入局抢蛋糕2050年摩根士丹利预测全球人形机器人将达10亿台市场规模7.5万亿美元。这是美国投资银行摩根士丹利去年12月发布的经调整预测报告描绘的愿景。更激进的是马斯克曾预测2040年将达100亿台今年访谈中他认为这还是保守数字真正瓶颈是金属和供应链他觉得两年内机器人会“出现一大堆”五年内从稀缺变为充裕还称人形机器人会迎来三重指数递归式增长。另一家投行高盛2024年将人形机器人市场规模预估从此前的60亿美元提升至380亿美元上调幅度达六倍2026年乐观上限更是达到2050亿美元又翻了4倍多。面对这么大的“蛋糕”一批传统汽车零部件巨头行动起来准备将在批量制造、功能安全、可靠性工程和机电一体化领域积累的经验复制到人形机器人赛道Tier1巨头们正寻求“第二次生命”。德国舍弗勒出于对人形机器人赛道的战略性重视已签下多项合作协议加强研发并将机器人部署到自家生产体系。舍弗勒CEO克劳斯·罗森菲尔德5月初接受路透社采访时表示预计到2030年公司的人形机器人业务订单将达数亿欧元。去年11月舍弗勒与Neura合作共同研发并供应人形机器人核心零部件舍弗勒为机器人提供行星齿轮执行器计划在2035年前将数千台人形机器人投入自有工厂。今年4月舍弗勒又与瑞士Hexagon Robotics公司达成技术战略合作共同开发并量产人形机器人执行器。此外舍弗勒入股英国初创企业Humanoid未来5 - 6年计划在全球工厂至少部署1000台该企业的人形机器人推进生产自动化、提升生产效率探索人形机器人工业化大规模应用路径。另一家巨头大陆集团其科技子公司欧摩威正计划为以色列初创企业Mentee Robotics生产人形机器人。今年年初Mobileye以9亿美元收购了这家机器人初创公司。Mobileye收购Mentee后需要匹配自动驾驶级别的精密量产能力而欧摩威拥有数十年汽车精密机电、传感器、电控规模化制造经验能保障机器人关节、伺服、机身结构件一致性与耐用性。同时欧摩威也通过合作战略拓展物理AI赛道从自动驾驶延伸至人形机器人整机代工打通“车轮机器人 双足人形机器人”两条自动化产线。这是全球首个自动驾驶Tier1大厂正式切入人形机器人整机代工的合作区别于传统机器人代工厂自带车规级精密制造、全球化交付能力也印证了Mobileye“物理AI”双赛道战略自动驾驶车辆与人形机器人共用同一套感知、算力、制造体系形成技术与产能复用。博世也在2026年柏林互联世界大会上明确进军具身智能提供传感器、电驱动等核心软硬件今年1月还宣布与机器人公司Neura Robotics合作供应零部件。法雷奥、采埃孚等分别将车载感知系统和底盘控制技术复用至机器人领域。在芯片与核心部件层面英伟达和三星正积极将自己定位为人形机器人关键芯片的供应商。可见整个汽车零部件行业都在默默为未来做准备。“近水楼台先得月”人形机器人与如今的汽车在技术架构上高度相似智能汽车和人形机器人底层技术高度同源核心逻辑均是通过智能理解时间与空间结合控制技术完成移动、操作两大核心任务。业内人士称“车企约70%的技术储备可直接复用于机器人领域”。机器人的核心部件在汽车供应链里大多能找到“远房亲戚”有些可直接复用如电机电控、热管理核心原理和工艺路径几乎一致执行器总成、域控制器则需重新设计虽底层逻辑相通但体积、精度、控制频率要求不同。转型较快的例子是热管理龙头三花智控作为特斯拉Optimus的核心一级供应商原来的汽车业务是汽车热管理系统现在的机器人业务是仿生机器人机电执行器。其转型路径是从最擅长的阀件出发先解决关节散热再延伸到执行器集成有一条“制冷阀件→汽车热管理阀件→旋转关节液冷散热→旋转执行器总成→线性执行器 灵巧手”的路径。埃森哲全球机器人创新负责人克里斯蒂安·苏什指出汽车零部件制造企业具备得天独厚的优势包括大批量制造高精尖产品的成熟经验能完美匹配人形机器人厂商对执行器、电机、关节等核心部件的大规模采购需求。跟舍弗勒合作的越南Vingroup集团旗下机器人子公司VinDynamics首席技术官阮光荣表示“新能源汽车与人形机器人拥有大量相通的机电系统二者都搭载电机、电力电子器件、嵌入式控制系统、传感器与车载计算平台”。随着人形机器人行业逐步成熟实现低成本、稳定的大批量量产愈发关键。舍弗勒负责提供人形机器人配套的行星齿轮箱与执行器技术双方联合开展产品研发、测试与性能优化VinDynamics能少走很多弯路。阮光荣认为“汽车供应商早已掌握供应链优化、质量管控、产线自动化与成本管控能力这些经验有着极高的价值。汽车零部件企业通过这类合作可以提前吃透行业技术门槛快速验证技术方案加快研发进度”。能力树上长出新枝高德纳研究副总裁佩德罗·帕切科认为汽车零部件企业迎来了人形机器人机遇但想拿到可观利润并不容易。众多零部件厂商在金属构件、铝合金结构、线束集成、量产工艺上积累的技术可复用在机器人制造领域。然而目前行业最大痛点是人形机器人价值最高的环节即硬件平台与软件系统始终掌握在机器人企业手中零部件厂商易陷入只生产实体零部件、高附加值技术被其他企业垄断的局面。帕切科表示“利润越来越集中在软硬一体化方案而非实体零部件。零部件厂商最终可能只能生产标准化通用件还要和来自中国及其他地区的低成本厂商展开激烈竞争”。毕竟人形机器人对软硬件融合度的要求远高于传统汽车零部件。传统零部件企业只有实现AI与实体硬件的深度融合执行器硬件才能支撑人形机器人完成复杂动作即要完成从部件制造商到“AI 硬件”软硬一体化服务商的转变。以舍弗勒为例其优势集中在精密传动、轴承、车规级量产、机电硬件制造但转型具身智能存在硬件技术、软件算法、人才组织、产业生态、商业模式、成本量产、落地场景等结构性壁垒。硬件方面不说软件算法上其传统的Tier1纯机械基因缺失具身智能“大脑”能力。舍弗勒核心团队以机械、材料、工艺工程师为主感知、机器人控制、具身大模型、世界模型全链条薄弱这是转型最大短板。底层控制方面机器人运动控制栈舍弗勒是空白的没有成熟的ROS2、机器人实时控制中间件团队自研周期长外购方案存在软硬件适配割裂。中层感知方面模态视觉 - 触觉融合能力舍弗勒缺失具身智能需要视觉 深度相机 全身触觉 力觉多模态融合舍弗勒现有的车载视觉算法无法迁移。顶层更是完全零基础具身大模型、世界模型都得新建要么外部合作或收购这样技术主导权就没有。具身智能依赖NVIDIA Isaac Sim等平台做大规模预训练再通过Sim - to - Real迁移到真机。舍弗勒现有的数字孪生模型仅用于产线设备不支持柔性机器人动力学、随机场景生成所以算力中心、仿真工具链需要重资产投入从零搭建。还有数据闭环问题。舍弗勒策略是“自产自用”计划7年内采购千台Hexagon人形机器人部署全球工厂做训练场。但真机采集成本极高、迭代慢单一场景百万次操作才能收敛模型。同时工厂生产任务不能中断机器人试错会干扰产线节拍落地约束极强。另外机器人企业又不会开放自身动作数据舍弗勒作为零部件供应商很难共享整机级场景数据只能靠自有工厂缓慢积累迭代速度远慢于机器人自研企业。人才与组织方面舍弗勒这种传统德企架构不太适应AI机器人快速迭代企业组织流程僵化、跨部门协同壁垒等都是拦路虎。造机器人还有成本与量产问题即盈亏平衡点问题。这种长回报周期资本投入压力非常大。舍弗勒太仓10亿投资的具身智能工厂、全球算力中心、仿真平台、机器人采购、AI团队搭建等都是持续重资产投入而人形机器人商业化大规模落地至少2030年后短期无法贡献正向现金流拖累集团整体利润。简单来说传统汽车Tier1巨头“长周期、标准化、大批量”的经营逻辑和具身智能“短迭代、无统一标准、小批量、软硬一体化”的底层逻辑完全相反。所以对于众多跃跃欲试的汽车零部件供应商而言人形机器人赛道可能“看上去很美”但绝非一蹴而就的捷径这是一场需要系统性重构的长跑能否成功除抓住风口外关键还在于自我革命是否彻底。