下一個兆元級AI戰場 人形機器人規模化來臨？BOM成量產關鍵！
人形機器人正成為AI下一個資本焦點，但真正決定商業化速度的不是模型聰明與否，在於BOM能否量產、成本、維修頻率、手部機械的靈巧度與供應鏈才是產業規模化的關鍵。
過去幾年，AI的投資主線多半集中在雲端算力、大模型與資料中心。
但當AI開始從螢幕走向現實世界，下一個問題就變成：如果智慧真的要進入工廠、倉儲與產線，它需要一個能移動、且能承受物理世界摩擦的身體。這也是人形機器人重新受到資本市場關注的原因。
高盛研究估計，全球人形機器人市場到2035年可能達380億美元（約台幣1兆2億元）。這個數字不代表人形機器人技術已經成熟，而是代表市場開始認真思考：當勞動力短缺、工廠自動化與AI技術進步交會時，人形機器人是否有機會從展示品走向企業資本支出。
BOM是投資第一把鑰匙 硬體門檻決定商業化速度
投資人要理解這個產業，第一把鑰匙不是AI，是BOM（Bill of Materials，物料清單）—製造一台產品所需要的零件、材料與模組成本。對人形機器人來說，BOM不只是成本表，更是理解產業瓶頸的地圖。因為人形機器人不是一套軟體，也不是一顆晶片，而是一台會磨損、故障、需要維修與穩定良率的複雜硬體。
以特斯拉（Tesla）Optimus Gen2為例，摩根士丹利曾估算不含軟體的BOM，每台約為5萬至6萬美元。這雖然是券商估算的數字，但它點出一個核心：人形機器人的成本並非只有單一環節，還包含致動器、感測器、傳動系統與靈巧手（Dexterous Hand）這些高度精密的硬體模組。
這些零件不像消費電子一樣容易快速降低製造成本，因為它們牽涉精密加工、耐用度、扭矩密度與安全性。對企業來說，一台人形機器人真正的價值，是在產線上重複工作數千次之後，仍然能維持可靠性。
換句話說，人形機器人的商業化，不能只看模型有多聰明，還得看硬體能不能被大量製造、故障率是否夠低低、好不好維修，並且把成本壓到企業願意採購的範圍，就像汽車可以大量生產一樣。
極小空間整合多模組 靈巧手成本難降
其中最難降本的終端是手部機械。摩根士丹利估算Optimus Gen2的雙手模組約9,500美元，占整機BOM約17.2%。靈巧手要在極小空間內整合微型馬達、減速機、力感測器與編碼器，還要處理不同物體的重量、形狀與摩擦力。
它是決定機器人能否真正替代人類重複性勞動的關鍵模組。工廠與倉儲環境中，許多工作不只有單純搬運，還需要做到拿取、放置、調整角度、判斷力道等功能。這也是靈巧手成本高、降本難度大，卻又極具戰略價值的原因。
別只盯著本體製造商 賣鏟人才是規模化關鍵
美國在這場競爭中強在AI、軟體、系統整合與工業客戶，但精密零部件並不完全掌握在自己手上。高階減速機、螺桿、微型馬達、軸承與部分感測器，仍需要日本、歐洲與全球供應鏈支撐。
人形機器人雖然由美國公司引領資本市場敘事，但真正的降本與量產，會是一場全球供應鏈協作—誰能把致動器做得更便宜，誰能讓靈巧手更耐用，誰能降低維修與測試成本，誰就會影響人形機器人能否從少量試點走向大規模部署。
目前主要玩家各走不同路線。特斯拉（Tesla）的優勢在垂直整合、AI訓練資料、車廠場景與量產敘事，但外部客戶驗證仍有限。
Figure AI靠寶馬（BMW）工廠案例與鉅額融資，成為資本市場最關注的新創之一，但高估值也代表市場已提前押注未來成功。
Agility Robotics的Digit更貼近物流倉儲場景，商業部署證據相對明確。Apptronik透過Apollo與捷普（Jabil）合作，強調可製造性與量產導入。波士頓動力（Boston Dynamics，2021年被現代集團收購）則擁有極強的機械控制與運動能力，但商業化節奏相對審慎。
這場競爭的本質，是誰能把硬體做得更便宜、更可靠、更容易維修，並在真實場景中累積部署資料。
因此投資人不應只盯著本體公司，更應該關注背後的賣鏟人—AI晶片與運算平台、馬達控制、致動器、感測器、機器視覺、精密傳動、電源管理、代工製造、測試設備與工業自動化。這些公司未必站在AI浪潮最亮眼的聚光燈下，卻可能是整個AI產業真正走向規模化的基礎。
（圖片來源：AI 僅示意 / 內容僅供參考，投資請謹慎為上）
文章出處：《Money錢》2026年8月號
下載「錢雜誌App」隨時隨地掌握財經脈動