Global physical AI and humanoid robotics, with a focus on logistics研报解读

概览

Goldman Sachs对全球物理AI和人形机器人进行了深度研究，重点关注物流和仓储应用场景。其核心结论是，AI模型改进、真实世界数据增加、规模化生产和硬件成本下降支持人形机器人采用显著加快，初期将集中于结构化商业环境，而非广泛的消费级部署。

核心观点

Goldman Sachs将全球人形机器人预测上调至2026年约75,000台、2030年890,000台和2035年6.5 million台，较此前的51,000台、256,000台和1.4 million台显著提高。该机构预计2035年市场规模将达到$138 billion。报告将预测上调归因于物理AI、开源工具、风险投资、政府支持以及公司从原型走向商业化生产的计划进展。报告预计部署将形成数据飞轮：运行中的机器人产生真实世界训练数据，进而改进模型，并随时间推移实现更广泛的任务能力。 报告认为，物流和仓储是最具可行性的早期部署场景，因为任务的多样性足以挑战固定式自动化，但环境仍然结构化且易于管理。相对制造业，仓储自动化渗透率仍低：报告引用汽车行业每10,000名员工近1,800台机器人，而非汽车制造业为250台。劳动力成本上升、SKU增多、更快的履约要求和更复杂的库存处理，使生产率投资具有结构性而非周期性特征。其针对80多家公司的调查显示，约30-35%的受访者正在认真评估或试点通用机器人或人形机器人，另有约35%的受访者已有有限部署，约40%预计未来三至五年内至少10%的工作流程将被自动化或获得实质增强。受访者将技术可靠性和集成复杂度列为主要障碍。 对于电商，报告认为自动化既是成本杠杆，也是竞争杠杆。截至2025年6月，Amazon已在超过300处设施部署逾100万台机器人；其第十二代履约中心设计据称使履约速度提高25%，并使当日或次日可配送商品数量增加25%。Goldman Sachs的上行情景假设2026E至2030E服务成本杠杆为5.6%，相当于到2030年单位成本下降约11%。其估计累计节省约$72 billion，其中约80%来自运营费用、20%来自运输COGS，从而在2030年带来约240个基点的合并EBIT提振和约400个基点的零售EBIT利润率提振。报告将这些收益视为改善单位经济效益、配送速度以及相对较小电商竞争者优势的方式。 Walmart被视为另一项大规模验证案例。截至2026年8月，自动化货运已服务3,100家美国门店，且超过50%的电商履约量通过自动化设施处理。Goldman Sachs指出，自动化履约中心可在相同占地面积下实现现有中心两倍的产能和吞吐量，而Walmart认为其自动化进程仅完成一半。报告在敏感性分析中估算，降价减记相关节省可达$4.0 billion至$23.7 billion，且每订单配送成本还可进一步改善2.4%-12.9%。报告认为，成本下降、更好的库存可视性和富余履约能力可强化Walmart的市场平台及高利润服务业务。 汽车行业是另一早期商业场景，尤其适用于仍然过于多变、难以由传统自动化经济处理的零部件分拣、运输、检测和总装任务。Goldman Sachs预计，随着机器人成本下降，经济性拐点将改善。其预计人形机器人平均价格将从2025年超过$40,000降至2035年约$21,000，高规格产品将从约$150,000降至约$50,000。对于工厂用人形机器人，在技术已适配任务的应用中，报告估计成本相当于2026年2.8年人工成本和2027年1.9年人工成本。在采用机器人价格$20,000-$60,000、采用率10%-50%的汽车示例情景中，报告估计毛口径营业利润率可提升约1%-6%；若节省向客户以更低价格传导，净收益可能更小。报告强调，目前仅约2%的汽车工序适合人形机器人，其余复杂装配、布线和检测仍依赖机器人智能和灵巧手的进一步发展。 报告预计，生产规模扩大和设计优化将使平均BOM成本每年下降约7%，ASP每年下降约6%。其指出，灵巧手、硬件耐久性、热管理、柔性线束、控制延迟和仿真到现实差距仍是重要未解决约束。分阶段采用路径将从围栏内的汽车工厂和大型物流枢纽开始，随着单位成本达到约$20,000-$30,000及安全标准成熟，扩展至一般制造和仓库，之后才延伸至服务、护理、基础设施和家庭。 人形机器人也会影响工业自动化架构。Goldman Sachs预计，虚拟PLC采用率将从2025年约$0.5 billion的基础上以约20%-30%的年增速增长，而预计规模约$13 billion的实体PLC市场增长约4%。虚拟PLC可在标准服务器上集中协调移动机器人集群，并降低对专有控制器、机架和I/O模块的依赖，可能削弱既有厂商的硬件-软件锁定。然而，报告并不预计实体PLC会迅速消失：确定性延迟、安全性、可靠性、旧工厂迁移成本以及IT/安全技能要求仍是实质障碍。商业模式可能从一次性硬件销售转向订阅、按使用收费和托管服务，但厂商也面临虚拟PLC实例整合和更多按结果定价的风险。 半导体和精密元器件被描述为重要赋能环节。Goldman Sachs估计，每台人形机器人的半导体价值量约为$2,950-$6,000+：模拟及混合信号器件为$750-$1,050+，存储器为$600-$800，非存储数字内容为$1,600-$4,150+。仅计算模块就占约$1,500-$4,000+；模拟领域机会包括$350-$500的功率半导体、$150-$200的通信IC及FPGA、$150-$200的光学元件及$50-$100的其他传感器。报告还指出，随着机器人灵巧度和运动复杂度提升，执行器、电机、减速器、轴承、电池、被动元件、连接器和线束的机会将增加。 在软件和基础设施方面，Goldman Sachs认为，世界模型和视觉-语言-动作系统正成为物理AI的核心，因为仅靠在文本上训练的LLM无法解决真实世界操控问题。报告认为，专有部署数据是长期护城河，尤其是涉及可变形物体、工具和高接触交互、且难以仿真的任务。报告引用估计，一台机器人一天可产生64 TB摄像数据，约为120 TB前沿LLM训练语料的200倍，并认为世界模型开发可成为代币、存储、带宽和GPU需求的额外长期来源。Microsoft、Oracle和CoreWeave被认为有望服务这些工作负载。 报告强调的是广泛的受益者群体，而非单一公司。其认为Amazon和Walmart作为自动化使用者可改善利润率和客户体验；Nvidia是全栈AI算力、仿真和机器人平台赋能者；Jabil、Flex、TE Connectivity、Amphenol、Hyundai Mobis、HL Mando、Robotis、XPeng、Hesai、Xiaomi、Inovance、Sanhua、Shuanghuan、Daifuku、MinebeaMitsumi、Renesas和Regal Rexnord等供应商则可能在制造、执行器、感知、控制、仓储系统和元器件等领域参与。个股投资观点和目标价仍是公司特定的，并非统一的报告级评级。

分析框架

Goldman Sachs将修订后的自上而下市场预测与公司评论、涵盖80多家公司的调查、技术及区域案例研究和自下而上的经营情景相结合。该报告通过仓储服务成本、零售自动化以及汽车劳动力成本与机器人价格敏感性测试采用经济性，随后梳理对PLC、半导体、零部件、软件和具名上市公司的影响。

方法论与常识提炼

• 行业/产业分析框架供需框架

  基于至2035年的预测出货量、规格、ASP和BOM成本进行人形机器人市场测算。

  报告将商业部署增加和单位成本下降与修订后的出货量和市场价值预测相联系。

• 行业/产业分析框架产业链上中下游传导

  从软件和算力到机器人、零部件、自动化系统及终端用户的物理AI价值链映射。

  Goldman Sachs追踪更广泛的人形机器人部署可能如何影响零售商、工业控制厂商、半导体供应商和精密零部件制造商。

• 公司基本面与财务框架自由现金流分析

  自动化采用的经营成本和利润率敏感性分析。

  报告在特定采用率和成本假设下，估算Amazon、Walmart和汽车制造的成本节省及EBIT利润率影响。

• 估值方法SOTP 分部估值

  Amazon的分部加总估值。

  Amazon披露的12个月目标价，对North America和AWS采用EV/EBIT，对International采用EV/Sales，均基于NTM+1估计。

• 估值方法DCF 现金流折现

  针对部分公司和新兴人形机器人业务的折现现金流情景分析。

  报告对Tesla、XPeng及若干零部件供应商使用折现率、永续增长假设或折现的远期估值输入。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Amazon (AMZN)

  自动化使用者和物流受益者

  优势

  已部署超过100万台机器人、拥有广泛的履约网络，并具备系统级自动化空间。

  劣势

  在进一步降低服务成本前，低ASP必需品的单位经济效益可能较差。

  对比

  报告认为，Amazon的自动化规模相较较小的电商竞争者构成差异化优势。

  风险

  竞争、高利润业务扩张成效、投资驱动的利润率压力、监管和宏观经济波动。

• Walmart (WMT)

  自动化使用者和零售受益者

  优势

  自动化货运服务覆盖3,100家美国门店，且超过一半电商履约量已实现自动化。

  劣势

  自动化进程尚未完成，且随着电商规模扩大，回报可能递减。

  对比

  自动化可扩大其相对传统实体零售同行的价格和服务差距。

  风险

  经济放缓、定价竞争、工资和运输成本、关税及宏观/汇率波动。

• Nvidia (NVDA)

  物理AI算力、仿真和机器人平台赋能者

  优势

  Isaac GR00T、Omniverse和Jetson使其覆盖模型、仿真和边缘计算。

  对比

  报告将Nvidia视为基础性的全栈赋能者，而非仅是一家半导体供应商。

  风险

  AI基础设施支出放缓、竞争导致的份额或利润率侵蚀，以及供应约束。

• Tesla (TSLA)

  人形机器人开发商和潜在规模化制造商

  优势

  硬件、AI训练、制造和内部工厂数据优势可能使Optimus每台机器人成本降低数千美元。

  劣势

  管理层预计将经历漫长且初期平缓的S曲线爬坡；早期产品计划用于数据收集和训练。

  对比

  Tesla和Hyundai被列为在人形机器人领域最积极的汽车制造商之一。

  风险

  物理AI领域的执行和竞争风险、汽车降价、EV需求、关税、产品延迟及垂直整合风险。

• Hyundai Mobis (012330.KS)

  Boston Dynamics的执行器供应商

  优势

  作为Boston Dynamics唯一的执行器供应商，目标是在2028年前实现350,000台年产能。

  劣势

  人形机器人业务执行仍取决于Boston Dynamics的爬坡。

  对比

  报告认为，韩国是非中国开发商的重要执行器供应链合作伙伴。

  风险

  成本通胀带来的利润率压力，以及人形机器人或自动驾驶业务执行偏慢。

• Daifuku (6383.T)

  仓储自动化系统供应商

  优势

  在物料搬运领域处于领先地位，且增长速度超过工厂自动化同行。

  对比

  Goldman Sachs认为Daifuku可能是主要受益者，因为人形机器人很可能在其底层仓储自动化系统中运行。

  风险

  科技、电商和汽车行业投资放缓。

• Regal Rexnord (RRX)

  精密运动与集成执行系统供应商

  优势

  可将执行系统、无框电机、制动器和轴承组合起来，覆盖每台机器人30-50个运动轴。

  劣势

  人形机器人商业进展仍处早期，FY25末订单约为$40 million。

  对比

  其多元零部件能力可能带来高于单一零部件供应商的单机价值量。

  风险

  去库存延长、离散制造趋势走弱、价格/成本压力和稀释性并购。

关键数据

• 全球人形机器人出货量75,000 in 2026E; 890,000 in 2030E; 6.5 million in 2035E分别较此前51,000、256,000和1.4 million的预测上调。
• 全球人形机器人市场$138 billion in 2035EGoldman Sachs修订后的市场机会估计。
• 人形机器人成本趋势BOM down about 7% annually; ASP down about 6% annually预测反映规模化和设计优化。
• Amazon自动化情景~$72 billion cumulative savings and ~240 bp consolidated EBIT tailwind by 2030基于2026E至2030E约5.6%的总服务成本杠杆。
• 人形机器人半导体价值量$2,950-$6,000+ per humanoid包括模拟/混合信号、存储器和非存储数字内容。
• 调查中的采用预期~40% of respondents expect at least 10% of workflows to be automated or materially enhanced in 3-5 years调查覆盖80多家全球公司。
• 虚拟PLC市场~20%-30% annual growth from a ~$0.5 billion 2025 base相比之下，约$13 billion的传统PLC市场预计增长约4%。

影响与含义

报告认为，人形机器人是一种新兴生产率平台，其早期商业价值在仓储和汽车物流中最为明显。随着机器人成本下降和能力提升，报告预计机会将扩展至硬件、软件、自动化和零部件生态系统，同时指出实际部署仍取决于可靠的真实世界表现、集成和安全性。

风险

• 人形机器人部署可能因可靠性限制、集成复杂度、安全要求和真实世界训练数据不足而延迟。
• 灵巧手、仿真到现实泛化、硬件耐久性、热管理和控制延迟仍是技术瓶颈。
• 虚拟PLC采用面临延迟、功能安全、可靠性、旧工厂迁移和技能缺口挑战。
• 自动化节省的成本可能部分通过降价让渡给客户，从而降低净利润率收益。
• 竞争和垂直整合可能重塑供应链，并限制单个供应商的经济收益。

后续跟踪

• 仓库、物流枢纽和汽车工厂的试点能否转化为规模化商业部署。
• 随着人形机器人产量提升，BOM和ASP下降的速度。
• 真实世界操控、灵巧手、安全认证和仿真到现实表现的进展。
• Amazon和Walmart是否继续通过自动化降低履约和配送成本。
• 从实体PLC向虚拟PLC迁移，以及既有厂商维持变现能力和客户关系的能力。
• 世界模型训练工作负载增长，以及由此带来的GPU、存储和高性能网络需求。