650万台机器人，先去仓库打工

高盛把2035年人形机器人出货量预期，从140万台一口气上调到650万台，市场规模看到约1383亿美元。更关键的是它点名的落地路径：不是家庭，不是街头，而是物流仓储和汽车制造。本文拆解这三个问题：预期为什么翻四倍、机器人先去哪打工、真正卡脖子的到底是啥。

📈 高盛为啥突然改口

卖方改预期不难，难的是一口气改四倍。

高盛在最新发布的全球物理AI报告中，把人形机器人的出货曲线整体抬升了一个台阶：全球出货量从2026年的7.5万台，增至2030年的约89万台，并在2035年达到约650万台，对应市场规模约1383亿美元。

而在上一版预测里，2030年和2035年分别只有25.6万台和140万台。新预测直接是旧数字的3.5倍和4.6倍。新旧对比看这张表更直观：

这背后是两个判断在同时起作用。第一，技术曲线陡了：高盛援引Epoch数据称，2023年主流AI模型在综合能力指标ECI上得分大致在120多分，2026年的领先模型已升至150多分；METR的研究则显示，自2019年以来，前沿模型能以50%成功率完成的任务时长，大约每7个月翻一番。第二，价格曲线也在陡，报告判断降价将成为未来数年推动放量的另一根主线。

一句话，能力上去了、成本下来了，S曲线的拐点假设自然要往左移。卖方不是被说服的，是被数据逼着改口的。

🏡 第一个工位在仓库，不在客厅

机器人上岗的顺序，和家庭主妇的期待完全相反。

高盛明确判断：物流仓储和汽车制造将成为率先规模化落地的场景。这个判断其实非常工程师思维——因为这两个场景共同点是结构化、重复度高、容错边界清晰。

想想拆解一下逻辑：

• 仓库里，货物SKU虽多但摆放规则可约束，搬运、分拣、码垛的任务定义清晰；
• 汽车工厂是机器人密度最高的地方，产线节拍、工位布局、安全规范都是现成的，人形机器人本质上是往成熟自动化体系里插新人；
• 反观家庭场景，环境高随机、任务碎片化、失败成本高，恰恰是当前成功率下降最快的那类环境。

报告里那句技术判断很扎心：当前机器人在稳定、结构化环境中已能处理相对简单的任务，但面对高复杂度和高随机性环境时，成功率仍明显下降。所以落地顺序是确定的——先工厂仓库，再商业场景，最后才是家庭。

据多位接近产业的人士透露，今年不少仓储自动化集成商已经把人形机器人纳入了明年的方案选型，态度从「看热闹」转向「算账」。当客户开始算ROI而不是拍视频，行业才算真入冬后的春天。

🧠 从会走路，到会干活

会走路是体育，会干活才是生意。

报告有个精确的表述：行业竞争重点已经从单纯的运动展示，转向真实世界数据、机器人基础模型、灵巧操作和系统可靠性。运动展示这块确实卷出了新高度——2026年以来，部分人形机器人户外奔跑速度从2—3米/秒提升至5—6米/秒；2026年世界人形机器人运动会上，400米冠军成绩较2025年提高约57%，达到38.15秒。Whole-Body Control也开始让机器人一边移动、一边完成上肢操作。

但模型侧的变化更值得关注。在中国市场，机器人模型正从单一VLA（视觉—语言—动作）架构，向VLA或VTLA与世界模型、多层Agent结合的体系演进；模型规模也从数十亿至200亿参数，向约400亿—800亿参数提升。

感知层同样在补课。纬钛机器人CEO 李瑞在访谈里给出了一个干脆的判断：具身智能仅靠视觉容易碰到天花板，触觉是未来必选项——「触觉已经不是一个yes or no的问题，而是when的问题。」这背后是具身智能圈的共识正在形成：视觉解决「看到」，触觉解决「摸准」，灵巧操作离不开力反馈闭环。

系统层的整合也在提速。鹿明发布的NexCore，思路就是要把具身落地的全套系统打通，不再让客户在模型、中间件、本体之间自己拼积木。据业内人士私下评价，这类「交钥匙」路线，恰恰是解决真机部署碎片化的一把钥匙。

模型决定上限，系统决定能不能交付。

⚠️ 真正卡脖子的三件事

发布会决定热度，散热和线束决定订单。

高盛在报告里点得很直白：真正决定商业化速度的，是灵巧手、手眼脚协同、散热、线束寿命、长期可靠性以及Sim-to-Real泛化能力。翻译成工程师语言，就是三个硬骨头：

第一，灵巧手。 高盛认为目前仍没有统一技术路线，是最重要的硬件瓶颈之一。腱绳、连杆、直驱、软体，各家都在赌自己的方案，成本和寿命的平衡点至今没有行业公认的答案。灵巧手之于人形机器人，约等于电池之于电动车。

第二，数据。 报告明确指出，高质量、真实、多维数据仍是实际部署最大的瓶颈。这里的多维，恰恰呼应了李瑞说的触觉——光有视频数据训不出会拧瓶盖的手。有投资人私下说，现在看具身项目第一个问题已经从「本体多少钱」变成了「数据从哪来、谁出钱采」。

第三，长期可靠性。 散热、线束寿命这些听起来不性感的东西，决定了机器人是「表演8分钟」还是「上班8小时」。工厂客户只认一个指标：平均无故障时间。

这三件事，没有一件能在发布会PPT上解决，每一件都要靠真机、真数据、真产线磨出来。

🔋 交叉点，比想象中来得早

机器人的成本曲线，正在撞上人的工资曲线。

报告专门用了一节讨论「机器人替代人工的交叉点临近」，并预计2025年至2030年间价格将持续下探，成为行业放量的主线之一。这个逻辑放在物流和汽车场景里尤其成立：这两个行业恰好都是用工紧张、流失率高的领域，客户对「一台设备顶几个人、几天回本」的账算得最熟。

叠加上一版到这一版预期翻了四倍多，可以做一个务实的推演：如果2026年7.5万台的出货大部分流向仓储和汽车场景，那么2027—2028年将是验证期——看复购率、看真实工时、看故障率，而不是看融资额。2030年89万台、2035年650万台的曲线能不能兑现，就看这几年的账本。

对供应链来说，这同样是一份投资路线图：灵巧手、触觉传感、高可靠关节模组、Sim-to-Real工具链，都是这条曲线上确定性最高的卡位。风口上的叙事会变，账本上的逻辑不会。

高盛这次上调，本质上是给「人形机器人从展示走向作业」这个判断盖了个卖方的章。650万台不是终点，物流仓储和汽车制造才是起点。接下来两年，行业比拼的不再是跑得多快、跳得多高，而是灵巧手的技术路线收敛、真实数据的采集效率和产线上的无故障时长。机器人何时真正走进千行百业，答案不在展台上，在仓库的交接班记录里。