從出貨規模到實際生產力：人形機器人能否真正「做事」？

2026年世界機器人大會（WRC 2026）釋出的核心訊息很清楚：中國或許已在人形機器人的早期規模競賽中取得領先，但出貨量只是起點。真正困難的問題是，這些機器能否在真實工作場景中，持續完成可重複、少人介入，而且能提升效率的工作。

中國的出貨領先很突出，但統計仍有爭議

大會發布的一份產業報告稱，中國2026年上半年出貨的人形機器人超過4萬台，約佔全球出貨量97%。大會相關報導將這波增長解讀為產業正從小規模試點，走向例行部署與更大規模的實際應用。101215

不過，這個數字並不是所有研究機構都認可的全球市場總量。Smart Analytics Global估算，同期全球人形機器人出貨量約為1.91萬台；Counterpoint Research則估計全球出貨量超過2.2萬台，另有估算稱中國廠商單獨出貨已超過3萬台。不同數字可能源於統計定義與方法不同，因此確切出貨量仍難以獨立核實。14

相較於某一個單一數字，更穩妥的結論是：人形機器人的生產與部署正在加速，而中國製造商在目前公開報告中佔據主導性的市場份額。

大會開始區分「吸睛展示」與「真正生產力」

WRC 2026的現場示範，正好說明了人形機器人為何能吸引目光，也說明為何單靠示範已經不夠。宇樹科技（Unitree）展示了會議室場景，並預告一款標稱速度達每秒12.65公尺的機器人，反映出機器人的行動能力與產品化進度正在提升。但速度、平衡，或在受控環境中完成流暢表演，都不能單獨證明機器人已具備通用勞動能力。

大會更重要的分界，在於機器人能否從固定場景的「表演」，走向經得起現實變化考驗的工作。相關報導提到，機器人正被帶入快遞分揀、煮麵、商品包裝，以及工廠和家庭等場景。815

對採購方來說，關鍵並不是機器人能否完成一次精心安排的任務，而是同一套系統能否面對不同物件、空間配置、指令、光線和突發故障，不必每次都由工程人員重新設定。

下一個基準：處理從未見過的工作

大會上受訪的創辦人與業界人士，將商業化門檻放在遠高於受控環境中完成單一任務的位置。一台真正有價值的人形機器人，應能進入陌生的工廠或家庭，理解當下需要完成的工作，迅速學會新任務，並以穩定的速度與精準度完成工作。13

這項要求也暴露出現有系統的幾個缺口：

• 泛化能力： 機器人即使在單一場景受過訓練，換了物件、表面或操作順序後，仍可能無法順利工作。
• 精準度： 看似很小的實體誤差，也可能令一次成功的操作在實際流程中失去使用價值。
• 速度： 能在展示中完成的任務，未必快到足以與人類工作者競爭。
• 自主性： 如果經常需要遙控操作、工程支援或人工接手，部署帶來的經濟效益可能很快被抵消。

這些並非枝微末節的改良，而是決定人形機器人究竟會成為靈活的勞動平台，還是只能執行少數示範任務的昂貴設備。

現有表現仍清楚顯示差距

Starship Navigator提出的相關基準顯示，現階段系統的任務表現約為人類的70%至80%；另有一台機器人據報花了接近兩分鐘摺好一件短袖T恤，最後仍由人類操作員介入。1320

摺衫案例之所以值得注意，是因為它把一項看似令人印象深刻的能力，轉化成具體的營運問題：機器人每小時能處理多少件？失敗率是多少？需要多少監督？

能夠摺好一件衫，代表機器人具備某種操作能力；能夠快速、獨立地處理各式各樣的衣物，才代表它可能成為可行的服務。

工廠與倉庫也是同樣道理。機器人技術上能移動某件物品，不代表它就能成為成功的商業產品。若它速度太慢、機械結構太脆弱，或只接受過過度狹窄的訓練，仍可能無法融入周邊工作流程。

更快重新訓練，直接關乎商業模式

大會報導提到的一項目標，是把機器人學習新任務所需的重新訓練時間，從約10小時縮短至約1小時。這不只是操作上的方便，而是攸關成本：客戶每次改變流程時，所需重新收集資料、編程和提供工程支援的工作都可能因此減少。13

這項能力可能決定人形機器人的部署經濟效益。如果每項新工作都需要一次度身訂造的整合工程，機器人或許仍只能停留在高度受控的試點；但如果操作人員可以迅速教導或配置新工作，而且機器人之後能穩定執行，同一套硬體就能在不同任務與地點重複發揮價值。

因此，比起一段在社交平台爆紅的示範，倉庫中的持續生產力更值得關注。它將測試機器人能否長時間工作、處理變化、從錯誤中恢復，並在沒有持續協助的情況下產出成果。

人形機器人的「ChatGPT時刻」仍有前提

部分公司預測，人形機器人要實現通用能力突破，可能需要2至10年，樂觀情況下甚至可能在2028年前後出現。但這些都是預測，並不是已確立的產業里程碑。13

背後的難題在於，具身人工智能（embodied AI）必須把感知、推理與實際動作連接起來。人工智能模型或許能正確辨認物件、描述操作計劃，卻仍可能無法在現實世界中準確完成動作。產業目前還面對泛化能力不足、毫米級實體誤差，以及缺乏足夠高品質實體互動資料等問題。13

大會相關報導所描述的長期目標，是讓機器人最終能在陌生家庭中完成約80%的任務。要達到這個程度，除了需要可能達到數千萬小時的有效訓練資料，也需要讓機器人能夠遷移技能，而不是每遇到一項新工作便從頭學起。13

WRC 2026之後，應該看什麼？

這次大會將人形機器人的競爭，重新聚焦到五個實際問題：

1. 機器人能否離開腳本化、受控的環境工作？
2. 它需要多久才能學會真正的新任務？
3. 長時間工作的速度與準確度，距離人類工作者還有多遠？
4. 它多常需要遠端操作或現場人員介入？
5. 長期部署能否帶來可量度的經濟價值？

中國據報取得的出貨領先，較有力地回答了「能否大量製造」這個問題，卻還沒有回答上述任何一項生產力問題。

因此，WRC 2026所描繪的並不是人形機器人已經大功告成，而是產業進入了更嚴格的驗證階段：下一步，市場必須證明人形機器人不只是能夠大規模生產，更能夠大規模地穩定工作，並在示範結束後持續創造價值。