2026年6月，德國人形機器人公司 Neura Robotics 宣布完成 C 輪融資，融資總額最高可達 14 億美元，估值約為 70 億美元。本輪融資匯聚了 NVIDIA、亞馬遜、高通、博世、歐洲投資銀行及穩定幣發行商 Tether 等多家重量級機構。這並非單一的融資案例。根據 Dealroom 數據，2026 年迄今，機器人公司已累計融資 558 億美元，創下歷史新高，幾乎是去年前紀錄的近兩倍。資本正以前所未有的速度與密度湧入「機器人＋AI」融合賽道。
產業界對這一賽道的戰略定位日益明確。NVIDIA 執行長黃仁勳將 AI 技術的演進歸納為三代範式——從感知 AI 到生成式 AI，再到 Agentic AI，而下一站將是物理 AI——「能夠運行、推理、規劃與行動的 AI」。亞馬遜雲端科技與 MassRobotics 聯合 NVIDIA 共同推出 Physical AI Fellowship 加速計畫，2026 年第二期計畫已對全球機器人新創企業開放申請。無論從資本流入的規模，還是從指標性科技企業的戰略佈局來看，物理 AI 均已從概念驗證階段邁入規模化部署的前夕。
物理 AI 的範疇、規模與市場結構
物理 AI 的核心目標是讓 AI 脫離數位世界，進入真實的物理環境中運作。根據 MarketsandMarkets 的定義，物理 AI 是指將人工智慧整合進機器人、自駕車、無人機、工業設備等物理系統，使這些系統能夠感知、分析並與現實世界互動的技術總稱。與傳統 AI 產生文本或圖像不同，物理 AI 的輸出結果是物體被移動、被組裝、被運輸——也就是現實世界中的物理動作。浙商證券的產業深度報告指出，物理 AI 需回答兩個核心問題：世界接下來如何變化，以及實體動作發生後世界會如何反應。這種技術能力構成了自駕、具身智慧與工業軟體三大核心場景的共同基礎。
從市場規模來看，不同統計口徑的預估差異甚大，但成長方向的共識高度一致。MarketsandMarkets 採用較為聚焦的統計口徑，預測全球物理 AI 市場規模將從 2026 年的 15 億美元成長至 2032 年的 152.4 億美元，年複合成長率達 47.2%。若採用最廣義的統計口徑——涵蓋所有 AI 賦能的物理系統，包括工業機器人、自駕車、手術機器人、軍用自動化系統及智慧基礎設施——則 2026 年全球市場規模約為 3,830 億美元，預計到 2040 年可達 3.26 兆美元。對沖基金 Coatue Management 更宏觀的視角認為，物理 AI 市場總規模至少可達 6 兆美元，比純數位 AI 市場高出約 50%。黃仁勳則於 2026 年 CES 上進一步表示，物理 AI 有能力重塑價值約 50 兆美元的製造與物流產業。不同估算雖有顯著差異，但共同指向一個結論：物理 AI 的市場規模正從百億級邁向兆元級。
市場的需求端壓力同樣不可忽視。全球約有 25 億人從事各類體力勞動，每年產出約 50 兆美元的 GDP。在高齡化加速的背景下，製造、物流與醫療等產業的勞動力缺口持續擴大。與此同時，感測器、攝影機與機器人級處理器的成本快速下降，生成式 AI 與 Agentic AI 的技術成熟度不斷提升，三者共同形成推動物理 AI 落地的結構性動能。在需求與供給兩端條件同時成熟的窗口期，資本的大規模湧入成為產業發展的必然結果。
全球物理 AI 企業的競爭格局與產品差異
Neura Robotics 之所以受到矚目，不僅因為其 14 億美元的融資金額，更因為它揭示了物理 AI 賽道已形成多梯隊、多技術路線並行的競爭格局。根據公開資料，全球融資規模排名前列的人形機器人公司包括：Figure AI 累計融資約 17.5 億美元，最新估值 390 億美元；優必選累計融資約 9.4 億美元；Apptronik 累計融資約 10 億美元，估值約 50 億美元；Agility Robotics 累計融資約 3.3 億美元，估值約 10 億至 17.5 億美元；Neura Robotics 本輪融資後估值約 70 億美元。此外，波士頓動力則在現代汽車體系內持續推進 Atlas 電驅人形機器人的商業化。
這些公司在技術路線與商業模式上存在顯著差異。Figure AI 由連續創業家 Brett Adcock 於 2022 年創立，以創投重倉模式快速擴張，在 B 輪便獲得 NVIDIA、微軟、OpenAI 創業基金及亞馬遜創辦人貝佐斯的投資。其 Figure 03 家用機器人定價約 2 萬美元，定位消費級市場。Apptronik 採產業聯盟模式，累計融資約 10 億美元，並與 Google DeepMind、GXO Logistics 及 Mercedes-Benz 建立策略合作，其 Apollo 機器人被設計為通用平台，同時具備雙足與輪式兩種移動配置，正於德州與加州推動量產準備。Agility Robotics 深耕物流場景，其 Digit 人形機器人已於亞馬遜倉儲體系進行試點部署，亞馬遜、NVIDIA、軟銀皆為投資方。而波士頓動力則代表另一種路線——以 8.8 億美元被現代汽車收購 80% 股權後，依靠汽車製造巨頭資源推動商業化轉型。
中國市場同樣形成了明顯的多層次競爭結構。A 股市場目前有 200 餘檔人形機器人概念股，合計總市值超過 6.1 兆元新台幣。宇樹科技科創板 IPO 已順利過會並啟動註冊程序，預計第三季成為 A 股人形機器人第一股。特斯拉鏈方面，Optimus V3 預計於 2026 年夏季啟動大規模量產，比亞迪也已宣布進軍人形機器人領域，專案代號「堯舜禹」，預計 2026 年於自有工廠內部署 2 萬台，西安機器人產業園一期已投產，年產能 5 萬台，單價目標 20 萬元新台幣以下。從產業鏈角度來看，美的集團、勝宏科技、藍思科技、匯川技術、贛鋒鋰業等多家上下游企業均已深度參與人形機器人賽道。
特別值得關注的是 NVIDIA 在整個物理 AI 生態中的關鍵角色。作為全球 GPU 與邊緣運算晶片的領導供應商，NVIDIA 的 Isaac GR00T 開發平台已成為產業通用基礎。NVIDIA 與宇樹科技合作推出首款基於 Isaac GR00T 開源平台打造的人形機器人參考設計 H2 Plus，同時宣布下一代晶片 Feynman 專為物理 AI 設計，預計 2028 年發表。這種「晶片＋演算法＋平台」的三層架構，使 NVIDIA 在物理 AI 生態中扮演基礎設施供應商的角色——這與亞馬遜雲端科技透過 AWS 運算資源介入物理 AI 新創生態的策略相互呼應。2026 年 3 月，Neura Robotics 已與 AWS 宣布策略合作，將 Neuraverse 平台透過 AWS 進行全球擴展。
Neura Robotics 案例：一個物理 AI 投資邏輯的樣本分析
14 億美元的融資金額、70 億美元的估值，以及超過 10 家頂級機構的跟投——Neura Robotics 的 C 輪融資是 2026 年物理 AI 領域最具代表性的單筆交易之一。深入分析此案例，有助於理解當前產業資本在選擇物理 AI 投資標的時的核心邏輯。
從技術佈局來看，Neura Robotics 採多形態產品策略，旗下產品線涵蓋人形機器人 4NE1、消費級輪式機器人 MiPA 以及倉儲運輸系列 MAV，皆由 AURA AI 導航系統驅動。這種多產品線佈局的優勢在於，能在同一 AI 平台基礎上調度不同形態的物理系統，於工業、物流和消費市場同步累積真實場景運行數據，進而形成數據閉環反饋演算法迭代。公司於官網說明中明確表示，本輪融資將用於三大方向：人形機器人的全球部署、生產與交付能力擴張，以及次世代物理 AI 系統的研發。這三個方向恰好對應物理 AI 企業從「技術驗證」到「規模化」再到「範式升級」所必須跨越的三道門檻。
從資本結構來看，Neura Robotics 本輪投資方高度多元，既有晶片層的高通、科技層的亞馬遜與 NVIDIA，也有工業基礎設施端的博世與舍弗勒，甚至包含監管體系較特殊的 Tether。值得注意的是，Tether 的投資純屬股權出資，未附帶任何區塊鏈協議或代幣發行安排，這顯示機構投資人對物理 AI 賽道的興趣已超越概念炒作，進入實質產業資本配置階段。這種跨領域資本協同的密集程度，在某種程度上印證了物理 AI 正從單一硬科技賽道演變為多產業融合平台。
然而，此輪融資中也存在需明確辨識的重要風險。首先，14 億美元融資能否全數到帳，取決於公司未來能否實現若干既定發展目標。這意味著 Neura Robotics 仍需在量產能力、訂單交付與商業化進度等硬指標上完成對投資方的承諾，方能全額獲得承諾資金。其次，Neura 曾於 2023 年募資約 5,500 萬美元，三年內融資規模從 5,500 萬美元激增至逾 10 億美元，這種融資金額的急速成長，既反映賽道景氣度快速提升，也意味公司在估值與產品交付進度上面臨更大市場預期壓力。第三，人形機器人領域整體仍面臨高度同質化競爭風險——多家領先公司的技術路線、應用場景與目標客戶重疊度高，差異化能力的建立與驗證仍需更多實際營運數據支撐。
物理 AI 賽道的投資與風險辨識框架
綜合上述分析，物理 AI 作為投資賽道大致可歸納為三個相互關聯的投資邏輯層次。
第一層是基礎設施層。晶片與運算力是物理 AI 運作的核心底層支撐。NVIDIA 憑藉 GPU 產品的先發優勢與機器人軟體平台的生態壁壘，在此層居於主導地位。高通等晶片廠則以邊緣運算 SoC 切入。物理 AI 市場硬體板塊在 2025-2026 年佔最大份額。這一層的投資邏輯相對成熟，但競爭格局已趨穩定，增量空間主要來自下游應用場景擴張帶動的運算需求外溢。
第二層是機器人本體與平台層。這也是目前全球融資最密集的領域，包括前述 Figure AI、Apptronik、Agility Robotics、波士頓動力、優必選與宇樹科技等。此層兼具硬體製造與軟體演算法雙重屬性，投資門檻最高，技術路線分歧也最大。其差異化體現在三方面：機械結構設計（雙足 vs. 輪式 vs. 混合）、AI 決策系統架構（集中式 vs. 分散式）、以及場景切入點（工業物流 vs. 家用服務 vs. 公共安全）。目前尚無明確證據顯示某一技術路線具決定性領先優勢，意味投資此層需同時評估工程化能力與演算法水準，單一技術領先難以構成長期護城河。
第三層是產業解決方案與數據服務層。即基於底層晶片與本體平台，針對具體場景提供端到端自動化解決方案，以及於機器人運作過程中累積的真實物理世界數據。亞馬遜 AWS 與 NVIDIA 共同推出的 Physical AI Fellowship 加速計畫即屬於此層的早期佈局——透過技術與運算資源，協助全球物理 AI 新創跨越早期研發門檻。這一層的投資邏輯更接近 SaaS 模式，但商業模型成熟度尚需更長時間驗證。
與投資機會相對應，物理 AI 領域同樣存在需審慎評估的風險面向。首先是人形機器人量產進度的高度不確定性。國金證券指出 2026 年是人形機器人 0-1 兌現的關鍵節點，但量產從「數千台」跨越到「數萬台」過程中，供應鏈穩定性、品管能力與成本曲線尚未經大規模驗證。其次是技術路線收斂風險，目前世界模型與視覺-語言-動作模型兩大技術路線皆處於尚未收斂的早期階段，任何一方的突破性進展都可能導致大量前期投入沉沒。再者，物理 AI 系統的安全邊界問題——NVIDIA 機器人團隊副總裁 Deepu Talla 強調，物理 AI 的開發與部署涵蓋從數據生成、訓練、模擬到安全部署的全生命週期，任一環節失誤都可能導致不可逆的物理後果——這決定了物理 AI 的落地節奏客觀上較純數位 AI 更慢。此外，全球宏觀經濟波動、地緣政治對供應鏈的影響，以及各主要經濟體對機器人技術的監管政策變化，皆是影響物理 AI 賽道估值體系的重要變數。
結語
從 NVIDIA 與亞馬遜的 14 億美元聯合投資，到全球 558 億美元的年度機器人融資總額，物理 AI 賽道已然站在資本與產業雙重驅動的爆發點。此賽道的特殊性在於，它不僅承載 AI 技術從數位世界邁向物理世界的範式躍遷，同時也涉及半導體晶片、感測器製造、運動控制系統、工業自動化等多個成熟產業的深度融合。
對投資人與研究者而言，理解物理 AI 的本質——即讓 AI 同時具備感知世界、推理因果並執行物理動作的完整閉環——是建立有效分析框架的起點。在此基礎上，追蹤領先企業的技術路線差異、商業化進度與資本結構變化，是辨識投資時點與判斷產業拐點的核心工作。物理 AI 的最終商業規模能否達到 Coatue 與黃仁勳預期的數兆美元等級，取決於其技術成熟度、量產可行性與安全可控性的突破進程。但在當前這個時間點，可以相對明確地判斷：物理 AI 已不再是科幻故事中的遙遠想像，而是正邁入規模化部署前夜的產業現實。
