Mckinsey 研究显示，全球工业自动化的产品及服务的市场规模在 2025 年达到了 1,083 亿美元，其中连续制造贡献了 759 亿美元，离散制造贡献了 324 亿美元。

从附图细分行业的多样性可以看出，制造业的垂直行业属性是相当强烈的，所谓 “隔行如隔山”，这对于解决方案提供商而言，意味着市场的碎片化程度大（市场集中度低）。

Mckinsey 研究显示，2025 年全球工作自动化产品的市场规模为 1,083 亿美元，中国的相应规模为 459 亿美元（2,500 亿人民币）。

从类型看，全球市场连续制造和离散制造的比例为 70% : 30%，中国的比例为 75% : 25%。

ARK Fund 对通用机器人的市场前景极为看好。其认为到 2030 年，全球家用机器人的市场空间可达 12.5 万亿美元，而制造业的通用机器人也会达到 12 万亿美元。两者合计 24 万亿美元。

围绕人形机器人的争议产业一直存在。

有一个强有力的逻辑：这个世界的建设，包括家里的装修和陈设，都是围绕人类活动而展开的。

通用机器人如果要成为家庭的一员，比如大面积分流家务等。从适应环境角度，其就需要像人类一样活动。（纯轮子型的机器人，显然不容易像人类一样活动；凸显机器手和机器脚的重要性）。

IoT Analytics 数据显示，2013 年全球工业互联网软件市场空间为 1,460 亿美元，预计 2024 年可达 1,640 亿美元。 2023-2030 收入年复合增长 CAGR 为 13.5%。

从产业格局角度，工业互联网软件的头部玩家基本都是海外企业，中国大陆背景的企业规模相对小。

中国工业机器人在 2010 年以后进入高速发展期，2022-2023 年产量保持在 40 万台以上。

2023 年，受宏观经济疲软、行业周期变化等多方面因素影响，中国工业机器人产量呈 现波动状态。

从远期角度，在人口老龄化、蓝领劳动力缺乏背景下，工业机器人的需求长期看好。

从英伟达 Nvidia 2025 财年 Q2 的收入结构看，数据中心贡献了 263 亿美元，而汽车只贡献了 3 亿美元，即便英伟达近年在加强汽车自动化的技术研发。

侧面反映了，数据中心的算力需求是汽车的 88x 倍。汽车首先是一个物理世界的 “实体大件”。汽车的智能化程度，代表了整个物理世界的实际智能化程度。

生成式 AI（Gen AI）在一些语境下被称呼为 AIGC（AI 生成内容）是有原因的。目前访问量大的生成式 AI 应用，基本都是生成某种内容。

2022 - 2023 年期间，舆论非常喜欢把生成式 AI 称为下一轮工业革命。以至于只看公众号文章，感觉

“低延迟” 已经是高频词，经常出现在包含工业应用的专网讨论中。但实际上，工业网络中最重要的因素不只是延迟，还应考虑 “低抖动”。

在自动化控制应用场景中，数据和控制指令的传输须在给定的时间段内完成。该时间段决定了最大允许的端到端时延。

基于 R15 版本标准的5G专网，时延加上抖动有可能达到 100ms 以上，无法满足运动控制等实时性要求高的工业自动化应用要求。

国家发改委披露的数据，目前全社会设备存量资产净值大约是 39.3 万亿元，其中工业设备存量资产大概是 28 万亿元。工业机器人的保有量占全世界三分之一，风电光伏等新能源设备的装机量连续多年都是全球第一，家电的保有量超过 30 亿台，汽车的保有量超过 3 亿辆。

国务院《推动大规模设备更新和消费品以旧换新行动方案》正式应对此领域的指导性文件，会牵引一系列机会。

每年工农业等重点领域设备投资更新需求在 5 万亿元以上，汽车、家电换代需求也在 1 万亿元以上级别。

生成式 AI 在诸多领域会带来效率提升，但严格的实证型案例也并不多。下图是两个有价值的研究案例。

一个案例是 Github Copilot 辅助编程工具，程序员在使用了 Copilot 后效率平均提升到了 2.2x 倍。

另一个案例是 BCG 咨询公司的专案试验，BCG 的几百名咨询顾问在在使用了生成式 AI 工具后，完成指定任务的速度和质量都取得了一定的提升。

思考 1：程序员效率提升幅度显然高于咨询顾问，咨询顾问遇到的问题更加 “非结构化”，难度自然会大一些。

思考 2：程序员使用了 Copilot 后，程序员更好找工作还是更难呢？ 某些地区

ARK 基于 IFR 的数据，绘制了自 1996 年以来历年工业机器人的销售出货量和平均价格。

洞察之一就是：产销量每增加一倍，价格下降 50%。