軟銀 53.75 億美元收購 ABB 機器人部門：Physical AI 帝國的關鍵一步

一筆震動全球機器人產業的收購

2026 年 2 月，瑞士工業巨頭 ABB 宣布已簽署協議，將旗下整個機器人部門（Robotics division）出售予軟銀集團（SoftBank Group），交易企業價值為 53.75 億美元。預計交易將於 2026 年中至年底完成。

ABB 機器人部門是全球歷史最悠久、規模最大的工業機器人製造商之一。數十年來，ABB 的六軸工業機械臂、協作機器人（cobot）和全自動化生產線解決方案，遍佈全球汽車、電子、食品加工和物流等產業。這不是一家初創公司，而是一個擁有深厚工業底蘊和龐大裝機量的成熟業務。

對 ABB 而言，這筆剝離使其能夠更加專注於電氣化和自動化（Electrification & Motion）等核心成長領域。但真正引發產業震盪的問題是：軟銀為什麼要買？它要用 ABB 機器人做什麼？

答案只有三個字——Physical AI。

孫正義的 Physical AI 大棋盤

要理解這筆收購的戰略意義，必須先看清軟銀在 Physical AI 領域已經佈下的棋子。過去數年間，孫正義及其投資帝國已經悄然構建了一個覆蓋機器人產業全鏈條的投資組合：

將這些拼圖放在一起，一個清晰的戰略圖景浮現：軟銀不是在做零散的財務投資，而是在系統性地構建一個從「AI 大腦」到「機器人身體」的垂直整合帝國。Skild AI 提供通用機器人基礎模型（大腦），ABB Robotics 和 Agile Robots 提供工業級硬體平台（身體），Berkshire Grey 和 AutoStore 提供已經驗證的應用場景和客戶基礎（落地），而 SoftBank Robotics 則是面向消費和服務市場的前哨。

這種「全棧式」Physical AI 佈局，在全球範圍內找不到第二家。即使是 NVIDIA、Google DeepMind 或 Tesla，也未能同時掌控機器人 AI 的基礎模型層、硬體製造層和應用落地層。

為什麼 ABB 機器人是缺失的關鍵拼圖？

在軟銀已有的投資組合中，存在一個顯而易見的缺口：缺乏大規模、成熟的工業機器人硬體製造能力。SoftBank Robotics 的 Pepper 是服務型機器人，Berkshire Grey 和 AutoStore 專注於特定倉儲場景，Agile Robots 雖然技術先進但規模有限，Skild AI 則是純軟件公司。

ABB 機器人恰好填補了這個缺口——而且是以最大化的方式填補。ABB 不僅擁有全球數以萬計的工業機器人裝機量，更重要的是它擁有：

• 成熟的製造供應鏈：ABB 在全球擁有多個機器人製造基地，包括中國上海的超級工廠，年產能達數萬台。這種製造規模是任何初創公司都難以企及的。
• 龐大的客戶關係網絡：全球數千家企業客戶，從豐田、BMW 等汽車巨頭到富士康等電子製造龍頭，ABB 的銷售和服務網絡深入全球製造業的每一個角落。
• 數十年的工業數據：這或許是最被低估的資產。ABB 機器人在全球工廠中積累了海量的工業操作數據——焊接軌跡、裝配順序、品質檢測模式——這些數據對訓練工業場景的 Physical AI 模型來說，是無價之寶。
• 安全認證與合規體系：工業機器人需要通過嚴格的安全認證（ISO 10218、ISO/TS 15066 等）。ABB 數十年來積累的認證經驗和合規體系，是進入工業市場的必備門票。

「想像一下：Skild AI 的通用基礎模型，運行在 ABB 數十年打磨的工業機器人硬體上，為 Berkshire Grey 和 AutoStore 的客戶提供前所未有的智能自動化——這就是軟銀看到的終極願景。」

與 NVIDIA 的競爭與互補

軟銀的 Physical AI 佈局，不可避免地與 NVIDIA 產生交集。2026 年初，黃仁勳在 CES 上高調宣布「機器人的 ChatGPT 時刻」已經來臨，發布了 Cosmos 開源世界基礎模型和 GR00T 人形機器人基礎模型。與此同時，NVIDIA 與 Dassault Systèmes 的合作推出了 Industry World Models——用於在數碼孿生環境中訓練和驗證機器人 AI 的平台。

然而，NVIDIA 和軟銀的策略存在根本差異。NVIDIA 走的是「賣鏟子」路線——提供 GPU 算力、模擬平台和基礎模型，讓其他公司在其生態系統上構建機器人產品。NVIDIA 不製造機器人，也不直接面向終端客戶。

軟銀則選擇了一條更為激進的路線：直接擁有從 AI 模型到機器人硬體再到終端客戶的整條價值鏈。這種垂直整合的策略，讓軟銀能夠控制數據流轉的每一個環節——而數據，恰恰是 Physical AI 競賽中最稀缺的資源。

數據護城河的戰略意義

這裏值得深入分析的是數據飛輪效應。ABB 全球裝機的機器人每天產生的操作數據，可以回饋給 Skild AI 的基礎模型進行訓練。模型改進後，又能部署到更多 ABB 機器人上，帶來更好的性能，吸引更多客戶，產生更多數據——如此循環。

這種「硬體部署規模帶動數據積累，數據積累提升 AI 能力，AI 能力反過來推動更多硬體部署」的飛輪效應，是 NVIDIA 作為平台提供商所難以複製的。NVIDIA 可以提供世界上最好的模擬訓練環境，但模擬數據終究無法完全替代來自真實工廠車間的操作數據。

當然，兩者之間也存在互補。軟銀的機器人帝國幾乎肯定會大量使用 NVIDIA 的 GPU 和模擬平台。Skild AI 的模型訓練離不開 NVIDIA 的算力基礎設施，ABB 機器人的控制器也可能搭載 NVIDIA 的邊緣計算芯片。在 Physical AI 的生態系統中，NVIDIA 扮演的是「基礎設施供應商」的角色，而軟銀扮演的是「系統整合者」——兩者並非零和博弈。

來自中國的競爭壓力

軟銀加速整合的背景下，另一股不可忽視的力量正在崛起——中國的機器人產業。

以宇樹科技（Unitree）為例，這家總部位於杭州的公司正在以驚人的速度和價格顛覆市場。其最新一代人形機器人的售價僅為 13,500 美元，預計 2026 年出貨量達到 10,000 至 20,000 台。相比之下，Boston Dynamics 的 Atlas 機器人售價動輒數十萬美元，Tesla 的 Optimus 也尚未公布具有競爭力的定價策略。

Unitree 的策略——以極低價格大規模鋪貨——與智能手機時代中國廠商的策略如出一轍。如果一台功能堪用的人形機器人只需一輛經濟型轎車的價格就能買到，那麼物理 AI 的滲透速度將遠超大多數人的預期。

除 Unitree 之外，中國的機器人產業生態正在全方位成熟：

• 傅利葉智能（Fourier Intelligence）：專注於通用人形機器人和康復機器人，已在多個國家和地區部署。
• 智元機器人（Agibot）：上海人工智能實驗室孵化的人形機器人公司，融資規模快速增長。
• 大疆（DJI）：雖以無人機聞名，但其在感測器、電機和控制系統方面的技術積累，為其進軍地面機器人領域提供了強大基礎。
• 政策支持：中國政府已明確將人形機器人列為戰略性新興產業，多個省市出台專項扶持政策和產業基金。

這對軟銀意味著什麼？ABB 機器人的收購，某種程度上也是對中國製造業競爭壓力的回應。通過將 ABB 成熟的全球製造網絡（包括其在中國的生產基地）與先進 AI 技術結合，軟銀希望在成本和智能化程度上同時建立競爭優勢。但不可否認，在人形機器人的「性價比」之戰中，中國企業目前佔據了明顯的先手優勢。

更廣泛的 Physical AI 競賽格局

將視野放得更寬，Physical AI 的競賽已經遠遠超出了工業機器人的範疇。

自動駕駛領域，Waymo 以 1,260 億美元的估值完成了 160 億美元的融資。這不僅是對 Waymo 技術的認可，更是資本市場對「AI 控制物理世界」這一宏大敘事的全面擁抱。自動駕駛和機器人在技術上有著高度的共通性——兩者都需要感知環境、理解物理規律、做出實時決策和執行精確的物理動作。

NVIDIA 與 Dassault Systèmes 合作推出的 Industry World Models，則代表了另一個重要方向：用數碼孿生（Digital Twin）和世界模型（World Model）來模擬整個工業流程，在虛擬世界中訓練和優化機器人策略，然後部署到現實世界。這種「先模擬、後部署」的範式，有可能大幅縮短機器人從實驗室到工廠的落地週期。

綜合來看，2026 年的 Physical AI 競賽呈現出三大陣營：

1. 平台派（NVIDIA）：提供算力、模擬環境和基礎模型，賦能整個生態系統。優勢在於廣泛的生態覆蓋；劣勢在於不直接控制硬體和終端數據。
2. 垂直整合派（軟銀）：從 AI 模型到硬體製造到終端部署，試圖掌控全鏈條。優勢在於數據飛輪和端到端優化；劣勢在於投入巨大、整合風險高。
3. 性價比派（中國企業）：以極具競爭力的價格快速鋪量，搶佔市場規模。優勢在於成本控制和製造速度；劣勢在於高端 AI 技術的自主研發能力有待驗證。

風險與不確定性

孫正義的 Physical AI 帝國願景固然宏大，但必須正視其中的風險。

整合的複雜性

軟銀歷史上在技術投資領域的成績單並不乏失敗案例——WeWork 的教訓猶在眼前。將 ABB 機器人這樣一個根基深厚的歐洲工業企業，與一系列風格迥異的科技公司整合在同一個戰略框架下，挑戰不言而喻。不同公司之間的技術棧、企業文化、管理模式和客戶群體差異巨大，真正實現「1+1 大於 2」的協同效應需要極高的執行力。

技術成熟度的時間差

Skild AI 的通用機器人基礎模型雖然融資規模驚人，但從實驗室演示到大規模工業部署之間仍存在顯著的技術鴻溝。Sim-to-Real 遷移、長尾場景處理、安全可靠性驗證——這些問題不會因為有了 ABB 的硬體就自動解決。如果基礎模型的成熟速度不及預期，軟銀的垂直整合策略可能陷入「硬體閒置等 AI、AI 缺數據等硬體」的尷尬循環。

估值泡沫的風險

Skild AI 以 140 億美元的估值融資，Waymo 以 1,260 億美元的估值融資——這些天文數字級別的估值建立在對 Physical AI 未來的極度樂觀預期之上。一旦技術進展不如預期，或者宏觀經濟環境惡化導致資本收縮，這些估值可能面臨大幅回調。而軟銀作為 Skild AI 的主要投資者，其 Physical AI 帝國的「帳面價值」也將隨之動搖。

對香港與大灣區的啟示

軟銀收購 ABB 機器人部門這一事件，對香港和粵港澳大灣區的產業界有著多重啟示。

首先，Physical AI 的產業化進程正在加速，香港的製造業、物流業和專業服務業需要積極準備。ABB 機器人在珠三角地區擁有大量的裝機客戶，這些客戶在未來可能會獲得由 Skild AI 基礎模型驅動的全新智能升級。香港企業在供應鏈管理和國際市場拓展方面的優勢，可以在這波升級潮中發揮獨特作用。

其次，軟銀的垂直整合策略提醒我們，Physical AI 不是一個單點技術突破的問題，而是一個需要 AI 模型、硬體製造、場景數據和安全認證全面配合的系統工程。香港的大學和研究機構若要在這一領域有所建樹，需要跨越學科界限，推動計算機科學、機械工程、製造科學和安全工程的深度融合。

最後，從投資角度看，Physical AI 正在成為繼生成式 AI 之後最重要的投資主題。香港作為國際金融中心和粵港澳大灣區的資本樞紐，有機會在 Physical AI 的融資和產業整合中扮演關鍵角色——前提是我們能夠培養出足夠多懂技術、懂產業的專業投資人才。