能达到30亿台，实现人均保有量超越汽车的目标。

从应用结构来看，工业和服务领域将成为人形机器人近中期的主要落地场景，而家庭端人形机器人的增长速度将持续加快，并最终成为绝对主流——2060年家庭人形机器人将占据62%的市场份额，对应约20亿台的运营量，成为人形机器人市场的核心增长极。

成本下降是支撑行业规模化的关键因素，尽管目前试点阶段的人形机器人单台物料清单成本仍在9万至10万美元区间，但产品规格的标准化已推动成本大幅下探。

2025年中国制造的人形机器人单台物料清单成本已降至3.5万美元，受规模效应与组件设计持续优化的驱动，美国银行预计这一成本将在2030年腰斩，降至1.7万美元以下，为家庭端的大规模普及扫清价格障碍。

03.

核心组件解析

执行器成本占比居高不下

人形机器人的运作核心，是将中央AI控制与计算系统，与执行器、电机、减速器、灵巧手、传感器等机械组件深度结合，实现从人工智能到物理行动的转化。

其中，高性能计算系统负责实时处理信息，高度集成的执行器与传感器保障机器人的平衡、灵巧度、力量与安全交互，这些要素共同构成了人形机器人自主运作的基础，而其整体技术结构可被概括为“心智、躯体与灵魂”的三重融合。

“心智”即AI系统，承担着环境理解、任务规划、模型推理和人机交互等高级认知功能，核心组成是AI算法与AI芯片；

“躯体”是机器人的物理载体，涵盖视觉与传感系统、执行器、灵巧手、能源系统和结构材料等所有物理组件；

“灵魂”则是运动控制系统，作为机器人的内部协调中枢，负责平衡控制、运动规划与动作执行，核心为运动控制算法与控制器。

在具体的核心组件中，各模块各司其职且缺一不可：

◎控制系统是机器人的“大脑中枢”，决定其在现实环境中的智能性、安全性与适应性；

◎AI计算芯片为感知、推理和控制提供实时处理能力，是机器人能力、响应速度与自主性的 “天花板”；

◎旋转关节执行器驱动肩、肘、髋、腕等关节的旋转运动，线性关节执行器实现膝、踝、手臂等关节的伸缩，二者共同构成机器人的“运动核心”；

◎灵巧手是机器人实现精细操作的关键，解锁了家庭、服务与精密装配等场景的应用可能，也是最难复刻人类能力的组件之一；

◎减速器将电机速度转化为精准的关节扭矩，是区分工业级与原型机机器人的核心指标；

◎扭矩电机直接在关节处提供紧凑的高功率运动，让机器人更轻便、快速且响应更灵敏；

◎触觉、力觉与平衡传感系统则保障了机器人与人类的安全交互。

此外，自由度（DoF）的提升与柔顺执行器的应用，是人形机器人灵巧度升级的关键方向。

更高的自由度代表机器人关节的独立运动轴更多，定位精度与灵活性也更强，而360°全旋转关节则突破了人类解剖学的运动限制；

柔顺执行器能够在受力时产生形变而非保持刚性，让机器人可吸收冲击、调节力度，适配不确定物体的抓取与交互。

不过目前，人形机器人的灵巧度提升仍受限于高质量操作数据的匮乏，以及复刻人类级别的灵巧度与临场应变能力的技术难度。

从物料清单的成本结构来看，执行器是人形机器人最核心的成本模块，到2030 年其占比将超50%：其中线性执行器占27%，旋转执行器占24%，灵巧手紧随其后占19%，控制系统占10%，视觉与其他传感系统、能源系统各占4%，其余组件合计占12%。

04.

从工业结构化场景

向以人为中心的多元场景延伸

在全球老龄化与劳动力约束的背景下，随着AI自主性提升与制造规模化，人形机器人正成为物理劳动力的高性价比替代选择，其应用场景也从最初的工业结构化环境，逐步向更多元的、以人为中心的场景延伸。

目前人形机器人的应用场景已覆盖八大领域：

◎制造领域负责工业装配、机床看护与物料搬运；

◎仓储物流领域处理拣选、包装、码垛与货物转运；

◎汽车领域支撑生产线装配、零部件搬运与工厂现场运营；

◎零售与酒店领域提供客户接待、路径指引与前厅服务；

◎特殊用途 / 活动领域执行演示、展览与特色展示任务；

◎医疗支持领域开展非临床协助、物资转运与日常运营工作；

◎家庭协助领域负责家务整理与简单物体操作；

◎教育与研究领域支撑仿真、培训、实验与人机交互研究。

从落地节奏来看，近中期人形机器人仍将以工业场景为主，Counterpoint Research预测，2027年72%的人形机器人部署将集中在物流、制造与汽车三大工业领域，其中仓储物流占比33%、汽车领域占24%、制造领域占15%；零售与服务、特殊用途领域各占12%与8%，其他领域合计占8%。

这一分布也反映出人形机器人的落地遵循“从结构化到非结构化、从简单任务到复杂任务”的规律，而随着技术成熟，家庭、医疗、教育等场景将成为未来的核心增长场景。

随着人形机器人制造规模的扩大，行业面临的挑战也从最初的生产研发，逐步转向更复杂的技术经济问题。如何实现符合商业逻辑的性能、可靠性与成本，成为行业规模化落地的核心难题。

美国银行全球研究部指出，人形机器人行业的规模化发展仍面临六大核心挑战。

其一，经济与投资回报难题，当前人形机器人单位成本居高不下，劳动力替代的实际效益尚不明确，且设备维修成本高昂，难以实现具备吸引力的投资回收期；

其二，制造规模与供应链成熟度不足，执行器、传感器、减速器、电池等核心部件，尚未形成支撑人形机器人大规模生产的体量、可靠性与成本结构；

其三，安全认证与监管合规滞后，人机协同作业的安全标准仍在制定中，直接放缓了人形机器人在实际工业场景中的部署审批；

其四，可靠性、可用性与可维护性偏低，当前的人形机器人产品仍较为 “脆弱”，且维护成本过高，无法满足工业场景7×24小时不间断运行的高可用性与耐久性要求；

其五，能源与功率限制，有限的电池寿命与不成熟的充电、热插拔生态，限制了机器人的连续运行时间，大幅降低了生产效率；

其六，AI通用性与任务能力不足，自主系统仍难以处理非结构化、多变的现实任务，这一短板直接限制了当前人形机器人的经济价值与应用边界。

05.

写在最后

人形机器人作为物理 AI 的重要落地形态，是 AI 技术与先进制造深度融合的产物，其发展不仅受益于技术、经济、产业的多重利好，更契合了全球劳动力市场与人口结构的现实需求，行业长期增长潜力巨大。从产业图景来看，人形机器人正从工业场景逐步向家庭、医疗、教育等多元场景延伸，2060年家庭端将成为绝对主流市场，实现人均保有量超越汽车的目标。

但与此同时，人形机器人的规模化落地并非一蹴而就，行业仍需突破经济回报、供应链成熟度、监管合规、设备可靠性、能源约束与 AI 通用性等多重挑战。

未来，人形机器人行业的商业化普及，需要技术的持续创新、核心组件供应链的规模化成熟，以及商业模式的优化升级，而随着这些问题的逐步解决，人形机器人有望成为重塑人类生产与生活方式的核心科技产品，开启物理 AI 的全新纪元。

* 本文编译总结来源自：

《Physical AI, part 2: Humanoid robots》，BofA Global Research