2026-06-18 👁️ — views

Physical AI 投資版圖 2024-2026：資金流向與誰將勝出

資本正向最接近商業規模的 Physical AI 公司集中——融資地圖揭示聰明錢押注的方向與原因。

Physical AI 基準系列第 91 篇——Physical AI 投資版圖 2024-2026：資金流向與融資地圖揭示的勝者輪廓

Physical AI 領域——自動駕駛車、人形機器人、無人機物流與具身 AI 平台——在過去十年間吸引了數千億美元的投資。2024-2026 年間，融資模式已從早期投機轉向後期集中：資本正在向最接近商業規模的公司靠攏。

投資版圖揭示了聰明錢的押注方向、哪些公司正面臨資金耗盡的危機，以及哪些策略性收購者正在建構 Physical AI 投資組合。本文將 Physical AI 投資版圖作為爬坡期的基準指數加以梳理。

第一節——頂層資本地圖

資本地圖揭示了即時的結構性分化：少數公司已上市或被策略性收購者吸收，第二梯隊的資金充裕私有公司則競相推進下一層商業部署。

第二節——集中趨勢：2024-2026 年新資本流向

2024-2026 年 Physical AI 融資最顯著的轉變是策略性企業集中取代純 VC 押注：

由 SoftBank Vision Fund 主導、對缺乏近期收入的自駕新創豪擲 $20 億的時代已結束。後泡沫期由策略性收購者寫下大額支票，並要求明確的商業里程碑作為回報。

第三節——策略性收購者版圖

三大科技巨頭正透過收購與投資建構 Physical AI 組合：

Amazon

• 收購 Zoox（自駕機器人計程車）——2020 年，約 $1.3B（估）
• 收購 Agility Robotics（人形機器人）——2024 年（估）
• 投資 Aurora Innovation（自駕卡車）
• 在 350+ 個物流中心部署 Proteus 自主地板機器人（估）

策略核心： Physical AI 作為物流成本削減工具。Amazon 年物流支出 $1000 億+（估）即是其自動化的目標市場。每部署一台自主機器人或每輛自主配送車輛都在削減隨業務量增長的可變成本。

Alphabet / Google

• 全資擁有 Waymo（2016 年從 Google 自動駕駛專案獨立）
• 投資 Apptronik（人形機器人）
• Google DeepMind 研究具身 AI（RT-2、SayCan 及後繼項目）

策略核心： Waymo 作為第一個在商業規模產生直接收入的 Physical AI 產品。Alphabet 是三大策略收購者中唯一擁有已在商業規模運營並有付費客戶 Physical AI 產品的公司（Waymo One 在舊金山與鳳凰城）。

Microsoft

• 投資 Figure AI（約 $9500 萬，估 2024）
• Azure 提供 Figure OpenAI 整合機器人平台的雲端基礎設施

策略核心： Azure 作為 Physical AI 訓練與推理的計算支柱。Microsoft 不直接建造 Physical AI 硬體——而是將 Azure 定位為 Physical AI 公司依賴的雲端層。這是基礎設施層的押注：Microsoft 不需要預測哪家人形機器人公司勝出，只需要每家 Physical AI 公司都運行在 Azure 上。

Nvidia

• 投資 Figure AI
• Isaac 機器人模擬平台
• DRIVE 自駕計算平台

策略核心： 賣採礦工具。Nvidia 的 GPU 與模擬工具是整個 Physical AI 領域的基礎設施層，無論哪家應用層公司最終勝出。這是 Physical AI 中最具不對稱性的策略地位——Nvidia 從所有 Physical AI 開發支出中獲益，而不僅僅是最終市場領導者。

第四節——估值重置：自駕泡沫及其後果

2019-2022 年自駕泡沫在從未達到商業規模的公司中摧毀了逾 $500 億投資資本（估）。 存活者——Waymo、Tesla、Aurora 等——共享一個特徵：已部署有付費客戶的商業產品，或有可信的近期商業化路徑。

第五節——融資地圖揭示的洞察

2024-2026 年投資版圖的三大結構性洞察：

1. 贏者通吃動態已在上演

資本正向更少的公司集中。策略性企業（Amazon、Alphabet、Microsoft）已鎖定其首選合作夥伴。2026 年獨立籌資 A 輪的自駕新創面臨的競爭對手是 Waymo、Tesla、Zoox 和 Aurora——全都擁有數十億美元資產負債表和多年安全數據領先優勢。

這是數據飛輪複利驅動的動態——每行駛一英里就會產生訓練數據，改善安全性，從而擴展到新地區，產生更多里程，進而生成更多數據。今日里程領先的公司每週都在累積更大優勢。融資地圖反映了投資人對已在規模化運營的公司具有無法透過大額支票購買的優勢的認知。

2. 硬體難做；軟硬結合更難

純軟體 AI 公司（OpenAI、Anthropic）可以用數百人的團隊籌得 $100 億+。Physical AI 公司需要硬體、製造、監管批准、真實世界測試車隊和保險——且仍需要在此之上疊加前沿 AI 能力。

達到同等軟體能力所需的資本約高出 5-10 倍（估）。一家希望比肩前沿語言模型具身智能的人形機器人公司，還必須建造或採購硬體、透過硬軟協同設計實現操控靈巧性、通過安全認證，然後才能在規模化之前產生任何收入。這就是策略收購者模式在 Physical AI 中主導的原因。

3. Nvidia 是 Physical AI 中最具不對稱性的押注

無論 Tesla、Waymo、Figure 或 Agility 贏得 Physical AI 部署競賽，Nvidia 都在銷售訓練計算和推理硬體。Nvidia 的 DRIVE 和 Isaac 平台使其成為整個行業的基礎設施層。

市值約 $3T+（估，2026 年中），市場已部分消化這一曝險——但相對於 Nvidia 的潛在敞口而言，Physical AI 仍處於早期階段。若 Physical AI 部署達到最樂觀預測的規模（到 2030-2035 年部署數千萬輛自駕車和人形機器人，估），達到該能力所需的訓練計算代表了尚未實現的數千億美元 GPU 市場。

第六節——人形機器人投資子版圖

人形機器人投資版圖與 2016-2020 年自駕車的關鍵結構差異在於：人形機器人主要商業用途（製造與倉儲自動化）無需監管批准。在工廠工作的人形機器人在現有工業安全法規下運作，而非自駕車商業化所經歷的全新監管框架。這消除了困擾自駕公司的最大時程不確定性之一。

第七節——關於本系列

這是 Physical AI 基準系列第 91 篇。先前文章涵蓋了爬坡指數、人形機器人競賽、單位經濟、全球競爭、高精地圖、軟體與 OTA 更新、消費者需求、競爭護城河、安全數據、Waymo Gen 6、Optimus 製造、計分卡快照、2030 預測情境、投資者框架、城市拓展管線、Tesla FSD 州批准地圖、AV 天氣與氣候限制、監管日曆、機器人計程車票價、人形機器人部署追蹤、供應鏈分析、消費者採用需求指數、估值與 IPO 分析、Physical AI 2026 年中總結、AV 單位經濟每英里成本分析、AV 數據飛輪比較、Physical AI 供應鏈、AV 機隊運營、全生命週期環境成本、可及性層、地圖架構比較、中國 AV 競賽、模擬與合成數據訓練、AV 城市規劃與城市影響、自動駕駛卡車貨運經濟、歐洲 AV 競爭格局、AV 感測技術辯論、AV 安全指標、AV 人才戰爭、全球 AV 監管地圖、AV 財務可持續性燃燒率、Tesla Cybercab 與 Waymo Gen 6 對決（第 84 篇）、AV 網路安全攻擊面（第 85 篇）、人形機器人商業部署格局（第 86 篇）、AV 機隊電氣化與充電競賽（第 87 篇）、AV 數據即業務（第 88 篇）、AV 保險與責任（第 89 篇）以及無人駕駛艙（第 90 篇）。

本文新增投資版圖維度：頂層資本地圖、向策略性企業投資集中的趨勢、Amazon / Alphabet / Microsoft / Nvidia 的策略收購者組合、AV 估值重置及其啟示、融資地圖的三大結構洞察，以及人形機器人投資子版圖。

注意： 融資數字、估值預估、市值數字及交易條款均為方向性估計，基於截至 2026 年中的公開公司披露及行業報告。不確定數據標注「（估）」，應視為方向性估計而非確認數據。本文不構成投資建議。

來源

• Waymo 外部融資——Waymo 部落格 ↗
• Figure AI 融資——Figure AI ↗
• Physical Intelligence B 輪——Physical Intelligence ↗
• Aurora Innovation——Aurora ↗
• Nvidia DRIVE 與 Isaac 平台——Nvidia ↗

標籤