中国人形机器人为何能占据出货主导，却仍未证明自己真的会“干活”？

先看清一个关键区别：出货量不等于生产力

中国人形机器人产业确实已经取得了早期领先，但领先的主要是“制造和交付机器人本体”，而不是制造出能够广泛胜任工作的机器人劳动力。

行业数据存在明显口径差异。Smart Analytics Global估计，2026年上半年全球人形机器人出货量约为1.91万台，其中中国厂商占比超过97%。另有研究机构给出的全球出货量超过2.2万台，中国厂商单独出货量甚至超过3万台。 因此，“中国生产了全球约95%的近2万台人形机器人”更适合作为行业规模的估算指标，而不是经过审计的实际在岗机器人数量。

与此同时，关于2026年中国人形机器人产量可能超过10万台的目标或预测，也应理解为产业扩张目标，而非已经实现的商业需求。 许多机器人并不是被企业买去替代工人，而是进入“数据工厂”、高校、实验室、展会演示和政府支持的试点项目。机器人分析师Georg Stieler估计，今年生产的人形机器人中，可能有50%至70%最终用于收集训练数据，而不是为付费客户完成生产任务。

换句话说，中国正在大规模制造“身体”，但这些身体距离成为真正有用的“工人”还有很长距离。

中国为什么能先把数量做起来？

这种看似矛盾的局面，其实反映了中国制造业的传统优势：供应链整合能力强、零部件成本下降快、厂商密集、迭代速度快，而且能够通过政府采购和地方试点迅速创造早期需求。

中国在电机、减速器、电池、传感器、控制器和结构件等环节拥有庞大的制造基础。补贴和规模效应降低了零部件价格，也让企业能够以更低成本反复测试不同硬件方案。北京此前发布的机器人产业规划还提供了补贴、研发税收优惠和融资支持，明确提出要把中国建设为机器人技术创新的重要来源。

这种产业政策的逻辑并不是等到技术完全成熟后再销售，而是先让设备进入工厂、培训中心和研究机构，通过真实环境积累运行数据，再推动硬件与软件共同改进。政府采购则帮助产业跨过最初的“鸡与蛋”难题：没有客户，企业就没有部署；没有部署，就没有数据；没有数据，人工智能系统又很难进步。

训练中心是通往具身智能的桥梁，但目前仍难盈利

广西柳州的一家训练设施就是这种模式的缩影。UBTech获得了一份价值1800万美元的政府订单，向该设施提供人形机器人及相关硬件，项目目标是生成用于训练“具身人工智能”的数据。

所谓具身人工智能，是指能够感知现实环境、作出决策并在物理世界中采取行动的人工智能。它不只是回答问题，还必须判断物体的位置、理解空间关系、控制力度，并在出现意外时及时修正动作。

这类训练中心可以帮助企业收集动作数据，加快机器人硬件和软件的协同设计。但其商业模式目前存在一个循环：训练中心需要购买大量机器人、租用场地、雇佣操作人员和数据标注人员，还要承担维护及硬件频繁更新的成本；它又必须把训练数据卖给工厂，才能获得收入。只有当训练出的机器人能够稳定地为客户节省足够多的成本时，这个循环才可能真正闭合。

路透社走访相关设施时，工作人员承认项目目前仍缺乏清晰的盈利路径，原因包括运营成本高，以及新兴市场中的数据价格偏低。 这说明训练中心是战略性基础设施，却还不能自动证明人形机器人已经形成成熟市场。

“ChatGPT时刻”真正意味着什么？

宇树科技创始人兼首席执行官王兴兴表示，具身智能正在走向一个类似ChatGPT的突破时刻。1 但这一说法也从侧面点出了行业的核心瓶颈：人形机器人的难题并不是能否走路、跳舞或翻跟头，而是机器人“大脑”能否在陌生环境中可靠地完成任务。

大型语言模型可以利用海量、易于复制的数字文本进行训练，并通过规模化测试持续评估。机器人学习则必须在现实世界中与物体和环境互动，数据获取速度更慢、成本更高，还受到安全限制。让更多机器人投入运行，确实有助于收集数据；但数量增加并不保证数据足够多样、质量足够高，也不保证训练结果能够迁移到新的工厂、新的物体或新的任务上。

王兴兴还曾表示，人形机器人实现类似ChatGPT的突破可能需要最多十年。8 这意味着“突破即将到来”的市场叙事，更像是一场关于人工智能能力非线性增长的押注，而不是对当前技术成熟度的描述。

Unitree股价暴涨：资本押注的是未来期权，而非今天的回报

宇树科技在上海科创板上市时，发行价为每股150.80元，首日收盘价达到845元，较发行价上涨460.34%；盘中涨幅一度超过629%。3 这使它成为中国大陆首家上市的人形机器人制造商，也成为人工智能热潮下最受关注的资本市场事件之一。

但股价表现并不能证明整个行业已经具备成熟的部署经济学。路透社报道说，宇树科技本身实现了盈利，但其机器人中只有少数用于商业环境。 单个企业能够盈利，可能来自教育、科研、消费级产品或其他业务，并不代表通用人形机器人已经能够普遍替代人工，也不代表行业整体已经实现盈利。

目前的估值更像是在为“如果具身智能取得突破，谁可能成为赢家”定价。风险在于，众多企业可能生产功能相近的产品，并通过降价争夺由补贴和示范项目带来的订单。一旦订单无法从政府试点转化为持续的民营企业需求，行业就可能经历价格战、并购和淘汰，最终出现明显整合。

政府采购既是加速器，也是可能的“需求幻觉”

北京已经通过补贴、产业基金和公共采购主动承担早期风险。路透社此前报道称，中国过去一年已向人形机器人企业投入超过200亿美元，并计划设立规模达1万亿元人民币、支持人工智能和机器人等领域初创企业的基金。

政府和国有企业还被纳入大规模实景训练与部署计划，目标是在制造、物流、零售、医疗和应急等领域形成应用场景，并推动超过1万台机器人在2026年底前进入商业使用。

这类政策能够迅速提供测试环境，让企业获得设备订单和数据来源，也能帮助产业链在技术尚未完全成熟时继续扩张。但它同时会掩盖一个重要问题：如果没有补贴、行政推动或政府采购，这些场景是否仍然值得客户付费？

因此，出货量和部署数量必须与更具体的指标一起观察，包括机器人实际开机率、连续运行时间、故障率、人工干预频率，以及客户是否愿意在试点结束后继续购买或租赁。

美国限制会削弱出口，但暂时不会否定中国的国内路线

2026年7月，美国联邦通信委员会（FCC）将外国制造的先进机器人设备，包括新型号人形机器人和四足机器人，列入限制进口的范围，理由是国家安全和网络安全风险，并希望推动关键产业回流美国。1718

这项限制会削弱中国厂商进入美国市场的机会，长期来看也可能影响其销售规模、海外客户反馈和国际标准制定话语权。不过，由于人形机器人在美国现实商业环境中的部署本来就很有限，短期商业冲击未必足以改变中国的国内扩张策略。

中国厂商仍可以依靠国内工厂、大学、训练中心、地方政府和国有企业积累数据。美国限制更像是降低了中国产业的全球化上限，而不是立即阻断其“规模换学习”的国内实验。

最终要看的不是演示，而是五项硬指标

中国的制造能力使其很可能成为最早受益于具身智能突破的国家之一。但当前的出货和投资数字，证明的是一个强大的能力建设计划，而不是通用机器人已经被解决。

真正具有决定性的证据，应当包括：

• 在非结构化环境中的独立任务成功率；
• 长时间运行时的安全性、故障率和有效开机时间；
• 机器人学习新任务所需的时间、数据量和成本；
• 每小时机器人运行能够节省多少人工成本；
• 不依赖政府采购和补贴时，项目能否实现正向单位经济效益。

如果机器人只能在精心布置的场地里完成预先编排的动作，那么它仍然更接近昂贵的实验平台，而不是通用劳动力。中国正在用制造规模解决“有没有足够多机器人”的问题，但“机器人能否真正理解并灵活处理现实世界”这一更难的问题，仍未有答案。