中國人形機械人行業正接近一個量產與成本拐點，但距離真正的「ChatGPT 時刻」仍未到。中國的出貨規模、製造供應鏈和政策支持，確實能令廠商更快試錯、降價和迭代；不過，現時大量部署仍偏向表演、研究、遙操作數據收集及試點，而不是在工廠、貨倉或住宅等雜亂環境中長時間自主做事。114

所謂「ChatGPT 時刻」，唔係識跳舞咁簡單

人形機械人的「ChatGPT 時刻」，不應理解成一段令人眼前一亮的跳舞、打拳或摺衫示範。業界提出的門檻是：把機械人放進一個從未接觸過的環境，它只靠自然語音或文字指令，便能完成大約八成任務，而且毋須為每項工作預先逐一寫程式。37

這考驗的其實是整套系統能否同時運作：看得準、聽得明、識得在空間中移動、抓取和操作物件，還要懂得應對環境變化、避免危險、維持續航，並把能力泛化至未見過的新任務。現有資料未顯示中國的人形機械人已能穩定地達到這個八成成功率基準。37

中國的優勢：先把硬件做平、做快、做大

中國在人形機械人的供應端已累積相當動能：據報全國已有超過150間相關企業，亦有大量企業、大學及研究機構參與。6

政策支援亦很深。措施包括補貼、稅務優惠、產業園區、推動本地採用，以及公私營研發合作。117 路透社報道，過去一年有逾200億美元投向相關領域，並計劃設立規模達1萬億元人民幣、約1,370億美元的基金，支援人工智能及機械人初創企業。

這種模式的價值，在於可加快硬件商品化。電池、感應器及其他零件可在本地供應鏈取得，廠商能更快修改設計和壓低價格。4 同時，遙操作訓練數據的成本下降，加上可購買或租用的商業人形機械人平台增加，亦有助公司更快累積訓練資料並改進機身。

最大落差：出貨多，不等於已能「上工」

中國方面的行業報告稱，2026年上半年中國交付超過4萬部人形機械人，佔全球出貨量97%。1 但出貨數字本身，未能證明機械人已產生大規模、可持續的商業價值。

應用去向更能說明現況：娛樂及表演佔33.6%，數據收集及研究佔27%，兩者合計超過六成；智能製造連同倉儲物流則不足兩成。14 換言之，不少機械人目前仍在「學習點做」或「上台表演」，未到可以大範圍頂替工場輪班的階段。

另一組數據亦反映這個問題：2025年全球生產逾2萬部人形機械人，但估計只有約一成實際用於真實世界應用；其餘主要流向研究機構、數據收集計劃和娛樂展示。 因此，行業現階段較像在建立硬件、遙操作、真實數據、模擬和模型之間的反饋循環，而非已經運行一支廣泛自主的機械人勞動力。

幾時先會到？答案由兩年到十年都有

宇樹科技創辦人王興興認為，若進展很快，這個突破或可在兩至三年內出現；若進展慢，則可能要五至十年。10 這類說法始終是企業領袖的預測，不是由獨立測試驗證過的能力里程碑。

較穩妥的判斷是：中國屬於最有條件率先衝線的市場之一，但仍處於「能力驗證、走向商業化前」的階段。 到2020年代後期出現重要突破並非不可能，但絕非板上釘釘。17

補貼是加速器，也是商業模式的考題

大規模補貼、產能建設和價格競爭，可能令人形機械人的硬件迅速普及，即使通用自主能力尚未成熟。2 大學、實驗室、示範場地和政府支持的數據收集，對早期研發非常有利；但它們同時反映，客戶是否願意在沒有補貼或試點計劃下持續續約，尚未在廣泛市場得到證明。14

海外市場亦未必會自然跟隨中國的出貨優勢。人形機械人配備鏡頭、感應器和網絡連接，外國政府可能從網絡安全或關鍵基建風險角度審視其進口與部署。美國已有報道指因國家安全及網絡安全理由，限制新的中國人形及四足機械人進口，連同部分零件亦受影響。6

真正要看的指標

下一個關鍵，唔係再看出貨量、機械人數目，或者哪段示範片最吸睛；而是看它們能否在獨立測試下，於陌生場景以極少人手介入完成新任務，並以足夠低的成本和足夠高的可靠性，令製造及物流客戶不用靠補貼都願意續用。

在這個標準實現之前，中國人形機械人已經很接近「做大規模」的時刻，但還未到「真正通用自主」的ChatGPT時刻。

中國人形機械人行業正接近一個量產與成本拐點，但距離真正的「ChatGPT 時刻」仍未到。中國的出貨規模、製造供應鏈和政策支持，確實能令廠商更快試錯、降價和迭代；不過，現時大量部署仍偏向表演、研究、遙操作數據收集及試點，而不是在工廠、貨倉或住宅等雜亂環境中長時間自主做事。114

所謂「ChatGPT 時刻」，唔係識跳舞咁簡單

人形機械人的「ChatGPT 時刻」，不應理解成一段令人眼前一亮的跳舞、打拳或摺衫示範。業界提出的門檻是：把機械人放進一個從未接觸過的環境，它只靠自然語音或文字指令，便能完成大約八成任務，而且毋須為每項工作預先逐一寫程式。37

這考驗的其實是整套系統能否同時運作：看得準、聽得明、識得在空間中移動、抓取和操作物件，還要懂得應對環境變化、避免危險、維持續航，並把能力泛化至未見過的新任務。現有資料未顯示中國的人形機械人已能穩定地達到這個八成成功率基準。37

中國的優勢：先把硬件做平、做快、做大

中國在人形機械人的供應端已累積相當動能：據報全國已有超過150間相關企業，亦有大量企業、大學及研究機構參與。6

政策支援亦很深。措施包括補貼、稅務優惠、產業園區、推動本地採用，以及公私營研發合作。117 路透社報道，過去一年有逾200億美元投向相關領域，並計劃設立規模達1萬億元人民幣、約1,370億美元的基金，支援人工智能及機械人初創企業。

這種模式的價值，在於可加快硬件商品化。電池、感應器及其他零件可在本地供應鏈取得，廠商能更快修改設計和壓低價格。4 同時，遙操作訓練數據的成本下降，加上可購買或租用的商業人形機械人平台增加，亦有助公司更快累積訓練資料並改進機身。

最大落差：出貨多，不等於已能「上工」

中國方面的行業報告稱，2026年上半年中國交付超過4萬部人形機械人，佔全球出貨量97%。1 但出貨數字本身，未能證明機械人已產生大規模、可持續的商業價值。

應用去向更能說明現況：娛樂及表演佔33.6%，數據收集及研究佔27%，兩者合計超過六成；智能製造連同倉儲物流則不足兩成。14 換言之，不少機械人目前仍在「學習點做」或「上台表演」，未到可以大範圍頂替工場輪班的階段。

另一組數據亦反映這個問題：2025年全球生產逾2萬部人形機械人，但估計只有約一成實際用於真實世界應用；其餘主要流向研究機構、數據收集計劃和娛樂展示。 因此，行業現階段較像在建立硬件、遙操作、真實數據、模擬和模型之間的反饋循環，而非已經運行一支廣泛自主的機械人勞動力。

幾時先會到？答案由兩年到十年都有

宇樹科技創辦人王興興認為，若進展很快，這個突破或可在兩至三年內出現；若進展慢，則可能要五至十年。10 這類說法始終是企業領袖的預測，不是由獨立測試驗證過的能力里程碑。

較穩妥的判斷是：中國屬於最有條件率先衝線的市場之一，但仍處於「能力驗證、走向商業化前」的階段。 到2020年代後期出現重要突破並非不可能，但絕非板上釘釘。17

補貼是加速器，也是商業模式的考題

大規模補貼、產能建設和價格競爭，可能令人形機械人的硬件迅速普及，即使通用自主能力尚未成熟。2 大學、實驗室、示範場地和政府支持的數據收集，對早期研發非常有利；但它們同時反映，客戶是否願意在沒有補貼或試點計劃下持續續約，尚未在廣泛市場得到證明。14

海外市場亦未必會自然跟隨中國的出貨優勢。人形機械人配備鏡頭、感應器和網絡連接，外國政府可能從網絡安全或關鍵基建風險角度審視其進口與部署。美國已有報道指因國家安全及網絡安全理由，限制新的中國人形及四足機械人進口，連同部分零件亦受影響。6

真正要看的指標

下一個關鍵，唔係再看出貨量、機械人數目，或者哪段示範片最吸睛；而是看它們能否在獨立測試下，於陌生場景以極少人手介入完成新任務，並以足夠低的成本和足夠高的可靠性，令製造及物流客戶不用靠補貼都願意續用。

在這個標準實現之前，中國人形機械人已經很接近「做大規模」的時刻，但還未到「真正通用自主」的ChatGPT時刻。