Physical AI 時代真的來了嗎？2026 人形機器人從實驗室走向工廠的殘酷現實
2026 年初，TrendForce 發布了一份令整個科技圈振奮的預測：全球人形機器人出貨量將在 2026 年突破五萬台，年增幅超過 700%。Goldman Sachs 將人形機器人市場的 TAM 從 60 億美元一口氣上修六倍至 380 億美元。NVIDIA 執行長黃仁勳在 GTC 2026 上宣告：「Physical AI has arrived -- every industrial company will become a robotics company.」
這些數字和宣言聽起來像是一場革命的號角。但如果你冷靜看待這 700% 的成長，會發現它的起點幾乎是零。五萬台人形機器人，放在全球每年 59 萬台工業機器人裝機量的脈絡下，連統計誤差都不到。
這不代表什麼都沒發生。恰恰相反，2026 年確實是人形機器人從「概念影片」跨入「工廠產線」的第一年。問題在於：這個跨越有多真實、多遠、多快？
本文將以數據和實際部署案例為基礎，拆解 Physical AI 在 2026 年的真實面貌。
玩家全覽：誰在做，做到什麼程度
Tesla Optimus
Tesla 的 Optimus 計畫是話題性最強的人形機器人項目。截至 2026 年三月，Tesla 已在 Fremont 和 Giga Texas 工廠部署超過 1,000 台 Optimus，執行電池分揀、零件搬運和視覺檢測等任務。Gen 3 版本的雙手總共搭載 50 個致動器，是 Gen 2 的 4.5 倍，精細操作能力大幅提升（Basenor）。
Tesla 已開始在 Fremont 將原本的 Model S/X 產線改裝為 Optimus 製造中心，這是 Tesla 首次使用「mass production」一詞描述 Optimus。目標是年產能達到 100 萬台。但現實是，2026 年夏季才開始小量生產，真正的產能爬坡要等到 2027 年。而 Elon Musk 自己也承認了一次「令人失望的更新」（Teslarati）。
Figure AI -- BMW 產線上的真實驗證
Figure 02 是目前最具說服力的產業部署案例。在 BMW Spartanburg 工廠，Figure 02 參與了超過 30,000 輛 BMW X3 的生產過程，累計運作 1,250 小時，搬運超過 90,000 個零件，完成約 120 萬步操作。它的任務是精確地取下鈑金件並定位到焊接工位，速度較初期提升了 400%（Figure AI）。
2026 年二月，Figure 02 進入 BMW 萊比錫工廠，成為歐洲汽車生產史上第一台投入使用的人形機器人，負責高壓電池組裝（BMW Group）。這不是展場 demo，而是真實產線上的持續運作。
Agility Digit -- Amazon 的 98% 成功率
Agility Robotics 的 Digit 在 Amazon Sumner 倉儲設施經過 18 個月測試，達到 98% 的任務成功率。在 GXO 的 Flowery Branch 設施中，Digit 已搬運超過 100,000 個周轉箱。運營成本為每小時 10-12 美元，對比人力的 30 美元/小時，經濟效益顯而易見（Agility Robotics）。
但有一個關鍵數字被輕描淡寫：Digit 的電池續航只有 90 分鐘，在 Amazon 倉庫中以 30 分鐘為單位運作，中間需要 9 分鐘快速充電。這意味著它並非「取代」一個人類工人的完整班次，而是在特定任務上作為間歇性的自動化工具。
Boston Dynamics Atlas
Atlas 在 CES 2026 獲得「最佳機器人」獎，產品版本規格令人印象深刻：6.2 英尺高、198 磅、7.5 英尺臂展、可舉起 110 磅、56 個自由度。2026 年全年產能已被 Hyundai 和 Google DeepMind 包下。Hyundai 投資 260 億美元於美國營運，並在 Savannah 興建一座年產 30,000 台機器人的工廠（Boston Dynamics）。
Google DeepMind 的加入特別值得關注 -- 他們正在將基礎模型整合進 Atlas，試圖讓這台機器人具備更高層次的認知能力。
中國軍團：90% 市場份額的背後
中國企業在人形機器人市場的主導地位令人咋舌。根據 TechCrunch 報導，中國公司控制了全球人形機器人市場約 90% 的份額，在全球裝機量中佔比超過 80%。過去五年，中國申請了 7,705 項人形機器人相關專利，而美國僅有 1,561 項（TechCrunch）。
Unitree（宇樹科技） 是 2025 年全球出貨量冠軍，售出超過 5,500 台。產品線覆蓋從入門級 R1（預售價 4,900 美元）到工業級 H1（9-15 萬美元）。2026 年三月在上海證券交易所提交 IPO 申請，募資 42 億人民幣（約 6.1 億美元）。人形機器人產品已超過總營收的 50%，超越了曾是核心業務的四足機器人（Rest of World）。
UBTECH（優必選） 的 Walker S2 已開始量產交付，2025 年底前生產 1,000 台，訂單金額超過 8 億人民幣。客戶名單包含比亞迪、鴻海、吉利、一汽大眾、奧迪一汽、北汽、順豐速運等重量級企業。2026 年目標年產 5,000 台工業人形機器人，2027 年擴至 10,000 台（PR Newswire）。
AgiBot（智元機器人） 以 2025 年 5,168 台的出貨量排名第二，到 2026 年三月底累計突破 10,000 台。第二個 5,000 台僅用了三個月就完成，展現了中國製造業的擴產速度。
中國的策略是典型的「雙軌制」：低價量產打市場（Unitree G1 僅 13,500 美元、R1 預售 4,900 美元），同時發展高端旗艦產品。這種打法在消費電子領域屢試不爽，現在正被複製到機器人產業。
軟體堆疊：Physical AI 的真正引擎
硬體只是載體，真正決定人形機器人能力上限的是軟體堆疊。2026 年，這個領域的進展比多數人想像的更快。
NVIDIA 在 GTC 2026 上展示了完整的 Physical AI 生態系統。Cosmos 3 是第一個統一合成世界生成、視覺推理和動作模擬的世界基礎模型。Isaac Lab 3.0 提供大規模機器人學習的基礎設施，搭配 Newton 物理引擎和 Omniverse 驅動的模擬環境。NVIDIA 還與 Microsoft Azure 和 Nebius 合作推出「Physical AI Data Factory Blueprint」，自動化訓練資料生成（NVIDIA Blog）。
Microsoft 推出了 Rho-alpha 模型，結合觸覺感知行為與視覺語言理解，在物理示範、模擬任務和網路規模 VQA 資料上共同訓練（Microsoft Research）。
遙操作（Teleoperation）訓練管線 是 2026 年每一個認真的人形機器人計畫的核心方法論。人類遠端操控機器人，同時收集感測器、動作和環境資料，這些資料再用來訓練 AI 模型。1X 的 NEO 甚至將此作為產品特色 -- 人類操作員透過「Expert Mode」遠端協助複雜任務，而這些互動自動成為訓練資料。關鍵公開資料集包括 Google 與 22 個機構合作的 Open X-Embodiment 和 Berkeley 的 DROID。
深度強化學習正在成為人形機器人全身控制的主導範式，Agility Robotics 也在訓練自己的全身控制基礎模型。
真實部署 vs. 展場 Demo
以下是截至 2026 年四月，經過驗證的生產環境部署：
| 公司 | 機器人 | 部署地點 | 任務 | 規模/成果 |
|---|---|---|---|---|
| Figure AI | Figure 02 | BMW Spartanburg | 鈑金件定位焊接 | 30,000 輛車、1,250 小時 |
| Figure AI | Figure 02 | BMW Leipzig | 高壓電池組裝 | 2026/02 啟動 |
| Tesla | Optimus | Fremont + Giga Texas | 電池分揀、零件搬運、視覺檢測 | 1,000+ 台部署中 |
| Agility | Digit | Amazon Sumner | 周轉箱回收 | 98% 成功率、18 個月 |
| Agility | Digit | GXO Flowery Branch | 周轉箱搬運 | 100,000+ 箱 |
| UBTECH | Walker S2 | 比亞迪、鴻海等 | 汽車製造、物流 | 1,000 台已生產 |
| AgiBot | 多型號 | 中國工廠 | 製造業 | 累計 10,000 台 |
| Unitree | G1/H1 | 多處 | 多種 | 2025 年售出 5,500 台 |
值得注意的是：這些部署的共同特徵是「單一任務、結構化環境、重複性操作」。Figure 02 在 BMW 做的是一個工位上的一個動作。Digit 在 Amazon 搬的是標準尺寸的周轉箱。沒有任何一台人形機器人展現了在非結構化環境中切換不同任務的能力。所謂的「通用型」人形機器人，目前仍然不存在於任何生產環境中。
電池續航：被低估的致命瓶頸
如果只能記住本文的一個數字，請記住這個：大多數人形機器人的電池續航為 1 到 4 小時。
具體來看：Tesla Optimus Gen 2 的動態運行時間約 2 小時（2.3 kWh 電池）。Unitree H1 靜態運行不到 4 小時（0.864 kWh 電池）。Agility Digit 只有 90 分鐘，在 Amazon 倉庫以 30 分鐘為間隔運作。
工業客戶期望的是 95-99% 的正常運行時間。一個人類工人的標準班次是 8 小時。一台每 90 分鐘就需要充電的機器人，無論它的每小時成本多低，都無法直接替代一個人類的完整工作班次。
TrendForce 指出，固態電池被視為解決方案，但預計到 2035 年人形機器人對固態電池的需求量僅為 74 GWh -- 這個數字本身就暗示了大規模部署的時間線遠比樂觀預測要長（TrendForce）。
電池問題不是一個可以「軟體更新」解決的問題，它受到能量密度的物理定律限制。在固態電池或其他突破性儲能技術成熟之前，這將持續是人形機器人商業化的最大障礙。
AI 可靠性缺口：78% vs. 95%
在經過 100 萬條以上機器人軌跡、涵蓋 217 項任務的訓練後，當前最先進的機器人 AI 系統的任務完成率為 78%。而工業環境中無人監督部署所需的門檻是 95% 以上（Robozaps）。
這 17 個百分點的差距看似不大，但在機器學習領域，從 78% 提升到 95% 的難度遠大於從 0% 到 78%。原因在於「長尾問題」：那些罕見但關鍵的邊緣情境需要海量的資料才能學習。一台在 100 次中失敗 22 次的機器人，在工廠環境中是不可接受的。
前 Agility Robotics 首席產品長 Melonee Wise 在 IEEE Spectrum 的訪談中直言不諱：「我認為很多人期望他們可以用 AI 來解決這個問題。但現實是，目前的 AI 還不夠強健，無法滿足市場的要求。」（IEEE Spectrum）
此外，人形機器人的安全標準也尚未到位。ISO 25785-1（適用於動態穩定機器人）仍處於工作草案階段，預計還需 18-36 個月才能定案。在此之前，人形機器人在協作環境中的大規模部署缺乏法規基礎（ACM）。
經濟學：人形機器人何時能打平人力成本？
支持者的算法很誘人：一台 10 萬美元的機器人，每天運作 16 小時、使用五年，攤提下來每小時成本僅 6.70 美元（含維護費用）。相比之下，美國倉儲工人的時薪約 30-45 美元。Agility Digit 在 Amazon 的運營成本為每小時 10-12 美元，已經展現了經濟優勢（TheresARobotForThat）。
但這個計算有幾個被忽略的前提。
首先，「每天運作 16 小時」在電池續航只有 1-4 小時的前提下，需要複雜的電池更換或充電基礎設施。其次，五年 TCO 遠超購買價格。一台售價 13,500 美元的機器人，五年 TCO 為 32,250-39,600 美元，是購買價的 2.4-2.9 倍。隱藏成本包括：系統整合約 10,000 美元、年度維護為購買價的 10-12%、充電基礎設施、軟體更新、駐場技術支援。
最關鍵的是：目前沒有任何公司大規模運營人形機器人足夠長的時間來產生可靠的 TCO 數據。所有的成本模型都是理論推算，而非實際驗證。
同時，傳統工業機器人在重複性和週期時間上仍然大幅勝出人形機器人，投資回收期中位數僅為 1.3 年。對於高精度、高體力需求或高變異性的運動任務，人形機器人在 2026 年並不具競爭力。
Goldman Sachs 預估到 2035 年，單台成本可能降至 13,000 美元（Fortune）。但那是九年後的事。
「為什麼一定要人形？」之辯
這是整個產業中最根本的問題之一，而答案並不如產業玩家暗示的那樣明確。
反方論點強而有力。前 Amazon Robotics 副總裁 Brad Porter 明確表示，他不認為人形會成為主導的機器人形態（Medium）。消費者調查中，受訪者形容人形機器人「笨重」且「不必要」（IEEE Spectrum）。輪式機器人加上機械臂的組合更便宜、更可靠、電池續航更長，而且在倉儲場景已經大規模驗證。有業界專家指出：「我不認為有人找到了一個需要在每個設施部署數千台人形機器人的應用場景。」
正方的核心論點來自機器人學家 Gill Pratt：「我們建造的世界是為人類的身體設計的。如果機器人要在這個世界中表現出色，它應該具備能利用這些物理特性的形態。」這個論點在家庭環境中特別有說服力 -- 樓梯、門把、櫥櫃、工具都是為人體尺寸設計的。
但問題是：當前人形機器人的實際部署幾乎全部在工廠環境中，而工廠可以被重新設計以適應任何形態的機器人。人形的優勢（適應人類環境）在當前最有經濟價值的場景中（結構化工廠）反而是最不需要的。
自動駕駛：Physical AI 的先行指標
如果人形機器人是 Physical AI 的「嬰兒期」，那麼自動駕駛就是它的「青少年期」-- 更成熟、更大規模、也更有參考價值。
Waymo 目前在美國 10 個城市提供每週 50 萬次的付費載客服務，不到兩年內成長了十倍。年化營收達 3.55 億美元，年增 127%。2026 年底目標是每週 100 萬次。Waymo 以 1,260 億美元估值完成了 160 億美元融資，並計畫擴展至倫敦和東京（TechCrunch）。
Tesla FSD 累計行駛超過 90 億英里（64% 高速公路、36% 城市道路），2026 年前 50 天就新增了 10 億英里。這個資料飛輪的規模是其他競爭者無法匹敵的。Musk 的目標是 2026 年底在美國全境和大多數國家推出無人監督版 FSD（Teslarati）。
百度 Apollo Go 是全球最大的 robotaxi 服務，累計完成超過 2,000 萬次載客、1.9 億公里全無人駕駛里程。在武漢（1,000+ 台車輛）已實現單車盈利。計畫 2026 年第四季擴展至 20 個中國城市，並透過 Uber 和 Lyft 合作進入杜拜、德國、英國等市場（CleanTechnica）。
比亞迪 的「天神之眼」ADAS 系統已裝載於超過 250 萬輛車，涵蓋 21 款車型，包括售價僅 9,554 美元起的海鷗。中國新車 ADAS 裝載率已達 62.58%。5,000 名工程師、七年研發、計畫投資 143 億美元（CnEVPost）。
自動駕駛的發展軌跡提供了一個重要的類比：從技術突破到大規模商業化，中間需要的時間遠比早期樂觀預測要長，但一旦跨過臨界點，成長速度會超出預期。人形機器人可能正處於自動駕駛在 2018-2020 年的位置。
工作替代：400-800 萬個工作崗位的真實時間線
McKinsey 預估自動化可能在 2030 年前影響全球 4-8 億個工作崗位，迫使 3.75 億工人（全球勞動力的 14%）轉換職業。Oxford Economics 的研究則警告，若缺乏政策干預，機器人的普及可能在未來十年將收入前 10% 與後 50% 之間的薪資差距擴大 5-12%。
但需要特別釐清的是：這些數字指的是「廣義自動化」的影響，包括軟體 AI、傳統工業機器人、流程自動化等所有形式。人形機器人在其中貢獻的佔比，在未來五年內將是極小的。真正大規模替代人力的，是已經在運作的倉儲自動化系統、客服 AI、自動駕駛車輛，而不是目前每 90 分鐘需要充電一次的人形機器人。
機器人部署集中在科技樞紐和先進製造中心，而工作流失則擴散到製造業地區和農村。這種地理上的不對稱將創造新的空間不平等。UBI（全民基本收入）已從邊緣議題進入主流政策討論，自動化的威脅是推動力之一。
結論：Physical AI 時代已經開始，但 2026 年稱之為「時代」仍然為時過早
讓我們回到最初的問題。
支持「革命已至」的最強證據，不是任何單一機器人的表現，而是多重力量的匯聚：AI 模型持續進步、硬體成本急速下降、模擬環境日趨逼真、訓練資料日益豐富、科技巨頭和主權國家的資本大量湧入。Goldman Sachs 將市場預測上修六倍不是沒有理由的。
支持「為時尚早」的最強證據同樣有力：90 分鐘的電池續航、78% 的任務成功率、尚未定案的安全標準、極度狹窄的任務範圍，以及一個殘酷的事實 -- 一台三萬美元的輪式機器人配上機械臂，在大多數倉儲任務上的表現優於十萬美元的人形機器人。
2026 年最誠實的定位是：人形機器人可信商業部署的元年，而非 Physical AI 時代的到來。
真正的轉折點取決於三個變數的匯聚：
- 電池技術：固態電池若能在 2028 年實現 8 小時以上續航，局面將徹底改變。
- AI 可靠性：從 78% 到 95% 的任務完成率提升是成敗關鍵，而每一個百分點的進步都因長尾問題而指數級困難。
- 成本曲線：Goldman Sachs 觀察到 40% 的成本下降（vs. 預期的 15-20%）。若此趨勢持續，2028 年前出現低於 20,000 美元的工業人形機器人並非不可能。
在這三個變數全部到位的樂觀情境下，Goldman Sachs 的 380 億美元市場規模是合理的。在任何一個變數停滯的情境下，市場可能僅達 40-60 億美元。
Stanford 2026 年新興技術評論的措辭或許最為恰當：機器人正在「轉變實體經濟」，但這個轉變的時間尺度是以「十年」而非「年度」來衡量的。
700% 的成長率令人興奮。但從接近零到五萬台的 700%，與從五百萬到三千五百萬的 700%，是完全不同的故事。2026 年，我們正處於前者。後者何時到來，取決於物理定律（電池）、數學定律（AI 長尾）和經濟定律（成本曲線）的三重交匯。
而這三者的交匯，不會因為任何人在發表會上說一句「Physical AI has arrived」就提前到來。
