当AI从屏幕走向物理世界，人形机器人正在成为自动化3.0时代的核心载体。巴克莱最新报告用十个关键问题勾勒出这一新兴赛道的全貌：从“为什么是人形”到“成本几何”，从“哪些工作将被替代”到“投资者如何布局”——一场比工业革命更深刻的变革正在发生。
一、自动化三部曲：人形机器人是“第三幕”
巴克莱将人类自动化历史划分为三个阶段：
自动化1.0（工业时代）： 工厂围绕机器重新设计。1961年通用汽车引入世界首个工业机器人Unimate，用于焊接汽车零部件。工业机器人在高度结构化环境中执行重复性任务，实现了规模和精度，但仅限于特定场景。
自动化2.0（数字时代）： 大语言模型和聊天机器人自动化了信息处理而非物理工作。它们处理数据的速度和规模——起草、分析、编码——减少了认知任务所需的时间。但代理型系统虽能自动化多步骤工作流，仍局限于数字层面。
自动化3.0（物理AI时代）： 人形机器人——专为在人类环境中工作而设计的机器，使用相同的工具、布局和流程。AI正在变得“有形”。
关键洞察： 全球约有800万座工厂和28亿栋建筑。改造物理世界以适应机器成本高昂且不现实——让机器人适应人类环境才是更具扩展性的路径。
二、为什么必须是“人形”？
问题#1：世界是为人类身体设计的
从楼梯和门到工具和建筑物，物理世界系统地按照人体的尺寸和运动进行了校准。例如，门把手通常设置在900-1050毫米高度以适应舒适的站立臂展，门宽800-900毫米适应肩宽。
这被数万项全球标准所正式化：ASTM International发布超过13,000项标准，ISO超过25,000项，IEC超过10,000项。这些框架将人体尺寸深深嵌入建筑、工具和机械中。
问题#2：人形机器人可适用于服务业，而不仅仅是工厂
服务业占主要经济体GDP的60-80%。但传统机器人在家中、医院、酒店、商店和护理设施中难以发挥作用——这些环境高度变化、嵌入社会关系中，且围绕它们重新设计物理世界不经济。
问题#3：人形机器人以“工作”而非“任务”为单位扩展
传统自动化按任务扩展：一台机器执行一项特定功能——焊接一个接头、分拣一个包裹。增长是线性的。
人形机器人将扩展单位从任务转变为工作：设计用于在一个角色内执行多个任务。这带来三个非线性采用驱动力：
多用途系统：每个机器人可解决多个用例
边际部署成本下降：新应用主要由软件和训练驱动
工作层面的阈值效应：一旦某项工作的足够任务被覆盖，可快速扩展部署
采用曲线更像软件而非机械——开始时渐进，然后复合增长，最终可能呈指数级增长。
三、为什么我们需要人形机器人？三大人口力量
力量#1：人口老龄化
目前65岁以上人口9亿 → 2050年16亿（从10%到16%）
欧洲、日本、中国部分地区将超过30%
更少工人需支持更多退休人员，养老金和医疗承压
力量#2：城市化加速
到2050年，近70%人口将生活在城市地区
美国84%、英国90%、日本95%
制造业、农业和老年护理仍留在农村，劳动力集中在城市→供应链压力
力量#3：工作偏好变化
仅14%的Z世代会考虑从事工业工作
“肮脏、枯燥和危险”的角色越来越难以找到人填补
农业是劳动力老龄化最快、收缩最剧烈的行业之一
农业劳动力下降（2010-2024年）：
欧洲：-37%
日本：-23%
美国：-17%
四、哪些工作最容易被取代？
巴克莱基于O*NET数据库（覆盖900多种职业和17,000项任务）的分析：
人形机器人最适合的职业类别：
安装与维修：近90%任务可适用
制造业：约70%
建筑业：约65%
人形机器人最不适合的：
法律服务：仅约10%任务可适用
专业服务业：适用率低
两大部署浪潮：
| 维度 | 第一波（2025-2030） | 第二波（2030及以后） |
|---|---|---|
| 任务复杂度 | 简单、重复性 | 复杂、自适应 |
| 部署环境 | 结构化、受控 | 非结构化、真实世界 |
| 主要焦点 | 数据收集用于模型训练 | 部署已训练模型 |
| 部署行业 | 制造业、物流、仓储、农业、建筑 | 医疗、老年服务、教育、酒店、家庭 |
五、人形机器人由什么构成？“三个B”
成本结构分解：
“肌肉”（Brawn）：约50%成本——主要是执行器（电机+齿轮+轴承，依赖磁性稀土）→最关键的供应链环节
“大脑”（Brains）：约35%成本——AI模型、计算芯片、传感器、摄像头
“电池”（Batteries）：约15%成本——锂离子电池组
大脑的双层架构：
云端AI训练：在高级模拟平台（“数字孪生”）中训练大型物理AI模型
边缘AI实时推理：训练后的模型在机器人内部运行，实现毫秒级响应
肌肉的挑战： 复制人体的灵巧性和自主性是真正的工程挑战。执行器是机器人将电转化为运动的“肌肉”，当前最复杂的部分是机器人手，需要多个自由度和高精度执行器，是最昂贵且最复杂的组件。
六、成本：十年下降30倍
生产成本演变：
十年前：约300万美元/台
当前：约10万美元/台（30倍下降）
中国制造商平均约5万美元/台
部分中国型号甚至低至5,000-20,000美元（但灵巧性有限）
价格下降的两大驱动力：
规模化生产 → 规模经济
供应链垂直整合 → 中国优势最明显
七、部署就绪度如何？
部署数据：
2024年：约2,000台
2025年：约15,000台
2026年预计：约60,000台
技术进步（以人类基准=100%）：
图像分类：2016年超越人类
视觉推理：2021年超越人类
多任务语言理解：2024年超越人类
多模态理解与推理：仍低于人类基准
复杂推理：仍在追赶中
能耗挑战：
人形机器人运行平均约500瓦
人类相同任务40-45%更高效
当前电池续航约4-5小时
解决方案：可更换电池组 + 快速充电技术
安全是关键约束：
当前机器人主要局限于工业环境，人类接触有限
扩展到服务角色时，安全要求将成为硬约束
监管框架正在出现但尚未完全到位
ISO已转向系统级方法并扩展至人形机器人
欧盟将物理AI系统归类为高风险
八、部署在哪里发生？
中国主导全球部署（2025年占85%）
前两大公司（AgiBot和Unitree）占中国部署的70%以上
驱动因素：可负担性、政府支持、关键原材料自给自足（稀土）、紧密的垂直整合
美国和欧洲仍在竞争中：
中国大规模制造基础支持“工业优先”路径（第一波）
西方更偏向服务导向用例，在2030年代加速（第二波）
九、市场规模有多大？
人形机器人市场预测：
当前：约20-30亿美元
2030年：100-250亿美元
2035年：基线约400亿美元，乐观情景高达2,000亿美元
更大的生态系统——物理AI（Physical AI）：
涵盖四个AI驱动的机器人领域：
人形机器人
自动驾驶汽车
自主无人机
先进工业自动化
物理AI总市场规模（2035年）：约5,000亿-1.4万亿美元（基线9,000亿美元）
十、投资者如何布局？
公开市场三大渠道：
1. 人形机器人制造商（数量少但在增长）
当前上市公司：特斯拉、丰田、UBTech、小鹏、小米、上海电气、Hexagon AB、Dobot、Efort
即将IPO：AgiBot、Deep、Leju、Unitree
2. 汽车及零部件供应商
汽车OEM可通过部署机器人和供应零部件双重受益
案例：现代汽车集团持有波士顿动力80%股份。Atlas在CES 2026亮相后，现代汽车股价1月上涨近70%（同期标普500仅涨~1%）
3. 机器人ETF
三只专注人形机器人的ETF（HUMAN、KOID、BOTT）AUM从2025年6月的约1,300万美元增至2026年4月的2.6亿美元以上（20倍）
机器人ETF累计回报：KOID +47%、HUMAN +34%、标普500 +17%（2025年7月-2026年4月）
私募市场：
机器人风投融资从2017年的6亿美元增至2025年第二季度的88亿美元（15倍）
大型融资：Figure AI（10亿美元）、1X Technologies（10亿美元）、Apptronik（7亿美元）、Agility Robotics（4亿美元）
巴克莱预期： 随着生态系统成熟，未来3-5年西方将出现更多并购活动，规模化将是关键。
结论：
人形机器人正处于从实验室走向现实经济的转折点。2026年预计部署6万台——这不是科幻，而是正在发生的产业革命。巴克莱报告给出了一个清晰的路线图：
短期（1-3年） ：工业场景优先，中国领跑，ETF和零部件供应商是主要投资窗口
中期（3-10年） ：服务场景加速，市场规模爆发，并购整合加速
长期（10年+） ：家庭和个人应用普及，物理AI生态系统成熟
正如报告所言：“AI正在变得有形”——而这或许是我们这个时代最重大的投资主题之一。
