bot.gif
取消
选择语言
确认
简体中文
繁体中文
English
close
正在加载
高盛中国人形机器人调研:行业从“通用想象”转向“专用落地”,2026或迎“放量验证+预期重置”
互联网 · 2026-01-22 19:01
66
摘要
高盛调研称,中国人形机器人正从“通用概念”转向安防、引导、物流等“专用落地”场景。2025年全球出货量约1.5万–2万台,中国厂商主导,2026年或成放量与预期重置关键年。运动控制明显进步、迭代周期缩至6–8个月,2B应用在达到人类约50%效率时即可实现2–3年回本,数据与世界模型成为核心分化点 。
币界网报道:

高盛最新调研显示,中国人形机器人行业正经历从"通用想象"向"专用落地"的战略转型。这一务实路线结合运动控制能力的显著进步和快速迭代周期,正推动主要厂商将2026-2027年出货量目标设定为2025年的数倍增长。

据追风交易台,高盛分析师Jacqueline Du在最新报告中指出,在1月15-20日对宇树科技、优必选、傅利叶(Fourier)、云深处等8家人形机器人及产业链公司的调研中,团队观察到,行业正将重心从追求通用能力转向安防巡逻、公共场所引导服务、工厂物流分拣等可利用现有任务规划、移动和交互能力的垂直场景。

基于主要厂商和供应链企业的反馈,高盛预计2025年全球人形机器人出货量约达1.5万至2万台,中国企业贡献了大部分出货量。展望2026-2027年,头部制造商预期实现数倍增长,从2025年的数百到数千台规模提升至数千到数万台。

高盛指出,2026年可能成为关键的"放量验证+预期重置"之年,投资者将重点关注"百万台机器人"等里程碑预期是否得到修正,以及个别供应链公司的市场份额和单机价值量演变。

出货量目标激进,产能与测试成挑战

据高盛调研,2025年全球人形机器人出货量约在1.5万至2万台之间,接近高盛此前2万台的预期,也与第三方数据的1.3万至1.6万台区间相符。中国企业目前贡献了绝大部分出货量,需求主要来自科研、机器人AI训练、教育、娱乐演出和数据工厂。

在这一仍处早期阶段的市场中,头部制造商对2026-2027年设定了雄心勃勃的增长目标。在2025年出货量从数百台到数千台不等的基础上,各家企业将2026-2027年目标定为数千台到数万台规模,意味着数倍增长。

这一增长预期的支撑因素包括供应链日益成熟、成本曲线优化以及应用场景扩展。但高盛指出,实现这些目标将面临生产一致性保障和这一新兴行业固有的多阶段测试流程等挑战。

运动控制显著改善,迭代周期缩至6-8个月

在现场产品演示中,高盛分析师观察到人形机器人在运动控制方面取得了实质性进展,无论是轮式上半身平台还是全双足系统,都展现出更强的鲁棒性和灵活性,相比前一年有了显著提升。

一家制造商声称已实现"小脑级别"的全身控制能力,并提供了两个实用评估标准:机器人能够在未预先建图的地形上导航,以及能够实现全身远程控制而非上下身分段控制。

供应链整合能力正在加速产品迭代。多家公司透露,人形机器人平台的产品迭代周期已缩短至约6-8个月一代。这一快速迭代在很大程度上归功于80%-90%的零部件自主设计能力,这对确保软硬件无缝集成、在压缩的研发和测试周期内优化各自性能上限至关重要。

应用聚焦"专用落地",绕开灵巧操作难题

"模拟到真实"的差距仍是行业瓶颈。当前机器人预训练严重依赖模拟和合成数据,模拟环境中80%-90%的准确率在真实场景中往往跌至50%以下。由于大规模高质量真实数据收集和世界模型方法需要时间,中国领先的人形机器人开发商正优先发展"专用"商业部署。

这些应用场景包括安防巡逻以及酒店、银行、博物馆、展览中心、汽车经销店和超市等公共场所的引导服务,能够有效利用现有的任务规划、移动和交互能力,同时避开高度灵巧操作的复杂性。

在工业应用中,需要灵巧手或夹具的人形机器人目前仅限于搬箱和简单物品分拣等物流任务。这主要是因为AI在处理工厂环境中不可预测的边角案例方面存在局限性。据优必选透露,在分拣和物流应用中,当机器人达到人类工人约50%的产能时,客户就愿意投资,这可以带来约两年的回本周期(假设每天运行约10小时)。即使在劳动力特别紧缺的环境中,三年回本期也被认为可以接受。

数据策略成为核心竞争力,世界模型获关注

在近期内,人形机器人制造商越来越多地采用标准化方法,与阿里巴巴(通义千问)、豆包和腾讯等成熟的大语言模型(LLM)和视觉-语言模型(VLM)技术栈集成。这一战略使专有数据引擎成为开发可部署机器人智能的关键差异化因素。

高质量真实世界数据被认为是弥合成熟硬件技术与可扩展实用应用之间差距的主要制约因素。因此,各公司正展开"数据配方"军备竞赛,差异化由其目标终端应用驱动。

虽然所有机器人厂商都在追求数据收集策略,但它们在三种主要数据输入上采用了不同的组合:远程操作的人类或专家演示数据,控制性高但通常成本昂贵;模拟数据,每增加一个样本成本低但真实性不完美;以及真实世界视频数据集,数据可获得性最高但转化为真实世界准确度可能较差。

高盛在此次调研中发现,世界模型方法的提及度越来越高,这可能赋予机器人关于其环境的某种常识,使它们从反应性行为转向能够进行复杂规划和适应的主动智能体。

商业模式分化:2C重体验,2B看投资回报

不同的目标市场催生了差异化的盈利模式,主要分为2C(面向消费者)和2B(面向企业)应用。

面向2C应用的公司主要聚焦提供差异化功能和增强用户体验,通常强调"情感价值"并捕捉专业化垂直细分市场,通过独特功能或交互获得溢价。目标是创造通过能力和用户参与度脱颖而出的产品。

相比之下,面向2B应用的公司将定价策略锚定在客户的投资回报率(ROI)上,通常通过展示机器人如何提高产能、增强效率或降低人工成本来实现。优必选表示,在分拣和物流应用中,当机器人达到人类工人约50%的产能时,客户就愿意投资,可带来约两年回本期。即使在劳动力特别紧缺的环境中,三年回本期也被认为可接受,凸显了自动化在应对关键运营挑战方面的价值主张。

~~~~~~~~~~~~~~~~~~~~~~~~

以上精彩内容来自 追风交易台。

更详细的解读,包括实时解读、一线研究等内容,请加入【 追风交易台▪年度会员

相关资讯