中國人形機械人點解可以量產稱霸，卻未必識得真正「做嘢」？

表面睇，中國人形機械人行業似乎出現一個矛盾：一方面，中國廠商據報佔全球出貨量超過 97%，並瞄準 2026 年生產超過 10 萬部；另一方面，現時不少機械人行路慢、動作生硬，手部操作、可靠性、續航力同人工智能能力都未去到可以大規模取代人手嘅水平。

其實，呢個矛盾未必真係矛盾。中國目前建立緊嘅，較似係一套「先量產硬件，再用部署換數據，最後等待 AI 突破」嘅策略。呢套策略有機會令中國成為最早受惠於具身 AI 突破嘅國家，但亦可能製造一個由補貼、試點同投資熱潮支撐嘅龐大產能。

出貨量領先，唔等於機械人已經有生產力

Smart Analytics Global 估算，2026 年上半年全球人形機械人出貨量約 19,100 部，其中中國廠商佔超過 97%。不過，不同研究機構對「出貨」嘅定義同統計範圍並唔一致，因此「全球約 20,000 部、中國佔約 95%」呢類數字，較適合作為行業估算指標，而唔應直接當成已經投入實際工作的機械人數目。7

「出貨」可以代表賣畀客戶，但亦可以代表送到大學、實驗室、展覽場地、政府試點或者數據收集中心。機械人擺咗入工廠，唔等於佢已經能夠穩定完成工作，更唔等於佢帶來嘅價值高過購買、維修、操作同重新訓練成本。

有機械人分析員估計，2026 年生產嘅人形機械人當中，可能有 50% 至 70% 最終會被放入所謂「數據工廠」，主要任務係收集訓練人工智能所需嘅實體世界數據，而唔係為付費客戶進行高效率生產。4

中國點解可以咁快造出咁多部？

中國嘅優勢暫時主要集中喺製造端，包括供應鏈協調、零件成本、電機同電池等相關產業、快速改款，以及大批量生產能力。當政府資助同採購一齊出現，再加上零件價格下跌，企業就可以用較低成本造出大量機械人平台。

北京早期嘅機械人產業規劃亦已經將人形機械人列為重點方向，提供補貼、科研稅務優惠同融資支援。9 呢種政策環境，有助企業先解決「冇人買，所以冇得生產；冇得生產，所以降唔到成本」嘅雞先定蛋問題。

但硬件數量增加，唔代表機械人嘅「腦」同步成熟。現時較難突破嘅部分，仍然包括：

• 喺不規則環境入面準確感知物件同人；
• 用雙手處理柔軟、易碎或者形狀不一嘅物件；
• 長時間工作而唔過熱、跌倒或者需要人手介入；
• 遇到未預先編程嘅情況時，自行修正錯誤；
• 將一個場景學到嘅技能，可靠地轉移到另一個場景。

所以，能夠跑步、跳舞、打功夫或者翻觔斗，更多係展示運動控制能力，唔等於機械人已經識得喺真實工場入面處理千變萬化嘅工作。

訓練中心係通往具身 AI 嘅橋樑，但未必係成熟生意

廣西政府一宗價值 1,800 萬美元嘅招標，就向一個訓練設施採購 UBTech 人形機械人同相關硬件。設施嘅目標係收集具身 AI 數據——即係令系統可以喺實體世界感知、作決定同執行動作。2

呢類中心有戰略價值：大量機械人可以反覆執行揀貨、搬運、裝配等動作，記錄視覺、力度、姿勢同錯誤反應，再用數據改善軟件同硬件設計。理論上，部署越多，學習速度就越快。

但問題係成本。訓練中心需要場地、機械人、操作員、數據標註、維修同定期更換硬件。路透社到訪柳州相關中心時，工作人員承認項目目前仍然依賴補貼，數據售賣亦未有清晰盈利路徑。2

換句話講，呢個模式暫時有少少「自己餵自己」：機械人產生數據，數據用嚟訓練機械人；但要到受訓後嘅機械人真正為工廠節省足夠人工成本，先可以證明整個循環係一門可持續生意。

所謂「ChatGPT 時刻」，押注嘅係 AI 非線性進步

Unitree 創辦人兼行政總裁王興興表示，具身智能正逐步接近一個類似 ChatGPT 嘅突破時刻。3 呢個講法背後，其實亦指出行業最大樽頸唔係機械人識唔識行，而係機械人個「腦」幾時可以處理複雜、開放式嘅實體任務。

大型語言模型可以利用互聯網上大量現成數碼資料訓練，並透過標準化測試快速比較效果。實體世界就完全唔同：機械人每一次互動都可能要花時間、耗電、損耗硬件，仲要顧及安全，收集數據嘅速度同成本遠高於文字或圖片。

更多機械人確實可以帶來更多數據，但「多」唔等於「好」。如果數據只來自少數受控場景，或者只記錄成功動作，就未必足以令機械人學識應付陌生環境。王興興亦提到，呢個突破可能仲要等多年，反映業界對真正通用能力仍未有把握。3

Unitree 爆升，市場買緊嘅係未來選擇權

Unitree 2026 年 8 月喺上海科創板上市，股份首日收市較招股價高出超過五倍；公司翌日股價亦曾回落，顯示市場情緒相當熾熱同波動。6

路透社報道指，Unitree 本身係有盈利嘅公司，但當時只有少量機械人投入商業環境。個別企業可以靠四足機械人、教育產品、研究用途或者其他業務賺錢，並唔代表整個人形機械人行業已經有成熟嘅通用機械人市場。6

高估值反映投資者押注一個可能出現嘅未來：如果具身 AI 突然大幅進步，擁有最多硬件、數據同製造能力嘅企業，可能會率先受惠。但如果技術進步慢過預期，大量入場者就可能被迫以低價競爭；一旦補貼試點未能轉化成私人企業嘅持續訂單，行業整合甚至淘汰都可能出現。

北京嘅政策，刻意為行業製造早期需求

中國過去一年已向人形機械人企業投入超過 200 億美元，並宣布設立 1 萬億元人民幣、規模約 1,370 億美元嘅基金，支援包括人工智能同機械人喺內嘅初創企業。12

政府亦唔只係出錢做研究，而係直接成為買家。公共招標、地方訓練中心、國有企業測試場景同政府主導嘅應用計劃，可以令企業較快取得部署環境同實體數據。呢種做法有助打破早期市場嘅雞蛋問題，亦可以加快硬件同軟件一齊改良。

不過，政府採購同補貼亦會令外界較難判斷一個應用係咪真係有商業價值。如果機械人只有喺補貼下先有客戶，咁出貨數字就未必等於市場需求；如果訓練中心只有靠公帑維持，數據價格亦未必足以支持整個營運成本。

美國限制，會削弱出口，但未必即時推翻中國策略

美國聯邦通信委員會（FCC）喺 2026 年 7 月禁止新型中國人形機械人同四足機械人進口，理由包括國家安全風險，以及希望將關鍵產業帶返美國。11

短期而言，由於人形機械人喺美國商業環境嘅實際部署仍然有限，禁令未必即時令中國企業失去大量成熟訂單。5 但長遠就可能影響出口規模、海外客戶反饋、數據多樣性，以及中國企業參與國際標準制定嘅能力。

因此，美國市場受限，唔一定證明中國嘅國內規模策略失敗；但亦代表中國企業需要更加依賴本土政府、工業同研究市場，並自行承擔由試點走向真正商業化嘅成本。

最後要睇嘅，唔係表演，而係營運數據

要判斷中國嘅硬件規模能否變成真正有用嘅通用機械人，關鍵指標應該包括：

• 機械人獨立運作嘅實際開機率同故障率；
• 喺非受控環境下嘅安全性同任務成功率；
• 轉換新任務所需嘅重新訓練時間同成本；
• 每一個機械人工作時數實際節省幾多人工；
• 維修、能源、操作員同數據成本計算後嘅單位經濟；
• 無政府採購或補貼之下，客戶會唔會繼續購買。

中國已經證明自己可以快速製造同部署大量人形機械人，呢個優勢相當實在。但截至目前，出貨量、投資額同股價升幅，更多反映一項大規模能力建設工程，以及市場對 AI 突破嘅押注；佢哋仍然未能證明中國，或者任何一個國家，已經解決通用型機械人最難嘅問題。