# RaaS # #

【摘要】

机器人技术和人工智能的融合开始从工厂自动化扩展到物流、商店、安全、清洁、基础设施检查和护理。背景因素包括劳动年龄人口的减少、即使在 2024 年物流问题发生后仍将存在的劳动力短缺，以及生成式人工智能开始与现实世界的机器人控制相连接。在日本，经济产业省的人工智能机器人战略审查委员会和RING项目在创造机器人友好环境方面取得了进展，使其不再只是一个海外主题。

市場予測は調査会社によって大きく異なる。 MarketsandMarkets forecasts the AI ​​robots market to grow from $6.11 billion in 2025 to $33.39 billion in 2030, and Grand View Research forecasts the AI ​​in Robotics market to grow from $20.4 billion in 2025 to 2033 年将达到 1,827 亿美元。ABI Researchはロボティクス全体を2025年500億ドルから2030年1,110億ドルへ拡大すると予測している。数字は一枚岩ではないが、方向は同じだ。 AIroボティクスは2030年に向けて、単なる実证明実験ではなく企业infuraの一部になり始める。

然而，投资者和管理层应该关注的不仅仅是“人形机器人太棒了”的故事。事实上，首先赚钱的是AMR、单件拣选、机器视觉、清洁/安全、检查、RaaS、维护和系统集成。 2030年成功的关键将不再取决于机器人本身的性能，而更多地取决于其改变现场流程、积累数据和持续运行的操作能力。

ロボティクスAIの2030年シナリオ 自動化から、自律判断する現場インフラへ 2026年 後付け自動化 AMR・検査・搬送 2027-2028年 RaaS・現場データ蓄積 PoCから複数拠点展開へ 2030年 AIロボットの標準化 物流・製造・サービスへ拡張 導入しやすい領域 搬送・検査・清掃・点検 普及の起点 RaaS・SI・現場人材 投資の焦点 稼働率・回収期間・粗利率 2030年の勝負は、ロボットを買う力ではなく、現場に定着させる力

一、结论

到2026年，如果我们仅从“梦想的人形机器人”的角度来谈论机器人和人工智能的融合，那就有点危险了。

真正推动业务发展的是更简陋的前线。仓库内运输、单件拣选、目视检查、食品工厂分拣、商业设施清洁、车站和机场安全、桥梁和工厂检查。我们人手不够，粮食收不到，晚上翻不了，质量参差不齐。在这些网站上，引入人工智能机器人的原因已经很明确了。

随着生成式人工智能的出现，机器人已经从单纯的“移动机器”转变为可以观察、做出决策并根据情况移动的系统。 NVIDIA 的 Isaac GR00T、Jetson Thor 以及 Google DeepMind 的 Gemini Robotics 和 RT-2 等趋势都是通用化机器人大脑的努力。此外，Physical Intelligence、Figure AI、Covariant、Skild AI 等公司也在争夺基础机器人模型和通用操作能力。它看起来有点狭窄，因为它只是一篇关于 NVIDIA 的文章。实际上，我们谈论的是工业层，包括AI模型、仿真、边缘推理、执行器、SI，甚至维护。

不过，市场仍持怀疑态度。 PoC将会增加。将添加更多演示视频。问题是这是否会转化为月销售额、经常性合同、维护收入和毛利率。

我们2030年的目标本质不是机器人本身。为了融入机器人，我们需要重新配置现场流程、收集数据并创建一个可以在公司内部运行的系统。这里有投资空间。

机器人人工智能将会改变什么？

传统工业机器人的实力相当强大。但他擅长的，是在合适的环境下，高精度地重复预定的动作。这在汽车工厂的焊接、半导体制造设备周边、电子元件的运输等领域仍然有效。

融合人工智能的机器人的目标并不在此。

观点看法传统机器人AI融合机器人
手术重复示教轨迹通过摄像头和传感器检查情况进行调整
目的具有相同位置和形状的零件非正常行李、包袋、食品、日用品
部署环境专用线、围栏、固定设备仓库、商店、现有工厂、公共空间
价值替代体力劳动劳动力短缺、质量、夜间作业、数据数字化

一个明显的例子是单件拣选。摄像头可以识别盒子中不同形状的产品，改变抓取它们的方式，并将它们放入下一个盒子中。这可以用传统的机器人来完成，但物体越多，创建起来就越困难。 AI机器人正试图通过结合图像识别、抓取规划和失败后重试来扩大其应用范围。

另一件事是语言说明。机器人将“把红盒子放回架子上”和“捡起掉在地板上的零件”等指令分解为任务。这在很大程度上仍然是一个研究/示范项目，但在机器人中使用基本模型的意义是重大的。如果软件人工智能代理操作工作屏幕，那么物理人工智能则操作网站本身。

这里重要的一点是，我们并不是在谈论人工智能机器人立即像人类一样工作。相反，实际上，它从有限的工作量开始，随着更多数据的积累，应用范围不断扩大。投资者和管理层不应该弄错这个顺序。

2030年市场预测

根据定义的不同，对 2030 年的预测会有很大差异。这是因为人工智能机器人、机器人中的人工智能、具体化人工智能、服务机器人、工业机器人和类人机器人的包含范围有所不同。

细分市场主要预测如何阅读
AI RobotsMarketsandMarkets 预测 2025 年为 61.1 亿美元，2030 年为 333.9 亿美元，复合年增长率为 40.4%高增长市场聚焦于配备人工智能的机器人
AI in RoboticsGrand View Research 预测 2025 年为 204 亿美元，2033 年为 1,827 亿美元，复合年增长率为 32.0%更广泛地审视融入机器人的整体人工智能技术
整体机器人ABI Research 预测 2025 年为 500 亿美元，2030 年为 1110 亿美元，复合年增长率为 14%工业、服务、移动机器人等广阔市场
Service RoboticsGrand View Research 预测 2026 年为 681 亿美元，2030 年为 1078 亿美元实施领域如门店、保洁、配送、医疗环境等。
Humanoid RobotABI Research 预测 2030 年将达到 65 亿美元，高盛预测 2035 年将达到 380 亿美元。人们的期望很高，但到 2030 年，将会有广泛的定义和传播速度。

我们想从这个表中读取的不是数字本身的大小。

相反，AI机器人市场的结构是“如果狭义地定义，它很小，但增长很快”，“如果广义地定义，它已经很大，但增长速度正在放缓。”仅看人形机器人，梦想很大，但更容易预测到2030年工厂、物流和服务机器人的实际需求。

这是管理上的一个实际点。仅仅因为2030年市场将会增长，就没有必要突然在所有公司中引入人形机器人。从易于衡量有效性的任务开始并积累现场数据和运营知识的公司将具有优势。

股价反应也类似。人形机器人非常受欢迎，因此人们往往会在预期中购买它们。 AMR、机器视觉、减速器、执行器、边缘人工智能、SI 和 RaaS 更有可能更快产生财务结果。

日本市场的看点

海外研究公司的市场预测很有用，但如果你关注日本股票，你还应该关注国内的限制因素。

在日本，物流、制造、护理、设施管理、清洁、安全和基础设施维护等领域长期存在劳动力短缺问题。根据厚生劳动省的综合就业安​​置制度，有效职位与应聘者的比例持续在1:1以上，劳动经济动向调查显示，劳动力短缺的感觉依然存在。机器人的引入不再是“未来技术”，而是成为无法使用机器人的工作场所的现实选择。

政策方面，经济产业省启动了AI机器人战略审议会，旨在通过机器人实施解决当地劳动力短缺问题的RING项目也开始推进。考虑机器人友好性也很重要，这意味着创建易于机器人使用的设施、电梯、入口/出口、通信和操作规则。即使机器人本身的性能有所提高，如果设施没有做出相应的反应，清洁机器人和送货机器人也会中途停止。

这是日本市场的一个典型问题。我们不仅需要关注制造硬件的公司，还需要关注减速齿轮、伺服系统、FA设备、传感器、控制、机器视觉、AMR、机器人SI、维护、设施管理和BPO。与其决定个股，我更想看看哪些公司有能力“入局，永不停歇”。

易于实施的业务领域

最有可能首先引入的领域是发生故障时造成的损害有限、工作范围狭窄且影响可以用数字衡量的领域。

制造和物流将重点关注 AMR（自主移动机器人）、AGV、单件拣选、码垛和视觉检测。投资的原因很容易解释，因为仓储运输受到劳动力短缺和电商需求波动的影响。单件拣选虽然比较困难，但只要缩小对象和工序范围，就有介绍的余地。

对于服务和商店来说，服务、清洁、安全和指导都是实用的。机器人不会取代所有人类客户服务，而是用于简单的移动、巡逻、地板清洁和日常指导。从商店的角度来看，价值不仅在于应对劳动力短缺的对策，还在于收集操作日志和拥堵数据的能力。

无人机、四足机器人和人工智能图像识别将结合起来用于基础设施检查和灾难响应。越是人们难以进入的地方，如桥梁、隧道、输电设备、工厂、灾害现场，引入它的理由就越强。主要目标是提高安全性和频率，而不是降低劳动力成本。

医疗和护理领域的需求量很大，但引入的顺序应慎重考虑。从运输、监控、记录、清洁和药物支持等外围任务开始，比突然委托物理援助更容易。这是因为安全、责任划分以及用户的心理抵触。

2030 年的三大商业趋势

首先是RaaS（机器人即服务）的泛化。

引进机器人需要初期投资、维护、修理、软件更新和现场调整。中小企业很难通过直接采购的方式冒险。 RaaS 通过按月收费和与性能挂钩的费用来减轻实施负担。对于公司来说，尝试将其作为运营支出而不是资本投资会更容易。盈利能力很难衡量，除非您不仅关注安装的设备数量，还关注 ARR、MRR、流失率、续订率、运营率、维护成本和每台毛利润。

第二个是从协作机器人向通用类人机器人的扩展。

协作机器人扩展了与人类一起安全工作的理念。下一个问题是一种可以在人类环境中操作而无需显着改变现有工厂和仓库布局的机器人。正是在这样的背景下，特斯拉、Unitree、AgiBot、波士顿动力等成为人们关注的焦点。然而，到2030年，主战场将不是成熟的家用机器人，而是工厂、仓库、研究和危险工作中的有限任务。

三是与人工智能基础设施的合作。

将所有智能集成到一个机器人中是很困难的。学习在云端或人工智能数据中心进行，推理是在现场使用边缘人工智能进行的。适用于 NVIDIA Jetson Thor 等机器人的边缘计算平台、Isaac、5G/6G 等模拟和开发平台以及数字孪生平台作为一个整体组合在一起。

结构如下：

层主要角色投资者值得关注的要点
云GPU大规模学习、模拟和数字孪生训练需求、GPU投入、模型更新频率
边缘人工智能现场实时推理，低延迟控制Jetson系列等嵌入式AI、功耗、热设计
机器人本体传感器、执行器、减速器、控制器批量生产、零部件采购、可维护性
现场操作SI、RaaS、维护、SLA、数据收集ARR、入住率、客户流失率、毛利率

如果您仅根据 GPU 需求来阅读机器人 AI，那么您将会错过。学习由云端 GPU 支持，但低延迟、省电、高可靠的边缘 AI 推理在现场是有效的。当机器人停止时，站点也随之停止。所需的可靠性比聊天AI重得多。

这也与半导体和数据中心市场价格有关。如果对人工智能基础设施的需求超出生成的人工智能聊天范围，扩展到机器人、车辆、工厂和医疗设备，那么计算需求的质量将会发生变化。然而，购买GPU并不意味着你就能盈利。只有当确认机器人能够继续运行并提高现场生产力时，人工智能基础设施投资才会有强劲的复苏。

到 2030 年仍能保持盈利的公司将不仅仅是制造机器人的公司。事实上，能够承担从安装、运营、维护、软件更新到现场数据利用的一切的公司更有可能获得利润。机器人制造商似乎是主要参与者，但投资者真正需要关注的是围绕它们的经常性收益的深度。

失败公司的共同特征

在引入人工智能机器人时往往会失败的公司认为，如果他们用机器人代替人类，那就完了。

事实上，事实恰恰相反。如果要引入机器人，就需要重新配置场地的流线、货架高度、层高差、产品主控、作业指导书、异常处理、维护沟通、职责划分等。如果您没有想法稍微更改站点以匹配机器人，则很容易陷入 PoC。

另一个是不创造内部人力资源。

即使您将其留给供应商，初始实施也是可能的。但是，如果系统在现场停止时、对象发生变化时、工作规则发生变化时，公司内部无法确定系统，则作业无法继续进行。我们不仅仅需要机器人开发人员。他是一个“运营经理”，懂现场运营，看数据，能和供应商对话。

最后一步是在没有 KPI 的情况下引入它。因为缺乏人力，因为人工智能，因为补贴。如果仅仅因为这些原因而将其包括在内，其效果将是不明确的。如果在引入前不测量工作时间、职位空缺数、事故数、质量缺陷、夜间作业、维护成本和培训时间，则无法在引入后对系统进行评估。

实施路线图

现实的路线图并不是突然实现完全自动化。

步要做的事情成功条件
尝试小使用 RaaS 和租赁来完成运输、清洁和检查等有限任务无需停止工地即可测量有效性
保存数据累积操作日志、故障模式、工作时间和维护历史改进点可以从数字中看出
改变流程基于机器人重新定义货架、流水线、工作指令和异常处理。人类与机器人的角色分工变得更加清晰
水平扩展扩展到多个地点和流程降低实施成本并标准化操作

遵循这个顺序的公司将会变得强大。我们不会在第一次引进机器人时就赚取大笔利润，而是将网站转化为数据，并降低下次引进的单位成本。这就是 RaaS、SI、维护和软件更新业务诞生的地方。

仅仅在演示材料中说“介绍”是不够的。除非显示额外安装量、重复率、开工率、维护销售额、ARR 和每单位毛利润，否则股价将在某个时候失去动力。机器人股票的主题越强烈，就越有可能受到预期。

连接工作场所和财务业绩的数字

管理层遵循的 KPI 与财务结果中评估的 KPI 有很大重叠。

KPI观看理由
入住率它真的在现场使用吗？
任务成功率能否承受商业运营而不是演示？
人为干预次数测量自主性和操作负载
投资回收期盈利能力包括人员成本、质量和夜间运营
维护成本/停机时间影响硬件业务利润
从 PoC 到全面实施的转化率不是有证据就结束了吗？
多地点部署率操作是否规范？
平均故障间隔时间・平均修复时间读取失败频率和恢复时间
SLA 达成率衡量 RaaS 和维护合同的可靠性
ARR・MRR・流失率查看订阅收入的质量

股市已经提前一点开始对机器人进行定价。在AI半导体、FA、机械、传感器、精密减速机、SI、仓库自动化等相关领域，有时股价不会仅仅因为好消息而上涨。

数字很​​好。问题在于包容性。

2030 年市场规模将会很大的说法是一个强有力的长期主题。然而，短期内，股价对订单、毛利率、库存、研发费用、汇率、中国资本投资和利率做出反应。机器人人工智能是一个梦想，但它也是财务业绩中一个非常现实的主题。

这可能是一个旁注，但机器人 IR 中的维护销售经常被忽视。 PoC 的数量和引入的设备数量看起来令人印象深刻。然而，只有当 RaaS 和 SI 继续在现场工作、更新维护合同以及跨多个地点水平部署时，其盈利能力才变得可见。

就我个人而言，我希望优先考虑实施率和维护销售额，而不是 PoC 数量。演示视频创造期望，但持续运营才能创造利润。如果我们忽视这一点，机器人人工智能将成为一项“伟大的技术，但却是一个无利可图的主题。”

风险情景

最大的风险是实施停留在 PoC 阶段。

该机器人在演示实验中移动良好。然而，在商业环境中，对象发生了变化。人们穿越。地板变脏。通讯中断。晚上停止。如果不能满足这些例外情况，我们将无法进行实际实施。只追踪 PoC 数量的公司将会受到市场的怀疑。

其次，还有AI洗牌的风险。演示视频是否显示自主操作或远程控制？进行了多少次尝试，又有多少次成功了？不披露这些信息的公司在商业化得到确认后很可能会失去动力，即使他们的产品是提前购买的。

地缘政治也很重要。机器人是收集空间数据的移动物体。在处理来自工厂、仓库、医院和公共设施的数据时，可能会受到中美紧张局势、出口法规、跨境数据和安全审查的影响。即使中国的低成本飞机很强，但根据国家和行业的不同，引进也有限制。

最后，还有硬件的资本密集型性质。大规模生产线、零件库存、维护网络、质量保证和退货处理都需要资金。与软件公司不同，销售额的增加并不一定意味着毛利润的增加。即使出货量增加，如果毛利率下降且营运资金增加，股市也会降温。

概括

机器人人工智能正在成为决定企业到2030年竞争力的主题。在日本，劳动力短缺、物流限制、制造业劳动力老龄化和基础设施老化等因素综合在一起，引入人工智能的压力是结构性的。

然而，这并不是购买机器人就能解决的问题。相反，能够改变工作场所以采用机器人的公司是强大的。使用 RaaS 进行小规模尝试，收集数据、修改流程并扩展到多个位置。这看似简单，但这一命令将在 2030 年产生影响。

如果你只是追逐华丽的人形机器人，你会有点绕道。 AMR、机器视觉、减速器、执行器、边缘人工智能、SI、维护和 RaaS 更快、更接近盈利。

在 ESG 的背景下，机器人人工智能不仅仅是为了节省劳动力。通过减少工业事故、远程转移危险工作、减轻老化工作场所的负担、增加基础设施维护频率以及减少物流和工厂的浪费移动，为减少二氧化碳排放做出贡献。能够将这些影响视为关键绩效指标的公司更有可能不仅作为主题股票进行评估，而且还可以在人力资本和安全投资的背景下进行评估。

物理人工智能并不是生成人工智能市场的下一个头条新闻，而是促进该领域劳动力节省和数据转换的实施主题。等到2030年全面采用已经太晚了。到底哪些网站、哪些数字、改进了多少？我会回到那里。

相关页面

  • ZX占位符0ZX
  • ZX占位符0ZX
  • ZX占位符0ZX

来源

外部信息于2026年7月7日得到确认。由于每家公司对市场预测的定义不同，本文将其视为一个范围而不是单一预测。