ARK Invest 的 24 万亿美元人形机器人市场情景

原标题ARK Invest’s $24 Trillion Humanoid Robot Scenario

Matthew Berman 分析 ARK 在 2024 年对家用和制造业机器人市场估算背后的假设。

MBMatthew Berman讲者 · Forward Future
频道
Matthew Berman
发布
2024年9月12日
视频
11:35
阅读
5 分钟
幻灯片
6
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

Matthew Berman 回顾 ARK Invest 在 2024 年对人形机器人潜在市场的分析,涵盖家务劳动、制造业生产率以及大小企业之间的差异。ARK 建模估计,如果机器人能够大规模运行,可能产生约 24 万亿美元的收入。 这些数字是基于假设的情景估算,并非当前市场规模或必然结果。ARK 明确表示,美国制造业工人被完全替代的情况不太可能发生,其对机器人供应商收入的估计假设了 50% 的分成比例。

  1. 1潜在市场ARK 建模估计,家用和制造业机器人可能带来约 24 万亿美元的收入,前提是能够大规模部署。
  2. 2家庭场景假设估算结合了无偿劳动时间、人口、工资和对闲暇时间价值的假设。
  3. 3不太可能的替代情景ARK 建模假设 590 万台机器人的年工作时间是人类工人的两倍,并假设供应商获得 50% 的分成。
  4. 4价格与生产率净现值模型将机器人价格与实现经济可行性所需的生产率提升联系起来。
  5. 5规模与专业化报告对比大型企业的专业化自动化和通用机器人对小企业的潜在价值。
  6. 6可能的推动因素ARK 将供应链冲击、制造业回流和劳动力短缺列为潜在驱动因素。

要点建议

  1. ARK 约 24 万亿美元的市场机会估算依赖大规模部署,以及对家务价值和制造业生产率的假设。
  2. 家用机器人估算采用每天 2.3 小时无偿劳动,并将闲暇时间的价值设为加权工资的一半。
  3. 制造业完全替代的例子明确被视为不太可能,并假设机器人的工作时间是人的两倍。
  4. 在 ARK 的假设下,成本为 1.6 万美元的机器人需要带来略高于 5% 的生产率提升,才具有经济可行性。
  5. 报告认为,灵活的机器人可能使员工身兼多职的小型制造商受益。
  6. 制造业回流和劳动力短缺可能推动发展,但高能力 AI 和机器人的发展速度仍不确定。
全文

按章节阅读整理后的全文

只看原始文稿
01

ARK 的市场论点

Berman 介绍该投资公司 2024 年的报告及其 24 万亿美元市场机会估计,并说明家庭和制造业方面的假设。

如果人形机器人普及,经济可能会变成什么样?我回顾了 ARK Invest 于 2024 年 9 月发布的报告,其中考虑了家庭和制造业用途。ARK 引用马斯克的观点,认为能力强大的人形机器人可能扩大经济规模,但其市场数据依赖机器人具备相应能力并实现大规模运行。

ARK Invest 由 Cathie Wood 创立,投资于其认为具有颠覆性的技术,并公开发布研究。报告在讨论不断发展的行业时,提到了 Tesla 的 Optimus、Figure、中国机器人公司和 Boston Dynamics。

ARK 估计,如果人形机器人能够大规模运行,机器人收入可能达到 24 万亿美元,家用和制造业应用大致各占一半。这是模型推算的机会,并非当前收入或确定的结果。可能的家庭任务包括清洁和洗碗,制造业例子则包括工厂工作。

ARK 对家用和制造业机器人的市场机会估算
幻灯片 1 / 6ARK 对家用和制造业机器人的市场机会估算图中展示了家用机器人估算背后的假设,以及制造业的敏感性分析表。

在家用场景估算中,ARK 将每天 2.3 小时无偿劳动、28 亿劳动年龄人口、10.75 美元的加权平均时薪,以及闲暇时间价值为有偿工作时间一半的假设结合起来。模型得出的市场机会约为 12.5 万亿美元。制造业估算则随生产率提升幅度及机器人供应商获得的份额而变化。

02

制造业情景与经济性

ARK 将人类劳动与假设性的机器人完全替代情景进行比较,随后建模分析不同机器人价格下的生产率门槛。

ARK 表示,美国制造业雇用近 1200 万人,每年工作约 230 亿小时,获得 7850 亿美元报酬,创造 2.4 万亿美元产出。这些是报告采用的基准数据,并非对机器人生产的测量。

美国制造业情景
幻灯片 2 / 6美国制造业情景ARK 将人类工作时间与假设性的机器人替代情景进行比较。

在一个明确说明不太可能发生的完全替代情景中,ARK 假设机器人每周工作 80 小时、每年工作 50 周,而人类每周工作 40 小时。如果假设生产率相同,约 590 万台机器人就能提供与 1170 万工人相同的总工时和产出。报告采用 50% 的分成假设,估计机器人供应商收入约为 3900 亿美元;这是假设性计算,并非实际观察到的工资支出节省。

ARK 认为,一个更可能的早期情景是人形机器人价格昂贵、能力远低于人类。其净现值模型比较机器人成本和生产率收益:在模型假设下,每台机器人售价为 1.6 万美元时,生产率提升略高于 5% 就可能使投资具有经济可行性。

图表显示,机器人价格越高,需要的生产率收益也越大。例如,在所展示的模型中,4 万美元这一列在生产率提升 15% 的那一行转为正值。我认为这个门槛很有希望,但实际机器人能否达到它取决于自身能力和运营成本。

机器人成本与生产率模型
幻灯片 3 / 6机器人成本与生产率模型表格展示不同价格和生产率提升幅度下的模型净现值。
03

企业规模与劳动报酬占比

报告比较专业化程度高的大企业和专业化程度较低的小企业。Berman 解释通用机器人为何可能吸引小型制造商。

企业规模和劳动报酬占比很重要。ARK 认为,大型制造商的岗位更专业化,并且已从单任务自动化中受益;小企业的员工则常常身兼数职。报告称,尽管大企业支付更高工资,它们历史上的生产率更高,劳动成本占收入的比例也更低。

ARK 用假设的企业说明这一点。一家收入为 1000 美元、劳动报酬占比为 40% 的小企业,每名员工分配到 200 美元;图示中生产率提高 25% 带来 50 美元收益。一家收入为 5000 美元、劳动报酬占比为 20% 的较大企业,每名员工分配到 250 美元;提高 50% 带来 125 美元收益。这些是假设性的示例,并非机器人部署的实测数据。

专业化工作与通用工作
幻灯片 4 / 6专业化工作与通用工作图示比较了在小企业和大企业中自动化一项任务的假设收益。

ARK 认为,小企业可能有更多可以自动化但尚未自动化的任务,因为现有机器通常专门执行单一任务。因此,能够完成多项任务的灵活人形机器人可能对它们格外有用。报告称,40% 的美国制造业员工在人数少于 500 人的企业工作。

不同企业规模的劳动报酬占比
幻灯片 5 / 6不同企业规模的劳动报酬占比图表比较不同规模企业用于支付劳动报酬的收入比例。
不同企业规模的制造业就业
幻灯片 6 / 6不同企业规模的制造业就业ARK 报告称,40% 的美国制造业工人在员工少于 500 人的企业工作。
04

潜在推动因素与展望

ARK 指出制造业回流、劳动力短缺和供应链冲击可能推动发展。Berman 最后分享他对人形机器人制造商进展的看法。

报告还指出了可能的推动因素:疫情后的供应链冲击、制造业回流和劳动力短缺。报告认为,这些压力可能降低管理者对机器人价格的敏感度。我认为工厂关闭说明了企业为何可能重视替代方案,尽管机器人仍需要配套基础设施和维护。

2024 年初,我曾预测这一年将是人形机器人的重要一年。到了 9 月,我看到 Tesla Optimus、Figure 2 和 Boston Dynamics 都取得了进展。随着这些项目发展,我打算继续关注硬件与 AI 软件的结合。

同频道的其他文章

12 张幻灯片34:21EN → 简体中文
Matthew Berman· 2026年10月27日Matthew Berman 解读 Anthropic 的上市文件、AI 增长与治理Matthew Berman, Sam Altman · Forward Future主持人审视 S-1 中的财务指标、算力战略和投票结构,并质疑 AI 快速发展与安全之间的张力。AnthropicAI Safety企业 AI+2
2 张幻灯片0:36EN → 简体中文
Matthew Berman· 2026年10月25日Kimi K3.1 与魔方求解演示Matthew Berman · Forward FutureMatthew Berman 展示一个被打乱的虚拟魔方如何复原,并对 Kimi K3.1 的测试给予积极评价。评估编程智能体Open-weight models
6 张幻灯片25:50EN → 简体中文
Matthew Berman· 2026年10月24日Kimi K3.1 Pro 实测:3D 演示出色,表现不一,价格有竞争力Matthew Berman · Forward FutureMatthew Berman 测试这款开放权重模型的编程、3D 渲染和视觉讲解能力,并比较基准成绩与价格。Open-weight modelsBenchmarksAI cost & performance+1
2 张幻灯片32:20EN → 简体中文
Matthew Berman· 2026年10月23日本地 AI 究竟适合谁?成本、取舍与混合模式的未来Matthew Berman · Forward FutureMatthew Berman 权衡数据控制和自主权,与硬件成本、设置复杂度及推理速度之间的关系。Local inferenceOpen-weight modelsAI cost & performance+1
6 张幻灯片1:03:37EN → 简体中文
Matthew Berman· 2026年10月23日Matthew Berman 团队测试 Kimi K3.1:动画、游戏与图表Matthew Berman, Alex, Brian · Forward Future一场团队直播问答变成了对 Kimi K3.1 的非正式测试,内容涵盖个人智能体工作流、动态图形、浏览器游戏和基准图表。编程智能体Generative media评估+2
0:53EN → 简体中文
Matthew Berman· 2026年10月22日Sam Altman 谈 AI 与新知识的发现Sam Altman · OpenAIAltman 预计,数学发现方面的进展将延伸到生物学、材料和能源领域。AI for scienceMathematicsComputational Biology+1