WSTS和SIA预测2026年全球半导体市场规模突破1.5万亿美元
2026年全球半导体市场之所以能够实现超常增长，根本驱动力来自人工智能基础设施建设的资本支出浪潮。据行业分析，亚马逊、微软、谷歌、Meta和甲骨文五大科技巨头在2026年的AI基础设施总投资规模达到约6600亿至7250亿美元，接近2025年水平的两倍。其中约75%的资本支出直接投向AI相关基础设施，包括GPU、专用AI芯片、数据中心及配套设备。GoldmanSachs预测，2025年至2027年间，超大规模企业的总资本支出将达到1.15万亿美元，是此前三年的两倍多。在这一背景下，高带宽存储器（HBM）成为产业链中最紧缺的环节。AI加速器对内存带宽的极端需求使得HBM从利基组件转变为AI基础设施的主要瓶颈。据行业估算，AI数据中心在2026年消耗了全球约70%的存储芯片产能，而HBM虽然仅占DRAM芯片产出量的8%，却贡献了DRAM总收入的30%以上。由于每GBHBM3E消耗的晶圆产能约为标准DDR5的3倍，三星、SK海力士和美光三大厂商被迫将大量晶圆产能从传统DRAM转向HBM生产。据供应链消息，HBM生产已占全球DRAM晶圆开工率的23%，较2023年的个位数占比大幅跃升。产能转移的直接后果是传统DRAM的严重短缺和价格飙升。TrendForce数据显示，2026年第二季度常规DRAM合同价格环比上涨58%至63%，NANDFlash合同价格更是上涨70%至75%。韩国海关的初步数据也印证了这一趋势：2026年6月前20天，韩国DRAM出口单价达到每公斤82260美元，同比上涨576%；包含HBM的多芯片封装（MCP）出口单价达到每公斤95939美元，同比上涨119%。从细分领域展望来看，存储器无疑将在2026年继续主导市场增长。WSTS在8月初的修正预测中将存储器全年增速定为302%，2027年预计仍将增长36%。逻辑芯片作为算力核心，2026年预计增长42%，2027年增速预计为28%。微处理器2026年预计增长25%，2027年增长21%。模拟芯片2026年增长11%，2027年增长7%。分立器件2026年增长12%，2027年增长9%。相比之下，传感器和光电子的增长较为温和，2026年分别增长2%和8%，2027年预计分别增长6%和7%。从WSTS发布的季度历史数据可见，全球半导体市场自2023年触底后持续加速，2026年第一季度的销售额约为2990亿美元，而第二季度跃升至约4030亿美元，单季同比增幅高达124%。这一增速远超WSTS在2026年6月春季预测中提出的90%全年增长预期，迫使该机构在8月初将2026年全年市场规模测算值更新为约1.655万亿美元，对应全年增速约108%，较原预测高出18个百分点。2026年8月初，世界半导体贸易统计组织（WSTS）与美国半导体行业协会（SIA）相继发布最新市场数据，显示全球半导体产业正经历史无前例的爆发式增长。WSTS统计显示，2026年上半年全球半导体市场规模达到7020亿美元，同比增长102%，行业规模在六个月内实现翻倍。SIA则在公告中确认，2026年第二季度全球芯片销售额达到约4030亿美元，环比第一季度增长35.1%，其中6月单月销售额为1345亿美元，同比2025年6月激增123.6%，环比5月增长9.7%。产品细分数据揭示了增长的核心来源。2026年上半年，存储器类别同比增长305%，逻辑芯片同比增长45%，其余产品类别亦全部录得正增长。WSTS在春季预测中曾预计2026年存储器市场将增长约250%，而基于实际上半年的强劲表现，该机构已将存储器全年增速预测上调至302%。逻辑芯片方面，WSTS春季预测其2026年增速将略高于此前预期，实际上半年的45%增幅表明该领域增速同样超出预期。SIA数据显示，2026年6月美洲市场销售额同比增长160.9%，亚太地区（含其他）同比增长124.4%，中国同比增长112.8%，欧洲同比增长75.2%，日本同比增长39%。中微公司上半年净利最高预增310%，临港中微大厦正式启用8月3日，中微公司披露2026年半年度业绩预告，上半年营业收入和归母净利润均实现增长。伴随经营业绩增长，公司研发及生产基础设施建设也取得新进展，位于上海临港新片区的"中微大厦"于8月1日正式启用。据中微公司发布的2026年半年度业绩预告，公司预计2026年上半年实现营业收入约66.91亿元，同比增加约17.31亿元，同比增长约34.89%；预计实现归属于母公司所有者的净利润为27亿元到29亿元，同比大幅增加282.48%到310.81%。在技术创新与产品研发方面，中微公司持续加大研发投入。2026年上半年，公司研发投入约20.42亿元，同比增长约36.89%，研发投入占公司营业收入的比例高达30.52%。截至目前，公司已开发出54种高端半导体设备，涵盖26种等离子体刻蚀设备以及24种各类薄膜设备、化学机械抛光设备和量检测设备，刻蚀和薄膜设备的加工精度已达原子级水平。截至2026年6月底，公司累计已有超过8800个反应台在国内外220余条生产线实现量产。中微公司表示，公司在研项目覆盖六类设备，涉及超过20款新产品，新设备研发周期已由过去的三至五年缩短至两年或更短时间。随着新总部的启用，中微公司在临港正式形成了集研发、生产、办公于一体的综合性运营布局。业务运营方面，截至2026年6月底，中微公司累计已有超过8800个反应台在国内外220余条生产线实现量产。为进一步完善平台化产品线，中微公司近期还完成了对杭州众硅电子科技有限公司64.69%股权的收购。杭州众硅主要布局12英寸化学机械抛光（CMP）设备，其产品与中微公司现有的刻蚀和薄膜沉积等设备高度互补，有助于全面提升公司的半导体设备平台化实力。江波龙的存储Foundry如何破解端侧AI需求的"千手观音"难题？未来10年，人工智能将从少数几个巨型模型发展到超过830亿个形态各异的边缘设备，给行业带来巨大的需求和机遇。知名分析机构集邦咨询在今年五月也大幅上调全球存储器产值预估，将2026年产值从前一版的5516亿美元提高至8893亿美元，2027年则预计由8270亿美元上修至逾1.28万亿美元，年增率约44%。面对这种现状，陈健博士认为，如何平衡端侧AI带来的机遇与需求复杂性、应用分散性之间的矛盾已经成为存储从业者需要考虑的问题。在他看来，这已经不是简单的产品迭代，行业也需要一种全新的思维模式和基础设施。“让我想起就像39年前台积电开启代工业务一样，江波龙相信找到了应对这一挑战的解决方案——存储Foundry模式。”陈健博士说。面对AI推理主机、AI BOX普遍存在的内存带宽不足、模块升级繁琐、PCB占用面积大等难题。江波龙率先推出全球首款插拔式高带宽内存AIDIMM。据介绍，该产品采用4颗LPDDR5x颗粒同面一体化布局，原生256bit超宽位宽，提供307.2GB/s带宽。产品采用高针脚高速专用连接器，支持插拔式升级，兼容市面主流智能体主机主板设计架构，可以快速进行硬件设计移植，无需对现有整机结构进行大幅改造，从而降低客户硬件迭代成本与周期。相较于CAMM2架构，AIDIMM具备易插拔特性，更契合端侧AI设备运维、量产装配的应用需求。据介绍，HLCache高速缓存技术通过优化UFS与DRAM之间的数据调度机制，将低频访问的冷数据迁移至UFS存储，在保障终端使用体验的同时，降低对DRAM容量的依赖。根据江波龙现场基于Google Pixel 7a的测试，搭载HLCache后，4GB LPDDR5设备的后台应用保活能力由17款提升至28款，DRAM占用从3.1GB降低至2.5GB，多任务切换流畅度明显提升，整体体验接近6GB LPDDR5配置水平。江波龙表示，基于该技术，4GB DRAM终端可实现接近6GB~8GB DRAM设备的性能表现，同时降低整机BOM成本，并减少内存负载，为移动端AI应用提供更高效的存储支撑。他进一步指出，存储Foundry模式彻底打破了传统存储“标准化硬件售卖”商业模式，能针对不同客户CPU/SoC、AI模型、整机形态做深度软硬件协同定制，一站式承接多元化、差异化需求，从而大幅缩减端侧AI存储产品开发周期与成本，成为破解行业碎片化困局的关键路径，也由此构建起全新的产业合作模式。在FMS上，江波龙也带来了几款面向端侧AI打造的存储产品，向我们展现了公司这套组合拳给端侧AI带来的重要价值。McClean报告：2026年半导体市场规模攀升，增长动力来自芯片涨价而非出货量依据《McClean报告》2026年6月更新版本预测，2026年全球半导体市场规模将增长98.3%，达到约1.7万亿美元，并将在2027年进一步增长至2.2万亿美元以上。这不是普通的周期性复苏，而是由AI数据中心大规模兴建带来的需求结构性转变；在AI数据中心领域，图形处理器（GPU）、高带宽内存（HBM）、DRAM、NAND闪存、先进晶圆代工产能以及先进封装技术，全都将成为发展瓶颈。McClean报告预测，2026年整体存储市场规模将增长298%，达到9164亿美元。这一轮增长绝大部分由存储价格上涨驱动：存储芯片出货量预计仅增长8%，而平均售价预计攀升268%。这一差距十分关键，意味着行业并非单纯售出了更多芯片，而是以大幅上涨的价格提供具备战略意义的稀缺芯片。HBM是这一市场格局的核心。在训练与推理任务中，AI加速器需要极高的内存带宽，持续为GPU输送数据。HBM采用垂直堆叠内存方案，并依托先进封装实现互联，相比传统内存架构能够提供高得多的带宽。但HBM带来了产能取舍难题。McClean报告指出，在实现同等存储容量的前提下，HBM占用的晶圆面积约为标准DDR5内存的三倍，制造成本大约是后者的四倍。三星、SK海力士和美光将更多晶圆产能转向HBM产品后，主流DRAM的供给随之收紧。这不仅推高了HBM价格，也拉高了个人电脑（PC）、服务器、智能手机、车载系统与工业电子所用的普通DRAM价格。正因如此，AI需求的强劲增长影响的是整条科技供应链，而不只是AI硬件厂商。 逻辑器件市场同样迎来增长机遇。据McClean预测显示，2026年MOS逻辑芯片市场规模将增长32%，达到5775亿美元，GPU是核心增长动力。受益于出货量与平均售价同步上行，2026年GPU营收预计增长31%。GPU是AI数据中心的计算基石，数据中心依靠并行计算处理大量矩阵运算任务，例如Transformer模型训练、推理、仿真，以及日益普及的机器人、汽车、医疗领域物理人工智能应用。受操作系统升级、工业需求回升、汽车市场企稳支撑，微处理器与微控制器市场同样有望回暖。半导体的重要意义正在改变：它不再只是零部件产业，而是成为具备战略意义的经济底层支撑。如今芯片决定着人工智能落地、云计算扩张、自主系统、机器人、医疗设备、智能基础设施与高端消费电子的发展速度。倘若先进制程晶圆产能、HBM供货、光刻设备与先进封装的紧缺局面持续至2027年，手握稳定供货协议的企业将获得显著竞争优势。落到现实层面，半导体市场走势不再仅仅跟随PC与智能手机行业周期，而是越来越紧密关联全球各国建设AI基础设施的竞争态势。由此，内存带宽、GPU供货量、先进封装能力以及先进制程制造产能，成为研判科技发展、企业竞争力与经济增长前景的核心指标。马斯克力挺FEL-EUV技术，TeraFab有望导入？目前光刻机巨头ASML的EUV光刻机所采用的是EUV光源系统，正是基于被称为激光等离子体EUV光源（LPP），其原理是通过30kW功率的二氧化碳激光器轰击以每秒50000滴的速度从喷嘴内喷出的锡金属液滴，每滴两次轰击（即每秒需要10万个激光脉冲），将它们蒸发成等离子体，通过高价锡离子能级间的跃迁获得13.5nm波长的EUV光线。但是，正是由于LPP-EUV系统需要依靠功率强大高能激光脉冲来蒸发微小的锡滴（在 500,000ºC 下），使得其整个光源系统不仅庞大复杂，且功耗巨大，所产生的EUV光源的功率也有限，这也是导致当前EUV光刻机成本高昂的一大原因。目前全球仅有头部的少数的晶圆制造厂商能够用的其这种单价高达约1.5亿美元的EUV光刻机，主要用于7nm以下的先进制程芯片的制造。值得一提的是，该系统发射极紫外光的同时会产生碎屑而污染集光镜。近年来，美国、中国、日本等国家的研究机构都在研发新的基于直线电子加速器的“自由电子激光（FEL）”技术的EUV光源系统，希望绕过ASML所采用的LPP技术路线，大幅降低EUV光源系统的成本。目前该技术大致分为两种类型：“振荡器FEL”和“自放大自发辐射（SASE）”FEL。在振荡器FEL中，来自电子加速器的电子束在波荡器中发光，与存储在振荡器中的波荡器光相互作用，并放大FEL光。然而，由于镜面对短波长光的反射率较差，FEL波长被限制在100nm以上；在SASE-FEL中，加速器提供的高质量电子束的自发辐射在长波荡器中自放大，无需任何振荡器和外部种子。它适用于短波长FEL，例如EUV-FEL，这也是目前研究的主要方向。而用于SASE-FEL的直线加速器（linacs）也分为两种：正常传导和超导直线加速器。正常传导直线加速器很常见，但其电子束的平均电流被限制在小于∼100 nA，以避免直线加速器腔因高热负荷而变形。而超导直线加速器由于热负荷极低而具有更高的束团重复频率和平均电流（通常为几十μA），因此更适合高功率的自由电子激光器。如果与没有能量回收功能的普通直线加速器相比，拥有能量回收直线加速器（ERL）是更强大的自由电子激光器驱动器。基于ERL 的 EUV-FEL 可成为最强大的 EUV 光源，通过使用能量回收方案和超导加速器技术来克服 EUV 光刻的当前问题。与激光等离子体EUV光源（LPP-EUV）相比，基于ERL 的FEL-EUV光源具有多项优势：光源可产生超过 10 kW 的高 EUV 功率，且不会产生锡滴碎片，因此，它可以同时为 10 台EUV光刻机供超过1000W 的 EUV 功率，而不会对 Mo/Si 反射镜面造成锡污染。另外，FEL-EUV技术具备高功率、高相干性、波长可调谐以及更高能效等优势，理论上可将光刻光源从当前主流的13.5nm推向6nm乃至更短波长，大幅延伸摩尔定律的生命周期。根据此前日本筑波的高能加速器研究组织（KEK）的研究人员公布的基于FEL-EUV光源的研究论文显示，FEL-EUV光源的建设和运行成本粗略估计为10kW EUV功率4亿美元和每年4000万美元的运营成本，因此1kW EUV功率建设成本约4000万美元和每年400万美元。相比之下，通过简单的线性外推，LPP光源的建设和运行成本粗略估计为250W EUV功率2000万美元和每年1500万美元，即每1kW EUV功率建设成本为8000万美元和运行成本为每年6000万美元。显然，LPP-EUV光源的建设成本达到了FEL-EUV光源建设成本的2倍，运营成本更是达到了其15倍。综合来看，EUV-LPP光源的成本也达到了EUV-FEL光源的3倍。这其中，集光镜的维护费用占了运营成本的大部分，因为集光镜会因锡碎屑的污染而老化，需要经常更换。另外庞大的能源消耗也是一大成本。也就是说，采用FEL-EUV光源来代替LPP-EUV光源，综合成本可以降低2倍以上。尽管FEL-EUV仍面临系统庞大、技术复杂度高、工程化验证不足等现实挑战，但随着xLight等美国本土企业的加速商用化推进，这一技术路线正逐渐从“实验室构想”走向“晶圆厂可行性论证”。TeraFab作为一座从零规划的新一代晶圆厂，具备从设计端适配FEL-EUV光源的先天优势。马斯克对FEL-EUV路线的公开表态，叠加xLight获联邦资金支持、计划2028年商用的时间表，使得TeraFab是否成为全球首座“FEL-EUV晶圆厂”成为业界瞩目的焦点。无论最终结果如何，这场围绕下一代光刻光源的技术路线之争，已经深刻揭示了半导体产业格局正在发生的变化——后摩尔时代。英伟达联合六大金融巨头组建5000亿美元AI基础设施融资平台当地时间8月10日，AI芯片巨头英伟达宣布，已与阿波罗（Apollo）、贝莱德（BlackRock）、黑石（Blackstone）、布鲁克菲尔德（Brookfield）、高盛（Goldman Sachs）、KKR这六家全球顶尖金融机构签署谅解备忘录，共同打造一个可调动5000亿美元（约合3.38万亿元人民币）第三方资金的人工智能计算基础设施融资平台。根据英伟达公布的信息，该融资平台的核心目标是为英伟达生态系统内的AI基础设施创建规模可观的专属资金池，并以具有吸引力的利率向客户提供融资支持。这意味着，全球范围内建设AI数据中心所需的巨额资本开支，将不再完全依赖科技公司的自有现金或传统银行贷款，而是可以通过一个由英伟达背书、顶级金融机构参与的独立融资体系来解决。英伟达创始人兼首席执行官黄仁勋将这一转型定义为公司的“重要里程碑”。他表示：“我们最初从制造芯片起步；如今，我们正助力打造一种新型的高效、可投资的基础设施：AI工厂。”在黄仁勋的构想中，AI工厂不同于传统的数据中心或制造工厂，它是一种以计算能力为核心产出、能够持续产生收入的新型基础设施。“在人工智能领域，计算能力就是收入，”黄仁勋强调。他进一步阐释了英伟达计算平台为何特别适合成为这一新型基础设施的基石：首先，英伟达的技术生态被广泛采用，在各种模型和工作负载下都具有灵活性；其次，其计算资源可在不同客户和运营商之间互换和转移，具备类金融资产的流动性特征；更重要的是，通过CUDA软件的持续改进，这些基础设施能够随着时间的推移延长使用寿命并提升经济效益，而非像传统IT设备那样快速贬值。此次与英伟达携手的六家金融机构，管理着全球规模最大的长期资本，涵盖私募股权、资产管理、基础设施投资和投行等多个领域。黄仁勋表示，英伟达正汇聚这些全球领先的长期资本提供方，“共同独立为人工智能基础设施提供融资支持”。这一机制的设计旨在解决当前AI产业面临的核心瓶颈——算力资源的极度稀缺。建设一座大型AI数据中心往往需要数十亿甚至上百亿美元的投入，高昂的upfront cost（前期投入）使得许多企业和国家难以快速扩展AI能力。通过该融资平台，英伟达的客户将能够大规模获取稀缺的计算资源，并构建所谓的“DSX AI 工厂”，从而为人工智能时代的每个行业和每个国家提供动力。黄仁勋在其X平台文章中进一步解释了这一金融生态系统的运作逻辑：英伟达在其中主要起到对接资金供需双方的平台作用。平台的主要投资者是独立、长期的机构资本，这些资金追求跨越经济周期的稳定回报，与AI基础设施长达十年以上的运营周期高度匹配。而在部分项目中，英伟达自身也可能为项目提供最高可达剩余价值25%的支持。索尼与台积电签署协议，合资47亿美元建图像传感器厂近日，台积电与索尼集团正式宣布，双方将共同出资46.9亿美元（约47亿美元），在日本熊本县成立合资企业“先进视觉半导体制造公司”（Advanced Vision Semiconductor Manufacturing Corp），专注于下一代图像传感器的开发与制造。根据双方发布的联合声明，此次合资企业的股权结构与资金投入已明确划定。索尼集团将作为控股股东，通过现金注入及资产转移的方式，总计出资4650亿日元（约合29.2亿美元），其中包括其位于熊本县正在建设中的芯片工厂资产；台积电则将出资2820亿日元。合资企业的总部将设在熊本，依托台积电在当地运营的日本先进半导体制造（JASM）芯片工厂，形成从研发到制造的完整产业闭环。这一选址决策充分考量了熊本作为日本新兴半导体产业聚集地的区位优势，以及现有基础设施的协同效应。在技术分工层面，双方呈现出明显的优势互补特征。索尼将主导核心图像传感器技术的开发，同时负责产品规划与设计环节，这与其在图像传感器领域长期积累的技术底蕴密不可分。作为全球图像传感器市场的领先企业，索尼在智能手机摄像头、车载影像及专业摄影设备等领域拥有深厚的技术储备和市场份额。而台积电则将发挥其在先进制程工艺与晶圆制造领域的全球领先优势，为合资企业提供制造技术与生产管理方面的专业支持。这种“索尼主导设计、台积电主导制造”的模式，实质上复制了半导体行业无晶圆厂（Fabless）与纯晶圆代工（Foundry）分工协作的成功范式，有望在高精度图像传感器领域实现技术突破与规模效应的双重提升。按照规划，该合资企业将利用先进的制造技术，致力于打造智能手机图像传感器开发与生产的核心枢纽，预计将于2029年开始进入批量生产阶段。值得注意的是，双方明确表示，注资将根据市场需求及其他商业状况分阶段推进，显示出对产业周期与市场变化的审慎态度。此外，声明中特别提到，为实现计划产能所需的资金仍在评估之中，前提是能够获得日本政府的政策支持。这意味着该项目的最终规模与产能爬坡节奏，将在很大程度上取决于日本政府对半导体产业的补贴力度与政策连续性。台积电与索尼早在今年5月便首次对外宣布了合资计划，经过数月的磋商与细节敲定，如今正式进入实施阶段。此次合资恰逢全球图像传感器市场需求持续扩张的关键窗口。随着智能手机多摄系统渗透率不断提升、车载摄像头数量激增，以及人工智能视觉应用对传感器性能提出更高要求，高端图像传感器正成为半导体细分领域中增长最为确定的赛道之一。与此同时，在日本政府大力推动半导体产业回流、重塑本土供应链安全的政策背景下，台积电与索尼的联手无疑将为日本打造完整的半导体生态系统增添重要砝码。而熊本作为承接台积电日本布局的核心节点，正逐步从单一工厂模式向产业集群方向演进，未来有望吸引更多上下游配套企业入驻，形成区域性的半导体制造中心。8月12日消息，中国科技创新正迎来历史性跨越。据央视新闻援引日本文部科学省最新发布的权威报告，2024年中国研发经费投入首次超越美国，跃居全球首位。与此同时，从高水平学术论文到前沿产业布局，多项密集公布的指标共同勾勒出中国科研实力快速攀升的清晰轨迹。在外部技术遏制压力不减的背景下，中国科技创新不仅没有放缓脚步，反而正以更强劲的动能跑出“加速度”。日本文部科学省下属的科学技术与学术政策研究所近日发布的《科学技术指标2026》报告，以截至2024年的统计数据为基准，为全球科技格局提供了重要参照。报告显示，2024年中国研发经费总额达到97.1万亿日元，按现汇率约合4.12万亿元人民币，同比增长13.1%，首次超过美国的95.3万亿日元（现汇率约合4.04万亿元人民币），登顶全球研发投入第一大国。这一历史性超越并非偶然，而是中国长期坚持创新驱动发展战略的必然结果。报告特别指出，中国在“计算机、电子和光学产品制造业”领域的研发投入增长尤为迅猛，反映出数字经济与高端制造正成为引领中国科研资源集聚的核心引擎。如果说研发经费是科技创新的“硬投入”，那么学术影响力则是衡量创新质量的“软实力”。在这一维度上，中国同样展现出强劲的国际竞争力。中国科学技术信息研究所发布的统计报告显示，中国在各学科最具影响力期刊论文数量、高水平国际期刊论文数量及被引用次数方面均保持世界第一。具体而言，2024年中国热点论文数量达到2342篇，占世界热点论文总数的53.2%，超过半壁江山。按国际论文被引用次数统计，中国在农业科学、化学、计算机科学、工程技术、材料科学和数学等6个学科排名全球第一。这些数据表明，中国科研不仅实现了“量”的积累，更在“质”的提升上取得了突破性进展，基础研究与应用研究的国际话语权显著增强。在产业技术前沿领域，中国正加速构建自主可控的创新生态。总部位于纽约的美国荣鼎咨询公司近日发布报告，从多维度对比了中美两国AI生态系统的发展态势。尽管面临外部技术打压和供应链限制，中国AI产业的发展步伐并未停滞。集邦咨询8月10日发布的最新预测更为具体地指出，2026年国产产品有望拿下中国高端AI芯片市场近90%的份额。该机构分析表示，中国半导体产业生态在先进制程晶圆代工、先进封装以及热管理等关键领域日趋成熟，本土产业链的协同能力正在快速追赶国际先进水平。这意味着，在人工智能这一被视为未来十年全球科技竞争制高点的赛道上，中国正从应用层面向底层硬件层面实现更全面的自主突破。人形机器人产业的爆发式增长，则是中国科技创新“加速度”的又一注释。美国智能设备分析全球公司发布的最新研究数据显示，2026年上半年，全球人形机器人出货量约为19100台，较去年同期的5100台实现大幅增长，同比增幅接近274%。在这一蓬勃兴起的新兴市场中，中国人形机器人出货量占比高达97%，几乎包揽全球出货总量。彭博社对此分析认为，中国各级政府在政策引导与资金扶持层面的持续加码，正成为推动人形机器人从实验室走向工厂、从示范应用迈向大规模普及的关键力量。从核心零部件到整机集成，从算法软件到场景落地，中国正在人形机器人全产业链上形成独特的竞争优势。
