中国人形机器人从表演走向工作，商业化仍卡在“最后一公里”

第二届世界人形机器人运动会呈现了两幅截然不同的画面：机器人在赛场上奔跑、竞技并刷新亮眼成绩，同时也被要求完成电缆连接、仓储、餐厅、办公室、消防救援等更接近实际工作的任务。与此同时，对北京中关村海淀具身智能创新园的走访显示，企业正在扩大零部件生产、建设数据采集能力、筹集资金，并尝试把机器人部署到真实客户场景中。1213

这些信号共同指向一个更谨慎、也更重要的判断：人形机器人已经进入早期商业化阶段，但距离“通用机器人劳动力”仍有明显距离。硬件正在变得更容易复制和扩产，真正决定落地速度的，却是可靠性、标准、明确的应用价值，以及让机器人应对现实变化所需的大量高质量数据。

运动会正在从“比性能”转向“测工作”

第二届世界人形机器人运动会于2026年8月22日在北京国家速滑馆——也就是“冰丝带”——开幕。赛事共吸引666支队伍、2056台机器人报名，参赛队伍数量较首届增加138%，机器人数量约为首届的4倍。赛事扩展至51个项目，其中包括30个竞技项目和21个场景类项目。26

这种赛制变化意义不小。机器人在受控环境中跑得快，并不代表它能在工厂里安全、稳定、低成本地重复完成一项任务。场景类项目将关注点转向自主性、灵巧性和任务完成能力，测试环境则更接近工厂、仓库、餐厅、办公室和应急现场。1912

赛事对自主控制的要求也有所提高。据报道，评价标准正从“能否完成任务”转向“能否在没有远程操控的情况下，快速、准确、稳定地完成任务”。9

这意味着，机器人表演仍然具有展示和吸引注意力的价值，但产业真正关心的指标已经变了：机器人能否在一遍又一遍的重复工作中保持表现，并在出现意外时自行恢复。

硬件供应链正在形成规模效应

8月对北京中关村海淀具身智能创新园的走访表明，这个行业已不再只是各家公司各自展示孤立的原型机。企业提到，机器人配置和核心零部件正出现越来越明显的趋同，这可能减少定制化程度，并帮助零部件生产走向规模化。13

朱珏科技表示，市场已经从2024年和2025年约10至50台的样机批次，转向更大规模的客户部署。该公司称，有10至20家客户分别订购了超过1000台机器人；公司目前每月可生产约3000台机器人所需的零部件，并计划在11月提升至5万至6万台对应的规模，同时面对数十万台机器人订单的积压。需要强调的是，这些数字属于公司或行业披露，并非经过独立审计的出货数据。13

资本市场对行业规模的预期也在快速上调。摩根士丹利将中国2026年人形机器人出货量预测从2.8万台上调至5万台，理由包括商业验证加速、政策支持和供应链动能增强。2728预测并不等同于实际交付，但这一调整反映出市场对行业发展速度的判断正在迅速变化。

无界动力：资本和订单正在押注商业化

成立于2025年的无界动力，体现了这一轮产业化竞赛背后的产品和资本野心。公司称，已有两代机身实现量产，第三代产品正在研发；2026年上半年，公司披露获得超过2亿美元天使轮融资，并取得近1亿美元全球订单。其公布的应用包括工业制造和咖啡店服务，同时声称已获得欧洲工业全栈CE认证。13

这些信息说明，客户和投资者愿意在机器人达到成熟工业设备所需的可靠性之前，为试点项目和早期部署提供资金。但它们并不能证明人形机器人已经能够在长时间运行中自主完成广泛的商业工作。

无界动力创始人张宇峰指出了其中的关键区别：在受控的工业现场，企业可以训练机器人掌握一项范围狭窄、动作重复的技能；而商业服务要求机器人面对不断变化的环境、用户、物体和故障，并将技能迁移过去。后者的难度要高得多。13

“杀手级应用”仍未出现

行业需求确实存在，但应用版图还没有定型。

工厂通常拥有较为规整的布局和重复性任务；物流场景需要机器人处理移动、物体变化和持续运行时间；零售与餐饮服务会引入不可预测的人和人机互动；家庭环境则集合了上述所有难题，还要面对几乎无限种类的物品与情况。

中国工业和信息化部、国务院国资委于2026年6月推出的相关行动，要求企业推进真实场景训练、验证和部署，并在年底前取得进展。这加大了行业走出展会和演示现场、进入实际环境测试的压力。13但政策推动并不能替代产品层面的答案：究竟哪些任务创造的价值，足以覆盖人形机器人的购买成本、维护费用、人工监管和安全要求？

因此，近期最可信的市场，仍可能是受约束、可重复的工作，而不是完全通用的机器人劳动力。运动会中的场景类项目之所以重要，正是因为它们能暴露“按脚本完成演示”和“稳定完成工作流程”之间的差距。113

可靠性和标准，比竞技成绩更能决定购买意愿

行业参与者承认，许多人形机器人目前还不具备工业级可靠性，国际标准也尚未成熟。这与传统工业机械臂形成鲜明对比，后者通常被期待连续运行数万小时。13

一台机器人能够在赛场上完成一次令人印象深刻的任务，证明的是某种能力存在；它并没有自动证明自己能在多班次运行、负载变化和突发故障的情况下，长期安全、经济地工作，也没有证明维护和故障恢复能够被稳定预测。

对潜在买家而言，真正需要问的问题正在变成：

• 机器人多久会发生一次故障，或需要人工介入？
• 遇到陌生物体、人员或障碍物时，能否自行恢复？
• 维护前可以运行多少小时？
• 同一项技能能否迁移到不同机器人和不同工作地点？
• 部署时是否有明确、被广泛认可的安全与合规框架？

这些问题对产业普及的影响，可能远大于机器人在赛场上跑得多快，即使后者更容易成为新闻标题。

训练数据正成为新的核心瓶颈

产业园的讨论还显示，人形机器人行业的主要难题正在从纯粹的硬件问题，转向数据问题。据报道，客户对训练数据的需求正从数千小时增加到数十万小时，最终甚至可能达到数千万小时。诺亦腾机器人表示，计划在2026年生产数十万小时数据，并在2027年达到数百万小时。13

诺亦腾公开发布的HiPHI数据集，也能帮助理解这种规模差距。该数据集包含617.5小时高精度人体运动和物体交互数据，规模已经相当可观，但它同时说明，一套有价值的研究数据集，与企业所称的、用于训练稳健具身智能系统的更大数据量之间，仍存在距离。4749

这些数据并不能简单互相替代。相关讨论大致将具身智能数据分为三层：

1. 高质量操作数据： 精确的第一视角或遥操作示范，可以教授复杂技能，但采集成本高。
2. 可重定向的以人为中心数据： 记录人体动作和人与物体的互动，便于迁移到不同机器人身体上。
3. 仿真数据： 数量丰富、成本相对较低，但会受到“仿真到现实”差距的限制。

据介绍，实体数据采集每小时成本可达数千元人民币。为了扩大规模，诺亦腾计划在次年发动近2万人参与众包数据采集，初期从家庭场景开始。13

其中的基本逻辑很简单：人形机器人拥有类似人的身体，并不意味着它天然具备通用能力。它还需要足够多样、标注准确的真实世界经验，才能把视觉、动作、物体、人员和行为后果联系起来。

8月的证据究竟说明了什么？

运动会和产业园走访支持一个相对克制的结论：

• 行业正在扩大。 参赛规模、赛事数量、零部件趋同、融资和企业披露的订单，都显示出更大的商业生态正在形成。213
• 商业验证已经开始。 企业正在推进工厂、物流、餐饮服务及其他真实场景部署，政策也在推动机器人离开展台和展厅。113
• 通用工作尚未被解决。 可靠性、标准、经济性、应用选择和数据仍是开放问题。13

人形机器人确实已经走过了主要靠跳舞、奔跑和脚本化表演吸引关注的阶段。接下来的关键考验不那么“上镜”，却更能决定产业成败：机器人能否安全、稳定地工作数千小时，并在足够多的现实变化中保持经济上可行的表现。