Global humanoid robotics and embodied AI commercialization研报解读

概览

这份全球人形机器人更新报告考察近期技术进步是否正转化为有用且具生产效率的部署。Morgan Stanley看到商业化扩大以及对具身AI模型和数据的投入增加，但强调现实任务表现仍是行业关键门槛。

核心观点

Morgan Stanley以莫拉维克悖论来界定行业：运动能力已显著提升，但在多变的物理环境中进行感知、推理和灵巧操作仍困难得多。世界人形机器人运动会体现了这一重点转变。2026年赛事有666支队伍和2,056台机器人参加，而2025年约为280支队伍；天工完成100米的成绩为8.64秒，2025年为21.5秒。然而，报告更重视赛事转向21个真实世界多步骤场景，覆盖工厂、家庭、酒店、零售、医院和应急响应。在相关场景中，完全自主运行的得分权重是远程操作的两倍，新设的灵巧手竞赛也测试精细操作。Morgan Stanley的结论是，行业评判标准已从预定义动作转向具备生产效率、可适应且有实际用途的工作能力。 商业活动正在扩大，但部署仍处早期。全球出货量在1H26达到19,000台，较1H25的5,000台同比增长272%，其中中国企业占97%。中国约65%的出货量仍用于娱乐、教育/研发和数据采集，但工业与商业应用场景正在扩大。半尺寸双足机器人约占出货量的50%，轮式机器人约占29%，尤其应用于商业和工业环境。报告预计，更多1H26试点将从2H26开始转为更广泛部署，并预测中国人形机器人出货量将在2026E达到50,000台、2030E达到446,000台。运营进展的案例包括蚂蚁集团Lingbot机器人在上海药房夜间拣选药品、T800在立讯精密苏州工厂执行物料搬运，以及Hyundai和Schaeffler计划推进工业部署。 报告将机器人“大脑”和训练数据视为全球竞争的核心。企业正结合视觉-语言-动作模型、世界模型和强化学习，以降低教会机器人新任务的边际成本。Dyna的DYNA-2主要基于超过100万小时第一人称人类视频训练，并报告人类视频训练与机器人能力之间存在规模关系。Skild AI的S1旨在无需针对特定任务后训练的情况下，从视频或示例中学习未见任务；Generalist的GEN-1.5则寻求不经逐任务微调、从极短演示中获得简单操作技能。Morgan Stanley认为数据是瓶颈，但强调数据产出、数据多样性和部署反馈的重要性正在提升；多家参与者已运行约千卡规模的算力，并以在2026年底或2027年年底前获得100万可用数据小时为目标。Figure的众包Figure Index已有260,000次应用下载、超过44,000名周活跃用户和16 million条视频；Figure计划未来12个月在数据和算力上投入超过US$1 billion。 资本形成和公开市场估值基准正与技术同步发展。Unitree在上海IPO募资Rmb6 billion；首日上涨460%后回落30%，市值为Rmb237 billion (US$35 billion)，按FactSet对2026年和2027年收入Rmb2.9 billion和Rmb4.9 billion的预测计算，对应80x和48x市销率。Morgan Stanley认为该上市为其他中国人形机器人公司提供了估值基准。XPENG Robotics以超过US$6.3 billion估值募资超过US$900 million；报告认为，这为业务带来了外部投资者基础及更具可辩护性的分拆估值参考。机器人智能公司的融资也支持报告的观点，即资本正日益投向与硬件无关的智能能力，而非仅投向机器人本体。 政策支持是另一项商业化加速因素，尤其在中国。Morgan Stanley指出，中国第十五个五年规划首次将机器人列为战略性新兴产业，而2026年6月的一项举措目标是在2026年底前实现万级部署能力和超过100个高价值应用。国家及地方政策还涉及运营训练场地、资金、标准和应用补贴。报告预计，随着商业化启动，国家和地方层面的支持将持续，有助于早期采用并强化中国的发展飞轮。报告还关注韩国、日本、美国和英国的政策动向，同时指出实体AI会带来数据安全、监控和两用国家安全方面的担忧。 Morgan Stanley的长期采用模型预计，到2036年、2040年、2044年和2050年，全球人形机器人累计采用量将分别约为28.1 million、138.5 million、430.4 million和1.019 billion。2050年总量中，预计商业用途为935.1 million、家庭用途为84.2 million；中国约为302.3 million，美国约为77.7 million。基于六年更换周期和下降的平均售价，报告预计全球人形机器人年度收入到2035年将达US$336 billion、2040年达US$2.0 trillion、2050年达US$7.5 trillion。高收入市场的ASP假设从2024年的US$200,000降至2050年的约US$75,000，而低成本市场则从约US$50,000降至US$21,000。 在市场跟踪方面，截至2026年8月28日，等权重Humanoid 100自2025年2月6日成立以来上涨47%，跑赢S&P 500、MSCI Europe和MSCI China，但跑输MSCI Korea和MSCI Taiwan。相比之下，等权重China Humanoid Value Chain月初至今下跌1.3%、年初至今下跌21.8%，而MSCI China分别为-0.5%和-9.1%。Morgan Stanley将投资范围划分为大脑、身体和整机集成商，但报告的核心信息仍是：商业化和生产效率验证，而非演示或估值本身，将决定下一阶段进展。

分析框架

Morgan Stanley结合世界人形机器人运动会的现场观察、出货量数据、公司及融资动态、模型和数据更新、政策追踪、公开市场表现筛选，以及长期采用量与ASP模型进行分析。其以机器人能否自主完成多变的多步骤任务，以及试点能否转化为可规模化部署，来评估行业进展。

方法论与常识提炼

• 行业/产业分析框架供需框架

  人形机器人采用量与市场规模模型

  报告按地域、收入组别以及商业和家庭用途估计采用量，再结合单位需求、更换需求和售价假设估算收入。

• 行业/产业分析框架产业链上中下游传导

  大脑、身体和整机集成商价值链映射

  Morgan Stanley按半导体/软件、工业零部件和完整机器人开发商对上市公司分类，以展示人形机器人需求和技术进展如何沿价值链传导。

• 估值方法PS 估值

  市销率比较

  报告使用Unitree隐含的2026年和2027年市销率，作为新兴中国人形机器人行业的估值参考点。

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）。

• Humanoid 100

  Morgan Stanley对实质受益于人形机器人市场的上市公司的全球筛选名单。

  优势

  截至2026年8月28日，自成立以来上涨47%，覆盖大脑、身体和整机集成商类别。

  劣势

  自成立以来跑输MSCI Korea和MSCI Taiwan。

  对比

  跑赢S&P 500、MSCI Europe和MSCI China。

  风险

  表现仅反映价格回报，未计入股息再投资或交易成本。

• China Humanoid Value Chain

  Morgan Stanley对44家中国相关人形机器人公司及私营企业构成的等权名单。

  优势

  中国拥有领先的出货份额，并获得部署、应用和训练数据方面的重要政策支持。

  劣势

  截至2026年8月28日，该价值链年初至今下跌21.8%。

  对比

  年初至今跑输MSCI China 12.7个百分点。

  风险

  商业应用仍处早期，大部分出货量仍集中于娱乐、教育/研发和数据采集。

关键数据

• 全球人形机器人出货量19,000 units in 1H26较1H25的5,000台同比增长272%；中国企业占97%。
• 中国出货量预测50,000 units in 2026E; 446,000 units in 2030EMorgan Stanley预计试点将从2H26开始转为更广泛部署。
• 全球累计采用量预测28.1m in 2036; 138.5m in 2040; 430.4m in 2044; 1.019bn in 2050Morgan Stanley估算；2050年总量包括935.1m商业采用和84.2m家庭采用。
• 全球人形机器人年度收入预测US$336bn by 2035; US$2.0tn by 2040; US$7.5tn by 2050基于六年更换周期和下降的ASP假设。
• Humanoid 100表现+47% since February 6, 2025等权重，已对新增和剔除成分进行调整，截至2026年8月28日。
• China Humanoid Value Chain表现-1.3% MTD; -21.8% YTD截至2026年8月28日的等权重表现；MSCI China月初至今为-0.5%、年初至今为-9.1%。

影响与含义

报告认为，行业正进入更关键的阶段：技术演示必须转化为自主、可适应且具生产效率的部署。数据可得性、模型迁移能力、部署反馈、政策支持及试点转化，是报告提出的商业化和大脑、身体及整机集成商相对定位的主要决定因素。

风险

• 训练数据仍是行业的关键瓶颈，模型必须证明其能够可靠迁移至真实机器人任务。
• 大多数部署地点仍仅运行数十台机器人，因此试点能否转化为可规模化且具生产效率的应用仍未得到验证。
• 实体AI系统带来数据安全、监控和两用国家安全方面的担忧。
• 部分已报道的融资、收购和部署进展仍受信息不完整或谈判持续进行的影响。

后续跟踪

• 1H26试点能否从2H26开始转化为更广泛的部署。
• 机器人能否自主完成真实世界的多步骤任务并达到有用的生产效率。
• 迈向100万可用数据小时、数据质量提升及部署反馈循环的进展。
• DYNA-2、Skild S1和GEN-1.5等基础模型的商业评估和推广部署。
• 中国到2026年底实现万级部署能力和超过100个高价值应用目标的执行情况。