高盛評"春晚機器人"：硬件顯著進(jìn)步，推動應(yīng)用普及，未來關(guān)鍵是底層AI

高盛表示，2026年央視春晚人形機器人表演標(biāo)志著中國機器人硬件工程取得顯著進(jìn)步，但真實AI能力仍待檢驗。

據(jù)追風(fēng)交易臺消息，高盛在2月21日發(fā)布的最新研報中表示，馬年春晚成為中國人形機器人技術(shù)的重要展示平臺，宇樹（Unitree）、諾特力（Noetrix）、Magic Lab和Galbot等民營企業(yè)的機器人表演展現(xiàn)了硬件和全身控制的重大進(jìn)步。然而，高度編排的表演難以充分評估其底層AI能力。

高盛維持2026年全球人形機器人出貨量5.1萬臺、2027年7.6萬臺的預(yù)測，較2025年的1.5-2萬臺實現(xiàn)數(shù)倍增長。短期內(nèi)相關(guān)供應(yīng)鏈股票可能受益，但投資者需警惕一季度業(yè)績壓力和原材料成本上漲風(fēng)險。長期來看，AI通用能力的發(fā)展速度將決定行業(yè)上行空間，"世界模型"技術(shù)路徑值得重點關(guān)注。

春晚舞臺：硬件能力的集中展示

高盛認(rèn)為，馬年春晚是中國機器人能力的集中展示。

宇樹的機器人展示了多機協(xié)調(diào)和同步動作，具備流暢的運動能力和動態(tài)平衡，多個場景中展現(xiàn)了類似人類敏捷性的故障恢復(fù)能力。Magic Lab和Galbot的機器人呈現(xiàn)了令人印象深刻的靈巧性，能夠精確執(zhí)行復(fù)雜操作。諾特力則強調(diào)了其仿生機器人與人類的無縫協(xié)作和富有表現(xiàn)力的動作。

分析師Jacqueline Du指出，這些機器人在高難度編排中展現(xiàn)的協(xié)調(diào)性和穩(wěn)定性，證明了執(zhí)行器技術(shù)、傳感器集成和先進(jìn)控制算法的快速改進(jìn)。

然而，春晚表演通常是預(yù)先編程和精心排練的，旨在展示機器人在受控條件下的最大潛力，往往依賴預(yù)定義軌跡和反應(yīng)行為，而非在不可預(yù)測環(huán)境中的實時自主決策。因此，雖然物理執(zhí)行完美無瑕，但其認(rèn)知智能、適應(yīng)能力以及在非結(jié)構(gòu)化環(huán)境中獨立學(xué)習(xí)和操作的真實能力尚不明確。

春晚效應(yīng)推動社會認(rèn)知與應(yīng)用拓展

盡管AI能力存疑，高盛認(rèn)為春晚的巨大收視率提供了提升社會認(rèn)知和拓寬公眾對人形機器人理解的寶貴機會。對許多人來說，這可能是他們第一次近距離接觸如此先進(jìn)的機器，有助于揭開技術(shù)神秘面紗，并可能緩解對機器人的焦慮。

高盛表示，通過在娛樂和引人入勝的背景下展示人形機器人，春晚有助于培養(yǎng)更積極的認(rèn)知和對這些技術(shù)的接受度。這種可見度的提升對于將潛在應(yīng)用拓展到傳統(tǒng)工業(yè)環(huán)境之外至關(guān)重要。隨著公眾對人形機器人更加熟悉和接受，將為其融入服務(wù)業(yè)、娛樂、教育甚至個人輔助領(lǐng)域打開大門。

高盛集團 資料圖

高盛預(yù)測，2026年和2027年全球人形機器人出貨量將分別達(dá)到5.1萬臺和7.6萬臺，較2025年的1.5萬至2萬臺實現(xiàn)數(shù)倍增長。

這一增長主要由專用商業(yè)部署推動，例如公共場所的安保巡邏和客戶服務(wù)（如酒店、銀行、博物館、展覽中心、汽車經(jīng)銷商和超市），這些應(yīng)用有效利用了現(xiàn)有的任務(wù)規(guī)劃、移動性和交互能力，同時規(guī)避了高度靈巧操作的復(fù)雜性。

長期關(guān)鍵：AI通用能力與"世界模型"

高盛預(yù)計，市場可能在未來幾個交易日對主要人形機器人供應(yīng)鏈股票做出積極反應(yīng)，預(yù)期未來幾年將出現(xiàn)應(yīng)用激增。

然而，高盛提醒投資者需要謹(jǐn)慎，因為2026年一季度業(yè)績（將于3-4月公布）對于重度依賴中國電動汽車市場的機器人產(chǎn)業(yè)鏈股票可能具有挑戰(zhàn)性。

此外，原材料成本通脹，特別是銅、銀、金和存儲芯片，對近期利潤率趨勢構(gòu)成潛在風(fēng)險。投資者在追逐熱點的同時，需要充分考慮這些基本面壓力。

高盛強調(diào)，長期來看，AI通用能力的發(fā)展速度將至關(guān)重要，這由有效的數(shù)據(jù)和模型策略驅(qū)動，將決定相對于其2035年138萬臺基準(zhǔn)預(yù)期的潛在上行空間。

高盛特別關(guān)注"世界模型"方法，這涉及環(huán)境的內(nèi)部學(xué)習(xí)表示或模擬。這使得AI代理能夠理解世界如何運作，預(yù)測未來狀態(tài)，并在無需持續(xù)物理交互的情況下規(guī)劃行動。這種模型使機器人能夠推理因果關(guān)系，為潛在更通用、更有能力和更安全的機器鋪平道路。