人形機器人「能跑能跳」卻還不會真正工作！物理AI的挑戰：為何連抓一顆生雞蛋都難倒千億資本？

2026年8月下旬，被譽為中國「人形機器人第一股」的宇樹科技（Unitree）登陸上海科創板。上市首日開盤暴漲629%、收盤大漲460%，市值一度衝破4,400億元人民幣（逾600億美元）。

然而，狂歡僅維持了一天，隨後數個交易日內，股價自1,100元高點近乎「腰斬」，重挫逾46%，市值蒸發超過2,000億元人民幣。與此同時，北京世界機器人大會（WRC）熱鬧落幕，創辦人王興興在會場坦言，「作業效率與泛用性不足仍制約規模化」；特斯拉柏林超級工廠則正式啟動第二代Optimus在4680電池產線的封閉測試。

「首日暴漲、隨後腰斬」的極端行情，給亢奮的二級市場潑了一盆冷水。當下的整機及關鍵零組件動輒被推升至200到300倍的動態本益比，市場的估值顯然是在用力透支未來，用「2035年萬億級大餅」為當前尚未放量的財報來構築股價本夢比，是很典型的新興科技板塊面貌。

站在產業由技術驗證（0→1）跨向商業量產（1→N）的陣痛期當口，穿透資本，我想試著推演未來3到5年的工程與商業現實：為什麼在數位世界無所不能的AI，進入實體世界連「抓好一顆生雞蛋」都極其艱難？這場物理AI（Physical AI）的軍備競賽中，真正的商業定價權究竟握在誰手裡？

物理世界的「摩擦力」與莫拉維克悖論

人形機器人的商業化、量產的突破門檻，先來理解「數位AI」與「物理AI」的本質差異。

過去三年以ChatGPT為代表的生成式AI，運作的環境是由代碼與符號構成的虛擬空間，邊際複製成本趨近於零。然而，當AI試圖驅動鋼鐵軀體進入真實環境時，就必須服從重力、摩擦力、熱力學消耗以及微米級的機械公差。

這引出了人工智慧領域著名的「莫拉維克悖論」（Moravec's Paradox）：要讓電腦展現成年人級別的抽象邏輯推理（如解微積分、下圍棋、撰寫程式），所需算力與演算法相對容易實現；但要讓機器具備一歲幼兒的感知與肢體協調本能（如在雜亂環境中辨識並抓起一顆容易碎裂的生雞蛋），卻極端困難。

人類的視覺、觸覺與動態平衡經過了數億年生物演化的深度最佳化，而實體物理世界充滿不可預測的非結構化變數。在軟體世界中，代碼出錯僅需重新運行；但在工業產線上，機器人若因力道反饋遲滯毫秒而捏碎零件或發生碰撞，帶來的便是整條產線停擺的真金白銀損失。

我常用武俠宇宙來理解投資，就用武俠功法來形容吧，過去幾年全球供應鏈全力修煉的是「外家筋骨」——將減速器、馬達、絲槓等零組件組裝成能跑能跳的軀體；然而當前產業真正的瓶頸在於「內家心法」——即大腦世界模型對物理規律的預測與「泛化能力」（Generalization）。缺乏泛化能力的機器人只能在結構化環境下執行死記硬背的程式，無法適應真實工廠的多變工況。

拆解硬體物料帳本：BOM表裡的定價權轉移

一台全尺寸雙足人形機器人要具備基本作業能力，其內部機構複雜度遠超傳統工業機械臂。若拆開整機的關節配置，全身通常需要多達40到50個自由度（DoF）。

這意味著單台機器人就需要消耗20多套精密減速器、40多組高功率與微型馬達、8到14組高精度絲槓，以及超過60到上百顆特種精密軸承。從支撐軀幹與手臂的旋轉驅動，到雙腿承受跳躍重載的線性推桿，再到手掌內部精細的微型動力單元，硬體工程的密集度已達到機械製造的極致。

在整機硬體物料清單（BOM表）中，成本最剛性、定價權最高的「成本怪獸」，正是包含減速器、無框力矩馬達、行星滾柱絲槓與空心杯馬達在內的「關節執行器總成」，直接吃掉了整機四到五成的硬體成本。

相較之下，感測與回授系統約佔一成到一成五，邊緣運算與電控模組約佔一成到一成五，而結構件、輕量化材料及動力電池合計僅佔不到兩成。這意味著硬體層面的降本與良率勝負，幾乎全由執行器決定。

而在所有組件中，行星滾柱絲槓與五指靈巧手構成了當前製造工藝的兩大核心瓶頸：

第一是行星滾柱絲槓，單項就佔據了BOM表約15%到19%的高價值量。相較於傳統滾珠絲槓的「點接觸」，滾柱絲槓透過多根螺紋滾柱實現「線接觸」，靜動負載能力達到滾珠絲槓的3至5倍，抗衝擊壽命提升數倍。然而，其多頭超細牙螺紋磨削與熱處理防形變工藝難度極高，母機高度仰賴歐洲高階磨床，良率拉不上來，就是阻礙成本下降的主因。

第二是五指靈巧手與空心杯馬達，佔據硬體成本約8%到12%。要在方寸之間實現高靈活性，關鍵在於採用無鐵芯自支撐繞組的空心杯馬達。其轉動慣量極低、響應速度可達毫秒級，是實現微牛頓級力道調控的基礎，但其超精密排線繞組工藝長年被瑞士、德國企業壟斷，組裝與調校良率依然是行業痛點。

全球六大板塊的地緣產業攻防版圖

在全球物理AI的產業鏈上，六大製造強國板塊有各自的資源稟賦，呈現高度分工且相互牽制。

美國憑藉輝達底層算力與特斯拉等巨頭主導VLA世界模型，掌握「大腦」定義權，卻受制於本土製造業空洞化；中國則依託政策補貼、極致低成本製造殺出重圍，加上實景數據工廠快速放量，但面臨先進晶片限制與整機惡性內卷。

日本與歐洲分別守住高階硬體與工業規範的咽喉——前者在精密減速器與軸承材料上築起數十年專利高牆，後者則以深厚工控積累與車規半導體定義嚴苛的工廠安全準入標準。

處於地緣夾縫中的「亞洲雙雄」，則扮演著不可替代的實體樞紐。

台灣以台積電先進製程為核心，串聯高精度絲槓、邊緣運算與精密代工，在美中供應鏈雙軌制下成為全球不可或缺的「硬體軍火庫」。

韓國則以三星、SK海力士的HBM記憶體為算力後盾，結合現代汽車等財閥，將機器人直接植入自有重工與汽車產線，形成封閉式的場景閉環與極限壓力測試。

六方勢力在算力、模型、機械精度、車規標準、代工良率與真實場景間各據要津，共同構成了實體AI進入規模化前夜的全球競爭矩陣。

如何定價？投資聚焦這三點

回顧科技投資史，從2000年光通訊過度建設到2014年自動駕駛初期幻滅，任何重大技術變革在進入規模化前，資本市場往往會先經歷一輪極度亢奮的情緒擴張，隨後迎來殘酷的基本面洗牌。宇樹上市後的劇烈震盪，正是這場估值均值回歸的序幕。

在未來幾年，從1到N的產業裂變窗口期，投資上可以聚焦三點：

一、「2萬美元」與「1.5年ROI」的商業化臨界線

目前整機製造成本普遍偏高。工業客戶評估導入的核心是投資回報率（ROI）。只有當整機售價在未來3年內穩定降至2至3萬美元區間，使替代單一藍領工人的回本周期縮短至1.5到2年內，製造業與倉儲業的規模化採購才會實質爆發。

二、產線作業良率與MTBF無故障時間

依照宇樹科技創辦人的觀點，在實驗室中90%的抓取成功率已屬優異，但在現代工業流水線上，90%的良率意味著產線每小時都面臨非預期停機。未來3年市場考核的關鍵KPI，是機器人在惡劣工況下能否達到99.9%以上的作業良率與2,000 小時以上的平均無故障時間（MTBF）。

三、高壁壘「賣鏟人」

在產業放量初期，下游整機品牌勢必面臨激烈競爭與毛利壓縮；然而，無論最終哪家整機品牌勝出，單台機器人消耗40組以上馬達、20組以上減速器及8組以上絲槓的物理需求不可逆轉。在這場競爭裡，可以優先鎖定具備微米級加工良率、具備規模化產能且客戶結構多元的上游零部件龍頭：

• 精密傳動領域：聚焦具備全工序自製能力、正突破行星滾柱絲槓量產良率的精密機械龍頭；這領域，有台灣的上銀科技，本益比在20多倍，正常區間，同領域還有多家在上交所、深交所，以及上海科創板的公司，其中享有高稀缺性的綠的諧波，本益比已經拉到200倍以上，心臟不大都碰不得。

• 微型驅動領域：鎖定空心杯馬達及微型模組化執行器製造商；這一領域要到上交所、深交所主板去找，本益比在20-65倍不等。

• 感知與運算領域：關注掌握車規級高精度力矩感測器與邊緣運算模組的核心供應商。台積電、輝達（Nvidia）仍是領頭的。

在物理AI浪潮中，長期趨勢確定性比短期要高，當下的量產良率要有所突破，成本才能顯著下降，投資回報速度才能上軌道。