佢提出嘅測試標準相當具體：

將一部人形機械人放入一個佢從未見過嘅屋企，畀佢語音或者文字指令，然後可以成功完成大約八成工作。

呢個標準唔係喺預先安排好嘅工廠工作站做一次示範，亦唔係表演行路、跳舞或者後空翻，而係要面對陌生嘅屋企、家具、物件、光線、雜物同人類行為，仍然可以穩定完成日常任務。

時間表：最快兩三年，慢則五至十年

王興興喺演講中估計，如果技術進展順利，呢個轉捩點最快可能喺兩至三年內出現；但如果進展較慢，就可能要五至十年。

換句話講，佢唔係提出一個斬釘截鐵嘅上市時間表，而係同時列出一個樂觀情境同一個較保守情境。呢個講法亦比佢2025年估計「少於五年」先出現突破，更清楚反映目前仍有大量未解決嘅工程問題。

同場相關討論中，Galbot創辦人兼技術主管王鶴就曾預測，具身智能可能喺2028年底前迎來類似ChatGPT嘅突破，理據包括模型逐步收斂，以及機械人數據持續累積。

不過，幾位創辦人講嘅都係上行情境，唔代表業界已經有一致嘅工程共識。

真正難關：由「識郁」變成「識做」

過去兩年，人形機械人最吸睛嘅畫面包括跑步、跳舞、打拳同做高難度動作；但由展示動作去到實際應用，中間仲有一大段距離。世界機械人大會本身亦將焦點放喺點樣令機械人由展品走向工廠及其他真實場景。

Unitree所指嘅核心樽頸，係機械人嘅決策能力。機械人需要有更可靠嘅「世界模型」，即係理解周圍環境點樣運作，並且能夠：

• 分辨物件、空間同人嘅位置；
• 推斷行動可能造成嘅結果；
• 將一個模糊嘅語音指令拆成多個步驟；
• 做錯時自行修正，而唔係停機等人幫手；
• 喺陌生同有人活動嘅環境入面安全行動。

現時機械人往往喺訓練過或者安排好嘅環境表現較好，但一離開原本條件，就可能唔識變通。即使已經成功捉到一件物件，要穩定完成最後幾毫米嘅對位、施力同手指控制，仍然非常困難。換句話講，問題唔只係令機械人「行得郁」，而係要令佢「做得啱、做得準、重複做都得」。

點解機械人數據咁難攞？

ChatGPT之所以可以快速進步，其中一個原因係互聯網有海量文字資料，足以用萬億級token訓練模型。但實體操作冇一個同樣廉價、標準化又可以大規模取得嘅資料庫。

一個機械人喺現實世界做家務，理論上要記錄視覺、觸覺、力度、物件移動軌跡、失敗原因，以及人點樣介入修正。每個屋企嘅格局、光線、物件材質、雜亂程度同使用者習慣都唔同，數據收集成本自然高好多。

模擬器同遙距操控可以幫手增加訓練資料，但暫時仍未足以證明機械人可以安全咁將所學能力，泛化到完全陌生嘅屋企同物件。呢個亦係點解任何精確到年份嘅預測，都存在相當大不確定性。

股價爆升，唔等於產品已經成熟

Unitree喺上海上市首日股價收市較招股價高460%，升幅超過五倍，市場對人形機械人平台嘅想像非常進取。

但股價反映嘅，主要係投資者對一個可能出現嘅大型機械人市場嘅預期，唔係證明機械人已經可以自主處理普通家庭工作。現階段，較多客戶仍然係大學、實驗室同研究機構，而唔係大量家庭或者企業大規模部署。呢個代表技術開始有人採用，但未必等於已經證明產品同市場完全配對。

Unitree亦承認，公司喺現實世界應用方面仍然落後於技術展示帶來嘅想像。由於硬件進步往往快過軟件、可靠性同操作能力，市場見到嘅「識表演」，未必等於用家需要嘅「識工作」。

出貨數字要小心比較

有報道指，中國喺2026年上半年出貨超過4萬部人形機械人，佔全球出貨量97%。Morgan Stanley則預測，中國全年出貨量可能達到5萬部，高於2025年嘅1.2萬部。

不過，呢啲數字未必可以直接互相比較。另一個市場數據估計，2026年上半年全球人形機械人出貨量合共約1.91萬部，中國供應商同樣佔97%；如果中國單一市場上半年已經出貨超過4萬部，兩者就可能採用了唔同嘅統計範圍、產品分類，或者分別計算「出貨」同「交付」。

較穩妥嘅結論係：中國供應商目前主導人形機械人早期出貨量，但確實數字仍要視乎定義，唔應該將各份報告嘅數字當成完全同口徑。

美國限制，亦可能影響規模化

美國聯邦通信委員會（FCC）將外國製造嘅先進移動機械人，包括人形及四足機械人，列入涉及國家安全風險嘅清單，限制新型號取得批准及進口。

目前報道普遍指，措施主要針對日後推出嘅新型號，未必涵蓋已經喺美國市場存在或者已獲批准嘅所有機械人。

對Unitree而言，呢項限制可能收窄其進入美國市場嘅空間，亦令業界原本期待嘅「愈多機械人部署，就有愈多數據；愈多數據，就令模型進步」循環更加複雜。對一個仍然缺乏大規模實體操作數據嘅行業嚟講，市場同數據受限，都會增加技術成熟所需時間。

判斷：有工程基礎，但時間表仍然偏樂觀

人形機械人行業確實有值得樂觀嘅條件：硬件成本下降、中國製造能力龐大，而且唔同公司創辦人都將較理想嘅突破時間指向2028年前後。

但截至目前，仍然冇足夠證據顯示業界已經達成工程共識，認為通用型家用人形機械人可以喺兩三年內，穩定達到王興興提出嘅「陌生屋企完成約八成任務」標準。

較合理嘅解讀係：進展可信，時間表仍屬推測。

兩至三年係技術高速突破下嘅上行情境，唔係已經確立嘅預測；五至十年就更加貼近目前仍未解決嘅軟件、數據、可靠性、安全、成本效益同監管問題。Unitree上市後股價急升，反映市場押注嘅係一個可能出現嘅平台級機械人產業，而唔係人形機械人已經準備好自主接管一般家庭工作。

佢提出嘅測試標準相當具體：

將一部人形機械人放入一個佢從未見過嘅屋企，畀佢語音或者文字指令，然後可以成功完成大約八成工作。

呢個標準唔係喺預先安排好嘅工廠工作站做一次示範，亦唔係表演行路、跳舞或者後空翻，而係要面對陌生嘅屋企、家具、物件、光線、雜物同人類行為，仍然可以穩定完成日常任務。

時間表：最快兩三年，慢則五至十年

王興興喺演講中估計，如果技術進展順利，呢個轉捩點最快可能喺兩至三年內出現；但如果進展較慢，就可能要五至十年。

換句話講，佢唔係提出一個斬釘截鐵嘅上市時間表，而係同時列出一個樂觀情境同一個較保守情境。呢個講法亦比佢2025年估計「少於五年」先出現突破，更清楚反映目前仍有大量未解決嘅工程問題。

同場相關討論中，Galbot創辦人兼技術主管王鶴就曾預測，具身智能可能喺2028年底前迎來類似ChatGPT嘅突破，理據包括模型逐步收斂，以及機械人數據持續累積。

不過，幾位創辦人講嘅都係上行情境，唔代表業界已經有一致嘅工程共識。

真正難關：由「識郁」變成「識做」

過去兩年，人形機械人最吸睛嘅畫面包括跑步、跳舞、打拳同做高難度動作；但由展示動作去到實際應用，中間仲有一大段距離。世界機械人大會本身亦將焦點放喺點樣令機械人由展品走向工廠及其他真實場景。

Unitree所指嘅核心樽頸，係機械人嘅決策能力。機械人需要有更可靠嘅「世界模型」，即係理解周圍環境點樣運作，並且能夠：

• 分辨物件、空間同人嘅位置；
• 推斷行動可能造成嘅結果；
• 將一個模糊嘅語音指令拆成多個步驟；
• 做錯時自行修正，而唔係停機等人幫手；
• 喺陌生同有人活動嘅環境入面安全行動。

現時機械人往往喺訓練過或者安排好嘅環境表現較好，但一離開原本條件，就可能唔識變通。即使已經成功捉到一件物件，要穩定完成最後幾毫米嘅對位、施力同手指控制，仍然非常困難。換句話講，問題唔只係令機械人「行得郁」，而係要令佢「做得啱、做得準、重複做都得」。

點解機械人數據咁難攞？

ChatGPT之所以可以快速進步，其中一個原因係互聯網有海量文字資料，足以用萬億級token訓練模型。但實體操作冇一個同樣廉價、標準化又可以大規模取得嘅資料庫。

一個機械人喺現實世界做家務，理論上要記錄視覺、觸覺、力度、物件移動軌跡、失敗原因，以及人點樣介入修正。每個屋企嘅格局、光線、物件材質、雜亂程度同使用者習慣都唔同，數據收集成本自然高好多。

模擬器同遙距操控可以幫手增加訓練資料，但暫時仍未足以證明機械人可以安全咁將所學能力，泛化到完全陌生嘅屋企同物件。呢個亦係點解任何精確到年份嘅預測，都存在相當大不確定性。

股價爆升，唔等於產品已經成熟

Unitree喺上海上市首日股價收市較招股價高460%，升幅超過五倍，市場對人形機械人平台嘅想像非常進取。

但股價反映嘅，主要係投資者對一個可能出現嘅大型機械人市場嘅預期，唔係證明機械人已經可以自主處理普通家庭工作。現階段，較多客戶仍然係大學、實驗室同研究機構，而唔係大量家庭或者企業大規模部署。呢個代表技術開始有人採用，但未必等於已經證明產品同市場完全配對。

Unitree亦承認，公司喺現實世界應用方面仍然落後於技術展示帶來嘅想像。由於硬件進步往往快過軟件、可靠性同操作能力，市場見到嘅「識表演」，未必等於用家需要嘅「識工作」。

出貨數字要小心比較

有報道指，中國喺2026年上半年出貨超過4萬部人形機械人，佔全球出貨量97%。Morgan Stanley則預測，中國全年出貨量可能達到5萬部，高於2025年嘅1.2萬部。

不過，呢啲數字未必可以直接互相比較。另一個市場數據估計，2026年上半年全球人形機械人出貨量合共約1.91萬部，中國供應商同樣佔97%；如果中國單一市場上半年已經出貨超過4萬部，兩者就可能採用了唔同嘅統計範圍、產品分類，或者分別計算「出貨」同「交付」。

較穩妥嘅結論係：中國供應商目前主導人形機械人早期出貨量，但確實數字仍要視乎定義，唔應該將各份報告嘅數字當成完全同口徑。

美國限制，亦可能影響規模化

美國聯邦通信委員會（FCC）將外國製造嘅先進移動機械人，包括人形及四足機械人，列入涉及國家安全風險嘅清單，限制新型號取得批准及進口。

目前報道普遍指，措施主要針對日後推出嘅新型號，未必涵蓋已經喺美國市場存在或者已獲批准嘅所有機械人。

對Unitree而言，呢項限制可能收窄其進入美國市場嘅空間，亦令業界原本期待嘅「愈多機械人部署，就有愈多數據；愈多數據，就令模型進步」循環更加複雜。對一個仍然缺乏大規模實體操作數據嘅行業嚟講，市場同數據受限，都會增加技術成熟所需時間。

判斷：有工程基礎，但時間表仍然偏樂觀

人形機械人行業確實有值得樂觀嘅條件：硬件成本下降、中國製造能力龐大，而且唔同公司創辦人都將較理想嘅突破時間指向2028年前後。

但截至目前，仍然冇足夠證據顯示業界已經達成工程共識，認為通用型家用人形機械人可以喺兩三年內，穩定達到王興興提出嘅「陌生屋企完成約八成任務」標準。

較合理嘅解讀係：進展可信，時間表仍屬推測。

兩至三年係技術高速突破下嘅上行情境，唔係已經確立嘅預測；五至十年就更加貼近目前仍未解決嘅軟件、數據、可靠性、安全、成本效益同監管問題。Unitree上市後股價急升，反映市場押注嘅係一個可能出現嘅平台級機械人產業，而唔係人形機械人已經準備好自主接管一般家庭工作。