大摩：人形機器人 2050 年市場估逾 5 兆美元
Celine
摩根士丹利（Morgan Stanley）預估，全球人形機器人市場規模到 2050 年有望突破 5 兆美元，龐大商機引發產業高度關注。不過，隨著機器人技術與實際應用持續演進，工程界也開始重新思考：機器人若要接手人類工作，是否真的需要具備人類外型？
從產業投資角度來看，企業導入機器人的核心考量並非外觀，而是能否提升效率、降低成本並創造明確的投資報酬率（ROI）。因此，除了人形機器人，結合視覺、操作、感測及自主決策能力的輪式、模組化與專用型機器人，也可能成為未來自動化市場的重要發展方向。
人形設計具備環境優勢 但硬體複雜度與成本不容忽視
人形機器人受到關注，部分原因來自電影、文學等大眾文化長期塑造的想像。不過，從工程角度來看，人體確實提供一套可供參考的設計架構，尤其在人類工作與生活的既有環境中，雙手、雙腳及身體高度都具有一定實用性。
2026 年 1 月，波士頓動力（Boston Dynamics）公開新一代人形機器人 Atlas，具備 56 個自由度、全旋轉關節、2.28 公尺作業範圍，以及最高可舉起 49.9 公斤的能力，展現人形機器人在機構設計與動作控制上的進展。
然而，要複製人體的運動能力，必須處理雙足平衡、關節協調及多組致動器控制等複雜問題，進一步增加硬體、維護及持續研發成本。對企業而言，若人形設計無法帶來足夠的生產效率或成本優勢，導入效益仍有待驗證。
因此，機器人真正需要的可能不是完整複製人類外型，而是具備人類的關鍵能力，例如靈巧的物體操作、視覺辨識、空間感知及自主決策，再依照工作需求選擇最適合的機體形式。
Physical AI 推進機器人自主化 視覺語言模型成關鍵技術
機器人要真正接手人類工作，必須具備類似人類的智慧、身體控制能力，以及透過實際操作不斷學習的機制。過去十年，馬達、致動器、感測器與機器視覺技術持續進步，讓機器人在動作精度、能源效率及環境辨識方面都有所提升。
其中，Physical AI（實體 AI）正成為機器人產業的重要技術方向。機器人不再只是依照預先設定的程式執行指令，而是透過 AI 模型理解環境、判斷情境，並即時調整行動。
機器人基礎模型（Robotics Foundation Models）透過大量資料訓練，可望應用於不同任務及機器人平台；其中，視覺－語言－動作（VLA）模型能同時處理影像觀察與語言指令，進一步轉換成機器人的動作或控制命令。
不過，VLA 模型能否在不同工作、環境及機器人平台之間穩定泛化，仍是產業面臨的挑戰。實際應用資料不足、模型可靠性及異常情境處理能力，都將影響通用型機器人的商業化進程。
模組化設計降低成本 手臂、感測器不必照搬人體
在機器人設計上，工程師可以選擇性導入人類能力，而不必完整複製人體結構。例如，視覺系統可負責物體辨識與深度感測，手臂則用於搬運及操作物品，但不一定需要一隻能處理所有工作的仿生手。
機器手掌要同時抓取大型包裝、精細零件及易碎物品，技術難度相當高。相較之下，依照工作需求更換末端執行器（End Effector），例如針對易碎物品、重型物件或特殊形狀設計不同工具，可能更符合產業效率與成本考量。
機器人的高度及感測器配置也不必完全比照人體。若工作需要伸手拿取高處物品，可以透過可伸縮的長臂或機身結構達成，不一定需要完整的人形身高；攝影機也可安裝在手腕或末端工具附近，而非固定於頭部。
這種模組化思維，讓機器人能依照不同場景調整功能，也有助降低不必要的機構複雜度。
輪式機器人效率更高 雙足設計未必適合所有場域
移動方式是人形機器人與專用型機器人的另一項重要差異。雙足行走有助於通過不平整地形及部分人類設計的環境，但必須依靠多組關節、馬達、軸承、線路與控制系統維持平衡，結構相對複雜。
輪式機器人則通常具備較簡單的傳動機構，能降低重量、能源消耗及維護需求。在倉儲、醫院及餐飲等需要大量搬運的場景，輪式設計可能更具成本與效率優勢。
例如，Apptronik 的 Apollo 2 支援雙足及輪式配置，可依應用場景調整；輪式版本適合倉儲等高吞吐量環境，也能在醫院及餐廳內運送設備與物品。
這反映出機器人的移動能力不必侷限於雙腳，企業應依照地形、載重、速度及作業頻率，選擇最符合需求的移動架構。
專用型機器人先落地 倉儲、醫療已展現應用價值
在通用型人形機器人尚未全面成熟之前，針對特定工作設計的專用型機器人，可能更容易率先實現商業化。企業與其採用一台能執行多種任務、但速度或效率未必理想的通用機器人，不如依照工作需求部署專用設備。
例如，Locus Robotics 透過大量輪式倉儲機器人組成群體系統，協助改善倉庫自動化及環境辨識能力；PAL Robotics 的 TIAGo 則採用輪式底座，搭配可調整高度的機身、攝影機及選配機械手臂，能依照不同任務調整配置。
醫療場域也有類似應用。Diligent Robotics 推出的 Moxi，可協助醫院運送藥品及實驗室檢體，減輕醫護人員的非臨床工作負擔，讓人力更集中於病患照護。
至於需要進入危險或不適合人類作業環境的場景，波士頓動力的四足機器人 Spot 則能執行巡檢及環境探查；同一家公司也持續發展雙足人形機器人 Atlas，顯示不同機體形式可依照應用需求並存。
人形機器人不是唯一答案 未來走向多元機體與協作
整體而言，人形機器人不會因此失去發展空間，但現階段受到的高度關注，可能超前於部分實際應用的成熟程度。短期內，針對倉儲、醫療、清潔及工業生產等不同場景打造的專用型機器人，仍有機會率先取得明確的商業投資報酬。
隨著 Physical AI 持續進步，機器人未來可能朝向更多元的外型、尺寸及功能組合發展，並逐步從單一任務設備，擴大為具備跨場景能力的通用平台。
2026 年倫敦舉行的 Humanoid Summit 中，Google DeepMind 研究人員尼古拉斯・希斯（Nicolas Heess）也預期，未來將出現各種不同形狀與尺寸的機器人。
對產業而言，真正重要的並非機器人是否長得像人，而是能否以最合適的設計完成工作。當企業開始以實際效益而非外型決定採購方向，機器人市場的競爭也將從人形外觀，進一步延伸至 AI 能力、硬體整合、能源效率與場景應用。
