高盛對人形機械人的展望，突然由「試驗階段」推向「大規模工業部署」的想像空間。據報道，該行互聯網及電子商貿股票研究董事總經理 Eric Sheridan 於2026年9月1日向客戶發布一份長達80頁、主題為「Physical AI（實體人工智能）」的研究報告，並大幅上調人形機械人的基準預測：2026年出貨7.5萬部、2030年約89萬部，至2035年更達每年約650萬部，對應約1,380億美元的年度市場。245

要留意的是，以上數字是市場預測，並不是已確認的訂單、產能承諾或實際出貨量。由於目前公開報道主要來自二手資料，較詳細的內容應視為高盛報告的轉述估算，而非完整研究文件的替代品。

預測較之前高出幾多？

高盛今次調整，特別集中在預測期後段：

• 2026年： 7.5萬部，較原先5.1萬部上調
• 2030年： 89萬部，較原先25.6萬部上調
• 2035年： 約650萬部，較原先138萬部上調

其中，2035年的新預測超過原先數字4倍。高盛據報認為，實體人工智能的能力正在提升，而人形機械人的製造亦逐步接近商業化規模，兩股力量疊加之下，發展速度可能快過早前預期。256

點解發展可能突然加速？

「實體人工智能」指能夠感知周遭環境、理解物理任務，並在現實世界採取行動的人工智能系統。對人形機械人而言，這代表機械人不再只限於預先設定、重複性高的動作，而是有機會處理倉庫或工廠內更多變的工作。

報告所引述的加速因素，主要包括三方面：

1. 機械人智能提升： 更先進的模型有望減少工程師逐一編寫動作及任務程式的需要。
2. 生產成本下降： 高盛據報假設，2025年至2035年間，人形機械人的平均物料清單（BOM）成本每年下降約7%，平均售價則每年下降約6%。
3. 製造走向商業規模： 產量增加可改善成本效益，令機械人在合適工作上的價格，逐步具備與人力或傳統自動化方案競爭的條件。

按報告所述預測，人形機械人的平均售價可能由2025年約41,800美元，降至2035年約21,300美元。36

不過，價格下降並不代表所有工作即時都值得用機械人處理。高盛據報仍將現實世界數據不足、通用自主能力有限、系統可靠性問題及高昂成本，列為大規模部署的主要障礙。機械人訓練需要收集力量、扭矩、動作及物件互動等實體數據，這類資料比文字或圖片更難大規模取得。318

物流倉儲料成為第一個大規模應用場景

高盛將電子商貿倉儲及物流視為人形機械人最早大規模落地的領域，其次才是汽車製造。倉庫環境相對受控，有利於測試安全性；但同時，貨物、路線及工作流程又存在足夠變化，讓較靈活的通用型機械人有機會發揮作用。25

亞馬遜及沃爾瑪，是公開報道中最常被提到的早期企業。現有的倉庫自動化基礎、營運數據及降低服務成本的誘因，均可能協助企業將通用型機械人，與現有的專用機械一同測試。

高盛據報估算，亞馬遜更廣泛的自動化工作，在2026年至2030年間或可累計節省約720億美元服務成本。在樂觀情境下，這可能令亞馬遜的EBIT（息稅前盈利）利潤率提高約240個基點，相當於總服務成本約5.6%的槓桿效應。這些屬情境估算，並非亞馬遜的公司指引。33335

汽車工廠是下一個主要戰場

汽車製造被視為下一個重要採用場景，原因是車企本身已具備大規模生產線、機械人應用、製造工程及供應鏈整合經驗。

公開摘要提及的企業包括Tesla、Hyundai、Toyota、Honda及Mitsubishi Motors。汽車業的另一個優勢，是既可能成為人形機械人的客戶，也可能成為生產商。

高盛據報估算，Toyota在2035年或可生產約19萬至54萬部人形機械人。以全球每年650萬部的預測計算，這相當於全球年產量約3%至8%。38

這個數字描述的是潛在生產能力，並不代表Toyota已承諾在2035年生產相應數量的機械人。

每部機械人或帶來逾6,000美元晶片需求

人形機械人的潛在受惠者，不只限於機械人製造商。高盛據報估算，每部機械人可帶來約3,000美元至逾6,000美元的半導體內容需求，涵蓋高性能運算模組、模擬及混合訊號元件，以及邊緣儲存。17

這反映實體人工智能的硬件要求：機械人需要運算能力進行推理，需要感測器及控制系統理解環境和控制動作，亦需要記憶體及連接能力，在現實環境中協調多個行動。實際晶片組合會因設計、能力及生產模式而異，因此上述金額應理解為可服務市場估算，並非每部機械人都完全相同的物料清單。

軟件定義控制，可能改變工業自動化格局

報告亦指出，工廠控制系統可能由依賴硬件的可編程邏輯控制器（PLC），逐步轉向由軟件定義或虛擬PLC（vPLC）主導的架構。假如工廠控制變得更依賴軟件，價值可能由專有硬件及綁定式系統，轉移至靈活編排、人工智能模型及通用運算平台。17

不過，現有公開摘要不足以可靠量化vPLC市場的增長，亦未能確認高盛認為哪些傳統企業必然受到衝擊。較穩妥的解讀是：如果客戶日後更重視互通、靈活及軟件定義的系統，傳統工業自動化及工廠控制供應商可能面對更大競爭壓力。

高管調查：四成料3至5年內有明顯自動化

高盛據報進行的「Executive Perspectives（高管觀點）」調查顯示，約40%受訪高管預計，未來3至5年內，至少10%的工作流程會由通用型機械人自動化。35

這個結果反映企業對相關技術有相當興趣，但不代表預測中的部署一定能按時間表實現。最終能否採用，仍要視乎機械人能否安全、穩定地完成指定工作，並以低於現有人力或其他自動化方案的成本運作。

最值得留意的，不是部數，而是能否賺錢

高盛今次上調展望，較適合理解為對工業人形機械人的技術及經濟條件更有信心，而不是證明通用型機械人已經適合所有工作場所。

目前較清晰的可能發展次序是：先在物流及倉儲試行，再進入汽車生產線；與此同時，半導體供應商及工業軟件公司亦可能成為受惠者，或者成為新一輪競爭的焦點。

真正的考驗，是實體人工智能能否將越來越有能力的原型機，變成可以在現實環境長時間穩定、安全及有盈利地工作的機械人。在數據、靈巧度、可靠性及成本問題仍未完全解決之前，2035年每年650萬部的預測，仍然是一個進取情境，而不是已經塵埃落定的結果。318

高盛對人形機械人的展望，突然由「試驗階段」推向「大規模工業部署」的想像空間。據報道，該行互聯網及電子商貿股票研究董事總經理 Eric Sheridan 於2026年9月1日向客戶發布一份長達80頁、主題為「Physical AI（實體人工智能）」的研究報告，並大幅上調人形機械人的基準預測：2026年出貨7.5萬部、2030年約89萬部，至2035年更達每年約650萬部，對應約1,380億美元的年度市場。245

要留意的是，以上數字是市場預測，並不是已確認的訂單、產能承諾或實際出貨量。由於目前公開報道主要來自二手資料，較詳細的內容應視為高盛報告的轉述估算，而非完整研究文件的替代品。

預測較之前高出幾多？

高盛今次調整，特別集中在預測期後段：

• 2026年： 7.5萬部，較原先5.1萬部上調
• 2030年： 89萬部，較原先25.6萬部上調
• 2035年： 約650萬部，較原先138萬部上調

其中，2035年的新預測超過原先數字4倍。高盛據報認為，實體人工智能的能力正在提升，而人形機械人的製造亦逐步接近商業化規模，兩股力量疊加之下，發展速度可能快過早前預期。256

點解發展可能突然加速？

「實體人工智能」指能夠感知周遭環境、理解物理任務，並在現實世界採取行動的人工智能系統。對人形機械人而言，這代表機械人不再只限於預先設定、重複性高的動作，而是有機會處理倉庫或工廠內更多變的工作。

報告所引述的加速因素，主要包括三方面：

1. 機械人智能提升： 更先進的模型有望減少工程師逐一編寫動作及任務程式的需要。
2. 生產成本下降： 高盛據報假設，2025年至2035年間，人形機械人的平均物料清單（BOM）成本每年下降約7%，平均售價則每年下降約6%。
3. 製造走向商業規模： 產量增加可改善成本效益，令機械人在合適工作上的價格，逐步具備與人力或傳統自動化方案競爭的條件。

按報告所述預測，人形機械人的平均售價可能由2025年約41,800美元，降至2035年約21,300美元。36

不過，價格下降並不代表所有工作即時都值得用機械人處理。高盛據報仍將現實世界數據不足、通用自主能力有限、系統可靠性問題及高昂成本，列為大規模部署的主要障礙。機械人訓練需要收集力量、扭矩、動作及物件互動等實體數據，這類資料比文字或圖片更難大規模取得。318

物流倉儲料成為第一個大規模應用場景

高盛將電子商貿倉儲及物流視為人形機械人最早大規模落地的領域，其次才是汽車製造。倉庫環境相對受控，有利於測試安全性；但同時，貨物、路線及工作流程又存在足夠變化，讓較靈活的通用型機械人有機會發揮作用。25

亞馬遜及沃爾瑪，是公開報道中最常被提到的早期企業。現有的倉庫自動化基礎、營運數據及降低服務成本的誘因，均可能協助企業將通用型機械人，與現有的專用機械一同測試。

高盛據報估算，亞馬遜更廣泛的自動化工作，在2026年至2030年間或可累計節省約720億美元服務成本。在樂觀情境下，這可能令亞馬遜的EBIT（息稅前盈利）利潤率提高約240個基點，相當於總服務成本約5.6%的槓桿效應。這些屬情境估算，並非亞馬遜的公司指引。33335

汽車工廠是下一個主要戰場

汽車製造被視為下一個重要採用場景，原因是車企本身已具備大規模生產線、機械人應用、製造工程及供應鏈整合經驗。

公開摘要提及的企業包括Tesla、Hyundai、Toyota、Honda及Mitsubishi Motors。汽車業的另一個優勢，是既可能成為人形機械人的客戶，也可能成為生產商。

高盛據報估算，Toyota在2035年或可生產約19萬至54萬部人形機械人。以全球每年650萬部的預測計算，這相當於全球年產量約3%至8%。38

這個數字描述的是潛在生產能力，並不代表Toyota已承諾在2035年生產相應數量的機械人。

每部機械人或帶來逾6,000美元晶片需求

人形機械人的潛在受惠者，不只限於機械人製造商。高盛據報估算，每部機械人可帶來約3,000美元至逾6,000美元的半導體內容需求，涵蓋高性能運算模組、模擬及混合訊號元件，以及邊緣儲存。17

這反映實體人工智能的硬件要求：機械人需要運算能力進行推理，需要感測器及控制系統理解環境和控制動作，亦需要記憶體及連接能力，在現實環境中協調多個行動。實際晶片組合會因設計、能力及生產模式而異，因此上述金額應理解為可服務市場估算，並非每部機械人都完全相同的物料清單。

軟件定義控制，可能改變工業自動化格局

報告亦指出，工廠控制系統可能由依賴硬件的可編程邏輯控制器（PLC），逐步轉向由軟件定義或虛擬PLC（vPLC）主導的架構。假如工廠控制變得更依賴軟件，價值可能由專有硬件及綁定式系統，轉移至靈活編排、人工智能模型及通用運算平台。17

不過，現有公開摘要不足以可靠量化vPLC市場的增長，亦未能確認高盛認為哪些傳統企業必然受到衝擊。較穩妥的解讀是：如果客戶日後更重視互通、靈活及軟件定義的系統，傳統工業自動化及工廠控制供應商可能面對更大競爭壓力。

高管調查：四成料3至5年內有明顯自動化

高盛據報進行的「Executive Perspectives（高管觀點）」調查顯示，約40%受訪高管預計，未來3至5年內，至少10%的工作流程會由通用型機械人自動化。35

這個結果反映企業對相關技術有相當興趣，但不代表預測中的部署一定能按時間表實現。最終能否採用，仍要視乎機械人能否安全、穩定地完成指定工作，並以低於現有人力或其他自動化方案的成本運作。

最值得留意的，不是部數，而是能否賺錢

高盛今次上調展望，較適合理解為對工業人形機械人的技術及經濟條件更有信心，而不是證明通用型機械人已經適合所有工作場所。

目前較清晰的可能發展次序是：先在物流及倉儲試行，再進入汽車生產線；與此同時，半導體供應商及工業軟件公司亦可能成為受惠者，或者成為新一輪競爭的焦點。

真正的考驗，是實體人工智能能否將越來越有能力的原型機，變成可以在現實環境長時間穩定、安全及有盈利地工作的機械人。在數據、靈巧度、可靠性及成本問題仍未完全解決之前，2035年每年650萬部的預測，仍然是一個進取情境，而不是已經塵埃落定的結果。318