报告用一组对比说明风向的逆转：在应用商店出现之前，芯片与设备是绝对主角——思科、英特尔、高通曾是全球市值最高的公司；但从2000年代初到2020年代初，硬件被边缘化，占美国风投总投资不到五分之一。这一格局在2026年被打破：风投今年预计向开发物理技术的美国公司投入1200亿美元，约占全部投资的三分之一，已超过2025年全年总额并有望创历史新高。全球每五家风投机构中，就有一家把2026年投资额的至少10%投向美国硬件公司。报告把这一轮与前一轮的关键差异归结为智能——机器人第一次能够在陌生环境中以新方式泛化作业，从而把仓储、工厂与物流枢纽纳入潜在市场。作者也给出了明确的观察角度：真正决定胜负的不是技术新颖度，而是能否改善单位经济性，在开放的新市场里，能把账算过来的公司更有机会占优。

报告对AI加速器供应链做了逐层拆解。它统计了100多家主要供应商的生产地点分布，结论是仅10个国家提供了现代AI芯片几乎全部组件；台湾作为芯片生产的关键节点确实承担了焦点，但其他亚洲国家同样关键——在报告统计的100多家主要供应商中，57%来自日本。最紧的瓶颈在两处：HBM（高带宽内存）与CoWoS先进封装。超过90%的HBM被四家公司消耗，短缺还在加剧；日本制造光刻胶、HBM模具等关键部件，在某些环节接近垄断。报告特别指出HBM短缺对机器人的特殊含义：聊天机器人可以容忍的延迟，对人形机器人可能是灾难性的，因此人形机器人必须把算力带在身上，这让HBM短缺直接成为机器人产业的供应链约束。产能落地同样缓慢——台积电2020年以来宣布的亚利桑那六座晶圆厂中，三座已动工、仅一座投产。

报告提醒，算力扩张的约束正在从芯片转向电力。先进芯片制造商自2022年以来为市场新增了13吉瓦（GW）的半导体年度用电容量，其中英伟达一家占三分之二。而并网排队时间在大幅拉长：一个拟建项目获得电网接入批准的等待中位数已达到45个月，比两年前上升36%——这条约束同样适用于数据中心。报告还指出，随着边缘算力与云端推理同时扩张，它们正在争夺同一批受限的供应链；而在云端推理成本持续下降的推动下，白领岗位的AI采用正在加速。报告引用第三方测算的两个长期数字：到2030年代理式工作流将带来24倍的token消耗增长，届时37%的数据中心工作负载将用于AI推理。这两条曲线共同构成了对电力与算力的长期压力，也让推理成本成为决定商业模式能否成立的关键变量。

报告与全球最大物流与工业地产持有方Prologis的企业创新部门合作，对其约400家客户做了调研，得到的画面出乎意料地原始：83%的客户尚未自动化任何环节，大型仓库中位数有40%完全没有自动化，三分之一的企业自动化覆盖率不足其仓库网络的25%。AI采用也才刚起步，且随规模分化明显——大型供应链设施的AI采用率为46%，小型运营者只有28%，早期用例集中在报表与分析助手、文档与行政流程自动化、安全与质量监控、人力排班。报告认为，传统刚性自动化只适合吞吐量高、流程标准化的现代化设施，而多数仓库并非如此：老建筑、小场地、多变SKU、季节性峰值与层出不穷的例外，让刚性系统难以落地，而例外处理恰恰占据了不成比例的运营注意力。好消息是效果常超预期：已部署的企业反映可靠性、正常运行时间、人力节省与吞吐量普遍达到或优于预期，系统集成与峰值灵活性则差于预期。

报告对当下最热的形态泼了一盆冷水：在受访大型企业中，四分之三把人形机器人评为最被过度炒作的技术；与生成式AI助手、预测性AI相比，人形机器人的热度明显超前于当前运营价值。理由是双足系统复杂、昂贵且商业化不成熟，按累计总成本测算（含维护、软件、电力、算力，以及按机器成本3倍计的首年集成成本），人形机器人目前尚无法与多数人工拣选、包装岗位在成本上竞争。但报告并未否定长期空间：规模上去后，部分场景的投资回收期有可能缩短到一年以内，而这将解锁一个远大于固定式自动化的市场——因为可利用人类既有环境、无需为机器重建每一个设施。报告对形态保持开放：赢家可能是人形，也可能是轮式或更简单的方案，关键测试在于能否在仓储环境中同时交付足够的可靠性与回收期。资本侧的证据则指向成熟化：供应链投资的种子轮占比已从2024年的57%降至39%，C轮及以后从11%升至21%。