中國正為一個看似實際、其實是人形機械人商業化關鍵的問題建立新勞動市場：究竟由誰教機械人在真實環境中做事？

答案之一，是即將被正式確認的「具身智能機械人應用技術員」。這類工作人員未必需要逐行編寫程式，而是透過遙控、示範及反覆修正，教人形機械人完成工廠、倉庫或其他工作場所的實際任務。

這個職業是中國計劃新增的12項職業之一。報道指，相關職位目前的年薪約為50萬至80萬元人民幣，但這個範圍不代表每一個職位都會提供同樣薪酬。612

「機械人訓練師」實際做乜？

這份工作更像是連接機械人、工作環境及人工智能工程團隊的中間人，而不只是傳統意義上的程式設計師。

一次典型的訓練工作，可能包括：

• 遙控人形機械人完成指定動作
• 親身引導或修正機械人的姿勢與路線
• 反覆示範抓取、分類、搬運及操作設備等任務
• 檢查機械人能否安全、穩定及重複完成工作
• 記錄失敗、異常情況及環境變化，交由工程師分析
• 按照特定工廠或工作站的設備，調整示範方式

在真實場景中，每一次成功動作都可以由感應器記錄，成為模型訓練的「原始教材」。4 因此，技術員的價值不只是識得操控機械，而是能夠製作準確、可重複及真正有助改善機械人表現的示範數據。

點解人的動作會變成AI數據？

一般人工智能系統可以依靠文字、圖片或其他數碼資料學習；但機械人還要掌握三維空間中的動作細節，例如物件位置、應用力度、避開障礙物的方法，以及任務出錯時應如何處理。

一次由人引導的示範，可以同時記錄多類資料：

• 機械人的關節動作及運動軌跡
• 相機及其他感應器看到的環境資訊
• 任務中各個步驟的先後次序
• 機械人與物件、地面及周邊設備的接觸
• 該次嘗試成功還是失敗

工廠及倉庫的示範尤其有價值，因為這些場景包含真實物件、不同擺位、實際碰撞及操作限制，往往難以完全靠模擬環境重現。相關數據可以用來訓練及測試，連接視覺感知、工作指令與實際動作的系統。47

成本亦解釋了企業為何急於搶人。新華社引述一份報道指，過去開發單一應用場景，單是訓練數據就可能要花超過1,000萬元人民幣。4 如果技術員可以在有組織的真實環境中製作更高質素的示範，企業便有機會縮短把通用型機械人改造成特定工作工具的時間，亦降低相關成本。

點解這份工突然變得咁值錢？

人形機械人正由實驗室展示逐步走向工業應用，但支援這個轉型的人才，未有同步出現。企業需要一些同時明白實際操作和AI數據要求的人。

這種組合並不常見。技術員可能要接觸機械人控制、感應器、任務設計、安全規範、操作流程及數據質素管理。識做工廠工序的人，未必懂得如何製作機器可讀的示範；熟悉軟件的工程師，亦未必有足夠現場經驗去判斷機械人為何在真實環境中失敗。

所以，新職業其實是在補上一個關鍵缺口：要把具身智能落地，除了研究員設計模型、工程師製造硬件，還要有人令機械人在最終使用的環境中，反覆做出有用而穩定的工作。

2026年招聘及薪酬數字反映甚麼？

目前可見的2026年數據，顯示僱主需求與具相關經驗的人才供應之間存在明顯落差。

招聘數據顯示，2026年1月至4月，具身智能相關職位需求按年增加約15倍；整個具身AI市場的平均月薪則報稱為62,000元人民幣。要留意，這是市場整體數字，不能直接當作每一位機械人訓練師的薪酬。3

另外，獵聘《2026機械人產業人才供需趨勢報告》顯示，人形機械人領域的招聘量按年增加215.8%，平均年薪報價達406,100元人民幣。9 兩組數據的統計範圍並不完全一樣：前者涵蓋具身AI招聘，後者主要聚焦人形機械人職位。不過，兩者都指向同一個現象——行業擴張速度已經快過專門人才的培養速度。

真正帶來薪酬溢價的，不只是「識得整機械人」，而是能夠解決部署上的樽頸：企業需要大量可靠、針對特定任務的真實世界數據，令機械人離開受控示範場景後，仍然做得到實際工作。

工廠不再只是客戶，亦是訓練場

人才需求並不限於機械人初創企業。擁有複雜生產流程的製造商，同樣具備反覆工序、專業設備及真實操作條件，可以用來訓練及驗證實體AI。

敏實集團與智元機器人的合作正好說明這種模式。相關報道指，敏實的工廠網絡會成為智元機械人的訓練基地，讓機械人在真實工業場景中學習及收集數據，從而加快演算法迭代。32

換句話說，工廠不只是人形機械人的潛在買家，也可以成為製造訓練數據的環境。工序及條件越多變，企業便越容易找出機械人在哪些地方失手，再針對性改善。

至於有關敏實相關業務「暴增400倍」或仍有40個訓練師職位空缺的說法，在未有獨立資料充分證實前，應視為個別公司的報道聲稱，不能直接當成整個行業的指標。較穩妥的結論是：製造商正逐漸加入具身AI的開發循環，因此需要能夠把工廠工作轉化為可用機械人訓練數據的現場人才。

大學開新科，點解仍然未能即時補位？

中國已開始建立正式的教育人才管道。2026年，9間大學獲批開設「具身智能」本科專業，顯示這個領域正由新興技術走入主流高等教育。21

但大學不可能即時填補眼前的招聘缺口。即使首批每年合計只招收數百人，學生仍要完成多年學習，首批畢業生預計要到約2030年才會投入市場。16

課程本身亦相當跨學科。相關人才可能要掌握機械人學、環境感知、感應器融合、由模擬轉移至現實的技術、機械操作、安全及數據管理。傳統計算機科學或機械工程課程或許可以提供部分基礎，但企業要找的是能夠把這些知識與真實工作場景結合的人。

這造成一個短期落差：有學歷，不等於立即具備部署能力。在首批專門本科生畢業前，短期課程、職業培訓、機械人實驗室及企業內部訓練，可能要先負責填補中間的空位。

這份新工揭示實體AI的真正樽頸

「具身智能機械人應用技術員」受到關注，重點不只是年薪高，而是它揭示了下一階段AI商業化可能遇到的限制。

對軟件AI來說，更大的模型、更強的運算力及數碼基建，往往可以大規模擴展；但具身AI還需要真實的物理環境、熟練操作員、安全試驗，以及高質素的示範數據。機械人不可能只靠一個基準測試或模擬環境，就學懂每一種工作場所的任務。

因此，這個新職業既反映人才短缺，也反映產業開始成熟。當人工智能走進現實世界，企業需要一批能夠「用做嘢教識機械人」的人，而他們在現場看到的每次成功與失敗，都可能成為機械人智能的一部分。

中國正為一個看似實際、其實是人形機械人商業化關鍵的問題建立新勞動市場：究竟由誰教機械人在真實環境中做事？

答案之一，是即將被正式確認的「具身智能機械人應用技術員」。這類工作人員未必需要逐行編寫程式，而是透過遙控、示範及反覆修正，教人形機械人完成工廠、倉庫或其他工作場所的實際任務。

這個職業是中國計劃新增的12項職業之一。報道指，相關職位目前的年薪約為50萬至80萬元人民幣，但這個範圍不代表每一個職位都會提供同樣薪酬。612

「機械人訓練師」實際做乜？

這份工作更像是連接機械人、工作環境及人工智能工程團隊的中間人，而不只是傳統意義上的程式設計師。

一次典型的訓練工作，可能包括：

• 遙控人形機械人完成指定動作
• 親身引導或修正機械人的姿勢與路線
• 反覆示範抓取、分類、搬運及操作設備等任務
• 檢查機械人能否安全、穩定及重複完成工作
• 記錄失敗、異常情況及環境變化，交由工程師分析
• 按照特定工廠或工作站的設備，調整示範方式

在真實場景中，每一次成功動作都可以由感應器記錄，成為模型訓練的「原始教材」。4 因此，技術員的價值不只是識得操控機械，而是能夠製作準確、可重複及真正有助改善機械人表現的示範數據。

點解人的動作會變成AI數據？

一般人工智能系統可以依靠文字、圖片或其他數碼資料學習；但機械人還要掌握三維空間中的動作細節，例如物件位置、應用力度、避開障礙物的方法，以及任務出錯時應如何處理。

一次由人引導的示範，可以同時記錄多類資料：

• 機械人的關節動作及運動軌跡
• 相機及其他感應器看到的環境資訊
• 任務中各個步驟的先後次序
• 機械人與物件、地面及周邊設備的接觸
• 該次嘗試成功還是失敗

工廠及倉庫的示範尤其有價值，因為這些場景包含真實物件、不同擺位、實際碰撞及操作限制，往往難以完全靠模擬環境重現。相關數據可以用來訓練及測試，連接視覺感知、工作指令與實際動作的系統。47

成本亦解釋了企業為何急於搶人。新華社引述一份報道指，過去開發單一應用場景，單是訓練數據就可能要花超過1,000萬元人民幣。4 如果技術員可以在有組織的真實環境中製作更高質素的示範，企業便有機會縮短把通用型機械人改造成特定工作工具的時間，亦降低相關成本。

點解這份工突然變得咁值錢？

人形機械人正由實驗室展示逐步走向工業應用，但支援這個轉型的人才，未有同步出現。企業需要一些同時明白實際操作和AI數據要求的人。

這種組合並不常見。技術員可能要接觸機械人控制、感應器、任務設計、安全規範、操作流程及數據質素管理。識做工廠工序的人，未必懂得如何製作機器可讀的示範；熟悉軟件的工程師，亦未必有足夠現場經驗去判斷機械人為何在真實環境中失敗。

所以，新職業其實是在補上一個關鍵缺口：要把具身智能落地，除了研究員設計模型、工程師製造硬件，還要有人令機械人在最終使用的環境中，反覆做出有用而穩定的工作。

2026年招聘及薪酬數字反映甚麼？

目前可見的2026年數據，顯示僱主需求與具相關經驗的人才供應之間存在明顯落差。

招聘數據顯示，2026年1月至4月，具身智能相關職位需求按年增加約15倍；整個具身AI市場的平均月薪則報稱為62,000元人民幣。要留意，這是市場整體數字，不能直接當作每一位機械人訓練師的薪酬。3

另外，獵聘《2026機械人產業人才供需趨勢報告》顯示，人形機械人領域的招聘量按年增加215.8%，平均年薪報價達406,100元人民幣。9 兩組數據的統計範圍並不完全一樣：前者涵蓋具身AI招聘，後者主要聚焦人形機械人職位。不過，兩者都指向同一個現象——行業擴張速度已經快過專門人才的培養速度。

真正帶來薪酬溢價的，不只是「識得整機械人」，而是能夠解決部署上的樽頸：企業需要大量可靠、針對特定任務的真實世界數據，令機械人離開受控示範場景後，仍然做得到實際工作。

工廠不再只是客戶，亦是訓練場

人才需求並不限於機械人初創企業。擁有複雜生產流程的製造商，同樣具備反覆工序、專業設備及真實操作條件，可以用來訓練及驗證實體AI。

敏實集團與智元機器人的合作正好說明這種模式。相關報道指，敏實的工廠網絡會成為智元機械人的訓練基地，讓機械人在真實工業場景中學習及收集數據，從而加快演算法迭代。32

換句話說，工廠不只是人形機械人的潛在買家，也可以成為製造訓練數據的環境。工序及條件越多變，企業便越容易找出機械人在哪些地方失手，再針對性改善。

至於有關敏實相關業務「暴增400倍」或仍有40個訓練師職位空缺的說法，在未有獨立資料充分證實前，應視為個別公司的報道聲稱，不能直接當成整個行業的指標。較穩妥的結論是：製造商正逐漸加入具身AI的開發循環，因此需要能夠把工廠工作轉化為可用機械人訓練數據的現場人才。

大學開新科，點解仍然未能即時補位？

中國已開始建立正式的教育人才管道。2026年，9間大學獲批開設「具身智能」本科專業，顯示這個領域正由新興技術走入主流高等教育。21

但大學不可能即時填補眼前的招聘缺口。即使首批每年合計只招收數百人，學生仍要完成多年學習，首批畢業生預計要到約2030年才會投入市場。16

課程本身亦相當跨學科。相關人才可能要掌握機械人學、環境感知、感應器融合、由模擬轉移至現實的技術、機械操作、安全及數據管理。傳統計算機科學或機械工程課程或許可以提供部分基礎，但企業要找的是能夠把這些知識與真實工作場景結合的人。

這造成一個短期落差：有學歷，不等於立即具備部署能力。在首批專門本科生畢業前，短期課程、職業培訓、機械人實驗室及企業內部訓練，可能要先負責填補中間的空位。

這份新工揭示實體AI的真正樽頸

「具身智能機械人應用技術員」受到關注，重點不只是年薪高，而是它揭示了下一階段AI商業化可能遇到的限制。

對軟件AI來說，更大的模型、更強的運算力及數碼基建，往往可以大規模擴展；但具身AI還需要真實的物理環境、熟練操作員、安全試驗，以及高質素的示範數據。機械人不可能只靠一個基準測試或模擬環境，就學懂每一種工作場所的任務。

因此，這個新職業既反映人才短缺，也反映產業開始成熟。當人工智能走進現實世界，企業需要一批能夠「用做嘢教識機械人」的人，而他們在現場看到的每次成功與失敗，都可能成為機械人智能的一部分。