Physical AI 產業鏈：我們畫樹
Physical AI 的五層產業鏈、誰拿最多的錢？
上一篇，我們用了很長的篇幅去釐清 Physical AI 的需求來源——人口老化帶來的勞動力缺口，是這個行業的根本驅動力。如果這個判斷成立，需求不可逆、技術在加速，那麼投資者自然會進到下一個問題：這條鏈上，錢流向哪裡？
Physical AI 的分類
倉庫裡跑的分揀機器人、Tesla 工廠裡測試的人形機器人、Waymo 在舊金山街上跑的無人車。它們共用同一個標籤，但供應鏈幾乎沒有重疊，商業邏輯各異，技術成熟度也相差了一個世代。
第一種：工業及協作機器人。 這是整個機器人世界裡規模最大、部署最成熟的一類。2026 年市場規模約 438–542 億美元（各機構口徑不同），整體 CAGR 約 14–20%。IFR 2025 年世界機器人報告顯示，電子/電氣業已超越汽車業，成為全球工業機器人最大裝機行業。主要玩家是 ABB（$ABBN.SW，約 13% 份額）、Epson（$6724.T，約 13%）、FANUC（$6954.T，約 11%）、KUKA（已私有化，美的集團 $000333.SZ 旗下）、Yaskawa（$6506.T），前五大合計超過 50%。這類機器人依賴傳統可程式邏輯控制器（PLC），不需要 VLA 模型，不需要大型語言模型——它和當下關於 Physical AI 的大多數討論，屬於不同的技術體系。
第二種：自律移動機器人與自駕系統（AMR / AV）。 這一類不一定有「機器人的樣子」，但屬於 Physical AI 的核心組成部分。AMR 主攻倉儲物流和工廠內搬運，2025 年市場約 82–83 億美元，預計 2034 年達 436–714 億美元。自駕車因口徑差異，各機構 2026 年估值從 250 億到逾 2,200 億美元不等。範圍本身說明了這個市場在定義上的困難。
第三種：通用型人形機器人。 人形設計有其工程邏輯：人類的工廠、醫院、家庭是為人類設計的——樓梯、門把、工具的尺寸和位置都以人為基準——人形機器人可以直接沿用這些基礎設施，無需改造場地。目前市場規模仍小，IDC 統計 2025 年全球出貨約 18,000 台，市場收入約 4.4 億美元，同比增長約 508%。各機構對 2030 年的預測從 65 億美元（ABI Research，CAGR 96%）到 152.6 億美元（MarketsandMarkets，CAGR 39.2%）不等，差距主要反映定義口徑分歧，方向性共識是清楚的。
前兩種本文就不深入展開，接下來把焦點將聚焦到第三種：通用型人形機器人。
一台人形機器人，分五個層次
一台人形機器人從無到有，需要五個層次依序到位。這五個層次不是平行的，而是有先後依存關係的——缺少任何一層，整台機器人就無法運作。
L1 算力晶片
↓ 提供訓練與推理的計算基礎
L2 硬體零件
↓ 提供機器人的物理身體
L3 軟體與訓練
↓ 讓機器人學會如何動作與判斷
L4 整機整合（OEM）
↓ 把以上三層組裝成可出貨的產品
L5 應用場景
部署到工廠、倉庫、醫院，產生實際價值
這五層的成熟度差距相當大。L1 算力層有壟斷性玩家；L2 零件層技術壁壘高但供應集中；L3 軟體層各子環節進度不均，部分幾乎是空白；L4 整機層競爭激烈但利潤受壓；L5 應用層規模化才剛起步。
L1 算力：利潤最集中的地方
在任何零件被製造出來之前，首先需要的是算力。
訓練一個能理解「把那個箱子放到第三層」的機器人模型，需要大量 GPU 雲端算力；訓練完成後，機器人在現場即時判斷和執行動作，又需要一塊能塞進機身的低功耗邊緣推理晶片。這兩種需求，在 2026 年都主要指向 NVIDIA。
