由賽場走入工場，人形機械人要證明嘅唔係跑得快，而係捱得耐

第二屆世界人形機械人運動會，畀外界睇到兩幅幾唔同嘅圖畫：一邊係機械人喺賽場跑步、踢波，甚至刷新人類紀錄；另一邊就係測試插接電線、倉務、餐廳、辦公室、緊急救援等更似真實工作嘅任務。同期到訪北京具身智能創新園區，亦見到企業開始做零部件、建立訓練數據、搵融資，同客戶商討實際部署。1213

呢啲訊號顯示，人形機械人產業正進入一個早期、但發展唔平均嘅商業化階段。硬件開始較容易標準化同擴產，但要真正做有用嘅工作，仍然要過可靠性、行業標準、應用場景同數據質素幾關。呢個市場，距離「一部機械人可以包辦所有工作」仲好遠。

運動會開始變成一場工作能力測試

賽事於2026年8月22日在北京國家速滑館——即冬奧場館「冰絲帶」——開幕。主辦方登記咗666隊、2,056部機械人，隊伍數目較第一屆增加138%，機械人數量就大約增至四倍。賽程擴展至51個項目，包括30個競技項目同21個情境項目。26

數字本身固然搶眼，但真正值得留意嘅係賽制變化。運動表現只可以反映機械人能力其中一小部分：一部機械人可以喺受控賽道跑得快，唔代表佢可以喺工場安全、持續、低成本咁做重複工作。情境項目就將焦點拉到自主性、靈巧度同完成任務能力，場景亦刻意模擬工廠、貨倉、餐廳、辦公室及緊急環境。1912

自主操作嘅要求亦提高咗。相關報道指，評分標準唔再只係「做唔做到」，而係要做得快、準、穩，而且唔可以靠遙距操控完成。9

換句話講，賽場唔再只係展示機械人「識郁」，而係開始追問：佢可唔可以喺冇人逐步指揮嘅情況下，完成一套接近工作流程嘅任務？

硬件供應鏈開始出現規模效應

8月到訪北京中關村海淀具身智能創新園區期間，所見已經唔係一堆各自為政嘅展示原型。多間公司提到，機械人嘅外形配置同核心零部件正變得愈來愈相似。呢種收斂有機會減少客製化，亦令零部件更容易大規模生產。13

做零部件嘅卓御科技表示，市場已由2024及2025年每批約10至50部原型機，轉向較大規模嘅客戶部署。公司稱，有10至20個客戶每家訂購超過1,000部機械人；目前每月零部件產能相當於約3,000部機械人，目標於11月提升至50,000至60,000部，另有數十萬部機械人嘅欠單。要留意，以上係公司或業界披露，並非經獨立審計嘅出貨數據。13

市場預期亦明顯升溫。摩根士丹利將中國2026年人形機械人出貨量預測，由28,000部上調至50,000部，理由包括商業驗證、政策支持同供應鏈動力。2728 預測唔等於已經交付，但呢次調整反映市場預期轉變得相當快。

無界動力：資金正押注「由試驗走向部署」

2025年成立嘅無界動力，反映出業界對產品同資本嘅野心。公司表示，已有兩代機身進入量產，第三代亦正開發中；截至2026年上半年，公司公布獲得超過2億美元天使輪融資，並取得接近1億美元全球訂單。公司提到嘅應用包括工業製造同咖啡店服務，亦聲稱取得歐洲工業全棧CE認證。13

呢類消息顯示，客戶同投資者願意喺人形機械人未達到成熟工業設備可靠性之前，先為試點同早期部署投放資金。但有資金、有訂單，唔等於機械人已經可以長時間自主處理廣泛商業工作。

無界動力創辦人張宇峰講出其中一個關鍵分別：喺受控嘅工業場地，企業可以訓練機械人掌握一項狹窄、重複性高嘅技能；但商業服務要面對不同環境、用戶、物件同突發故障，要求機械人將技能泛化到新情況。後者難度高好多。13

市場有需求，但仍然未搵到「殺手級應用」

人形機械人嘅需求似乎係真，但究竟邊類工作最適合，產業仍未有共識。

工廠嘅環境較有秩序，任務亦較重複；物流就多咗搬運、物件變化同持續運作要求；零售同餐飲服務要處理不可預測嘅人同人際互動；至於家庭，就幾乎集合晒以上所有難題，仲要面對數之不盡嘅物件同突發情況。

中國工業和信息化部同國務院國資委於2026年6月推出嘅相關倡議，要求企業加快真實場景訓練、驗證同部署，並於年底前推進落地，令業界更難繼續停留喺展覽同示範階段。13 不過，政策推動唔會自動解答最根本嘅產品問題：一項工作創造嘅價值，係咪足以抵銷人形機械人嘅成本、維修、監督同安全要求？

所以，短期內最有機會落地嘅，應該係受限制、可重複、流程清晰嘅工作，而唔係真正通用嘅機械人勞動力。運動會嘅情境項目之所以重要，正正係因為佢將「按劇本示範」同「可靠工作流程」之間嘅距離攤咗出嚟。113

真正難關係可靠性同標準，而唔係舞台效果

業界人士承認，目前好多款人形機械人仍未達到工業級可靠性，國際標準亦未成熟。呢點同傳統工業機械臂有明顯差距——後者一般預期可以運作數萬小時。13

一部機械人成功完成一次吸睛賽事，只能證明佢具備某種能力；唔代表佢可以連續多個更次安全、經濟咁運作，亦唔代表佢面對負載變化時，維修週期同故障復原都可以預測。

對採購方嚟講，真正應該問嘅問題已經變成：

• 機械人幾常失敗，或者要人手介入？
• 遇到異常物件、行人或障礙物，可唔可以自行復原？
• 維修之前可以運作幾多個鐘？
• 同一項技能可唔可以轉移到另一部機械人、另一個工場？
• 部署時有冇清晰而獲認可嘅安全及合規框架？

呢啲答案，對市場採用嘅影響，會大過運動場上嘅紀錄，即使紀錄往往最容易成為新聞標題。

訓練數據，正由配角變成最大樽頸

園區內嘅討論亦反映，產業焦點正由「機械人身體夠唔夠好」轉向「有冇足夠數據教佢點做」。據報客戶對訓練數據嘅需求，正由幾千小時增加到幾十萬小時，長遠甚至可能要數千萬小時。諾亦騰機械人表示，計劃於2026年生產數十萬小時數據，2027年提升至數百萬小時。13

諾亦騰公開發布嘅HiPHI，係一個617.5小時高精度人類動作及人與物件互動數據集。呢個規模對研究界相當可觀，但同時亦令人睇到：一份有價值嘅研究數據，距離企業所講、足以支援穩健具身智能系統嘅更大數據量，仍然有一段距離。4749

相關討論大致將數據分成三層：

1. 高質素操作數據： 精準嘅第一身或遙距操作示範，可以教機械人處理高難度技能，但收集成本高。
2. 可重新對應嘅以人為本數據： 記錄人類動作同互動，之後再套用到唔同機械人身上，有助跨機械人轉移技能。
3. 模擬數據： 數量多、成本相對低，但始終受制於模擬環境同現實世界之間嘅落差。

據介紹，實體數據擷取每小時成本可達數千元人民幣。呢個成本正推動業界用更大規模方式收集數據，包括諾亦騰計劃喺翌年向接近20,000人招募數據，先由家庭場景開始。13

道理其實好簡單：人形機械人有一副似人嘅身體，唔代表佢自然就識處理現實世界。佢需要大量而且多變、標註準確嘅經驗，先可以將視覺、動作、物件、人同後果連繫起來。

8月嘅證據，究竟代表咩？

運動會同創新園區嘅所見，支持一個相對審慎嘅結論：

• 產業確實正在擴大。 參賽規模增加、項目擴充、零部件配置收斂、融資同訂單上升，都指向一個更大嘅商業生態。213
• 商業驗證已經開始。 企業正將機械人帶入工廠、物流、餐飲服務等真實場景，政策亦加大壓力，要求測試唔可以只停留喺展覽館。113
• 通用工作仍未解決。 可靠性、標準、經濟效益、工作選擇同訓練數據，全部仍然係未完成嘅課題。13

人形機械人確實已經行出跳舞、跑步同按劇本表演嘅階段。但下一個真正有分量嘅基準，可能冇咁戲劇性：一部機械人能唔能夠安全、穩定、合乎成本咁工作數千小時，仲要喺足夠多嘅現實變化之下，持續為企業創造價值。