繼生成式AI之後，人形機器人正被視為下一個顛覆性技術風口，一個潛在的萬億美元市場正在浮現。

據追風交易台消息，摩根士丹利在最新發布的深度報告——《人形機器人技術：把握未來》中指出，人形機器人作為「物理AI」（Physical AI）的終極形態，標誌着人類歷史進入一個關鍵篇章。報告指出，到2050年全球人形機器人規模有望達5萬億美元，累計部署量將達10億台。而在這一長達數十年的增長中，半導體成為了最大的變量與增量。

報告測算，隨着單台機器人的物料清單（BOM）成本從約13.1萬美元降至2045年的2.3萬美元，半導體在BOM中的成本佔比將逆勢大漲，從目前的個位數飆升至24%。

而人形機器人成本的下降將使人形機器人的投資回報周期顯著縮短，使其在經濟上具備無可比擬的優勢，從而推動其在工廠、倉庫、農場等場景的大規模普及。

物理AI崛起：2050年「大約每10人擁有一台人形機器人」

報告指出，物理AI是更廣泛AI主題的核心部分，它「彌合了AI與物理存在之間的鴻溝」。與純軟件的AI助手不同，具身智能（embodied intelligence）使AI能夠理解並與物理世界互動。

摩根士丹利預測，人形機器人市場將在2035年前緩慢滲透，但在2030年代末開始顯著加速。其核心預測數據極為震撼：

• 到2050年，全球人形機器人市場規模將達到5萬億美元。

• 屆時，全球累計部署量將達到10億台，相當於「大約每10人擁有一台人形機器人」。

這是一個由技術巨頭、初創公司、傳統工業巨頭和世界級研究實驗室共同參與的複雜且快速演變的生態系統。報告強調，「選擇性的方法對於把握AI機遇至關重要」。

成本革命：從13萬美元到2.3萬美元的路徑

成本是決定人形機器人能否大規模商業化的關鍵。報告對此進行了詳細的BOM（物料清單）成本分析，結論令人振奮。

報告估計，「非中國供應鏈下，目前一台人形機器人的平均BOM成本約為13.1萬美元，但到2045年將降至2.3萬美元」。這一成本遠低於大多數發達市場工人的年薪。到2050年，隨着規模化和效率提升，每小時有效成本可能降至2.6美元，使其在經濟上變得不可或缺。

成本下降的同時，BOM的價值構成也在發生變化。報告預測，從2025年到2030年，BOM成本將增加15%，到2045年再增加40%，這「主要是由於芯片平均售價（ASP）的增加，因為每台人形機器人所需的計算強度可能會增加，從而抵消了半導體的成本下降特性」。

半導體：價值鏈的核心

在人形機器人的價值構成中，半導體正扮演着越來越重要的角色。摩根士丹利在報告中將焦點從機器人整機轉向了其內部的半導體價值。

報告測算，到2045年，人形機器人半導體市場總規模（TAM）將達到3050億美元。這一數字相當於2024年全球半導體TAM（6270億美元）的49%。一個關鍵的趨勢是，半導體在總BOM（物料清單）成本中的佔比將「從目前的4-6%增加到24%」。

這主要是因為，儘管傳感器等其他組件的成本會隨着技術成熟而下降，但每台機器人所需的計算強度將持續增加，從而推高了AI處理器等核心芯片的價值。

在半導體內部，價值也高度集中。報告分析稱，「AI處理器（芯片）是核心組件，目前佔半導體總成本的67%，但預計到2045年將達到近93%」。這凸顯了算力在人形機器人功能實現中的絕對核心地位。

聚焦「大腦、視覺、傳感」三大核心

報告認為，對於市場而言，最有價值的並非機器人集成商，而是那些提供核心賦能技術的上游公司。報告將這些機會歸納為三大領域：

1. 大腦技術（Brain Technology）： 這是人形機器人的核心，主要包括AI軟件和半導體，如強大的GPU、ASIC或專用邊緣計算設備。這些技術是機器人實現感知、決策和通信功能的中樞。報告認為，由於最終贏家尚不確定，投資於「領先的先進製程晶圓代工廠商」是參與該領域的一種穩妥方式。

2. AI視覺（AI Vision）： 使物理AI能夠「看見」並解讀視覺信息。這需要「極高分辨率的攝像頭、高帶寬和低延遲，以及先進的數字信號處理（DSP）芯片」。提供高分辨率攝像頭解決方案和尖端數字圖像處理芯片的公司將成為關鍵受益者。

3. 傳感技術（Sensing Technology）： 模擬芯片是感知外部世界的核心，負責人形機器人的運動、感知和動力，是硬件開發的基礎。這包括用於熱、壓力或距離的傳感器。報告特別指出，「歐洲的模擬芯片公司處於戰略有利地位，能夠從中最受益」。

「人形機器人科技25強」

在摩根士丹利看來，部分公司在人形機器人賽道有望突出重圍，成為賽道中的核心企業。該行列出了「人形機器人科技25強」（Humanoid Tech 25）名單，囊括了在技術、創新和市場地位上領先的公司。

包括英偉達、德州儀器、英飛凌、意法半導體、索尼、三星電子等。

挑戰與風險：通往未來的三重門

報告同樣指出了行業面臨的關鍵挑戰：

1. 技術與成本： 專用硬件的開發、高昂的成本管理、以及傳感和電池技術仍是限制因素。

2. 能源效率： AI技術的擴展面臨兩大瓶頸：「（1）半導體製造廠和（2）發電廠」。生成式AI的電力需求預計到2027年將超過2022年全球數據中心總電力的75%，能源問題亟待解決。

3. 安全與監管： 確保人機交互的安全性與可靠性是重中之重。此外，對勞動力市場的衝擊、數據所有權以及健全的監管框架都是必須審慎處理的問題。

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

以上精彩內容來自追風交易台。

更詳細的解讀，包括實時解讀、一線研究等內容，請加入【追風交易台▪年度會員】