人形機器人發展前景與應用案例
- 撰文者:
- 2025/11/30 瀏覽數:223
一、人形機器人市場與推動力
近期全球機器人話題不斷,市場以驚人的速度持續成長。依據調研機構的估計,目前全球機器人市場規模約在300億美元至500億美元之間*1-3,並以年複合成長率(CAGR)約15%至20%的速度成長,預計於10年後將成長至大約2000億美元的規模。
市場上主要將機器人分類為工業型機器人與服務型機器人,工業型機器人CAGR預估介於 9% 至 16% 之間*4-7,而服務型機器人則預期有 15% 至 20% 的成長*8、9,其中,移動型機器人被歸類為服務型機器人,其成長預估與整體服務型機器人相近*10,然而,產業對於人形機器人(Humanoid Robots)的期待卻不止於此。
權威機構預測人形機器人在技術進步與企業投入下蓄勢待發,未來數年將呈現爆炸性成長趨勢。例如Markets and Markets 報告指出全球人形機器人市場將從 2025 年的29.2億美元成長至2030年的152.6億美元,相當於 39.2% 的年增長率*11,Global Information(GII)則預期CAGR將在45%上下*12,The Business Research Company 更估計市場規模將以約 52% 的高速成長*13,顯見產業界對人形機器人市場前景相當樂觀。
業界對人形機器人市場前景樂觀的原因主要分為兩大部分:(1) 顯而易見的市場需求,(2) 技術發展配合量產能力。市場需求層面,起因於勞動人口老化、新生兒不足所造成的人力短缺,是許多國家正面臨的結構性問題。該問題在照護和製造業領域尤其嚴重,因此在人形機器人的應用領域方面,可以將高齡化社會導致的照護需求(可用於陪伴、復健輔助等)視為最主要的市場白地,其次是媒體娛樂(可用於演員、導覽、表演、教育與顧客服務等)與工業自動化(可用於勝任過去由人力執行的重複性任務)場景*11、14。
另一方面從技術與量產角度出發,優分析於產業研究報告中指出,除解決全球勞動力短缺的問題外,AI技術進步與開發商規模化量產能力也是人形機器人市場推升的主要動力*15。人工智慧如機器學習(ML)、自然語言處理 (NLP)、電腦視覺 (CV)等技術的飛躍,除了使人形機器人能更精準感知環境、自主決策並執行複雜任務外,大型語言模型(LLM)整合進機器人系統可以增強機器人智能和人機互動能力,使其適應醫療照護、教育培訓、製造作業等不同工作場景。
因此在人形機器人的發展上,除了輝達提供的硬體、軟體和開發平台佔據關鍵地位外,中游開發商對性能(對應應用場景)與成本(技術、零組件)的掌握,將直接決定下游終端需求的成長趨勢以及上游零組件廠的成長潛力*15。零組件因為有著較高的成本比重,直接影響了人形機器人的單體成本,而如何在終端應用場景中達到所需的性能,則影響終端消費規模的大小。以目前發展現況而言,一旦取得市場接受度並突破小批試製瓶頸,將與大廠投入的豐沛資金與技術資源一同帶動產業鏈快速成長。
然而在此之前,我們需要先釐清:為何「人形」會成為一個主要議題?
二、人形機器人優勢與供應鏈
機器人的發展趨勢從傳統工業型與移動型走向人形的理由眾說紛紜,除了浪漫與情懷之外,DIGITIMES研究中心白心瀞分析師認為近似人類的雙手、雙腳具有關鍵作用,靈巧的手指勝過傳統機器人的夾爪或吸嘴,雙腳比起輪子更能跨越及避開障礙物在狹窄的空間中移動自如;Figure AI 創辦人兼執行長Brett Adcock認為人形可以媲美人類的雙手協調能力,自主地執行各種複雜任務;女媧創造張智傑營運長則認為身處為人打造的環境中,模擬人所做的事情是主要優勢*16、17。
我們不妨結合情境與技術發展,將上述觀點綜整簡化為「人形機器人結合AI使大量原本專門為人類設計的場景快速被學習,人因參數的蒐集與訓練成本有望降到最低」(以下簡稱「人因應用」)。
「人因應用」的願景,是不須為了配合機器人而大幅改造場地,也不必重新訓練 AI 去適應環境,但在成本尚未大幅下降之前,仍有許多瓶頸有待突破,可以分別從上、中、下游看出*15:
- 上游(原材料和核心零組件)
機器人所需的高階零組件包含各類感測器、致動器、處理器和材料。例如感知環境需要光學雷達(LiDAR)、立體相機,決策運算需要AI晶片,雙足平衡需要高扭矩密度馬達、減速器等。高階市場目前由歐美日廠商主導,中低階則以中國廠商為主,臺灣在機器人相關零組件也具備一定實力(如工業電腦、馬達、感測器模組等)但尚未形成規模化出貨,多以中小批量供應特殊零組件為主。在此階段能提供高性能且價格可負擔的零件,將有望在市場中勝出。
- 中游(人形機器人開發商/製造商)
位居產業鏈的核心樞紐,包含研發整機的人形機器人企業和科技巨頭。目前全球主要開發商新創與大廠並進,以美國和中國居多。此階段如何以較低成本造出高性能機器人,並實現規模量產是主要挑戰,將決定下游市場需求能否真正被激發。目前臺灣尚未出現專注人形機器人的主流開發商,但許多ICT廠商具備協作機器人、服務機器人研發經驗和系統集成能力,未來有機會透過與國際團隊合作或提供關鍵模組來切入市場。
- 下游(終端應用與服務)
涵蓋人形機器人的最終使用場域和解決方案,可按照場域分為工業市場和民用市場兩大塊。工業市場目前是人形機器人最先落地的場域,民用市場則包括家庭服務、娛樂導覽、醫療陪伴等。下游重點在於結合硬體與配套的軟體,甚至如AI更新、維護保養等持續服務,提供垂直整合解決方案。臺灣在特定場域導入與系統整合上具有豐富經驗,工廠智慧化、醫院自動化、智慧家庭等場景皆已有實際案例,引進國外產品進行二次開發也不失為區隔出華人市場的具體利基做法。
綜上所述,臺灣在面對新興的人形機器人熱潮中既有機遇也有挑戰。臺灣擁有完整的資通訊和機電產業基礎是基本優勢,在電腦視覺等感知層面具備相當良好的基礎,政府產業政策如「智慧機器人產業推動方案」*18也提供良好的研發補助與測試場域。從關鍵模組供應商與在地系統整合者的角色切入,是一種可以考慮的策略做法,可專注於特定垂直場景的解決方案。
但是另一方面,臺灣在規模量產和整機研發上相對欠缺經驗,對於動作控制的發展上也難以與美國抗衡。在關鍵的中游環節,因研發門檻高、資金投入大,國內要獨力承擔完整的人形機器人產品線研發,機會並不大。在此情況下,與國際大廠合作共同開發子系統(如手部機構、力回饋裝置等),並藉由建立旗艦應用案例來證明自身技術,將是主要機會。因此,參考現有國際應用案例的發展,不失為一個可借鏡的方向。
三、人形機器人特色案例與「人因應用」
人形機器人的出現融合了工業機器人(多指固定式或機械臂型的自動化設備,廣泛應用於工廠產線上執行焊接、裝配、搬運等單調重複工作,特點是精度高、速度快,但活動範圍有限)的操作能力與移動機器人(多指在空間中具備移動能力的單體,例如常用於倉儲物流自動導引車 AGV 與自主移動機器人AMR、用於巡檢和救災的仿生四足機器人,或投遞貨物的無人機)的自主移動能力,加速了「人因應用」的想像與嘗試,將發展階段從執行單一工作的「專家型」演進到多工處理的「通用型」。
從傳統機器人向人形機器人發展最清晰的案例莫過於以四足機器人聞名的波士頓動力(Boston Dynamics),該公司開發之狗型機器人Spot協助米其林南卡羅來納州列克星敦的工廠進行「異常檢測」,憑藉先進的傳感器巡邏檢查,檢測到可能被忽視的漏氣情況或是過熱的電機*19。機器人周邊安全解決方案領導者 Asylon Robotics更結合Spot 與 DroneDog™ 系統執行超過 10 萬次遠端檢查和人工驗證任務*20。而曾經展現高動態平衡和敏捷度的人形機器人Atlas更於今(2025年)開始在現代汽車集團(Hyundai Motor Group)工廠內試用,負責辨識並搬運特定零件至指定位置*21。
人形機器人與傳統機器人最先落地的場域以工業為主,而汽車產業則是前者最主要的試驗場域。伊隆·馬斯克(Elon Musk)於2021年宣布開發之Optimus在經歷多次迭代後,已開始在自家工廠內嘗試充當產線助理,執行物料搬運、電池測試等任務*22-24。以全自動駕駛(FSD)晶片為大腦、結合 2D 攝影機視覺、手部觸覺與力覺傳感器等模組,Optimus有望為製造業自動化樹立標竿。
試驗證實人形機器人確實能夠勝任工廠中需要精細度和勞力的任務,減輕工人負擔。BMW位於美國南卡羅來納州斯帕坦堡的工廠實測美國新創 Figure的Figure 02,除了能將自然語言指令轉化為實際動作之外,機器人在廠區內自由行走,拾取並插入鈑金零件至定位夾具,協助汽車底盤組裝,展現出媲美人類雙手的協調精度*25;賓士(Mercedes-Benz)則與美國新創 Apptronik在德國柏林工廠中試運行人形機器人 Apollo,扮演物料員與質檢員,負責物流、品管等產線上的重複性工作,並藉由自動充電減少人工監督,逐步實現智慧工廠*26、27。
上述案例顯示,工業製造是最適合人形機器人試驗的場域,原因在於工廠環境相對可控並且存在大量重複繁重工作,非常適合以機器人進行人力替代或輔助。然而在執行單一工作的「專家型」演進到多工處理的「通用型」趨勢下,服務應用場景也開始往家庭場景、日常生活領域延伸,不可否認,解決高齡照護與人力短缺帶來的需求,才是現階段最主要的目標,而我們可以透過案例觀察了解目前的發展現狀。
挪威新創1X Technologies於2023年取得OpenAI 的投資,首款機器人EVE已經利用雙輪設計在工廠中執行巡邏任務*28,並且在挪威Sunnaas醫院的「HIRO醫療保健人機互動」計畫中,進行移動設備、拿取物品、幫助病人活動等協助醫護人員之任務*29。新一代專為日常家庭所需的人形機器人Neo Gamma則可執行如煮咖啡、洗衣服、擦桌子等任務,有別於定位在商業應用上的其他廠牌*30。
波士頓動力當然也不會放棄進入家用日常市場,結合Meta的AI應用,雖然仍有所不足,但已經開始測試清理碗盤和玩具等家務瑣事*31。另一方面,Figure 02得益於其專有AI系統Helix的快速發展,也預期在今年啟動家庭環境中的測試*32。綜上所述,人形機器人除了進入生活外,還可能延伸至更多新興場景:例如公共服務(警衛巡邏、環境清潔)、醫療輔助(手術助手、病患轉移)、甚至娛樂產業(主題樂園演出、個性化導覽)等,其經濟和社會影響可能媲美個人電腦或智慧型手機革命,在人類生活的環境中,成為「下一代泛用性科技」。
四、討論與建議
還記得號稱是全球第一台能讀懂人類情緒的服務機器人Pepper嗎?這款由日本電信大廠軟銀(Softbank)構思設計、鴻海代工製造的情感機器人因為無法提供充分的情緒價值而被嘲諷為「一場騙局」*33,並且已經宣布停止銷售*34。技術不成熟導致體驗不佳、應用場景不符實際需求是兩大主因,然而這兩項瓶頸正因為結合AI而逐漸消失,創造了機器人產業的第二春。
2024年生成式AI的快速發展破除了障礙,讓情境從「自動化」跨向「自主化」,從「機器人猜測使用者需求」走向「不需指令就能快速判斷應變」,跨越原先在開放場景與多元任務的應用障礙。機器人正在從較為固定的工廠場域轉進較為複雜的家庭與生活場域,從執行重複作業的「專家型」進化為多工處理的「通用型」,然而在人工智慧快速演進與應用結合的趨勢下,未來在特定領域與場域取代經驗豐富的菁英,成為「領域專家型」並執行大量複雜而專業的任務,或許已經不再是夢想。
從專家型到通用型,甚至是對於領域專家型機器人的期待,我們發現「人因應用」的理念橫亙其中,在人的環境中運作、蒐集人的參數、訓練得更像人,並與人共同協作,完成原本由人執行的各項任務。這除了在機器人產業發展上具備一定影響力之外,也直接或間接地影響了應用場域與管理思維。
例如在製造業應用上,亞馬遜(Amazon)認為企業要以解決人的問題為導向,倉庫員工利用「機器人科技背心」溝通機器人進行合作,降低人力負擔*35,亞馬遜並與波士頓動力(Boston Dynamics)實測四足機器人 Spot 的巡檢任務,除了證實在特定產業領域執行複雜任務的可行性外*36,也進一步衍生出後續於極端環境(高溫、高壓、高熱)取代人類執行工作的可能。
再進一步跨入生活領域,馬偕紀念醫院利用輝達(NVIDIA)系統研發能理解語音指令、支援自然語言對話並執行檢體運送的機器人,在急診空間中進行測試,希望科技與臨床經驗結合,以減輕臨床人員的工作壓力與負擔*37。因此對於在特定場域服務及互動的「服務型機器人」而言,除了在高齡照護、公共服務、醫療輔助等場景能有進一步想像之外,更能結合大語言模型(LLM)後提供理解、互動、反饋等Pepper曾經一度缺乏的情緒價值,將應用潛力延伸到教育、諮商、娛樂等心理層面。
因此我們可以看出,「人形機器人從開發到應用上,均以人為本」將會是未來發展的重要核心,對於參與機器人產業供應鏈的業界先進而言,除了可參考本文第二章的整理與分析外,也可在啟動軟硬體研發專案前,先導入「設計思考」理念,將最終應用場景中的人因條件與需求納入考量,作為規格與服務轉化的依據。
【註】
- Statista. (2025). Robotics – Worldwide.
- Future Market Insights. (2025). Robotics Market Trends - Industry Growth & Forecast 2025 to 2035.
- Global Market Insights. (2025). Robot Market Size.
- Markets and Markets. (2025). Future of Robotics Markets.
- Statzon. (2024). Industrial Robot Market Size (2023-2033): 15.2% CAGR Growth Analysis & Key Players.
- Straits Research. (2025). Industrial Robots Market Size.
- Market.Us. (2024). Global Industrial Robotics Market.
- Global Information. (2025). Service Robotics.
- Markets and Markets. (2024). Service Robotics Market Size.
- Allied Market Research. (2024). Mobile Robotics Market Research.
- Markets and Markets. (2025). Humanoid Robot Market Size.
- Global Information. (2025). Humanoids - Market Share Analysis.
- The Business Research Company. (2025). Humanoid Robot Global Market Report 2025.
- Fortune Business Insights. (2025). Humanoid Robots Market Size.
- 優分析產業數據中心. (2025). 如何解讀人形機器人產業供應鏈?
- 孫嘉君. (2025). 輝達助攻人形機器人進展!機器人紅什麼?機器人概念股有哪些?
- 趙駿宏. (2024). BMW人形機器人進軍生產線 未來工廠再進化.
- 教育科學文化處. (2025). AI新科技-智慧機器人計畫.
- Joshua Falcon. (2024). Boston Dynamics’ Spot robot boosts Michelin’s production.
- Ryan Hodgens. (2024). Asylon Robotics Passes 100,000 Missions Completed With Boston Dynamics Spot Robots.
- Fay Pu. (2025). 現代汽車工廠試用波士頓動力 Atlas,重新定義工業機器人.
- 曲姵蓉. (2024). 特斯拉Optimus 2機器人測試電池和任務執行.
- TESLAGURU. (2024). 特斯拉Optimus秀徒手接球!Neuralink腦機接口能以意念控制仿生手臂.
- Arthur Rafié. (2024). Optimus, le robot humanoïde de Tesla, impressionne avec sa nouvelle main.
- Weedman. (2024). 員工要失業了|不只特斯拉 《BMW》也開始測試機器人在工廠運作.
- Bear. (2025). Mercedes-Benz使用AI和人形機器人加速其生產網路的轉型.
- 林鼎智. (2025). 賓士將機器人投入德國柏林工廠!可自行充電、負責廠內物流&品管.
- Eric Tsai. (2024). OpenAI 投資的「人形機器人」新創 1X 將開發新一代機器人.
- 張哲豪. (2024). 照護機器人的發展趨勢:人工智慧與人性化設計的融合.
- 科技產業資訊室. (2025). 新創公司設計出家庭人形機器人雛型,AI扮演關鍵性角色.
- 廖紹伶. (2025). 波士頓動力加上 Meta AI,更聰明的家用機器人要來了?
- 科技產業資訊室. (2025). Figure AI也想進入家庭人形機器人市場,Alpha測試即將展開.
- 林士蕙. (2021). 軟銀機器人「失業」是因疫情,或Pepper根本是場騙局?
- 科技產業資訊室. (2021). 軟銀Pepper機器人夢碎或戰略轉變.
- 愛范兒. (2019). 亞馬遜倉庫的「小革命」:服務好機器人,才能讓人類更安全.
- 遠見雜誌. (2025). 揭開AI機器人大未來.
- 張乃文. (2025). 輝達系統助攻!馬偕醫院研發人形機器人.
猜你喜歡
根據國際機器人協會(International Federation of Robotics,IFR)的統計資料顯示,2011年全球機器人的市場規模約300億美元。其中隨著隨著高齡化、少子化社會社會來臨,對於老年人的居家照顧、兒童的教育娛樂、家庭勞務分擔以及居家保全等需求,「服務型機器人」已逐漸超越工業型機器人,有後來居上的成長趨勢,顯示出有越來越多的機器人走出工廠,走入你我的家庭、公司。 未來,服務型機器人會取代人類成為最佳服務生?
人工智慧的迅速發展,機器人取代人力成為飯店服務亮點的構想已經得以實現。新一波的智慧化飯店已逐步引進服務型機器人並將其普及化,服務型機器人的導入不僅節省業主在人力支出費用的開銷,亦正在逐步改變我們以往的住宿體驗。
從「自找麻煩」找出新商模,甲電國際從卡拉OK 夕陽產業轉身,以服務型機器人牢牢抓住餐飲的利基,端出台灣餐飲七成市占率。甲電總經理任介卿表示,他以近乎偏執的服務精神,將「最麻煩的事」,變成最穩固的護城河。
在全球勞動力結構改變、消費者價值觀轉向與 ESG(環境、社會、治理)壓力增長的三重交織下,餐飲業正面臨一場「科技轉型與永續再造」的關鍵變革時期。曼谷春Hajime Robot Restaurant機器人餐廳的模式,提供了一個清晰的觀察點:當科技、娛樂與永續相遇,餐廳不只是吃飯的地方,更是一個體現未來生活方式的實驗場。要真正落實未來導向,餐飲業不能只靠科技酷炫。關鍵在於:科技是否能與人性與環境共融?
{{c.title}}
上課時間 {{c.startDate}} ~ {{c.endDate}}