機器人全球供應鏈公司一覽
| 層級 | 環節 | 公司(股票代碼) |
|---|---|---|
| 軟體層 | 運算晶片 跑 AI 模型、即時處理感測資料 | NVIDIA(美股 NVDA) Tesla(美股 TSLA,自研 FSD 與 AI5 晶片,歸入整機層) AMD(美股 AMD,Ryzen Embedded 用於機器人控制器) Qualcomm(美股 QCOM,Dragonwing IQ10 機器人平台) 地平線機器人(港股 9660) |
| 基礎模型 輸入畫面與指令,輸出動作 | NVIDIA(美股 NVDA,Isaac GR00T) Alphabet/Google DeepMind(美股 GOOGL) Physical Intelligence(未上市) Figure AI(未上市,Helix 模型) | |
| 資料與模擬 提供訓練用的動作資料與虛擬環境 | NVIDIA(美股 NVDA,Isaac Sim) 各整機廠自有場域資料(未上市) | |
| 邊緣作業系統與中介軟體 跑在機器人本體上,負責即時控制、故障隔離與功能安全 | BlackBerry QNX(美股 BB) Wind River VxWorks(Aptiv 旗下,美股 APTV) NVIDIA(美股 NVDA,Isaac ROS 與 Halos 安全架構) 東土科技(深圳 300353,鴻道 Intewell) Green Hills Software INTEGRITY(未上市) ROS(開源專案,由 Open Source Robotics Foundation 維護) | |
| 視覺與感知軟體 辨識物體、定位、引導手臂抓取 | Cognex(美股 CGNX) 所羅門(台股 2359) 梅卡曼德 Mech-Mind(港股 9615) | |
| 整機層 | 人形:美國 人形機器人,把軟硬體組成能走能抓的產品,仍在早期 | Tesla(美股 TSLA,晶片、模型、整機垂直整合) Figure AI(未上市) Agility Robotics(未上市) Apptronik(未上市) |
| 人形:中國 人形機器人,中國廠商以量產與低成本見長 | 宇樹科技(上海科創板 688836) 優必選(港股 9880) 智元機器人(未上市) | |
| 人形:日韓歐 人形機器人,背後有汽車集團的場域與產能 | 現代汽車旗下 Boston Dynamics(母公司韓股 005380,Boston Dynamics 本身未上市) | |
| 四足與輪式 先落地的非人形機器人 | 宇樹科技(上海科創板 688836) Boston Dynamics(Spot,未上市) | |
| 工業與協作手臂 已商業化多年,每年新裝 50 多萬台 | Teradyne 旗下 Universal Robots(美股 TER) 達明(台股 4585,協作手臂) 上銀(台股 2049) 越疆(港股 2432) Fanuc(日股 6954) 安川電機(日股 6506) Epson(日股 6724,SCARA 機型) Doosan Robotics(韓股 454910) ABB(瑞士 ABBN/美股 ABB,機器人事業出售予軟銀的交易待完成) | |
| 物流與倉儲機器人 先量產的移動搬運機器人與自動叉車 | Symbotic(美股 SYM) Teradyne 旗下 MiR(美股 TER) 極智嘉 Geek+(港股 2590) KION Group(德股 KGX,叉車與倉儲自動化) AutoStore(挪威 AUTO) Locus Robotics(未上市) | |
| 醫療機器人 手術與診斷機器人,安全認證要求最高 | Intuitive Surgical(美股 ISRG) Medtronic(美股 MDT) Stryker(美股 SYK) 微創機器人(港股 2252) | |
| 場域部署客戶 實際把機器人放進工廠與倉庫的使用端 | Amazon(美股 AMZN,物流場域,屬使用端而非製造端) 蔚來汽車(美股 NIO/港股 9866) 現代汽車(韓股 005380) 賓士(德股 MBG) | |
| 硬體層 | 馬達 把電變成旋轉的力 | Moog(美股 MOG.A) 大銀微系統(台股 4576) 匯川技術(深圳 300124) Nidec(日股 6594) Maxon(未上市) |
| 驅動與控制 指揮馬達轉多快、出多少力,含功率半導體 | Kollmorgen(隸屬 Regal Rexnord,美股 RRX) 匯川技術(深圳 300124) Infineon(德股 IFX,功率半導體) | |
| 控制器與工業電腦 整台機器人的控制主機與運動控制 | Rockwell Automation(美股 ROK) 研華(台股 2395) 凌華(台股 6166) 新漢(台股 8234) 樺漢(台股 6414) 新代(台股 7750) 台達電(台股 2308) Siemens(德股 SIE) | |
| 控制與安全晶片 馬達控制、感測與功能安全用的微控制器 | Texas Instruments(美股 TXN) NXP(美股 NXPI) STMicroelectronics(美股 STM) Infineon(德股 IFX) Renesas(日股 6723,機器人關節與馬達控制方案) | |
| 減速機 降轉速、放大力氣 | 上銀(台股 2049) 盟立(台股 2464,旗下盟英) 綠的諧波(上海 688017) Harmonic Drive Systems(日股 6324) Nabtesco(日股 6268) | |
| 螺桿滑軌 旋轉變直線推拉,導引方向 | 上銀(台股 2049) 直得(台股 1597) 恒立液壓(上海 601100) THK(日股 6481) Schaeffler(旗下 Ewellix,德股 SHA) Bosch Rexroth(未上市) | |
| 關節模組與靈巧手 把馬達、減速機、感測與驅動做成關節,以及手指與抓取 | 三花智控(深圳 002050/港股 2050,公司表示正與大客戶開發關節致動器) 拓普集團(上海 601689,公司表示與 Tesla 已有致動器合作) Schunk(未上市,夾爪) Faulhaber(未上市,手指用空心杯馬達) | |
| 感測器 相機、光達、力與力矩感測 | Novanta(旗下 ATI,美股 NOVT) Hesai(美股 HSAI/港股 2525) Ouster(美股 OUST) RoboSense(港股 2498) Epson(日股 6724,力覺感測) Keyence(日股 6861,視覺與量測) TDK(日股 6762,慣性感測) RealSense(未上市) | |
| 電池 供電與電池管理 | 寧德時代(深圳 300750/港股 3750) 各整機廠自行設計電池包(未上市) | |
| 線束與連接器 把電力與訊號送到每個關節 | Amphenol(美股 APH) TE Connectivity(美股 TEL) 信邦(台股 3023) 貿聯-KY(台股 3665) |
每格依美國、台灣、中國、日本、其他國家、未上市排序,代表廠商取自外資與國內券商報告及各公司官網,並非完整名單。
本文您將讀到
- 每個零件長什麼樣:馬達、減速機、螺桿、滑軌、手、感測器、運算模組,附官網圖片
- 機器人市場有多大:2024 年全球工廠新裝 54.2 萬台,到 2050 年硬體銷售額預估約 25 兆美元
- 未來機器人實際會用在哪:先從搬運、分揀、上下料開始,家庭還要更久
- 目前技術領先的公司:運算平台、整機、模型、零組件各看誰
- 美中分流:美國進口禁令與中國國家標準,如何把供應鏈切成兩套
- 各層未來發展:從晶片到線束,每一層卡在哪裡
- 富程觀點
前言
機器人並非新產業,全球工廠每年新裝 50 多萬台工業機器人,已經持續了好幾年,2026 年的不同之處,是機器人開始長出手腳與判斷力:人形機器人上半年出貨約 1.91 萬台,AI 模型開始能指揮機械手臂完成沒練過的任務,美國與中國也同時用政策與標準,替自己的供應鏈劃界線。
對第一次接觸這個產業的讀者來說,困難點在於它橫跨太多領域:機械、馬達、半導體、感測、AI 模型,每一塊都有自己的專有名詞和主要玩家,本文先把全世界的供應鏈分成軟體與硬體兩大塊畫成地圖,再逐一看零件長什麼樣、市場有多大、未來會用在哪裡、誰目前領先,最後交代各層的發展狀況。
要看懂機器人產業,最快的方法是把它拆成三層,最上面是軟體層,決定機器人怎麼看、怎麼想、怎麼動,包括運算晶片、基礎模型、資料與模擬環境,以及視覺軟體,中間是整機層,把軟硬體組裝成能賣的產品。
最下面是硬體層,包括關節裡的馬達與驅動、減速機、螺桿與滑軌、關節模組與靈巧手,加上感測器、電池與線束。
資料來源:外資與國內券商產業報告,富程整理繪製
外資報告把這件事講得更直接:歐美掌握運算晶片、模型與少數精密零組件,中國以機器人運動相關零組件與低成本見長,日本、德國與瑞士的老牌廠商掌握精密機械,台灣廠商在高階的歐美與低價的中國之間尋找利基。
文章最上方的表格,把每一類環節的全球代表廠商列了出來,同一家公司橫跨多個環節時會重複出現。
【一句話總結】
機器人供應鏈分成軟體、整機、硬體三層,軟體層由美國公司領先,硬體層由日德瑞老牌廠商與中國廠商並進,台灣廠商集中在硬體層的精密傳動與線束。
一、每個零件長什麼樣:硬體篇
名詞看多了容易失去畫面,這一章把關節裡的主要零件用官網圖片帶你看一遍,圖片都來自各公司官方網站,下面的文字用白話說明每個零件的功能。
馬達:動力的來源
馬達把電能變成旋轉的力,人形機器人常用三種:無框力矩馬達(只有定子與轉子兩片環狀零件,直接裝進關節,省空間、扭力大)、伺服馬達(自帶感測器,能精準控制位置與速度)、空心杯馬達(體積小、反應快,多用在手指)。
無框直驅馬達以美國與瑞士廠商為主,空心杯馬達的龍頭是 Maxon 與 Faulhaber,最小直徑可做到 3 到 4 毫米。

圖片來源:大銀微系統官網

圖片來源:大銀微系統官網

圖片來源:大銀微系統官網
【關鍵名詞】無框力矩馬達
一句話解釋:沒有外殼與軸承的馬達,只提供定子與轉子兩個環,由整機廠自己裝進關節裡,能做出又薄又有力的關節。
減速機:把力氣放大
馬達轉得快但力氣小,直接接上手臂推不動東西,所以中間要接減速機,把轉速降下來,換成更大的力氣,人形機器人最常用的是諧波減速機,靠一個會彎曲的薄金屬齒輪,在很小的體積裡做出很大的減速比。
單台人形機器人約使用 15 到 18 顆,新一代機種可能增加到 20 多顆。

圖片來源:上銀科技官網

圖片來源:上銀科技官網
【關鍵名詞】諧波減速機
一句話解釋:利用薄壁彈性齒輪的微小變形來傳動,體積小、精度高、沒有背隙,適合機器人的關節與手腕。
螺桿與滑軌:把旋轉變成直線
手臂伸縮、手指推動這類直線動作,需要把馬達的旋轉變成直線推拉,這就是螺桿的工作,滑軌則負責引導方向,讓動作不偏,傳統機械用的是滾珠螺桿,人形機器人另外會用到結構更複雜的行星滾柱螺桿,承載力更高。
下方的圖片是滾珠螺桿與線性滑軌,兩者是工具機與半導體設備的基礎零件,也是這些傳動廠商進入機器人的起點。

圖片來源:上銀科技官網

圖片來源:上銀科技官網
行星滾柱螺桿製造工藝複雜,需要昂貴的精密加工設備,目前由日本與德國廠商壟斷,市場上常被提到的有 Rollvis、GSA、Ewellix 與 Rexroth,這個零件加上六維力感測器,在一份 Optimus 成本估算中合計約占整機硬體成本的 30%,是目前降價空間最受關注的兩項。
【關鍵名詞】行星滾柱螺桿
一句話解釋:螺桿與螺帽之間不用鋼珠,改放一圈會自轉又公轉的螺紋滾柱,接觸面積大,能承受更大的力,但加工難度也更高。
整合成關節與手臂
把馬達、減速機、感測器與編碼器整合在一起,就是關節模組,把多個關節串起來,就是機械手臂,工業用的六軸機械手臂已經有幾十年歷史,人形機器人可以視為把這套結構縮小、塞進人形身體,再加上腿與手。

圖片來源:上銀科技官網

圖片來源:宇樹科技官網
宇樹這張規格圖也點出另外三個零件:靈巧手(要靠空心杯馬達與微型螺桿驅動十多個關節)、感測器(光達與深度相機)與電池,電池續航是目前的短板,Optimus 的電池容量約 2.3 度電,實際工作使用時間不到 2 小時,宇樹 G1 標示的續航約 2 小時,一天要換好幾次電池。
【一句話總結】
馬達產生旋轉,減速機放大力氣,螺桿與滑軌改變運動方向,再加上感測器與線束,就組成一個關節,一台人形機器人有數十個。
二、每個零件長什麼樣:軟體與感知篇
軟體不像零件摸得到,但同樣有對應的硬體載體,視覺辨識要靠相機與光達把世界變成資料,運算要靠專用晶片模組,模型則是跑在這些模組上的程式。
視覺與感測:機器人的眼睛
深度相機用兩顆以上鏡頭同時拍攝,靠視差算出每個點的距離,讓機器人知道杯子在多遠的地方,光達則用雷射掃描,建立周圍環境的三維地圖,目前人形機器人的視覺系統仍是瓶頸,相機幀率偏低、從畫面捕捉到做出反應的時間偏長,讓日常任務的反應速度遠低於人類,Figure 在 2025 年 10 月發表的 Figure 03,公開資料顯示相機幀率提高一倍、延遲降到四分之一,每隻手掌也加裝相機。

圖片來源:RealSense 官網
運算模組:機器人的處理器
機器人需要在本體上即時處理影像與動作,不能每個動作都連回雲端等結果,所以要有低功耗、高算力的邊緣運算模組,NVIDIA 的 Jetson Thor 就是這類產品,引用的規格是算力 2,070 TFLOPS。
Tesla 則自己設計晶片,與自駕車共用 FSD 的設計,下一代 AI5 預計 2027 年 4 月前後導入 Optimus。

圖片來源:NVIDIA 官網
基礎模型:機器人的決策程式
目前主流的做法是 VLA(視覺-語言-動作)模型:先用大型語言與視覺模型理解畫面與指令,再接一個動作模組輸出關節控制訊號,最後用機器人實際操作的資料微調,NVIDIA 的 Isaac GR00T 是開放給各家整機廠使用的平台,下圖是官網的示意畫面,機器人在工作台前進行遠端示範與操作。

圖片來源:NVIDIA 官網
【關鍵名詞】VLA 模型
一句話解釋:Vision-Language-Action 的縮寫,讓機器人同時看懂畫面、聽懂指令並輸出動作的 AI 模型,是機器人版的大型語言模型。
整機:把一切組裝起來
Boston Dynamics 的電動版 Atlas,是目前進入汽車工廠實測的人形機器人之一,下圖是官網展示的工廠場景,從外觀就能看到,軀幹與四肢全是關節,每個關節都有前面介紹的那一整套零件。

圖片來源:Boston Dynamics 官網
邊緣作業系統:決定動作準不準時、安不安全
機器人本體上的處理器要同時做兩種事,一種是 AI 運算,例如辨識畫面與規劃任務,另一種是即時控制,例如馬達控制、煞停與避障,後者必須在固定的幾毫秒內完成,不能因為系統忙碌就延遲。
邊緣作業系統負責後者,常見做法是在同一顆晶片上,讓 Linux 與 ROS 處理 AI 與人機介面,讓即時作業系統處理馬達控制與安全監控,兩邊互相隔離,單一軟體當機不會拖垮整台機器。
這一層的代表是 BlackBerry 旗下的 QNX,對手有 Wind River 的 VxWorks、Green Hills 的 INTEGRITY,以及開源的 Linux 加 ROS。
BlackBerry 在 2026 年 4 月宣布 QNX OS for Safety 8.0 整合 NVIDIA IGX Thor,目標涵蓋自主移動機器人、人形機器人與手術機器人,NVIDIA 6 月發表的 Halos for Robotics,也把 QNX 列為軟體夥伴,提供 Linux 搭配 QNX OS for Safety 8.0 的早期存取組態。
需要保守看待的地方在於,這兩項公告都沒有點名機器人量產客戶,BlackBerry 公布的 2026 年 6 至 8 月季度,QNX 營收 8,030 萬美元、年增 27%,設計訂單以車用為主,機器人營收未單獨揭露,管理層表示正與 20 多家使用 NVIDIA 平台的業者接洽(公司表示)。
富程認為,這一層要等到出現具名的量產客戶,或單獨揭露的機器人營收,才算從題材變成業績。
【一句話總結】
視覺要靠相機與光達,運算要靠邊緣晶片模組,模型跑在晶片上並用機器人自己的資料微調,即時控制與安全要靠邊緣作業系統,這些加上前面的關節硬體,才是一台完整的機器人,其中 QNX 等作業系統的機器人營收尚未揭露,仍屬早期佈局。
三、機器人市場有多大:從歷史到 2050 年
歷史:工廠裡的機器人已經翻倍
根據 IFR(國際機器人聯合會)統計,2024 年全球工廠新安裝 54.2 萬台工業機器人,是十年前的兩倍以上,連續第四年超過 50 萬台,全球運轉中的存量約 466 萬台,較前一年增加 9%。
中國新裝 29.5 萬台,占全球 54%,日本 4.45 萬台,美國 3.42 萬台,南韓 3.06 萬台,德國 2.70 萬台,IFR 預測 2025 年約 57.5 萬台,2028 年超過 70 萬台。
資料來源:外資與國內券商產業報告,富程整理繪製,IFR World Robotics 2025
專業服務機器人(物流搬運、清潔、旅宿、農業等)2024 年約賣出 20 萬台,年增 9%,其中運輸物流 10.29 萬台,年增 14%,消費型服務機器人(例如掃地機器人)則接近 2,000 萬台,年增 11%。
IFR 的數字沒有把人形機器人獨立列出,人形機器人目前還是個很小的新分類。
演進:從固定動作走到通用智慧
外資產業報告把機器人演進分成四個階段,2026 年位在第三階段的起點:技術重心從按程式做固定動作,走到加上導航與感知,再到多模態大模型加上 VLA 與強化學習,目標是 2030 年後的通用智慧。
資料來源:外資與國內券商產業報告,富程整理繪製
未來:2050 年約 25 兆美元的硬體市場
外資預估全球機器人最終硬體銷售額(含家用機器人、無人機、人形機器人、自駕車、工業機器人、專業服務機器人與大型垂直起降飛行器),2024 年約 910 億美元,2030 年約 5,420 億美元,2040 年約 8.8 兆美元,2050 年約 25 兆美元。
這個數字只含硬體,不含軟體、服務、維修與供應鏈,外資報告也提醒,若算上這些,總規模理論上還會倍增。
資料來源:外資與國內券商產業報告,富程整理繪製
人形機器人本身的數量預估,各家差異很大,下表整理幾個來源的口徑。
| 來源類型 | 預估內容 | 數字 |
|---|---|---|
| 市調機構 Omdia | 2025 年全球人形機器人出貨 | 13,318 台,年增近 480%;2035 年預估 260 萬台 |
| 一份外資報告 | 全球人形機器人年出貨 | 2025 年 1.8 萬台、2026 年 6 萬台、2030 年約 175 萬台 |
| 國內券商報告 | 全球人形機器人出貨,2026 到 2034 年年複合成長率 | 107%,2034 年約 106 萬台 |
| 國內券商報告 | 人形機器人市場規模,2025 到 2030 年年複合成長率 | 47.1%,2030 年約 390 億美元 |
| 外資報告 | 人形機器人累計採用量 | 2030 年約 100 萬台、2040 年約 1.37 億台、2050 年約 10.2 億台,以商用場景為主 |
資料來源:Omdia(引自產業媒體報導)、外資與國內券商產業報告,富程整理。各來源對「人形機器人」與「出貨」的定義不同,數字不宜直接相減或比較。
某外資報告也預估,人形機器人的零組件市場 2040 年約 7,800 億美元;若再加上其他機器人的需求,到 2050 年馬達約 2.07 兆美元、減速機約 1.37 兆美元、邊緣運算約 1.23 兆美元、軸承約 3,160 億美元、相機約 2,680 億美元、光達約 1,280 億美元。
這些是 2050 年的預估,距今 24 年,讀者看趨勢即可,不宜當作精確數字。
【一句話總結】
工廠機器人已經是 54 萬台等級的成熟市場,人形機器人才剛開始,外資預估 2050 年全球機器人硬體銷售額約 25 兆美元,但各家對人形機器人數量的預估相差數倍,且口徑不同。
四、未來的機器人會用在哪裡
從各份報告歸納,機器人的實際應用會分三個階段推進。
階段一(2026 到 2028 年):結構化、重複性高的工作
業界普遍預期,這幾年會先在搬運、分揀、上下料等環境固定的工作擴大試點,原因是這類工作任務單純,對機器人的通用性要求低。
實際案例已經出現:Tesla 把 Optimus 放進自家工廠做搬運與組裝輔助,Apptronik 的 Apollo 與賓士合作,做零組件運送、裝配與檢驗,優必選的 Walker S 進入蔚來汽車做品質檢驗與貼車標,Agility 的 Digit 在 Amazon 搬運托盤與物料,智元的機器人在電子代工廠龍旗連續 6 天做平板電腦品質檢查,8 台機器人完成 6.4 萬多次作業,任務成功率 99.99%(公司表示)。
另外要注意,初期先放量的可能是四足與輪式機器人,這兩類機器人省下手部與腿部兩大高成本零件,也沒有平衡問題,更快能產生商業價值,外資報告也把輪式人形機器人列為這個階段的主流產品形態。
階段二(2028 到 2030 年):從試點走向規模部署
現代汽車計畫逐步導入約 2.5 萬台 Atlas,並在 2028 年前於美國建立年產 3 萬台機器人的產能,Boston Dynamics 的目標是 2030 年前能在汽車廠執行零組件組裝。
一份外資報告預期,2027 年之後隨著供應鏈成熟與 AI 進步,全球導入會加速,2030 年出貨約 175 萬台,大規模部署的時點,多數報告落在 2030 年前後。
階段三(2030 年以後):服務、照護與家庭
中國商務部 10 月發布的指導意見,把養老、工業、商業與消費列為具身智能的落地場景,家庭方面,Figure 03 在舊金山灣區 30 個沒進入過的家庭測試,420 次家務任務成功 235 次,成功率約 56%,換成沒用 Figure 自家資料集訓練的模型只剩 9%。
多數報告認為,家庭應用在安全性、可靠度與隱私上仍待驗證,可能還需要 3 到 5 年才會普及,外資長期預估也顯示,到 2050 年人形機器人的累計採用量,商用場景仍占絕大多數。
要通過的三項考驗
無論哪個階段,人形機器人要真正進入工廠與倉庫,都要通過三關:可靠度(連續運作、錯誤率低、停機時間短)、成本(整機售價加維護費用低於或接近人力成本)、通用性(換產線或工件時不需要大量重新訓練)。
根據報告顯示,Optimus 單手成本超過 6,000 美元,因散熱與機械磨損,使用壽命僅約 6 週(估計值,並非公司揭露),這些都是未來幾年要被解決的問題。
【一句話總結】
機器人會從搬運、分揀、上下料等固定場景起步,約 2030 年前後走向規模部署,家庭還要再等 3 到 5 年,前提是可靠度、成本與通用性三關要過。
五、目前技術領先的公司:簡單說明與為什麼要看
| 公司 | 領先在哪 | 為什麼要看 |
|---|---|---|
| NVIDIA | 運算模組 Jetson Thor、開放模型 Isaac GR00T、模擬平台 Isaac Sim,從晶片到模擬一整套 | 許多整機廠與模型公司共用同一套平台,本身不用做機器人,卻處在每一台機器人的運算與訓練環節(富程推論) |
| Tesla | Optimus 人形機器人、與自駕車共用的 FSD 晶片與視覺資料、自有工廠可做場域訓練 | 垂直整合加上量產能力,Fremont 產線已改產 Optimus,長期目標年產百萬台以上;但第三代發表多次延後,對外銷售最快 2027 年底 |
| Figure AI | Figure 03 與自研 VLA 模型 Helix,2026 年 4 月已交付超過 350 台,生產速率每小時一台(公開資料) | 軟硬體都自己做,家庭測試有成功率數據;2025 年 9 月最新一輪估值 390 億美元 |
| Boston Dynamics | 電動版 Atlas,進駐現代汽車喬治亞州廠區做零件分揀 | 背後有汽車集團的場域與產能,現代計畫 2028 年前在美國建立年產 3 萬台機器人的產能 |
| 宇樹科技 | 人形與四足機器人,2025 年營收約 17 億元人民幣、毛利率約 60%,已獲利 | 成本曲線領頭羊,2026 年上半年出貨約 5,900 台;但營收仍以科研教育為主,工業應用占比低,也受美國禁令影響 |
| 智元機器人 | 2026 年上半年出貨約 8,400 台,市占率約 44%,全球第一 | 在中國有實際企業客戶與產線導入,量產規模領先 |
| Google DeepMind Physical Intelligence | 機器人基礎模型(Gemini Robotics、跨機型通用模型) | 軟體決定機器人能學會多少事;Physical Intelligence 2025 年估值約 56 億美元,2026 年傳出估值約 110 億美元的新一輪募資(公開資料,尚未證實完成) |
| Harmonic Drive Systems Nabtesco 綠的諧波 | 諧波與精密減速機,綠的諧波是中國最大的諧波減速機廠,2025 年營收 5.71 億元人民幣,年增 47% | 減速機單台用量最多,是量產起來最先受惠的零件之一;綠的諧波客戶包含智元與優必選 |
| Maxon Schaeffler Rexroth | 馬達與行星滾柱螺桿等高階零件 | 高階零件技術門檻高,目前由歐日廠商主導,是價格能不能降下來的關鍵 |
資料來源:外資與國內券商產業報告、各公司官網與公開報導,富程整理。
【一句話總結】
運算與模型看 NVIDIA、Google 與 Figure,整機看 Tesla、宇樹與智元,零組件看減速機與螺桿的日歐龍頭與中國追趕者,各層都有不同的領先者。
六、美中分流:禁令與標準,正在把供應鏈切成兩套
7 月 29 日,美國聯邦通訊委員會(FCC)宣布禁止進口新的外國製人形機器人與機器狗,理由是設備可能被遠端操控或用於監控,矛頭指向中國,已在使用的設備不受影響,也可以申請豁免,宇樹原本約 18% 的營收來自美國,直接受到衝擊,Tesla、Figure、1X、Agility 與 Boston Dynamics 等美國廠商則獲得保護空間。
中國則在政策面加碼,10 月 15 日,國家市場監督管理總局推出首批六項人形機器人國家標準,涵蓋環境感知、決策規劃、運動控制、操作與抓取、模擬測試平台與通用技術要求,2027 年 4 月 1 日生效,屬建議性標準,內容包含指令辨識準確率、任務執行速度、物品操作成功率、安全相關動作限制,以及受外力干擾時的穩定度。
10 月 19 日,商務部又發布指導意見,推動 AI 與具身智能從實驗室走向養老、工業、商業與消費場景(外資報告,10 月),兩套規則疊在一起,結果是整機廠要在兩套體系之間選邊:賣美國就要避開中國製的整機,賣中國就要符合國家標準。
零組件廠商若同時服務兩邊,要留意禁令範圍擴大與標準差異帶來的合規成本,對台灣廠商來說有機會也有門檻:供應鏈若分成中國與非中國兩套,台廠有機會切入非中國的那一套,信邦與盟立目前供貨的客戶都在歐美;但美系客戶要求的驗證與可靠度也更嚴,美系整機廠本身的出貨量仍小,供貨量不會馬上放大(富程推論)。
【一句話總結】
美國禁止進口新的外國製人形機器人,中國推出自己的國家標準,全球市場正在分成中國與非中國兩套供應鏈,兩邊的零組件廠都要面對選邊與合規成本。
七、各層面的未來發展
下表把供應鏈每一層的現況、卡關的地方與下一步整理出來。
| 層面 | 目前現況 | 卡在哪、下一步看什麼 |
|---|---|---|
| 運算晶片 | 邊緣運算模組算力已達數千 TFLOPS,Tesla 與 NVIDIA 各自推進 | 功耗與成本能不能壓低,讓電池撐更久 |
| 基礎模型與資料 | VLA 模型快速進步,但訓練資料以遙操作、模擬、影片與穿戴裝置為主,各有缺點 | 真實場域資料不足是最大瓶頸,要靠大量機器人落地才能累積 |
| 視覺與感測 | 相機幀率與反應速度偏低,六維力感測器技術難度高、難以規模量產 | 感測器的規模化量產與成本 |
| 馬達 | 無框力矩馬達客製化程度高、成本高,空心杯馬達的繞線設備由瑞士與日本供應 | 量產良率與繞線自動化,中國廠良率約 70%,海外領先廠約 90% |
| 減速機 | 原理與汽車變速箱相近,降低車廠與新廠進入門檻,中國廠商擴產最積極 | 產能擴張後的價格走勢,以及材料熱處理與精度的良率 |
| 螺桿與滑軌 | 行星滾柱螺桿製造難度高,由日德廠壟斷,是 Optimus 成本最高的零件之一 | 能否用新製程降低加工成本,台灣與中國廠商能否通過整機廠驗證 |
| 靈巧手 | Figure 03 單手 20 個自由度,Unitree 的三指力控手可選配觸覺感測 | 耐用度與成本,Optimus 單手成本超過 6,000 美元 |
| 電池與電力 | Optimus 電池約 2.3 度電,使用時間不到 2 小時;Figure 03 改採無線充電 | 能量密度、快換與無線充電,決定一天能工作多久 |
| 線束與連接器 | 關節彎折壽命與高電流整合是門檻,信邦 2025 年出貨約 1,000 套人形機器人線束 | 放量速度,要看整機廠量產進度 |
| 整機與政策 | 中國出貨領先,美國禁止進口新的外國製人形機器人,中國六項國家標準 2027 年 4 月 1 日生效 | 全球市場是否分成中國與非中國兩套供應鏈,標準是否推高中國廠門檻 |
資料來源:外資與國內券商產業報告、各公司官網,富程整理。
有一個跨層的觀察:降成本的路徑,有報告提出汽車產業是人形機器人的搖籃:感知、運算、動力與傳動元件都與自駕車高度重疊,汽車大廠能把既有的晶片、供應鏈與製造經驗轉用到機器人。
台灣廠商在這張地圖上的位置,大多落在硬體層的傳動、馬達與線束:上銀、盟立、直得、全球傳動、大銀微系統、信邦等,這些公司目前機器人相關營收占比普遍還低,例如信邦預估 2026 年機器人營收占比約 1%,要到 2028 年才會到 13%,盟立 2026 年仍屬小量貢獻。
台廠的機會是美國禁令之後,進入非中國供應鏈,但要通過美系客戶驗證。
八、富程觀點
一、機器人是全球供應鏈,價值要分層看
我們的看法是,最集中、最難被取代的位置有兩個:運算與模型平台,以及精密傳動零件的製造能力,前者目前由 NVIDIA 領先,許多整機廠共用同一套平台,後者要靠長年的材料與加工經驗,行星滾柱螺桿由日德廠壟斷,諧波減速機的技術壁壘也不低。
整機廠誰勝出,目前沒有人說得準,我們傾向把追蹤重心放在這兩層。
二、市場規模數字要打折看
2030 年約 175 萬台(外資報告)、2034 年約 106 萬台(國內券商)、2035 年 260 萬台(Omdia),各家的出貨預估差幅達數倍,金額更是從數百億美元到數兆美元都有。
我們認為,這代表市場對機器人什麼時候能放量、價格能降多少沒有共識,與其追著 2050 年的大數字,不如追蹤每一季的實際出貨台數與單價,因為這兩個數字才會決定零組件廠商的營收。
三、軟體是放量時點的先行指標
硬體已經能做出來,宇樹已經獲利,智元 6 個月出貨超過 8,000 台;缺的是通用性,Figure 03 的家庭測試成功率 56%,換成沒有用自家資料訓練的模型只剩 9%,說明模型與資料才是決定機器人能不能走出固定場景的關鍵。
我們會把基礎模型的進展與場域資料累積,視為硬體需求的領先指標,硬體需求是跟著軟體進度走的。
四、美中分流同時是風險與機會
分流讓非中國供應鏈廠商有了新的空間,也讓整機廠要在兩套體系之間選邊,零組件廠商若同時服務兩邊,要留意禁令範圍擴大與標準差異帶來的合規成本,這件事的最大不確定性,是美國禁令的豁免範圍與中國標準從建議性轉成強制性的時間。
五、會讓我們改變看法的訊號
往樂觀方向:整機售價降到 2 萬美元以下,且有客戶公布連續數月的工廠實際運作成果,往保守方向:Tesla Optimus 量產時程再度延後,或美系整機廠 2027 年出貨量低於預期,導致供應鏈放量時點後移。
追蹤清單
| 追蹤項目 | 看什麼 | 為什麼重要 |
|---|---|---|
| 出貨量與單價 | 全球人形機器人季度出貨台數、平均售價 | 決定零組件需求與營收 |
| NVIDIA 平台 | Jetson Thor 與 GR00T 的整機廠採用數量 | 運算與模型平台的集中度 |
| Tesla Optimus | Fremont 量產進度、第三代發表、AI5 導入時程 | 美系供應鏈放量時點 |
| 基礎模型與資料 | VLA 模型的跨場景成功率、資料蒐集規模 | 通用性是否突破 |
| 精密零件價格 | 行星滾柱螺桿、諧波減速機、六維力感測器的報價與良率 | 成本曲線能否下降 |
| 美中政策 | 美國禁令豁免與執行範圍、中國國家標準 2027 年 4 月 1 日生效後的採用情形 | 供應鏈是否分成兩套 |
| 真實場景表現 | 工廠與倉庫連續運作時數、家庭任務成功率 | 可靠度與通用性是否通過 |
資料來源
- 外資、國內券商機器人產業報告
- IFR(國際機器人聯合會)World Robotics:全球工業機器人安裝量
- 各家公司法說會資訊
- Omdia:人形機器人出貨預估
- 宇樹科技招股書的公開報導:營收、毛利率、出貨量
- 公開財經新聞:ABB 機器人事業出售案、Tesla Optimus 供應商回應
- 各公司官網:上銀、大銀微系統、宇樹科技、NVIDIA、Boston Dynamics、RealSense(零件圖片與規格)
各來源口徑不同,實際數字以公司與統計機構公布為準,感謝你讀到這裡,如果這篇文章對你有幫助,歡迎點讚支持;對文中的看法有不同意見,或想補充哪一層的供應鏈,也歡迎在下方留言,把你的看法留下來。
想進一步交流,也可以私訊我們,一起討論。
⚠️ 【免責聲明與風險提示】
本專案所提供之所有內容、數據、AI 演算法回測結果及研究團隊之分析清單。
僅供教學、研究與學術探討參考,絕不構成任何特定有價證券之推介、買賣建議或跟單邀約。
投資必有風險,過往之回測績效不保證未來之獲利。讀者在進行任何投資決策前,應自行審慎評估並自負盈虧,本專案及作者不負任何法律與交易損失之責任。