share_log

高盛中國人形機器人調研:行業從「通用想象」轉向「專用落地」,2026或迎「放量驗證+預期重置」

華爾街見聞 ·  01/22 21:46

高盛調研稱,中國人形機器人正從「通用概念」轉向安防、引導、物流等「專用落地」場景。2025年全球出貨量約1.5萬–2萬台,中國廠商主導,2026年或成放量與預期重置關鍵年。運動控制明顯進步、迭代週期縮至6–8個月,2B應用在達到人類約50%效率時即可實現2–3年回本,數據與世界模型成爲核心分化點。

高盛最新調研顯示,中國人形機器人行業正經歷從"通用想象"向"專用落地"的戰略轉型。這一務實路線結合運動控制能力的顯著進步和快速迭代週期,正推動主要廠商將2026-2027年出貨量目標設定爲2025年的數倍增長。

據追風交易台,高盛分析師Jacqueline Du在最新報告中指出,在1月15-20日對宇樹科技、優必選、傅利葉(Fourier)、雲深處等8家人形機器人及產業鏈公司的調研中,團隊觀察到,行業正將重心從追求通用能力轉向安防巡邏、公共場所引導服務、工廠物流分揀等可利用現有任務規劃、移動和交互能力的垂直場景。

基於主要廠商和供應鏈企業的反饋,高盛預計2025年全球人形機器人出貨量約達1.5萬至2萬台,中國企業貢獻了大部分出貨量。展望2026-2027年,頭部製造商預期實現數倍增長,從2025年的數百到數千台規模提升至數千到數萬台。

高盛指出,2026年可能成爲關鍵的"放量驗證+預期重置"之年,投資者將重點關注"百萬臺機器人"等里程碑預期是否得到修正,以及個別供應鏈公司的市場份額和單機價值量演變。

出貨量目標激進,產能與測試成挑戰

據高盛調研,2025年全球人形機器人出貨量約在1.5萬至2萬台之間,接近高盛此前2萬台的預期,也與第三方數據的1.3萬至1.6萬台區間相符。中國企業目前貢獻了絕大部分出貨量,需求主要來自科研、機器人AI訓練、教育、娛樂演出和數據工廠。

在這一仍處早期階段的市場中,頭部製造商對2026-2027年設定了雄心勃勃的增長目標。在2025年出貨量從數百台到數千台不等的基礎上,各家企業將2026-2027年目標定爲數千台到數萬台規模,意味着數倍增長。

這一增長預期的支撐因素包括供應鏈日益成熟、成本曲線優化以及應用場景擴展。但高盛指出,實現這些目標將面臨生產一致性保障和這一新興行業固有的多階段測試流程等挑戰。

運動控制顯著改善,迭代週期縮至6-8個月

在現場產品演示中,高盛分析師觀察到人形機器人在運動控制方面取得了實質性進展,無論是輪式上半身平台還是全雙足系統,都展現出更強的魯棒性和靈活性,相比前一年有了顯著提升。

一家制造商聲稱已實現"小腦級別"的全身控制能力,並提供了兩個實用評估標準:機器人能夠在未預先建圖的地形上導航,以及能夠實現全身遠程控制而非上下身分段控制。

供應鏈整合能力正在加速產品迭代。多家公司透露,人形機器人平台的產品迭代週期已縮短至約6-8個月一代。這一快速迭代在很大程度上歸功於80%-90%的零部件自主設計能力,這對確保軟硬件無縫集成、在壓縮的研發和測試周期內優化各自性能上限至關重要。

應用聚焦"專用落地",繞開靈巧操作難題

"模擬到真實"的差距仍是行業瓶頸。當前機器人預訓練嚴重依賴模擬和合成數據,模擬環境中80%-90%的準確率在真實場景中往往跌至50%以下。由於大規模高質量真實數據收集和世界模型方法需要時間,中國領先的人形機器人開發商正優先發展"專用"商業部署。

這些應用場景包括安防巡邏以及酒店、銀行、博物館、展覽中心、汽車經銷店和超市等公共場所的引導服務,能夠有效利用現有的任務規劃、移動和交互能力,同時避開高度靈巧操作的複雜性。

在工業應用中,需要靈巧手或夾具的人形機器人目前僅限於搬箱和簡單物品分揀等物流任務。這主要是因爲AI在處理工廠環境中不可預測的邊角案例方面存在侷限性。據優必選透露,在分揀和物流應用中,當機器人達到人類工人約50%的產能時,客戶就願意投資,這可以帶來約兩年的回本週期(假設每天運行約10小時)。即使在勞動力特別緊缺的環境中,三年回本期也被認爲可以接受。

數據策略成爲核心競爭力,世界模型獲關注

在近期內,人形機器人制造商越來越多地採用標準化方法,與阿里巴巴(通義千問)、豆包和騰訊等成熟的大語言模型(LLM)和視覺-語言模型(VLM)技術棧集成。這一戰略使專有數據引擎成爲開發可部署機器人智能的關鍵差異化因素。

高質量真實世界數據被認爲是彌合成熟硬件技術與可擴展實用應用之間差距的主要制約因素。因此,各公司正展開"數據配方"軍備競賽,差異化由其目標終端應用驅動。

雖然所有機器人廠商都在追求數據收集策略,但它們在三種主要數據輸入上採用了不同的組合:遠程操作的人類或專家演示數據,控制性高但通常成本昂貴;模擬數據,每增加一個樣本成本低但真實性不完美;以及真實世界視頻數據集,數據可獲得性最高但轉化爲真實世界準確度可能較差。

高盛在此次調研中發現,世界模型方法的提及度越來越高,這可能賦予機器人關於其環境的某種常識,使它們從反應性行爲轉向能夠進行復雜規劃和適應的主動智能體。

商業模式分化:2C重體驗,2B看投資回報

不同的目標市場催生了差異化的盈利模式,主要分爲2C(面向消費者)和2B(面向企業)應用。

面向2C應用的公司主要聚焦提供差異化功能和增強用戶體驗,通常強調"情感價值"並捕捉專業化垂直細分市場,通過獨特功能或交互獲得溢價。目標是創造通過能力和用戶參與度脫穎而出的產品。

相比之下,面向2B應用的公司將定價策略錨定在客戶的投資回報率(ROI)上,通常通過展示機器人如何提高產能、增強效率或降低人工成本來實現。優必選表示,在分揀和物流應用中,當機器人達到人類工人約50%的產能時,客戶就願意投資,可帶來約兩年回本期。即使在勞動力特別緊缺的環境中,三年回本期也被認爲可接受,凸顯了自動化在應對關鍵運營挑戰方面的價值主張。

編輯/melody

譯文內容由第三人軟體翻譯。


以上內容僅用作資訊或教育之目的,不構成與富途相關的任何投資建議。富途竭力但無法保證上述全部內容的真實性、準確性和原創性。
    搶先評論