中國人形機器人為何能「量產領先、能力落後」？

中國在人形機器人產業取得的先發優勢，首先是「做得出來、送得出去」，而不是已經造出能廣泛工作的機器人。現有證據顯示，北京正押注一套由政策支持的「規模化學習」策略：先製造價格較低的機器，將它們部署到受控場域，蒐集真實世界資料，再期待資料量的累積帶來具身人工智慧的重大突破。

這條路能否通往真正有用的通用型機器人，仍是未解問題。機器人的感知、靈巧操作、續航、錯誤復原，以及面對新情境時的應變能力，都還沒有達到取代人力的程度。

出貨冠軍，不等於商業生產力

中國廠商在 2026 年上半年據稱占全球人形機器人出貨量逾 97%；同期全球出貨量約為 19,100 台，較前一年同期大幅增加。不過，不同研究機構對「出貨」的定義與統計範圍並不一致，因此「中國占約 95%、全球約 20,000 台」這類數字，更適合視為產業估算指標，而不是已部署、能持續工作的機器人數量。7

更重要的是，機器人被交付出去，並不代表它們已經在商業環境中有效工作。分析師 Georg Stieler 估計，2026 年生產的人形機器人中，約有 50% 至 70% 可能進入「資料工廠」，用來蒐集訓練資料，而不是替付費客戶完成具生產力的任務。4 其中一部分也可能流向大學、研究機構、展示活動及政府支持的試點計畫。

因此，表面上的矛盾其實沒有那麼大：中國可以同時擁有龐大的出貨量與仍不成熟的機器人能力。前者反映的是供應鏈整合、零組件成本、製造規模與快速迭代；後者則反映人工智慧與實際操作能力尚未突破。

供應鏈與政策，先把「身體」做大

中國在人形機器人硬體上的進展，受惠於完整的零組件供應鏈、較低的製造成本，以及地方政府與中央政策共同推動的產業規模。補貼與零組件價格下滑提高了企業的競爭力；北京早期的機器人產業藍圖，也已將補貼、研究稅務優惠與融資支持納入發展方向。9

這套模式能快速產出大量相對便宜的機器平台，即使機器人的「大腦」仍不夠可靠。換句話說，中國目前擅長的是先把機器人的身體做出來、做便宜，再讓大量部署反過來協助軟體改進。

但量產本身無法自動解決幾個核心難題：機器能否在狹窄、雜亂或持續變動的環境中安全行動？能否拿起形狀與重量不同的物件？遇到失誤時能否自行修正？換一項任務後，需要多少時間與成本重新訓練？這些才是決定機器人能否成為勞動力的關鍵。

訓練中心是戰略橋樑，也是商業模式考驗

廣西一項價值 1,800 萬美元的政府標案，由 UBTech 提供人形機器人及相關硬體給訓練設施。該設施的目標，是產生供具身人工智慧使用的訓練資料；所謂具身人工智慧，指的是能在實體世界中感知、判斷並採取行動的 AI 系統。2

這類場域具有戰略價值。它們可以讓機器人在工廠、倉庫或模擬環境中反覆執行任務，累積一般網路文字資料無法提供的動作與感知資料，也能加速硬體與軟體的共同設計。

然而，這類專案也存在明顯的循環問題：訓練中心需要先購買機器人、聘請操作人員、租用場地、標註資料、維護設備，還要面對硬體快速汰換；它們必須出售足夠有價值的資料，才能支付上述成本。路透社走訪相關設施時，工作人員承認，專案目前仍高度依賴補貼，且沒有清晰的獲利路徑。

因此，訓練中心證明的是中國正在建立資料基礎設施，而不是已經證明資料本身是一門成熟生意。

「ChatGPT 時刻」押注的是非線性突破

Unitree 創辦人兼執行長王興興表示，具身智慧正逐步接近類似 ChatGPT 的突破時刻。這種說法也間接點出產業瓶頸：真正困難的不是讓機器人跑步、跳舞或後空翻，而是讓它在陌生情境下理解任務並穩定完成工作。3

大型語言模型能受益於龐大、容易取得的數位語料，以及可大規模進行的測試；實體機器人的學習則需要昂貴、緩慢且受安全限制的互動資料。增加機器人數量確實有助於蒐集資料，但資料多不代表資料一定多元、精準，而且能轉移到不同機器與任務上。

王興興也曾表示，這樣的「ChatGPT 時刻」可能仍需長達十年才會到來。8 這意味著產業目前押注的，是未來可能出現的能力躍升，而不是今天已經成熟的通用型機器人市場。

Unitree 飆股，反映的是未來選擇權

Unitree 在上海科創板上市時，股價較 150.8 元人民幣的發行價一度上漲逾五倍，收市仍上升 460%。公司本身有獲利，但路透社指出，當時真正被用於商業環境的 Unitree 機器人仍不多。6

這兩件事並不矛盾。投資人可能是在替公司掌握的供應鏈、品牌聲量與未來 AI 突破機會估值，而非只按照目前每台機器人的實際生產力定價。Unitree 能夠獲利，也不能推導出整個人形機器人產業已經獲利，或通用型機器人已形成成熟市場。

估值與現實能力之間的落差，也帶來泡沫風險。若大量企業提供功能相近的產品，競爭可能迅速轉向削價；若訂單無法從補貼試點轉化為私營企業的持續採購，產業很可能迎來整併，只有少數公司能留下。

政府採購，先解決「雞與蛋」問題

中國的產業政策刻意創造早期需求，同時承擔部分技術與市場風險。過去一年，中國已向人形機器人企業配置超過 200 億美元資金，並宣布成立規模達 1 兆元人民幣、支援 AI 與機器人等領域新創企業的基金。12

政府標案、地方訓練中心，以及與國營部門相關的測試環境，能解決新技術常見的「先有客戶還是先有產品」難題：沒有部署，就沒有資料；沒有資料，機器人就難以改進；沒有改進，客戶又不願意部署。

但政府採購也可能掩蓋真實需求。如果機器人的訂單主要來自政策目標，而非企業在沒有補貼的情況下仍能獲得合理回報，那麼出貨數字就不能直接等同於市場成功。

美國限制削弱出口前景，但尚未否定中國模式

美國聯邦通信委員會（FCC）在 2026 年 7 月禁止新的中國製人形與四足機器人進口，理由包括國家安全風險，以及希望將關鍵產業帶回美國。11

短期而言，這項限制的商業衝擊可能有限，因為人形機器人在美國的實際商業部署仍不多。5 但從長期看，失去美國市場，可能降低中國企業的銷售規模、海外客戶回饋與國際標準話語權，也會限制其透過不同產業環境驗證產品的機會。

這項限制並未直接否定中國的國內策略。只要中國仍能透過國內製造、政府試點與研究機構部署，持續累積硬體與資料，產業仍可能在本土市場進行長期試錯；只是出口受限後，企業需要更清楚地證明國內需求不是由補貼單獨支撐。

最終要看的，不是後空翻，而是營運數據

要判斷中國的硬體規模能否轉化為真正有用的通用型機器人，關鍵證據應該是營運表現，而不是舞台上的精彩動作，包括：

• 在非結構化環境中的任務成功率；
• 安全事故率與獨立測量的正常運轉時間；
• 轉換至新任務所需的重新訓練時間與成本；
• 每一機器人工作小時實際節省的人工成本；
• 維護、操作、資料標註與硬體更換後的真正單位經濟效益；
• 在沒有政府採購或補貼的情況下，客戶是否仍願意持續付費。

中國在硬體製造上的領先，確實讓它有機會成為最早利用具身 AI 突破的國家之一。但目前的出貨與投資數字，顯示的是一項強大的能力建設計畫，而不是中國——或任何國家——已經解決通用型機器人問題的證明。