打开绝大多数行业分析，人形机器人的瓶颈，几乎清一色指向 AI 大模型：VLA 泛化差、物理数据稀缺、Sim2Real 鸿沟难以逾越。仿佛只要模型再迭代两代，人形机器人就能快速走向千家万户。

但反常事实摆在眼前：就算模型能力一夜之间补齐，躯体供应链依旧会把商业化死死卡住。麦肯锡 4 月报告将精密电机组件、力与触觉感知、计算与控制列为三大高风险系统组件，这些硬件环节的短板，并不会随算法升级自动修复。瑞萨副总裁 Ivo Marocco 直接给出判断：生态与系统集成的建设难度，比攻克 AI 问题更高。本文明确选边：现阶段具身智能赛道，硬件躯体与供应链约束，对量产的制约权重并不低于 AI 算法。

Omdia 数据显示，2025 年全球人形机器人总出货量仅 1.3 万台，这个体量对比汽车、工业自动化市场几乎可以忽略不计。没有足够出货规模，就没有专属定制芯片，行业只能挪用汽车、工业自动化的成熟器件做适配改造。这也是瑞萨切入赛道的底层逻辑：把汽车电子、工业自动化积累的感知、电机控制、电源、计算四大板块能力迁移过来。

瑞萨当前可以覆盖人形机器人30% 的 BOM 成本，长期目标扩张至 70% BOM 覆盖，这个目标吸引了大量关注，但市场很容易产生误读：把 70% BOM 理解为马上落地的市场份额，这是第一个需要纠正的主流误区。

第一个反主流判断：70% BOM 是远期产品组合目标，不是可即刻兑现的商业成果，不代表瑞萨可以包揽机器人七成硬件采购。

这里的 70%，是包含芯片、模拟器件、传感器、参考设计、子系统方案的可服务市场总和，并非当下已经实现的供货比例。瑞萨自己也没有给出明确的时间节点。目前瑞萨已经对接全球超过 100 家机器人客户，包含已经拿到 design‑win 与处于概念验证阶段的项目，但多数项目仍处在早期验证周期，还没有转化成大规模出货营收。

从 30% 迈向 70%，最大阻碍并非芯片本身，而是三大高风险硬件组件：力与触觉感知、精密电机组件、计算与控制。以触觉感知为例，机器人皮肤、指尖力传感器至今缺少大规模量产成熟方案；瑞萨演示的灵巧手方案，指尖力传感器量程 100‑400N，线性误差 ±1% FS，但 Demo 可行不等于可以低成本批量供货。

第二个反主流判断：汽车、工业的成熟芯片可以拿来复用，但完整照搬临近产业方案，解决不了人形机器人的特有难题。

汽车电子积累给瑞萨提供不错起点，但人形机器人对实时交互、确定性行为、功能安全控制提出了更严苛要求。架构路线至今没有收敛：到底走中央集中式计算，还是关节分布式智能，行业没有统一答案；功能安全、设备互操作标准几乎空白。这些问题，是汽车行业几十年沉淀出来的，机器人行业没有现成答案，单靠芯片厂商无法闭环解决。

也正因标准、架构全部悬而未决，当下整机厂商普遍走上垂直整合路线。以特斯拉 Optimus 为例，双手集成超过 50 个执行器，大量电机、执行器选择自研定制，根源就是市面上找不到满足整机指标的标准化供应链产品。这就带来现实矛盾：芯片供应商想输出标准化子系统方案，整机厂商却为了性能不得不深度定制，二者诉求天然冲突。

瑞萨把赌注压在系统级解决方案与生态共创上，在北京落地物理 AI 与机器人实验室。这个实验室定位不是单纯展示芯片，而是面向客户，完成从概念验证、方案调试到生产部署的完整工程验证，配套 Renesas 365 开发平台，打通设计、测试、部署全链路。瑞萨预期 2030‑2035 年物理 AI 市场（不含汽车）可以实现 40% 的年复合增长率，2050 年整体市场规模有望达到 1.2 万亿美元，但该数值包含整机、零部件、软件全部环节，芯片只是其中一小部分。

瑞萨对消费级人形机器人的判断也足够谨慎：面向普通家庭的人形机器人规模化落地，时间周期要大于 5 年；短期真正放量的场景集中在工厂、物流、农业等工业垂类。

当然，瑞萨也清晰认知自身边界：AI 模型泛化、Sim2Real 并不是芯片厂商的业务范畴。瑞萨的策略不是下场做算法，而是提供硬件底座，帮助科研与整机客户降低物理世界验证的工程成本。

行业现在很容易陷入两种极端叙事：一种相信大模型万能，硬件会自然跟上；另一种迷信单一芯片巨头可以搞定全链条 70% BOM，快速完成供应链重构。但现实是，两边都无法独立完成产业化。

最后没有标准答案。未来有两个变量决定瑞萨 70% BOM 目标能否落地：第一，整机厂商会在多大程度上放弃垂直自研，转向第三方标准化子系统；第二，行业安全、互操作标准能否在未来 12‑24 个月出现初步共识。如果整机持续深度定制，即便芯片能力全部就绪，70% BOM 也只会停留在理论空间。至于 AI 算法与硬件躯体，究竟哪一个会先迎来拐点，现在还没有确定性答案。