摩根大通于2026年11月1日发布了关于物理人工智能发展情况的更新报告，并将汽车制造业置于物理人工智能和人形机器人的第一批大规模应用场景之中。按照报告的说法来看，汽车产业的价值不只在于制造汽车本身：传感器、计算平台、工厂和供应链都已经准备好了，不需要重新培养市场的人形机器人也可以直接接入现有的生产能力中去。摩根大通公司在报告中把主要讨论的内容集中在了部署的时间表上面——关注的重点由销售量和毛利率转为对机器人真正投入使用的速度进行考察。

特斯拉给出的是最为直接的答案。2026年10月22日，在弗里蒙特工厂的一条大批量生产的产线上面开始制造出Optimus人形机器人；10月26日，第一批达到量产条件的Optimus开始下线生产，该生产线大部分生产设备都已经安装完毕。在接下来的一年内里，公司的内部生产指导值只有1万到2万台之间，而外销工业客户的交货目标大约是在2027年年底之前完成。马斯克说爬坡很慢而且颠簸，在约一万个必须要做到的事情中受到限制——扩张发生在汽车系统之内，并没有另起炉灶。

家里有位长辈，在整车厂工作了大半个世纪，这两年他总是说不想要被机器取代的工作，而更希望自己的徒弟能够学会这门手艺，并且愿意去学习。产业侧动作和它对应起来：丰田将在2028年开始每年平均投入大约64.2亿美金来改造工厂，在全球部署40万台机器人（含15万台本体+25万台集团内）。物流端正在做Agility Digit的测试；宝马公司在Landshut建立了一个“物理AI软件栈”项目，并且在Leipzig、Spartanburg等地进行试点；奔驰和Apptronik把装配线上的现实落地窗口定在了2030-2035年间。这样高的投入强度更像是一种为工艺能力寻找承载平台的行为，并不是单纯的增加生产设备。

把这件事情看作是降低成本、增加利润的好事，并不是没有道理：在工业场景下，每个小时的运营成本要降到十几美元左右，在这个范围内的人力成本大约为三十美元，所以从经济角度考虑的话，还是有道理的。但是另外一组数据却使人们保持着冷静的态度——目前大约需要两台机器代替一名工人，到2030年有望达到1.2～1.3台的比例，只有当数量趋于稳定、维护费用降低之后，成本上的优势才会显现出来。如果仅仅考虑降低成本的话，那么进度可以再等等几年；此时所处的投入强度，更加合理地解释为对冲老龄化所带来的熟练工人断层的成本账等等不起。

资金流动也提供了一个另外的支持证据。运动部件约占人形机器人的BOM大约五成左右，在汽车Tier 1中属于主场：舍弗勒太仓“灯塔工厂”，面积约为7500平方米，3Q26新增两大中国客户。舍弗勒全球人形订单储备升至约4亿欧元，目标是用汽车级制造把组件成本压降约30%第二代Roadster主动尾翼驱动所使用的也是和Optimus共享的一套执行器系统。零部件厂手上有汽车和机器人两种订单簿，在市场上就开始出现同一批资产被分别计算的情况。

中国的情况更加严重。2026年上半年我国人形机器人整机产品突破400款，产量超4万台，工信部预测今年全年的产量将会超过十万台。小鹏IRON拥有76个自由度，单手具备21–22个自由度，计划于2026年底量产、1H27交付、2H27进欧洲。而小鹏自己生产的生产线已经达到了80%以上的自动化程度。汽车企业去做机器人的并不是跨界尝试，而是把现有的生产线和供应链换成一个新的输出对象。

所有的验证节点都会在未来的两年之内出现：AI5芯片计划于2027年四月份被引入到Optimus中去，它的计算能力比上一代的AI4提高了大约十倍左右；马斯克认为到2027年年底的时候，Optimus的设计、可靠性和使用年限等各方面的问题才会基本上得到解决；宇树科技王兴兴判断物理AI很可能在最近1-2年或者2-3年被击穿估值锚是否会真的把目光从汽车销量转到机器人的订单上，这就需要我们一一解答了。