人形机器人：从传感器开始构筑机器劳动力
如果你向四家研究机构询问 人形机器人 的发展前景，会得到四种截然不同的答案。ABI Research 预测到 2030 年市场规模将达 65 亿美元；高盛预测 2035 年市场规模为 380 亿美元；摩根士丹利模型测算，到 2050 年 人形机器人 相关经济规模将接近 5 万亿美元；而高德纳（Gartner）则预测，截至 2028 年，实现量产落地 人形机器人 的企业将不足 20 家。
各类预测之所以差异巨大，是因为各家统计口径与时间周期各不相同。但行业发展大方向并无争议。我们在《2026 年十大技术趋势》一文中就曾预判，新一代大动作模型将推动人形机器人与自主工业系统一同落地部署。如今这一预判正在成为现实，意法半导体（ST）在其中身兼双重角色：既是人形机器人底层芯片的供应商，同时也在自家工厂内部部署人形机器人开展作业。
物理人工智能，是直接嵌入设备本体、能够在现实世界完成感知‑决策‑执行的人工智能。和运行在数据中心的大语言模型不同，物理 AI 受严苛的实时性约束：机器人必须在毫秒级时间内感知环境、规划运动并安全执行动作，同时还要受限于有限的供电功耗。我们曾在博客文章中专门探讨过物理 AI。
人形机器人是物理 AI 最严苛的实现载体。它需要双足保持平衡、操作专为人类手掌设计的物件，还要与人类共处同一作业空间。意法半导体全球智能工业事业部负责人艾伦・拉加斯卡（Allan Lagasca）对设计挑战做了简明概括：“知识与智慧本就不是一回事，机器人既要理解物理环境，还要运用认知，做出安全且有效的动作。”
人形机器人具备现实层面的经济价值，主要源于两点：第一，现实世界的设施都是按照人类体型设计。具备人体比例的机器人，可以直接在现有厂房内工作，无需对场地进行改造。第二，劳动力缺口本质上是适配人类作业模式的岗位缺口。根据德勤与美国制造业研究院的数据，仅美国制造业到 2033 年就可能面临 380 万岗位缺口。这些空缺岗位以及配套工位均为人的作业习惯设计。采用人形形态的机器人，可以直接填补岗位缺口，不用重新改造作业流程。
还有第三点优势：人形机器人可以像人一样灵活切换任务。传统机器人采购后只服务单一工序；人形机器人则可以适配一类岗位工作要求。
2024‑2025 年，人形机器人走出实验室，首批工业级落地案例已经出现。Agility Robotics 与 GXO 物流签订行业首份多年机器人即服务协议，其机器人在佐治亚州 GXO 物流中心搬运周转箱；FigureAI 人形机器人参与宝马集团在美国斯帕坦堡工厂的 Physical AI 项目，宝马同时计划在德国工厂部署人形机器人。2026 年 CES 展会上，现代集团公布 AI 机器人战略，计划将人形机器人投入自有工厂。国内宇树科技公布 2025 年售出 5500 台人形机器人，推进上海 IPO 进程。英伟达则在 2026 年 6 月台北 GTC 大会发布人形机器人开源参考设计。
即便如此，高德纳关于试点项目可能遇阻的警示仍有参考意义。我们的判断偏向务实：落地会逐个任务、逐家工厂逐步铺开。未来五年行业赢家，将由工程经济性决定，而非各类市场预测报告。
公众讨论大多聚焦 AI 模型与算力，但工程实现涉及更多维度。我们团队与人形机器人开发者合作时，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；保障平衡与运动的本体传感单元；实现精细操作的手部单元；每个关节内置电机的多自由度机械臂与腿部；统筹全部模块的主处理单元；决定整机续航的电源管理系统。
感知是一切的起点。人形机器人需要依靠图像 传感器 、飞行时间测距、惯性测量单元，实时数据融合，建立对动态环境的三维认知。
平衡首先是传感问题，其次才是控制问题。双足机器人不存在被动稳定状态。它维持直立的原理和人类相似：类似人体内耳感知‑肌肉调节的闭环。机器人中，惯性 传感器 就相当于 “内耳”，闭环响应速度必须足够快，才能及时处理即将摔倒的姿态。这也是行业将机器学习内核直接集成进 传感器 内部的原因：运动识别的第一层处理在传感器端完成，微秒级时延、毫瓦级功耗，甚至无需主处理器介入。意法半导体在 2026 年嵌入式世界展上就演示过基于高性能惯性传感实现的姿态恢复、跌倒检测、步态规划功能。
运动执行维度复杂度成倍提升。人形机器人拥有数十个关节，从肩部到手指，每个关节都需要驱动芯片、高精度位置反馈和平滑扭矩控制，这套技术同样用于工业电机驱动领域。
能量是硬性约束。电池供电的人形机器人要运行感知、计算与数十套执行器，但可用功耗远低于电动汽车。氮化镓等宽禁带半导体器件可以让功率电路体积更小、发热更低、噪声更小，这对于和人共处的机器至关重要；每节省一瓦功耗，都能直接转化为整机续航时长。
一台与人协同作业的机器，只有获得人类信任才能真正投入使用。人形机器人的安全信任属性不能在设计末期补加，必须从系统层面原生构建，功能安全与信息安全一体设计：机器人要做到行为安全，前提是信息安全得到保障；一旦软件或者通信链路遭到入侵，物理设备就会带来现实安全风险。
真正的工程难点在于权衡：既要保持人形机器人开发的速度与灵活性，又要正视运行工况下的硬性约束（尤其是功耗），同时保证行为安全可靠。
人形机器人相关安全法规才刚刚起步，完善之路漫长。意法半导体深耕汽车与工业领域，功能安全与信息安全在这两个领域已是成熟的认证工程体系，我们将把相关经验带入人形机器人行业。
站在半导体厂商视角，人形机器人本质是一套复杂半导体系统。我们测算，整机半导体器件覆盖感知、控制、执行、连接、电源五大领域。很少有厂商能够同时提供全部领域产品；而这种全栈能力，恰恰是当下人形机器人开发者所需要的。
我们的策略：聚焦大脑以外全部底层硬件。2026 年 3 月我们公布与英伟达合作，自家传感器、微控制器、电机驱动方案可对接主流机器人 AI 平台。英伟达 Isaac Sim 仿真平台内集成我们高精度传感器模型，开发者在硬件实物尚未产出时，就可以在仿真环境完成机器人训练与验证；我们还与豹影智能（Leopard Imaging）开展模组合作。
这套生态思路同样延伸到灵巧手领域。我们与睿研智能控制合作，整套灵巧机械手控制系统可以集成在手掌大小的电路板上：一颗微控制器统筹 5 个关节共 6 个自由度；高精度模拟采样采集手指位置与握力；电机驱动芯片效率优异，输出扭矩的同时不会造成手部过热。行业生态就是依靠一个个合作伙伴、一套套子系统逐步拼接成型。
同时我们也践行自身的行业判断：2025 年 12 月，意法半导体与 Oversonic Robotics 签订供货协议，将 RoBee 认知人形机器人投入自家多家工厂的生产与物流环节。
从现有试点走向大规模 机器劳动力 ，现实阻碍集中在：规模化成本、软件成熟度、安全标准、数据安全以及人类接受度。和所有工业难题一样，这些问题将由成千上万工程团队反复迭代逐步解决。
想要实现人形机器人规模化落地的企业，需要覆盖感知、运动、电源、通信全链条的合作伙伴。整套系统的搭建逻辑，也将和它实际运行的逻辑保持一致：一个传感器、一个关节逐步打磨完善。
随着人形机器人成本逐步向人力成本靠拢，硬件与传感器技术持续提升环境响应能力，我们相信未来数年，人形机器人将会大规模进入劳动力市场。
—— 艾伦・拉加斯卡（Allan Lagasca），意法半导体全球智能工业与机器人事业部负责人
各类机构对于人形机器人的出货规模与落地时间依旧众说纷纭，但竞争胜负的落点已经明确：不在于上层 AI 大脑，而在于底层感知、运动控制、电源效率，保障机器可以与人并肩完成完整轮班作业。能够在量产规模下吃透这些底层技术层的企业，将会成为行业赢家。想要了解我们和英伟达的合作细节，可以阅读物理 AI 专题博文。本系列另一篇 ST Perspectives 文章聚焦协作机器人，物理 AI 已经在协作机器人领域收获工业实践成果。