實體 AI / 機器人基礎模型供應鏈 (Physical AI / Robot Foundation Models)
Physical AI / Embodied AI — 把大語言模型的「思考」延伸進物理世界的具身智慧層：機器人基礎模型（robot foundation model）、視覺-語言-動作模型（VLA）、世界模型（world model）與機載推論算力，是人形機器人與自主機器的『大腦＋小腦』。本主題刻意不碰減速機/致動器等實體 BOM（見 robot / humanoid_components），只聚焦軟體與機載算力。市場：embodied AI 2025 約 $44 億（$4.44B）→ 2030 $231 億（$23.06B，CAGR ~39%，MarketsandMarkets）；廣義 physical AI 2025 約 $816 億 → 2026 $1,108 億（Grand View，CAGR ~36%）。2026 結構性事件：① NVIDIA 在 GTC Taipei（2026/6）推 Cosmos 3（首個全開源 omnimodal 世界模型，MoT 架構、Cosmos 累計逾 200 萬下載）＋Isaac GR00T N1.7（開源 VLA）＋Jetson Thor（2070 FP4 TFLOPS、128GB、已量產出貨），自封『通用機器人界的 Android』把模擬→合成資料→VLA→機載晶片整條垂直整合；② 模型層軍備競賽——Google DeepMind 推 Gemini Robotics 1.5（會「先思考再行動」的 VLA＋ER 雙模型），Physical Intelligence（π0 開源）以 $110 億估值募 $10 億，Skild AI 2026/1 由 SoftBank 領投募 $14 億、估值 $140 億並部署進 Foxconn 休士頓 Blackwell 產線；③ 機載晶片之爭——Tesla AI5（2026/4 流片、~5×AI4、對標 H100 推論、量產 2027）優先供 Optimus，挑戰已量產的 Jetson Thor；④ Optimus Gen3 產線 2026/7–8 於 Fremont 起量、Figure 03 BotQ 約每小時一台、1X NEO（$20K）2026 家用交付——但規模量產仍在 2027+。台廠卡位：聯發科 Genio（Pro/420/360）做機器人/無人機邊緣 AI、ARM 架構是機載運算事實標準。⚠ 與既有 robot（人形整機/實體 BOM）、humanoid_components（致動器零件）、agentic_ai（企業 agent 軟體）、edge_ai（邊緣推論）部分重疊；本主題聚焦『機器人大腦的軟體與機載算力』視角。非投資建議。
← 回 企業軟體 AI / 自動化 / 數位勞工 主題列表 · 回首頁
GPU 模擬 / 合成資料 / 世界模型 GPU Simulation · Synthetic Data · World Models
機器人不能只靠真機資料學習——靠 GPU 物理模擬與世界模型大量生成『會遵守物理的合成資料/環境』來訓練策略，是實體 AI 的資料源頭。
競爭態勢（oligopoly，NVIDIA 生態主導）：(1) 位置——NVIDIA（NVDA）在『機器人合成資料』的份額最高：Cosmos 世界基礎模型至 2026/1 累計逾 200 萬次下載、且可自架，是 robot/AV 開發者實務首選；2026/6/22 GTC Taipei 推 Cosmos 3（首個全開源 omnimodal 世界模型，MoT 架構、OpenMDW-1.1 授權），統一合成世界生成＋視覺推理＋動作模擬，GR00T 以 Cosmos Reason 當大腦。(2) 護城河類型——這裡是『生態綁定＋垂直整合』護城河而非純技術壟斷：Omniverse/Isaac Sim 的物理引擎＋OSMO 訓練管線＋Lab-Arena 評測＋Jetson 機載 runtime 串成一條 CUDA 綁定的閉環，切換成本高；但模型本身開源，護城河靠『鏟子＋生態』而非模型獨佔。(3) 挑戰者——世界模型層競爭已具體化：Google DeepMind Genie 3（24fps 即時互動 3D、物件恆存/湧現物理，Waymo 改造為自駕長尾模擬）、World Labs（李飛飛）Marble（3D 高斯潑濺、可編輯 3D 資產、商用訂閱制、整合 Isaac Sim/Unity/Unreal）、LeCun 新創 AMI（€5 億募資 @€30 億估值）——皆是可信前沿玩家。(4) 絃外之音風險——若合成資料被證明無法彌合 sim-to-real gap（模擬學到的策略在真機失效），整層敘事會退燒；且 Genie/Marble 走『不綁 CUDA』路線，長期可能侵蝕 NVIDIA 生態鎖定。故 competition 維持 oligopoly，並將 single 由『事實壟斷』下修為『生態主導·非絕對獨佔』。
| 公司 | 市佔／地位 | 角色 |
|---|
| [US] NVIDIA (NVDA) | 領導者·robot 合成資料生態主導（Cosmos 逾 200 萬下載） | 2026/6 GTC Taipei 開源 Cosmos 3（首個全開源 omnimodal 世界模型，MoT/OpenMDW-1.1）；Cosmos 至 2026/1 逾 200 萬下載；GR00T 以 Cosmos Reason 為大腦；模擬→資料→模型→晶片垂直整合 |
| [US] Alphabet (Google DeepMind) (GOOGL) | 次強·世界模型前沿（不綁 CUDA） | 24fps 即時生成、物件恆存/湧現物理；Waymo World Model（2026/2）改造為自駕長尾模擬；走非 NVIDIA 生態路線 |
| [US] World Labs (—) | 挑戰者·3D 世界模型新創（李飛飛） | 未上市；Marble 商用化（免費至 $95/月）、輸出 .spz/.ply/.glb，整合 NVIDIA Isaac Sim/Unity/Unreal 供 robot 模擬 |
資料來源
機器人基礎模型（通用機器人大腦） Robot Foundation Models (Generalist Brain)
讓單一模型跨多種機器人本體執行多樣任務的『通用大腦』——以視覺語言模型為底、吃多機器人資料、輸出策略，是實體 AI 投資熱度最高處。
競爭態勢（highgrowth，無明確龍頭）：(1) 位置——這是 2026 募資最炸裂但市佔最不確定的環節：Physical Intelligence（π）走開源生態（2024/10 π0、2025/2 開源權重，融資 $400M@$24億→$600M@$56億→2026 募 $10 億 @$110 億估值，Founders Fund/Lightspeed/Thrive/Lux/Bezos/NVIDIA），Skild AI 走部署變現（2026/1 SoftBank 領投、NVIDIA NVentures 跟投的 $14 億大輪、估值 $140 億、Cosmos Coalition 成員）——兩者估值皆遠超營收，無一取得驗證過的規模化市佔。(2) 護城河類型——此層護城河是『真機部署資料的飛輪』與『多本體泛化的模型 IP』：誰能把模型鋪進真實產線／家庭、回收動作資料反哺，誰的泛化就領先（Skild 進 Foxconn 休士頓 Blackwell 產線、π 靠開源鋪裝機量）；但資料飛輪尚未證明能形成鎖定，模型權重又多開源，護城河目前『薄』。(3) 挑戰者——最可信的顛覆者是自帶通路的整機廠（Tesla Optimus、Figure Helix 自研大腦，用自家機隊資料繞過通用模型廠）與賣鏟的 NVIDIA（Isaac GR00T 開源參考大腦＋資料管線＋Unitree H2 Plus 身體＋Jetson Thor 大腦，把『通用大腦』商品化以擴生態、反壓純模型廠溢價）。(4) 絃外之音風險——純玩家多未上市、估值靠敘事而非現金流，一旦『通用大腦』被證明需按本體/場景客製（泛化不如宣稱），估值最脆弱；公開市場穩健參與只剩 NVDA（賣鏟＋NVentures 投資組合）與下游 OEM 概念股。
| 公司 | 市佔／地位 | 角色 |
|---|
| [US] Physical Intelligence (—) | 追趕者·開源生態路線（π0，無穩定營收） | 未上市；融資 $400M@$24億→$600M@$56億→2026 募 $10 億 @$110 億估值（Founders Fund/Lightspeed/Thrive/Lux/Bezos/NVIDIA）；π0 跨本體執行折衣/沖咖啡/組箱；靠開源鋪裝機量而非市佔領先 |
| [US] Skild AI (—) | 追趕者·部署變現路線（估值最高，無驗證市佔） | 未上市；2026/1 SoftBank 領投、NVIDIA NVentures/Macquarie/Bezos 跟投的 $14 億大輪、估值 $140 億；Cosmos Coalition 成員；模型部署進 Foxconn 休士頓 Blackwell 產線以資料反哺（$30M 營收為未經證實傳聞，已移除） |
| [US] NVIDIA (NVDA) | 賣鏟＋生態主導·開源參考大腦 | GR00T 參考人形（Unitree H2 Plus 身體＋Jetson Thor 大腦＋Sharpa Wave 觸覺手）；既賣鏟亦為多家 robot AI 新創投資人；把通用大腦商品化壓純模型廠溢價 |
| [US] Figure AI (—) | 整機自研大腦（Helix，繞過通用模型廠） | 未上市；Figure 03 BotQ 產線約每小時一台（部分報導稱每 90 分一台）；自研 Helix、以自家機隊資料訓練，示範『整機廠垂直自研繞過通用大腦』 |
資料來源
VLA 視覺-語言-動作模型 Vision-Language-Action (VLA) Models
把視覺＋語言指令直接映射成馬達動作的端到端模型——是『大腦』最核心的模型形態，VLA 是 2025-2026 具身智慧的主軸範式。
競爭態勢（highgrowth，前沿多頭、技術尚未收斂）：(1) 位置——VLA 是具身智慧最核心的模型形態，閉源前沿由 Google DeepMind（GOOGL）Gemini Robotics 領先：1.5 版採 VLA＋具身推理（ER）雙模型、會『先思考再行動』並展示推理鏈、泛化基準較同級 VLA 顯著提升（arXiv 2510.03342），On-Device 版可機載、50–100 次示範學新任務，ER 1.6 經 Gemini API 開放。(2) 護城河類型——DeepMind 的護城河是『前沿模型能力＋跨本體遷移＋Gemini 生態』，屬技術壁壘型但非鎖定型：因權重不開源、綁 Google 雲，客戶可轉開源替代。(3) 挑戰者——開源側 π0/OpenVLA/RT-2 與 NVIDIA GR00T N1.7 系譜快速追趕，整機廠（Figure Helix、Tesla）更選擇自研 VLA 以掌握動作資料——VLA 是『人人能訓、資料為王』的環節，先發模型優勢易被開源與自研稀釋。(4) 上市櫃切入點/絃外之音——真正可在公開市場直接參與 VLA 工程化的是 Teradyne（TER）：旗下 Universal Robots 的 UR AI Trainer（與 Scale AI 合作）用模仿學習擷取力感知資料、直接訓 VLA 供工廠部署，Teradyne Robotics Q1 2026 營收 $91M；風險是若通用 VLA 泛化不如宣稱、需按產線客製，VLA『通用性』敘事會被打折。
| 公司 | 市佔／地位 | 角色 |
|---|
| [US] Alphabet (Google DeepMind) (GOOGL) | 領導·閉源 VLA 前沿（Gemini Robotics） | VLA＋ER 雙模型、會『先思考再行動』；泛化基準較同級提升（arXiv 2510.03342）；On-Device 可機載、50–100 示範學新任務；ER 1.6 經 Gemini API 開放；權重不開源、綁 Google 雲 |
| [US] Teradyne (TER) | 工業 VLA 工具·上市櫃直接參與（UR/MiR） | Teradyne Robotics Q1 2026 營收 $91M（全公司約七成營收與 AI 需求相關）；UR AI Trainer 擷取力感知資料訓 VLA 供工廠直接部署 |
| [US] NVIDIA (NVDA) | 商品化·開源 VLA 擴生態（GR00T N1.7） | 多模態輸入（語言＋影像）→操作動作；開源擴生態、綁 Jetson Thor 機載推論，壓縮閉源 VLA 溢價 |
資料來源
機載運算 / 推論晶片（小腦・神經） Onboard Compute · Inference Silicon
讓機器人『斷網仍能動』的機載推論晶片與模組——把雲端訓練好的 VLA/基礎模型搬到機體上即時跑，是大腦落地的物理載體，亦是 robot 主題之外的算力切面。
競爭態勢（oligopoly，NVIDIA 領先/Tesla 垂直自供追趕）：(1) 位置——機載推論是『大腦落地』的物理門檻（機器人需斷網即時跑 VLA）。NVIDIA（NVDA）Jetson Thor 是當前事實標準且已量產出貨（2070 FP4 TFLOPS、128GB、40–130W，較 AGX Orin 7.5× 效能/3.5× 效率，早期採用者含 Amazon/Meta/OpenAI/Boston Dynamics），內建於 GR00T 參考人形。(2) 護城河類型——NVIDIA 靠『CUDA-X 機載 runtime＋Cosmos/Isaac 訓練管線』的軟硬綁定，讓開發者一路從模擬到機載都留在同一生態，切換成本極高（技術壁壘＋生態網路效應）；ARM（ARM）則是更底層的架構事實標準（Jetson、多數 robot SoC 皆 ARM 核），吃全行業授權金、無論誰勝出都受惠。(3) 挑戰者——Tesla（TSLA）自研 AI5（2026/4/15 流片、Samsung/TSMC 代工、單顆約 5× 雙 AI4、對標 NVIDIA H100 推論）優先供 Optimus 與超算叢集，走『整機廠自供、繞過 NVIDIA 抽成』路線——但工程樣品晚 2026、量產約 2027，且僅自用不外賣，短期撼動不了 Jetson 的通用標準地位；Qualcomm（QCOM）以 Snapdragon/RB 平台從邊緣切入為第二供應。台廠聯發科（2454.TW）以 Genio（Pro/420/360，Genio Pro 台積 3nm、>50 TOPS、Q3 2026 量產）切機器人/無人機/工業 IoT 邊緣 AI，並與 NVIDIA 軟體合作把逾 150 個預優化 AI 模型帶上 Genio——是台股直接受惠標的。(4) 絃外之音風險——NVIDIA 機載霸權的真正威脅不是單一 Tesla，而是『整機廠普遍自研＋開源 VLA 讓 CUDA 綁定失效』的合流；一旦人形量產遞延（實際在 2027+），Jetson Thor 的機載需求也會跟著遞延。此環節與 edge_ai 主題重疊，但聚焦『機器人本體機載推論』。
| 公司 | 市佔／地位 | 角色 |
|---|
| [US] NVIDIA (NVDA) | 機載推論事實標準（Jetson Thor） | 較 AGX Orin 7.5× 效能/3.5× 效率；內建於 GR00T 參考人形；CUDA-X 機載 runtime 綁定生態 |
| [US] Tesla (TSLA) | 自研機載晶片挑戰者（AI5） | 2026/4/15 流片、Samsung/TSMC 代工；~5× 雙 AI4、對標 NVIDIA H100 推論；優先供 Optimus；Musk 要其斷網仍能工作；量產約 2027 |
| [UK] Arm Holdings (ARM) | 機載運算架構事實標準 | Embedded World/CES 2026 主打 physical & edge AI；機器人/XR/智慧車多建於 ARM 平台 |
| [TW] 聯發科 MediaTek (2454.TW) | 機器人邊緣 AI（Genio） | 台股直接受惠；Genio 平台做機器人/無人機/工業 IoT 邊緣 AI 處理；與 Primax 在 COMPUTEX 2026 展低延遲不依賴雲的機器人方案 |
| [US] Qualcomm (QCOM) | 機器人邊緣 SoC 競爭者 | 與 ARM 生態並進，切入機器人/無人機邊緣推論 |
資料來源
下游：人形 / 機器人 OEM・終端部署 Humanoid & Robot OEMs · Deployment
把『大腦＋小腦＋身體』組成整機並推上產線/家庭的 OEM——是實體 AI 軟體與機載算力的終端載體，回頭拉動上游模型與晶片用量（本主題只看 OEM 作為大腦/算力的需求端，整機 BOM 見 robot）。
競爭態勢（highgrowth，多頭並進、無單一市佔龍頭）：(1) 位置——下游 OEM 是實體 AI 全層的需求引擎，但 2026 仍是『產線起跑』而非規模量產：Tesla（TSLA）Optimus Gen3 於 Fremont 舊 Model S/X 產線改裝、2026/7–8 才開始生產，年化目標由 5 萬上修至 7 萬台、週產約千台是 9 月目標（非已達成；長期目標 150 萬台/年，『千萬台』為更遠期願景）；Figure 03 於 BotQ 約每小時一台（部分報導每 90 分一台）、2026/1 於 BMW Spartanburg 部署 40 台按 ~$25/機時計費；1X（挪威）NEO 家用人形以 $20K/$499 月租開放預購、2026 先在美國交付。中系規模最快：UBTech（9880.HK）累計交付約千台工業人形（全球第三，落後 Agibot、Unitree）、2026 目標 5,000 台、規劃 <$2 萬全尺寸機——Airbus 目前為早期概念測試而非確定產線導入。(2) 護城河類型——整機 OEM 的護城河是『量產工程＋真機部署資料飛輪＋垂直自研大腦/算力』：Tesla（自研 AI5＋FSD 棧）與 Figure（自研 Helix）以自家機隊資料閉環，最可能建立資料護城河；純組裝廠則面臨商品化壓力。(3) 挑戰者/賣鏟人——NVIDIA GR00T 參考人形把 Unitree H2 Plus＋Jetson Thor＋觸覺手整合為標準設計，降低 OEM 門檻、擴大 Jetson/Cosmos 用量，是『無論誰勝出都受惠』的賣鏟人。(4) 絃外之音風險——報導熱絡但高量產實際在 2027+、家用安全/成本未解、私有模型廠估值（π $110 億、Skild $140 億）已遠超當期營收；真正穩健受惠者是賣鏟人（NVDA 模擬＋Jetson、ARM 架構、聯發科邊緣 AI）與上市工具商（TER/UR，Q1 2026 Robotics 營收 $91M）。
| 公司 | 市佔／地位 | 角色 |
|---|
| [US] Tesla (TSLA) | 追趕者·人形 OEM（Optimus，垂直自供大腦/算力） | Gen3 於 Fremont 2026/7–8 起量產、年化目標上修至 7 萬台、週產約千台為 9 月目標；長期 150 萬台/年；AI5 機載自供——本主題的軟體/算力需求端代表 |
| [US] Figure AI (—) | 領先·人形 OEM＋自研大腦（真機部署資料飛輪） | 未上市；BotQ 約每小時一台（部分報導每 90 分一台）；2026/1 BMW Spartanburg 部署 40 台、按 ~$25/機時計費；自研 Helix |
| [NO] 1X Technologies (—) | 家用人形 OEM（住宅場景） | 未上市；NEO 以 $20K 一次買斷/$499 月租、$200 訂金預購，2026 先在美國家用交付、2027 拓展他國 |
| [HK] UBTech 優必選 (9880.HK) | 次強·工業人形量產（中系，全球第三） | 累計交付約千台工業人形、全球第三（落後 Agibot/Unitree）；2026 目標 5,000 台、2027 產能 10,000 台；規劃 <$2 萬全尺寸機；Airbus 為早期概念測試而非確定產線導入 |
| [US] NVIDIA (NVDA) | OEM 參考設計＋賣鏟人 | 把身體＋大腦＋觸覺手整合為標準參考設計，降低 OEM 門檻、擴大 Jetson/Cosmos 用量——無論誰勝出都受惠 |
資料來源
💬 留言討論 (0)
歡迎分享你對此供應鏈／個股的看法。需以 Google 帳號登入後留言；內容僅供研究討論，非投資建議。