工业机器人迎来“二次复兴”

2026年1月23日，世界顶级投行盛博（Bernstein）的一份报告在工业自动化领域投下一枚深水炸弹：工业机器人行业正迎来“第二次复兴”。

报告预测，未来十年全球工业机器人出货量年复合增长率将高达12%。全球工业机器人正在经历从“灵活”到“智能”的进化，而背后的推手已经不再仅仅是更强劲的电机，而是一颗会思考的“大脑”。

01

物理AI的四层生态：不只是“更聪明”

想象一下这个画面：2020年之前的汽车工厂里，一排排橙黄色的机械臂以完美的同步性进行点焊、喷涂，每一个动作都像被编好程序的舞蹈，精准却冰冷。

但它们无法应对一颗意外滚落的螺丝，更不会处理柔软的线束，直到物理AI，或者说具身智能技术的出现，改变了这一切。

盛博报告清晰勾勒出行业发展的三级跳。

从1980年代开始的固定路径阶段，机器人只能完成预设的单一动作，应用场景局限于汽车点焊、车身喷涂、固定点位拾取等标准化操作；

2020年代开启的灵活路径规划阶段，机器人能实时调整路径，应对变化的环境，解锁了机床上下料、码垛、智能焊接等新应用，成为行业“第一次复兴”的核心标志；

如今我们正站在第三阶段的门槛上——复杂任务规划阶段，机器人开始具备“思考”能力，能够自主完成长序列、高灵巧度任务，能实现软材料处理及深度人机/机机协作，开启行业“第二次复兴”。

报告发出一个明确信号：若没有这次由物理AI驱动的“二次复兴”，工业机器人行业增长将回落至个位数。

而有了它，一个持续十年以上的高速增长期正式开启。

那么，物理AI到底是什么？

盛博报告澄清了一个关键误解：物理AI不是“AI机器人”这个新品类，而是一整套围绕机器人构建的AI生态。

这生态有四层核心结构，就像为机器人打造了一个完整的“神经系统”。

最底层是机器人本体及其数字孪生，它们是物理世界中的“身体”和虚拟世界中的“影子”。高精度的伺服电机、减速器和嵌入式控制算法构成了这套系统的基础，确保每个动作的精准可靠。

往上走是多模态AI驱动的任务规划软件，这就是机器人的“大脑模型”。它能够感知来自各种传感器的信息，并进行推理规划，告诉机器人下一步该做什么、怎么做。

再上一层是传感器阵列，这是机器人的“眼睛”和“皮肤”。3D视觉相机让机器人看清世界，触觉和力矩传感器让它感知力度，这些数据是AI决策的基础。

最顶层是“世界模型”，这是整个系统最精妙的部分。一个能够模拟真实物理规律的数字环境，让机器人可以在虚拟世界中无限次试错、学习，而不必在现实生产中付出代价，基于对环境的数字化表征，该模型还能够模拟符合真实物理规律的交互，用于多模态AI训练、产线规划的虚拟部署及预测性维护。

有趣的是，Bernstein报告特别强调了四个新的“认知趋势”，直指行业对物理AI的常见误解。

第一个真相：AI拓展功能而非颠覆硬件。物理AI的“脑模型”不会替代机器人内置的高精度运动控制算法。就像一个有经验的老师傅，AI负责判断“该怎么做”的高层级的路径/任务规划，而传统控制算法负责“精准执行”具体运动，在六自由度空间控制中，传统方法的精度仍然远超AI。

第二个真相：“大脑”与“世界”分属不同战场。“世界模型”通过从真实数据中学习物理定律来模拟交互，特别擅长处理传统数值方法难以应对的复杂场景，比传统数值方法更适用于复杂形状、未知材质物体的交互模拟，例如模拟布料折叠时的每一条褶皱。这一层级的玩家往往与机器人整机厂商不同。

第三个真相：传感器需求将迎来爆发。没有精细的数据输入，再聪明的AI也是“巧妇难为无米之炊”。视觉与非视觉传感器的精细化数据是任务规划和“世界模型”构建的基础，因此需求将随着物理AI普及而呈指数级增长。

第四个真相：头部厂商的“双重策略”。如发那科这样的巨头，一方面积极向AI软件层延伸，另一方面也在“大脑”和“世界”层级寻求外部合作。近期其宣布支持ROS2并与英伟达合作，就是这一策略的明证。

02

产业链的价值转移与投资逻辑

Bernstein认为，物理AI带来的不仅是技术变革，更是产业链价值分布的重构。投资机会正从单一的整机厂商，向全产业链扩散。

整机厂商中，那些具备核心算法自研能力又开放合作的玩家，将在新时代保持领先。仅仅依赖硬件制造的时代正在过去。

核心零部件厂商将享受行业增长的红利，但技术壁垒决定溢价空间。高端减速器、伺服系统的供应商地位将更加稳固。

传感器和AI软件厂商正站在风口。它们是物理AI生态的关键赋能者，随着数据需求的爆发，这个细分市场的增速可能超越整机市场本身。

盛博报告的数据还揭示了一个残酷现实：市场已经用脚投票。技术领先的企业，往往年度市场增长率高于大盘，这意味着市场愿意为技术领先性支付溢价。

物理AI的愿景令人兴奋，但从技术到应用之间横亘着巨大的鸿沟。盛博报告也指出了其中的风险点。

首先是技术落地节奏可能不及预期。实验室中完美的演示，到嘈杂、多变的真实车间，技术的落地往往需要数年甚至更长的适配期。

成本问题同样关键。高端传感器、AI软件的高昂价格，可能使物理AI方案在初期只能局限于高附加值行业。

制造业自身需求才是最终的决定力量。如果宏观经济增长乏力，企业资本开支收缩，再先进的技术也难以快速普及。

标准化的缺失可能是最隐蔽的陷阱。不同厂商的技术标准、数据格式、接口协议如果不统一，将极大阻碍生态系统的形成和规模化应用。

03

结语与未来

盛博报告结尾处，一组对比数据意味深长：汽车行业焊接工序自动化率已接近90%，而装配工序却不足30%。

这个差距正是物理AI试图弥合的核心地带。当机器人能够像熟练工人一样处理线束连接、软管安装、精密装配时，那剩余的70%自动化空间将被逐步打开。

物理AI带来的不仅是技术升级，更是生产逻辑的重构。工业机器人不再仅仅是替代重复劳动的“钢铁手臂”，而成为能够应对不确定性、自主决策的“智能伙伴”。

十年后回望今天，我们或许会意识到：2020年代开始的第一次复兴让机器人“会动”，而2026年前后开启的第二次复兴，才真正让机器人“会想”。

这场工厂里变革已经开始，它不关心你是否准备好。