关于人形机器人未来将走向何方，不同的研究机构给出了不同的答案。ABI Research 预计到2030年市场规模将达到65亿美元。Goldman Sachs Research 预测到2035年达到380亿美元。Morgan Stanley 的模型显示,到2050年人形机器人经济将接近5万亿美元。而 Gartner 则预测,到2028年实现人形机器人量产部署的公司将不超过20家。
这些预测之所以不同,是因为它们在不同的时间跨度上衡量不同的东西。不过，发展方向本身并无争议。在我们之前发布的博客文章《 2026年十大技术趋势》中, 我们曾预测，新一代大型动作模型将推动“人形机器人的部署”，并与自主工业系统共同发展。如今，这一判断正在成为现实，而 ST 正同时参与这两个方向：既作为人形机器人所依赖的硅芯片供应商，也作为把人形机器人投入自家工厂应用的制造商。
什么是物理AI?
物理AI（physical AI）是直接嵌入到机器中的人工智能,这些机器能够在真实世界中感知、决策和行动。与运行在数据中心里的大语言模型不同,物理AI必须满足严苛的硬实时约束:机器人要在几毫秒内感知环境、规划动作并安全执行,而且功耗预算有限。我们曾在关于物理AI与sim-to-real差距的文章中深入探讨过这个话题。
人形机器人是这一理念最苛刻的体现。它必须用双腿保持平衡,操纵为人手设计的物体,并与人共享空间。负责我们全球智能工业(Smart Industrials)业务的 Allan Lagasca 用一句话概括了这一设计挑战:” 正如知识和智慧是不同的概念，机器人也需要既理解物理环境，又能通过安全有效的行动将这种理解付诸实施。”
为什么要把机器人做成人形?
人形机器人之所以具备经济可行性，主要有两个现实原因。首先，世界本来就是按照人类使用方式建造的，因此具有人体比例的机器可以在现有设施中工作，而无需重新设计。第二,劳动力缺口正是”适合人类形态的工作”的缺口:据 Deloitte 和 The Manufacturing Institute 预估,仅美国制造业到2033年就可能需要 380万名新工人,其中约一半岗位可能无人填补。这些空缺的岗位,以及围绕这些岗位建造的工位，都是为人设计的。具备人类形态的机器人可以直接填补这个缺口，而不必重新设计任务本身。
还有第三个原因:人形机器人可以像人一样切换任务。传统机器人是为单一工作而购买的；人形机器人则是为一份职位说明而购买的。
人形机器人如今在哪里工作
人形机器人在2024年和2025年已经走出了实验室，而首批工业部署也已经出现。Agility Robotics 的 Digit 在美国乔治亚州的一个 GXO 物流中心搬运周转箱，这也是业内首个签约长期服务合同的机器人。Figure AI 的机器人完成了宝马斯巴坦堡工厂为期十个月的试点；下一代 Figure 03 目前正在承担物流分拣任务。同时，宝马也正在将 Hexagon 的 AEON 人形机器人引入其位于德国莱比锡的工厂。在 CES 2026 上，现代汽车集团展示了 Boston Dynamics Atlas 的量产版本，并公布了将其引入自家工厂的计划。在中国，宇树科技于 2026 年 6 月获得上海 IPO 批准，此前公司披露其在 2025 年售出了 5,500 台人形机器人。NVIDIA 则在 2026 年 6 月的 GTC Taipei 上发布了首个开放式人形机器人参考设计。
不过，Gartner 对试点项目停滞不前的谨慎判断也值得重视。我们的判断更务实：部署将按照任务和工厂逐步扩展，而未来五年的赢家将由工程经济性决定，而不是由预测决定。
人形机器人的构造:我们如何看待这台机器
公众讨论通常聚焦于 AI 模型和算力。但工程现实远不止于此。当我们的团队与人形机器人开发者合作时， 我们会把机器人拆解为若干功能模块：负责视觉与空间感知的头部单元,负责平衡与运动的躯体感知单元,负责精细操作的手部单元，肩、臂、腿等各个关节都配有电机的关节式肢体，统一协调全部动作的主处理单元，以及决定运行时长的电源管理系统。
感知是最重要的。 人形机器人需要对不断变化的环境建立三维理解, 而这种理解来自图像传感器、飞行时间测距和惯性测量单元，并在实时条件下进行融合。
平衡首先是感知问题,其次才是控制问题。 双腿机器人从来不是被动稳定的。它保持直立的方式和人一样：通过内耳与肌肉之间持续循环的反馈机制。 在机器人中，“内耳”就是惯性传感器，而这一闭环必须足够快，才能在失衡发生时及时捕捉并纠正。这也是为什么整个行业正在把机器学习核心直接集成进传感器内部：运动识别的第一层就在感知端完成，耗时微秒级、功耗毫瓦级，在主处理器介入之前就已经开始。基于高g值惯性传感的平衡恢复、跌倒检测和步态规划,正是 Embedded World 2026 上的演示内容之一。
运动会被成倍放大。 人形机器人有几十个关节,从肩膀到手指,每个关节都需要自己的驱动器、精确的位置反馈和顺滑的扭矩控制，这与工业电机驱动所遵循的工程原则相同——如今每个关节驱动器都配有自己的控制器，并运行自己的控制闭环。
能量是最核心的约束。 电池供电的人形机器人必须在远小于电动汽车的功耗预算内，同时运行感知、计算和数十个执行器。氮化镓等宽禁带半导体让功率级更小、更凉、更安静,这对一台与人同处一室的机器至关重要, 而每节省一瓦电能，都会直接转化为更长的运行时间。
信任是内建的,不是外加的
能够在人群中行走的机器，只有在人们信任它时才真正获得存在的资格，而人形机器人的信任不能在设计末期再补进去。它必须从系统层面内建,安全(safety)与安防（security）缺一不可: 只有系统足够安全，机器人才能安全运行，因为一旦软件或通信被破坏，物理机器就会变成物理风险。真正的工程挑战在于平衡人形机器人开发的速度与灵活性，同时尊重这些系统在运行中必须面对的硬约束——尤其是能量约束——并始终确保其行为安全可信。
针对人形机器人安全监管才刚刚起步,这将是一段漫长的旅程。我们在汽车和工业领域积累的经验——在那里，功能安全和网络安全是成熟的工程学科，而不是愿景——正是我们带入这段旅程的能力。
我们在人形机器人技术栈中的位置
从我们这个行业的视角看, 人形机器人本质上是一套半导体系统。我们估计一台典型人形机器人蕴含约600美元的ST芯片产品,分布在感知、控制、驱动、连接和电源各个环节。能够在这些领域全部提供产品的供应商并不多，而这种广度，比任何单一器件都更重要，正是当前人形机器人开发者正在整合的核心。
我们的战略是构建”大脑之外的全部部分”。通过2026年3月宣布的与 NVIDIA 的合作,我们的传感器、微控制器和电机控制与头部的机器人AI平台实现集成。我们在 NVIDIA Isaac Sim 中的高保真传感器模型, 使开发者能够在硬件尚未成形之前，就以逼真的传感器行为在仿真环境中训练和验证机器人;另外，我们与 Leopard Imaging 合作, 将 2D成像、3D深度和运动感知装进了一个面向人形机器人的视觉模块。
我们也把自己的预测转化为行动。2025年12月,Oversonic Robotics 与ST签署协议,将把 RoBee 认知人形机器人引入我们多家工厂的生产和物流环节。
接下来会发生什么
当前试点项目与真正的人形劳动力之间的障碍，都存在很实际的问题: 比如规模化成本、软件成熟度、安全标准、数据安全和人类对机器人的接受度等。这些问题将像工业领域中的其他问题一样被解决：通过成千上万个工程团队持续迭代。
要把人形机器人推向规模化,企业需要覆盖整个系统的合作伙伴,从感知、运动到电源和连接。这个系统的成型方式与它的运行方式一致:从一个传感器到接另一个传感器,从一个关节到接另一个关节。
“随着人形机器人逐步接近与人力成本持平，以及硬件和传感器的进步不断提升它们对不断变化环境的响应与反应能力，我们相信，在未来几年里，它们将以显著数量加入劳动力队伍。“
—Allan Lagasca，意法半导体全球智能工业部门总监
对于会有多少人形机器人到来、以及何时到来，预测仍会持续分歧。但已经确定的是，这场竞争究竟会在哪里胜出：在“大脑”之下，在那些决定机器能否在人群旁完成整班工作的感知、运动控制和能效层。到了那个阶段，真正的赢家将是那些能够在量产规模上掌握这些底层能力的公司。若想进一步了解我们如何与 NVIDIA 携手推进这一方向,请阅读《 ST与NVIDIA如何加速物理AI》。而在这篇故事的另一半,我们在另一篇 ST 观点系列文章中讲述协作机器人,物理AI是如何赢得它的工业资质。