继生成式AI之后，人形机器人正被视为下一个颠覆性技术风口，一个潜在的万亿美元市场正在浮现。

据追风交易台消息，摩根士丹利在最新发布的深度报告——《人形机器人技术：把握未来》中指出，人形机器人作为“物理AI”（Physical AI）的终极形态，标志着人类历史进入一个关键篇章。报告指出，到2050年全球人形机器人规模有望达5万亿美元，累计部署量将达10亿台。而在这一长达数十年的增长中，半导体成为了最大的变量与增量。

报告测算，随着单台机器人的物料清单（BOM）成本从约13.1万美元降至2045年的2.3万美元，半导体在BOM中的成本占比将逆势大涨，从目前的个位数飙升至24%。

而人形机器人成本的下降将使人形机器人的投资回报周期显著缩短，使其在经济上具备无可比拟的优势，从而推动其在工厂、仓库、农场等场景的大规模普及。

物理AI崛起：2050年“大约每10人拥有一台人形机器人”

报告指出，物理AI是更广泛AI主题的核心部分，它“弥合了AI与物理存在之间的鸿沟”。与纯软件的AI助手不同，具身智能（embodied intelligence）使AI能够理解并与物理世界互动。

摩根士丹利预测，人形机器人市场将在2035年前缓慢渗透，但在2030年代末开始显著加速。其核心预测数据极为震撼：

• 到2050年，全球人形机器人市场规模将达到5万亿美元。

• 届时，全球累计部署量将达到10亿台，相当于“大约每10人拥有一台人形机器人”。

这是一个由技术巨头、初创公司、传统工业巨头和世界级研究实验室共同参与的复杂且快速演变的生态系统。报告强调，“选择性的方法对于把握AI机遇至关重要”。

成本革命：从13万美元到2.3万美元的路径

成本是决定人形机器人能否大规模商业化的关键。报告对此进行了详细的BOM（物料清单）成本分析，结论令人振奋。

报告估计，“非中国供应链下，目前一台人形机器人的平均BOM成本约为13.1万美元，但到2045年将降至2.3万美元”。这一成本远低于大多数发达市场工人的年薪。到2050年，随着规模化和效率提升，每小时有效成本可能降至2.6美元，使其在经济上变得不可或缺。

成本下降的同时，BOM的价值构成也在发生变化。报告预测，从2025年到2030年，BOM成本将增加15%，到2045年再增加40%，这“主要是由于芯片平均售价（ASP）的增加，因为每台人形机器人所需的计算强度可能会增加，从而抵消了半导体的成本下降特性”。

半导体：价值链的核心

在人形机器人的价值构成中，半导体正扮演着越来越重要的角色。摩根士丹利在报告中将焦点从机器人整机转向了其内部的半导体价值。

报告测算，到2045年，人形机器人半导体市场总规模（TAM）将达到3050亿美元。这一数字相当于2024年全球半导体TAM（6270亿美元）的49%。一个关键的趋势是，半导体在总BOM（物料清单）成本中的占比将“从目前的4-6%增加到24%”。

这主要是因为，尽管传感器等其他组件的成本会随着技术成熟而下降，但每台机器人所需的计算强度将持续增加，从而推高了AI处理器等核心芯片的价值。

在半导体内部，价值也高度集中。报告分析称，“AI处理器（芯片）是核心组件，目前占半导体总成本的67%，但预计到2045年将达到近93%”。这凸显了算力在人形机器人功能实现中的绝对核心地位。

聚焦“大脑、视觉、传感”三大核心

报告认为，对于市场而言，最有价值的并非机器人集成商，而是那些提供核心赋能技术的上游公司。报告将这些机会归纳为三大领域：

1. 大脑技术（Brain Technology）：这是人形机器人的核心，主要包括AI软件和半导体，如强大的GPU、ASIC或专用边缘计算设备。这些技术是机器人实现感知、决策和通信功能的中枢。报告认为，由于最终赢家尚不确定，投资于“领先的先进制程晶圆代工厂商”是参与该领域的一种稳妥方式。

2. AI视觉（AI Vision）：使物理AI能够“看见”并解读视觉信息。这需要“极高分辨率的摄像头、高带宽和低延迟，以及先进的数字信号处理（DSP）芯片”。提供高分辨率摄像头解决方案和尖端数字图像处理芯片的公司将成为关键受益者。

3. 传感技术（Sensing Technology）：模拟芯片是感知外部世界的核心，负责人形机器人的运动、感知和动力，是硬件开发的基础。这包括用于热、压力或距离的传感器。报告特别指出，“欧洲的模拟芯片公司处于战略有利地位，能够从中最受益”。

“人形机器人科技25强”

在摩根士丹利看来，部分公司在人形机器人赛道有望突出重围，成为赛道中的核心企业。该行列出了“人形机器人科技25强”（Humanoid Tech 25）名单，囊括了在技术、创新和市场地位上领先的公司。

包括英伟达、德州仪器、英飞凌、意法半导体、索尼、三星电子等。

挑战与风险：通往未来的三重门

报告同样指出了行业面临的关键挑战：

1. 技术与成本：专用硬件的开发、高昂的成本管理、以及传感和电池技术仍是限制因素。

2. 能源效率：AI技术的扩展面临两大瓶颈：“（1）半导体制造厂和（2）发电厂”。生成式AI的电力需求预计到2027年将超过2022年全球数据中心总电力的75%，能源问题亟待解决。

3. 安全与监管：确保人机交互的安全性与可靠性是重中之重。此外，对劳动力市场的冲击、数据所有权以及健全的监管框架都是必须审慎处理的问题。

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

以上精彩内容来自。

更详细的解读，包括实时解读、一线研究等内容，请加入【】