Rynek fizycznej AI w 2026: gracze, kapitał i pytanie o rynek pracy, które zadaje każdy

Ile właściwie jest wart rynek fizycznej AI w 2026 roku?

Krótka odpowiedź brzmi: to zależy, kogo zapytasz i co dokładnie liczy. Jeśli mowa wyłącznie o humanoidach, Goldman Sachs szacuje, że globalny rynek osiągnie 38 miliardów dolarów wartości do 2035 roku przy wysyłkach na poziomie 1,4 miliona sztuk rocznie — to sześciokrotnie więcej niż w poprzedniej prognozie banku i czterokrotnie wyższy wolumen sprzedaży, głównie dlatego że postęp w sztucznej inteligencji okazał się szybszy, a produkcja tańsza niż zakładano jeszcze dwa lata temu. Morgan Stanley patrzy węziej, tylko na Chiny, i w czerwcu 2026 podwoił swoją prognozę wysyłek humanoidów na ten rok do 50 tysięcy sztuk — a to i tak druga korekta w górę, bo styczniowy szacunek 14 tysięcy sztuk urósł najpierw do 28 tysięcy, zanim skoczył do obecnych 50 tysięcy. W horyzoncie 2030 roku bank widzi chiński rynek na poziomie 446 tysięcy sztuk rocznie i 15 miliardów dolarów wartości, w porównaniu do szacowanych 2 miliardów dolarów w samym 2026 roku.

Problem w tym, że te liczby nie są ze sobą bezpośrednio porównywalne, a do tego istnieją jeszcze inne, dużo szersze definicje „rynku fizycznej AI”, które obejmują nie tylko humanoidy, ale całą infrastrukturę czujników, robotów przemysłowych, autonomicznych pojazdów i oprogramowania sterującego. Niektóre firmy analityczne (np. MarketsandMarkets) podają dla tak zdefiniowanego rynku wartość 1,5 miliarda dolarów w 2026 roku rosnącą do 15,24 miliarda w 2032, inne cytują 7,11 miliarda w 2026 rosnące do 34,89 miliarda w 2031, a jeszcze inne szacunki mówią o rynku wartym ponad 430 miliardów dolarów już w 2030 roku. To nie są błędy w danych — to po prostu różne zakresy tego, co ktoś nazywa „fizyczną AI”. Zanim więc porównasz jedną liczbę z drugą, warto sprawdzić, czy w ogóle mierzą to samo. Więcej o tym, czym w ogóle jest ta kategoria technologii, piszemy w artykule o fizycznej sztucznej inteligencji.

Niezależnie od tego, którą definicję przyjmiemy, kierunek jest ten sam: kapitał płynie do fizycznej AI w tempie, jakiego branża robotyki nie widziała od dekad, a jednocześnie rośnie liczba pytań o to, co to oznacza dla ludzi wykonujących dziś pracę fizyczną. Ten artykuł omawia oba wątki: kto realnie zgarnia pieniądze i buduje przewagę, oraz co dane mówią (i czego nie mówią) o wpływie robotów na zatrudnienie.

Kto dziś realnie prowadzi wyścig o robotyczne ciało?

Pięciu graczy wyznacza dziś tempo całej branży, każdy z innej strony i z innym modelem finansowania.

Figure AI zamknęło rundę Serii C na ponad miliard dolarów przy wycenie post-money 39 miliardów dolarów we wrześniu 2025 roku. Rundę poprowadził Parkway Venture Capital, a wśród inwestorów znalazły się Brookfield, NVIDIA, Intel Capital, Salesforce i Qualcomm Ventures. To piętnastokrotny skok wyceny względem Serii B z lutego 2024 roku, która opiewała na 2,6 miliarda dolarów — tempo wzrostu wyceny rzadko spotykane nawet w branży sztucznej inteligencji.

Unitree Robotics poszło inną drogą: zamiast prywatnych rund venture capital, chińska Komisja Papierów Wartościowych (CSRC) zatwierdziła 3 lipca 2026 roku rejestrację IPO spółki na szanghajskim rynku STAR Market. Unitree planuje pozyskać około 4,2 miliarda juanów, czyli mniej więcej 619 milionów dolarów. Sama wycena całej spółki wynikająca z oferty jest raportowana niespójnie — część źródeł podaje około 6,2 miliarda dolarów, inne bliżej 5,9 miliarda dolarów (40 miliardów juanów), co najprawdopodobniej wynika z różnych założeń co do procentu akcji trafiających do wolnego obrotu. Sama kwota, jaką spółka planuje pozyskać, jest za to spójna we wszystkich źródłach.

Tesla finansuje rozwój Optimusa z własnych środków, a nie przez zewnętrzne rundy inwestycyjne. Elon Musk zapowiedział rozpoczęcie produkcji Optimusa V3 latem 2026 roku poprzez przekształcenie części linii montażowej Model S/X w fabryce we Fremont. Celem jest cena poniżej 20 tysięcy dolarów za sztukę przy pełnej skali produkcji, choć obecny szacowany koszt wytworzenia mieści się jeszcze w przedziale 50–100 tysięcy dolarów. Warto to rozgraniczyć: część komentatorów cytuje aspiracyjny cel 50–100 tysięcy sztuk w samym 2026 roku, ale własne wypowiedzi Muska z marca 2026 (podczas Abundance Summit) mówią raczej o powolnym starcie produkcji latem 2026, a masowy wolumen (dziesiątki tysięcy sztuk) przesunięty jest na 2027 rok. Traktuj więc każdą konkretną liczbę sztuk na 2026 rok jako niepotwierdzoną deklarację, nie zamkniętą prognozę produkcyjną.

1X Technologies postawiło na model bezpośredniej sprzedaży konsumenckiej. Firma przyjmuje przedzamówienia na domowego humanoida NEO w programie wczesnego dostępu w cenie 20 tysięcy dolarów (przy zadatku 200 dolarów) albo w formie subskrypcji 499 dolarów miesięcznie. NEO waży 29,9 kilograma, potrafi podnieść 69,8 kilograma i przenosić 24,9 kilograma, a pierwsze dostawy do amerykańskich klientów konsumenckich mają ruszyć w 2026 roku.

Agility Robotics wybrało ścieżkę wejścia na giełdę przez fuzję ze spółką celową (SPAC) Churchill Capital Corp XI, wycenioną na 2,5 miliarda dolarów. To o tyle istotne, że Agility ma już za sobą coś, czego brakuje większości konkurentów: realne wdrożenia komercyjne. Humanoid Digit pracuje u klientów takich jak Schaeffler, GXO, Toyota Motor Manufacturing Canada i Mercado Libre, łącznie przepracował ponad 65 tysięcy godzin operacyjnych w dziewięciu lokalizacjach klientów, a w samym 2025 roku przeniósł ponad 100 tysięcy pojemników transportowych w magazynie GXO — za co Digit otrzymał nagrodę RBR50 Robot of the Year.

Jak te modele biznesowe się od siebie różnią?

Firma	Produkt	Kapitał / wycena	Status wdrożenia
Figure AI	Figure 02/03	Seria C >1 mld USD, wycena 39 mld USD (wrzesień 2025)	Pilotaże i testy przemysłowe
Unitree Robotics	G1, R1	IPO Szanghaj STAR Market, ~619 mln USD pozyskania, wycena ~5,9–6,2 mld USD (zatwierdzone lipiec 2026)	Sprzedaż komercyjna od $4 290 do $73 900
Tesla	Optimus V3	Finansowanie wewnętrzne	Start produkcji lato 2026, skala przemysłowa dopiero 2027
1X Technologies	NEO	Model przedsprzedaży bezpośredniej, bez ujawnionej wyceny rundy	Przedsprzedaż konsumencka, dostawy 2026
Agility Robotics	Digit	SPAC 2,5 mld USD (Churchill Capital Corp XI)	Komercyjnie wdrożony u czterech nazwanych klientów

Ten zestaw pokazuje coś, co łatwo przeoczyć, patrząc tylko na nagłówki o miliardowych wycenach: firmy różnią się nie tylko skalą kapitału, ale przede wszystkim dowodami na to, że produkt działa poza laboratorium. Agility ma najmniejszą wycenę z całej piątki, ale jako jedyna pokazuje twarde liczby operacyjne z realnych magazynów. Unitree z kolei jako jedyne udowodniło, że da się sprzedawać humanoidy po cenach zaczynających się od kilku tysięcy dolarów, a nie kilkudziesięciu.

Ile kosztuje dziś humanoid — i dlaczego to najważniejsza liczba w całej branży?

Cena jednostkowa robota decyduje o tym, czy fizyczna AI trafi tylko do wielkich magazynów, czy również do mniejszych firm i domów. Tu rozstrzał jest ogromny. Unitree sprzedaje G1 w konfiguracjach od 16 tysięcy dolarów za wersję bazową do 73,9 tysiąca dolarów za najwyższą wersję EDU Ultimate przeznaczoną do zastosowań badawczych. Lżejszy model R1, który trafił do sprzedaży w lipcu 2025 roku, kosztuje od 5,9 tysiąca dolarów, a jego dwuręczna wersja modułowa zaczyna się już od 4,29 tysiąca dolarów. To ceny bliższe drogiemu rowerowi elektrycznemu niż tradycyjnemu robotowi przemysłowemu, który zwykle kosztował kilkadziesiąt do kilkuset tysięcy dolarów.

Po drugiej stronie skali jest Tesla, która wciąż produkuje Optimusa po koszcie rzędu 50–100 tysięcy dolarów za sztukę, licząc na to, że skala produkcji i pionowa integracja (własne baterie, silniki, oprogramowanie) sprowadzą tę liczbę poniżej 20 tysięcy dolarów. 1X celuje w segment konsumencki z ceną wejścia 20 tysięcy dolarów albo miesięczną subskrypcją, co jest istotną innowacją modelu sprzedaży — przenosi ciężar kosztu z jednorazowego zakupu na rozłożoną w czasie opłatę, podobnie jak dziś kupuje się oprogramowanie w chmurze.

To zestawienie cen tłumaczy, dlaczego prognozy Goldman Sachs i Morgan Stanley zakładają tak gwałtowny wzrost wolumenu w kolejnych latach: gdy cena wejścia spada z poziomu samochodu premium do poziomu używanego samochodu miejskiego, krąg potencjalnych nabywców — firm logistycznych, producentów, a z czasem gospodarstw domowych — rozszerza się skokowo, a nie liniowo.

Skąd bierze się ten kapitał i dlaczego akurat teraz?

Trzy zjawiska nakładają się na siebie i tłumaczą, dlaczego 2025 i 2026 rok przyniosły tak duży napływ pieniędzy do robotyki fizycznej. Po pierwsze, modele językowe i systemy percepcji dojrzały na tyle, że dają się przenieść do sterowania ciałem robota bez konieczności programowania każdego ruchu z osobna — to właśnie ten postęp Goldman Sachs wskazuje jako główny powód podniesienia swojej prognozy rynku aż sześciokrotnie. Po drugie, koszty produkcji komponentów (silniki, czujniki, baterie) spadają dzięki efektom skali napędzanym przez przemysł motoryzacyjny i elektronikę konsumencką. Po trzecie, duzi gracze technologiczni — od NVIDII po Salesforce i Qualcomm — traktują inwestycje w firmy robotyczne jako sposób na zabezpieczenie pozycji w łańcuchu dostaw przyszłej infrastruktury AI, podobnie jak wcześniej inwestowali w chmurę obliczeniową.

Struktura finansowania też się różnicuje. Obok klasycznych rund venture capital (Figure AI) i finansowania korporacyjnego (Tesla) pojawiają się dwie nowe ścieżki: bezpośrednie IPO na giełdach azjatyckich (Unitree na STAR Market) oraz fuzje ze spółkami celowymi SPAC (Agility Robotics z Churchill Capital Corp XI). To sygnał, że branża wchodzi w fazę, w której inwestorzy chcą mieć ekspozycję na fizyczną AI również poprzez rynki publiczne, a nie wyłącznie przez fundusze venture capital zamknięte dla drobnych inwestorów. Szerzej piszemy o tym w artykule o rundach finansowania robotyki, a dla czytelników zastanawiających się, jak wejść w ten temat z poziomu rynku giełdowego, mamy osobny materiał o funduszach i instrumentach giełdowych z ekspozycją na robotykę.

Warto też dodać, że tempo tych zmian jest nierówne geograficznie. Chiny — z Unitree jako flagowym przykładem — rozwijają masową, tanią produkcję i szybką komercjalizację krajową, co widać w skali korekt prognoz Morgan Stanley. Stany Zjednoczone stawiają raczej na jakość percepcji i ogólne zdolności poznawcze robotów (Figure, Tesla, 1X), licząc się z wyższymi kosztami jednostkowymi w zamian za bardziej uniwersalne zastosowania. Europa na razie odgrywa w tym wyścigu rolę regulatora i integratora bezpieczeństwa bardziej niż producenta — co ma znaczenie praktyczne dla firm, które chcą wdrażać te roboty zgodnie z lokalnymi normami, o czym piszemy w materiale o unijnym AI Act i rozporządzeniu maszynowym.

Czy roboty fizycznej AI zabiorą pracę ludziom?

To pytanie pojawia się w każdej rozmowie o tym rynku i uczciwa odpowiedź brzmi: zależy, którą metodologię chcesz uznać za wiążącą, bo dwa poważne źródła dają obraz, który na pierwszy rzut oka wygląda na sprzeczny.

Raport Future of Jobs 2025 Światowego Forum Ekonomicznego, oparty na danych ponad tysiąca firm z 22 branż i 55 gospodarek, prognozuje do 2030 roku powstanie 170 milionów nowych miejsc pracy przy jednoczesnym zniknięciu 92 milionów istniejących stanowisk — co daje wynik netto na plusie: 78 milionów nowych miejsc pracy. To liczby liczone na poziomie całej gospodarki, uwzględniające zarówno miejsca znikające pod wpływem automatyzacji, jak i nowe role powstające wokół obsługi, nadzoru i rozwoju tych samych technologii.

Z kolei starsza, ale wciąż szeroko cytowana analiza McKinsey Global Institute szacuje, że automatyzacja może wyprzeć od 400 do 800 milionów pracowników na całym świecie do 2030 roku, w zależności od tempa wdrożenia, a od 75 do 375 milionów z nich może być zmuszonych zmienić całą kategorię zawodową i nauczyć się nowych umiejętności od podstaw.

Różnica między tymi liczbami nie oznacza, że jedno źródło się myli. To po prostu dwa różne pytania. WEF liczy wynik netto zatrudnienia — ile miejsc pracy zniknie minus ile powstanie — i wychodzi mu wzrost. McKinsey liczy ekspozycję brutto na wyparcie w scenariuszu agresywnego, szybkiego wdrożenia automatyzacji — czyli ile osób w ogóle wykonuje dziś zadania, które technicznie dałoby się zautomatyzować, niezależnie od tego, czy w ich miejsce powstanie coś nowego. Innymi słowy: WEF odpowiada na pytanie „ile miejsc pracy zostanie ostatecznie” a McKinsey na pytanie „ile zadań jest dziś podatnych na zastąpienie”. Tych dwóch liczb nie powinno się zestawiać jako alternatywnych prognoz tego samego zjawiska, bo mierzą coś innego.

Co z tego wynika dla konkretnego pracownika magazynu czy linii produkcyjnej?

Praktyczna obserwacja z wdrożeń, które już mają twarde dane — jak Digit w magazynie GXO, gdzie robot przeniósł ponad 100 tysięcy pojemników w ciągu roku — jest taka, że pierwsza fala wdrożeń fizycznej AI koncentruje się na zadaniach powtarzalnych, fizycznie obciążających i trudnych do obsadzenia ludźmi (dlatego magazyny logistyczne i linie montażowe w motoryzacji są dziś najczęstszym miejscem pierwszego kontaktu z tą technologią, a nie np. biura czy usługi). To zbieżne z tym, jak WEF opisuje strukturę zmiany: znikają konkretne, wąsko zdefiniowane zadania, a powstają nowe role związane z nadzorem floty robotów, utrzymaniem, integracją i bezpieczeństwem systemów.

Rozsądne podejście dla firm i osób planujących karierę w horyzoncie 2026–2030 to traktowanie obu prognoz jako uzupełniających się scenariuszy brzegowych, a nie jako sprzecznych przepowiedni: WEF pokazuje, że sam rynek pracy w ujęciu netto raczej nie skurczy się w wyniku automatyzacji, ale McKinsey trafnie przypomina, że skala koniecznej zmiany kwalifikacji po stronie pracowników wykonujących dziś zadania podatne na automatyzację jest ogromna i nie rozwiąże się sama.

Czy różnice w cenie humanoidów oznaczają, że rynek się demokratyzuje?

Patrząc na rozstrzał cenowy — od 4,29 tysiąca dolarów za modularnego R1 Unitree po 100 tysięcy dolarów kosztu produkcji Optimusa — widać wyraźnie, że rynek dzieli się dziś na dwa segmenty o zupełnie różnej dynamice. Segment premium (Figure, Tesla) stawia na wszechstronność i zdolności poznawcze zbliżone do ogólnej sztucznej inteligencji, kosztem wyższej ceny i wolniejszej ścieżki do masowej produkcji. Segment budżetowy (Unitree, częściowo 1X przez model subskrypcyjny) stawia na szybkie skalowanie wolumenu i niższą barierę wejścia, kosztem mniej uniwersalnych zdolności robota poza zaprogramowanymi zastosowaniami.

To rozróżnienie tłumaczy też, dlaczego prognozy wolumenu (Morgan Stanley: 446 tysięcy sztuk rocznie w Chinach do 2030 roku) rosną szybciej niż prognozy globalnej wartości rynku w przeliczeniu na sztukę — bo średnia cena jednostkowa w miarę skalowania produkcji będzie prawdopodobnie spadać, tak jak stało się to wcześniej z panelami słonecznymi czy bateriami litowo-jonowymi. Dla inwestorów i firm śledzących ten rynek oznacza to, że sama liczba sprzedanych sztuk nie jest dobrym wskaźnikiem wartości rynku bez kontekstu tego, w którym segmencie cenowym te sztuki się sprzedają.

Dla firm w Polsce i regionie Europy Środkowej ten podział cenowy ma konkretne znaczenie praktyczne. Model taki jak R1 Unitree, dostępny od 4,29 tysiąca dolarów, po raz pierwszy stawia humanoida w zasięgu budżetu inwestycyjnego średniej firmy produkcyjnej czy logistycznej, a nie tylko wielkich koncernów, które mogą sobie pozwolić na wieloletnie pilotaże z Figure czy Tesla. Jednocześnie warto pamiętać, że sama cena zakupu robota to dopiero część kosztu wdrożenia — dochodzi do niej integracja z istniejącymi procesami, szkolenie zespołu obsługującego i zgodność z lokalnymi przepisami bezpieczeństwa, więc różnica kilku tysięcy dolarów w cenie samego urządzenia nie przekłada się wprost na różnicę w całkowitym koszcie wdrożenia.

Jakie ryzyka mogą wykoleić te prognozy?

Warto pamiętać, że branża robotyki ma za sobą już kilka fal entuzjazmu, które nie przełożyły się na tak szybką skalę wdrożeń, jak wcześniej zapowiadano — od przemysłowych ramion robotycznych w latach 80. po autonomiczne pojazdy w połowie poprzedniej dekady. Sam fakt, że Goldman Sachs sześciokrotnie podniósł swoją prognozę rynku w ciągu dwóch lat, pokazuje z jednej strony, jak szybko zmienia się rzeczywistość technologiczna, ale z drugiej strony powinien uczyć ostrożności wobec każdej pojedynczej liczby traktowanej jako pewnik. Morgan Stanley w ciągu zaledwie kilku miesięcy 2026 roku podwoił swój szacunek dla chińskich wysyłek humanoidów aż dwukrotnie z rzędu (z 14 do 28, a potem do 50 tysięcy sztuk) — to samo w sobie jest dowodem na to, jak niestabilne są dziś punkty odniesienia, z których korzystają nawet najbardziej doświadczone instytucje finansowe.

Do tego dochodzi ryzyko czysto produkcyjne. Tesla otwarcie mówi o rozstrzale między aspiracyjną ceną docelową (poniżej 20 tysięcy dolarów) a obecnym kosztem wytworzenia (50–100 tysięcy dolarów) — a to jest różnica rzędu dwu- do pięciokrotnego, którą trzeba jeszcze zniwelować, zanim jakakolwiek prognoza masowej sprzedaży stanie się wiarygodna. Podobnie w przypadku IPO Unitree: sama zgoda regulatora na rejestrację oferty (3 lipca 2026) to dopiero krok pośredni, a nie gwarancja, że spółka faktycznie zadebiutuje na giełdzie po wycenie, jaką dziś szacują analitycy — cena ostateczna ustala się dopiero w procesie budowania księgi popytu. Rozsądny czytelnik tego rynku powinien więc traktować każdą prognozę wolumenu czy wyceny jako migawkę aktualnego stanu wiedzy analityków, a nie jako ustalony fakt — i wracać do niej regularnie, bo w tej branży aktualizacje w górę i w dół zdarzają się co kilka miesięcy, nie co kilka lat.

Co branża fizycznej AI powinna zrobić z pytaniem o rynek pracy, zamiast je ignorować?

Firmy wdrażające humanoidy — a lista realnych klientów Agility Robotics (Schaeffler, GXO, Toyota Motor Manufacturing Canada, Mercado Libre) pokazuje, że to już nie są tylko demonstracje technologiczne, tylko powtarzalne wdrożenia produkcyjne — stoją przed praktycznym wyborem: czy traktować robota jako zamiennik konkretnego stanowiska, czy jako narzędzie zwiększające przepustowość istniejącego zespołu. Dane z GXO (ponad 100 tysięcy przeniesionych pojemników w 2025 roku) sugerują, że w praktyce najczęściej sprawdza się drugi model — robot przejmuje wąski wycinek najbardziej powtarzalnej, fizycznie obciążającej pracy, a ludzie przesuwają się do zadań wymagających oceny sytuacyjnej, obsługi wyjątków i nadzoru nad samym robotem.

To odpowiada strukturze, jaką opisuje raport WEF: netto dodatnia zmiana zatrudnienia nie oznacza, że konkretne osoby i stanowiska nie odczują tej zmiany boleśnie — oznacza, że w skali całej gospodarki nowe role powstają szybciej niż znikają stare, ale nie zawsze w tej samej firmie, mieście czy branży, w której miejsca pracy znikają. Dla firm z sektora robotyki i dla portali analitycznych śledzących ten rynek to jest właściwy poziom uczciwości: nie obiecywać ani apokalipsy zatrudnienia, ani bezbolesnej transformacji, tylko pokazywać, że oba scenariusze mają twarde podstawy liczbowe i różnią się metodologią, nie faktami.

Rynek fizycznej AI w połowie 2026 roku wygląda więc na coś pomiędzy dwiema narracjami, które często słyszymy osobno: to ani czysty szum finansowany kapitałem wysokiego ryzyka bez pokrycia w realnych wdrożeniach, ani gotowa, dojrzała branża o ustabilizowanych cenach i jednej wspólnej prognozie. To rynek w fazie gwałtownej konsolidacji modeli biznesowych — od prywatnych rund przez giełdę po SPAC — przy jednoczesnym, udokumentowanym już dziś przejściu części humanoidów z laboratoriów do magazynów i linii produkcyjnych.

Dla czytelnika, który ma podjąć konkretną decyzję — inwestycyjną, zakupową albo zawodową — praktyczny wniosek jest taki, że warto rozdzielać trzy osobne pytania, które w dyskusjach o tym rynku często się ze sobą myli: ile ten rynek jest dziś wart (zależy od definicji), ile konkretna firma jest warta na papierze (zależy od rundy finansowania czy IPO, nie zawsze od przychodów) oraz ile realnie robotów pracuje dziś u realnych klientów, wykonując mierzalne zadania (to najmniejsza liczba ze wszystkich, ale najbardziej wiarygodna). Kto śledzi ten rynek uważnie, powinien patrzeć nie tylko na nagłówki o miliardowych wycenach, ale przede wszystkim na to, czy za daną wyceną stoją realne godziny pracy robota u realnego klienta — bo to jest dziś rzadszy i cenniejszy dowód niż sama liczba w rundzie finansowania. Więcej analiz z tego obszaru znajdziesz w naszym huście poświęconym rynkowi, inwestycjom i regulacjom, a podstawowe pojęcia z tego świata wyjaśniamy w słowniku fizycznej AI.