北京舉行的第二屆世界人形機器人運動會，以及同期舉辦的 2026 世界機器人大會，像是同一個產業的兩張側面照：前者展示 Tiangong 系列在速度、跳躍等動態運動上的躍進；後者則聚焦具身智能、軟硬體平台與更低成本的人形機器人。

真正值得關注的，不是某一項紀錄本身，而是產業正在由「看起來很厲害」的展示，走向產品化。不過，人形機器人距離可靠、安全、具經濟效益的大規模部署，仍有一段路要走。

Tiangong 在北京創下哪些成績？

Tiangong 系列是第二屆世界人形機器人運動會中最受矚目的參賽者之一：

• Tiangong Ultra 以 38.15 秒贏得大型組 400 米賽事。45
• 它其後在大型組 100 米決賽跑出 8.64 秒；此前在準決賽的成績為 8.86 秒。15
• Tiangong Omni 以 45.66 秒贏得小型組 400 米賽事。23
• 賽事報道的其他紀錄包括：1,500 米 2 分 21.64 秒、立定跳高 3.40 米，以及立定跳遠 4.83 米。25

這些數字顯示，人形機器人的動態行走與運動控制能力正在快速改善。但也必須看清楚其適用範圍：針對特定比賽項目、在明確條件下最佳化的機器人，證明的是專門能力，並不代表它已能在環境不斷變化的工廠中安全行走、處理不同物件，或長時間運作而不需人工介入。

部分報道另稱，北京人形機器人創新中心旗下隊伍及 Tiangong 系列共取得 15 面金牌、12 面銀牌和 18 面銅牌，並創下 34 項紀錄。由於這些總數主要來自二手報道，未能在本文提供的資料中獨立核實，因此應視為報道所稱的成績，而非已獲獨立確認的官方總計。613

一個公布「機器人大腦」，另一個主打輕量機身

在世界機器人大會上，中心公布 Pelican-Unify，這是一個旨在整合理解、推理、想像和行動的統一具身智能模型。相關研究描述了以單一視覺語言模型作為統一理解與推理模組的架構，把場景、指令、視覺脈絡和過往動作歷史映射至共同的語義空間。17

這反映人形機器人的開發重心正在改變。業界要解決的問題，不再只是打造更強的致動器、更好的平衡控制或更靈活的手部；開發者也在嘗試建立可重複使用的智能層，讓機器人能理解環境、規劃任務，再把計劃轉化為實際動作。

中心同時推出 Tiangong Omni。這款人形機器人高 1.35 米、重 39 公斤，定位是支援較低成本的量產。1319 輕巧的機身指向一個關鍵商業問題：相較於體型較大、規格較高的人形機器人，一個更輕、更便宜的平台，能否讓企業更容易進行測試和部署？

因此，Pelican-Unify 與 Omni 是互相配套的兩項發布：前者針對軟體和智能堆疊，後者則針對承載這套系統的實體平台。

所謂「ChatGPT 時刻」仍是預測，不是成果

中心行政總裁熊友軍曾形容，具身人工智能正接近一個「ChatGPT 時刻」——也就是通用模型配合足夠數據後，能夠跨越多種任務發揮實用價值的時刻。這個比喻說明了產業野心，但不能當作通用、自主運作的人形機器人已經出現的證據。

機器人面對的部署環境，往往比純軟體系統更苛刻。它必須感知不斷變化的物理條件、避免碰撞、控制施力、從錯誤中恢復，並且反覆完成任務。一個在示範中表現出色的模型，到了商業環境，仍可能需要大量特定任務數據、人工監督和系統整合，才能安全運作。

這個比喻真正的考驗，是同一個模型能否可靠地轉移到不同機身、不同工作場所和不同任務，而不只是完成一次令人印象深刻的展示。

評比標準正由硬體規格轉向系統表現

過去，人形機器人常以身高、重量、自由度、負載能力和最高速度作比較。這些指標仍然有用，卻無法直接回答客戶是否願意購買的問題。

工業客戶更可能關心：

• 機器人有多大比例能在無人介入下完成任務？
• 正常運作時間和維修需求如何？
• 速度與品質是否穩定？
• 接入現有設備需要多少成本？
• 能否在人員附近安全工作？
• 是否能帶來可量化的投資回報？

這也是為何檢測、分類、重複搬運，以及其他「骯髒、危險、沉悶」的工作受到關注。這類任務邊界較清晰，企業更容易把機器人的成本，與降低危險暴露、提高產能或紓緩人手短缺等具體效益放在一起比較。

相關報道亦提到，一個紅外線測溫驗證項目的速度提高至原來的六倍。不過，本文提供的證據不足以獨立證實這項數字，因此不應將其視為已確立的性能基準。紅外線感測器本身確實能快速、非接觸式測量溫度，但這項一般能力並不能證明某一個特定機器人項目的結果。33

共用基礎設施，可能是突破擴張瓶頸的關鍵

這個產業的瓶頸不只在機械性能，也在於圍繞機器人建立基礎設施的成本。

根據發布相關報道，企業正面對數據收集重複、驗證成本高昂，以及軟硬體堆疊互不相容等問題。如果每一家機器人製造商和每一間工廠都要自行建立數據集、介面、安全程序和整合工具，即使單一機器人的能力持續改善，實際部署仍會緩慢而昂貴。

提出的解決方向，是建立共用基礎設施層。Tiangong 被定位為可重複使用的機器人本體平台，而開源的 Huisi Kaiwu 生態則提供具身世界模型和機器人視覺語言模型的開發工具與模型。X-Humanoid 的公開資料稱，相關能力可支援跨場景和跨任務應用，包括工廠、家庭及戶外環境，以及抓取、導航和人機互動等任務。2122

開放或相容的基礎設施，或可減少重複工程工作。但開放本身並不等於可靠。共用平台仍需要清晰介面、穩健的評估方法、完整文件和安全控制，還要有證據證明模型能在不同機身和操作環境之間成功轉移。

夥伴關係顯示，短期重點或是「協作」而非取代

有關 Mercedes-Benz 合作的報道，將 Tiangong 3.0 描述為「矽基推薦者」（silicon-based recommender）。這指向人形機器人較審慎的近期定位：在受約束的工作流程中協助員工、提供行動建議，而不是立即取代廣泛的人類判斷。現有資料可確認這項合作曾被報道，但未能確定合作的完整範圍或實際運作表現。19

這個區分相當重要。工業採用可能先從檢查、建議、取放、分類或重複步驟開始，由人類負責處理例外情況和高後果決策。企業也可藉此累積操作數據、找出失效模式，再逐步嘗試更高程度的自主工作。

標準的重要性不亞於模型

安全性和互通性，將決定人形機器人能否走出試點項目。中國已批准制定人形機器人國家標準，涵蓋環境感知、決策與規劃、運動控制及任務執行等技術範疇。27

標準有助於界定測試方法、技術要求及人機互動的預期，也可能降低工廠整合多家供應商機器人時的不確定性。

至於「正推進 49 項安全及相關標準」的具體說法，本文提供的來源未能獨立核實其數量和進度。不過，整體方向已相當清楚：想要實現大規模採用，機器人產業需要的不只是更強的硬體和模型，還包括可重複的評估、可信的安全論證、相容的介面，以及系統失效時清晰的責任界線。

走向大規模採用，可能要分階段進行

北京的兩場活動，勾勒出一條較可能的採用路徑：

1. 先從狹窄且可量化的任務開始。 檢測、分類、重複搬運等受約束流程，比開放式的一般勞動更容易評估。
2. 衡量實際營運表現。 產能、品質、正常運作時間、人工介入率、安全性和總持有成本，比單一次破紀錄的運行更重要。
3. 重用數據和基礎設施。 共用平台及相容工具可減少重複訓練和整合工作。
4. 同步建立標準。 工廠需要可靠方法來測試、認證和監控人形機器人系統。
5. 逐步提高自主程度。 只有在可靠性和投資回報獲得驗證後，機器人才適合由受監督的協作，擴展至更廣泛的多任務運作。

北京的賽事和會議顯示，中國人形機器人產業在動態運動、具身智能研究和平台設計方面勢頭強勁。但真正的競賽，不會只由下一項短跑紀錄決定。最終勝出的，將是那些能夠以客戶負擔得起的成本，安全、穩定而且一次又一次完成有用工作的系統。

北京舉行的第二屆世界人形機器人運動會，以及同期舉辦的 2026 世界機器人大會，像是同一個產業的兩張側面照：前者展示 Tiangong 系列在速度、跳躍等動態運動上的躍進；後者則聚焦具身智能、軟硬體平台與更低成本的人形機器人。

真正值得關注的，不是某一項紀錄本身，而是產業正在由「看起來很厲害」的展示，走向產品化。不過，人形機器人距離可靠、安全、具經濟效益的大規模部署，仍有一段路要走。

Tiangong 在北京創下哪些成績？

Tiangong 系列是第二屆世界人形機器人運動會中最受矚目的參賽者之一：

• Tiangong Ultra 以 38.15 秒贏得大型組 400 米賽事。45
• 它其後在大型組 100 米決賽跑出 8.64 秒；此前在準決賽的成績為 8.86 秒。15
• Tiangong Omni 以 45.66 秒贏得小型組 400 米賽事。23
• 賽事報道的其他紀錄包括：1,500 米 2 分 21.64 秒、立定跳高 3.40 米，以及立定跳遠 4.83 米。25

這些數字顯示，人形機器人的動態行走與運動控制能力正在快速改善。但也必須看清楚其適用範圍：針對特定比賽項目、在明確條件下最佳化的機器人，證明的是專門能力，並不代表它已能在環境不斷變化的工廠中安全行走、處理不同物件，或長時間運作而不需人工介入。

部分報道另稱，北京人形機器人創新中心旗下隊伍及 Tiangong 系列共取得 15 面金牌、12 面銀牌和 18 面銅牌，並創下 34 項紀錄。由於這些總數主要來自二手報道，未能在本文提供的資料中獨立核實，因此應視為報道所稱的成績，而非已獲獨立確認的官方總計。613

一個公布「機器人大腦」，另一個主打輕量機身

在世界機器人大會上，中心公布 Pelican-Unify，這是一個旨在整合理解、推理、想像和行動的統一具身智能模型。相關研究描述了以單一視覺語言模型作為統一理解與推理模組的架構，把場景、指令、視覺脈絡和過往動作歷史映射至共同的語義空間。17

這反映人形機器人的開發重心正在改變。業界要解決的問題，不再只是打造更強的致動器、更好的平衡控制或更靈活的手部；開發者也在嘗試建立可重複使用的智能層，讓機器人能理解環境、規劃任務，再把計劃轉化為實際動作。

中心同時推出 Tiangong Omni。這款人形機器人高 1.35 米、重 39 公斤，定位是支援較低成本的量產。1319 輕巧的機身指向一個關鍵商業問題：相較於體型較大、規格較高的人形機器人，一個更輕、更便宜的平台，能否讓企業更容易進行測試和部署？

因此，Pelican-Unify 與 Omni 是互相配套的兩項發布：前者針對軟體和智能堆疊，後者則針對承載這套系統的實體平台。

所謂「ChatGPT 時刻」仍是預測，不是成果

中心行政總裁熊友軍曾形容，具身人工智能正接近一個「ChatGPT 時刻」——也就是通用模型配合足夠數據後，能夠跨越多種任務發揮實用價值的時刻。這個比喻說明了產業野心，但不能當作通用、自主運作的人形機器人已經出現的證據。

機器人面對的部署環境，往往比純軟體系統更苛刻。它必須感知不斷變化的物理條件、避免碰撞、控制施力、從錯誤中恢復，並且反覆完成任務。一個在示範中表現出色的模型，到了商業環境，仍可能需要大量特定任務數據、人工監督和系統整合，才能安全運作。

這個比喻真正的考驗，是同一個模型能否可靠地轉移到不同機身、不同工作場所和不同任務，而不只是完成一次令人印象深刻的展示。

評比標準正由硬體規格轉向系統表現

過去，人形機器人常以身高、重量、自由度、負載能力和最高速度作比較。這些指標仍然有用，卻無法直接回答客戶是否願意購買的問題。

工業客戶更可能關心：

• 機器人有多大比例能在無人介入下完成任務？
• 正常運作時間和維修需求如何？
• 速度與品質是否穩定？
• 接入現有設備需要多少成本？
• 能否在人員附近安全工作？
• 是否能帶來可量化的投資回報？

這也是為何檢測、分類、重複搬運，以及其他「骯髒、危險、沉悶」的工作受到關注。這類任務邊界較清晰，企業更容易把機器人的成本，與降低危險暴露、提高產能或紓緩人手短缺等具體效益放在一起比較。

相關報道亦提到，一個紅外線測溫驗證項目的速度提高至原來的六倍。不過，本文提供的證據不足以獨立證實這項數字，因此不應將其視為已確立的性能基準。紅外線感測器本身確實能快速、非接觸式測量溫度，但這項一般能力並不能證明某一個特定機器人項目的結果。33

共用基礎設施，可能是突破擴張瓶頸的關鍵

這個產業的瓶頸不只在機械性能，也在於圍繞機器人建立基礎設施的成本。

根據發布相關報道，企業正面對數據收集重複、驗證成本高昂，以及軟硬體堆疊互不相容等問題。如果每一家機器人製造商和每一間工廠都要自行建立數據集、介面、安全程序和整合工具，即使單一機器人的能力持續改善，實際部署仍會緩慢而昂貴。

提出的解決方向，是建立共用基礎設施層。Tiangong 被定位為可重複使用的機器人本體平台，而開源的 Huisi Kaiwu 生態則提供具身世界模型和機器人視覺語言模型的開發工具與模型。X-Humanoid 的公開資料稱，相關能力可支援跨場景和跨任務應用，包括工廠、家庭及戶外環境，以及抓取、導航和人機互動等任務。2122

開放或相容的基礎設施，或可減少重複工程工作。但開放本身並不等於可靠。共用平台仍需要清晰介面、穩健的評估方法、完整文件和安全控制，還要有證據證明模型能在不同機身和操作環境之間成功轉移。

夥伴關係顯示，短期重點或是「協作」而非取代

有關 Mercedes-Benz 合作的報道，將 Tiangong 3.0 描述為「矽基推薦者」（silicon-based recommender）。這指向人形機器人較審慎的近期定位：在受約束的工作流程中協助員工、提供行動建議，而不是立即取代廣泛的人類判斷。現有資料可確認這項合作曾被報道，但未能確定合作的完整範圍或實際運作表現。19

這個區分相當重要。工業採用可能先從檢查、建議、取放、分類或重複步驟開始，由人類負責處理例外情況和高後果決策。企業也可藉此累積操作數據、找出失效模式，再逐步嘗試更高程度的自主工作。

標準的重要性不亞於模型

安全性和互通性，將決定人形機器人能否走出試點項目。中國已批准制定人形機器人國家標準，涵蓋環境感知、決策與規劃、運動控制及任務執行等技術範疇。27

標準有助於界定測試方法、技術要求及人機互動的預期，也可能降低工廠整合多家供應商機器人時的不確定性。

至於「正推進 49 項安全及相關標準」的具體說法，本文提供的來源未能獨立核實其數量和進度。不過，整體方向已相當清楚：想要實現大規模採用，機器人產業需要的不只是更強的硬體和模型，還包括可重複的評估、可信的安全論證、相容的介面，以及系統失效時清晰的責任界線。

走向大規模採用，可能要分階段進行

北京的兩場活動，勾勒出一條較可能的採用路徑：

1. 先從狹窄且可量化的任務開始。 檢測、分類、重複搬運等受約束流程，比開放式的一般勞動更容易評估。
2. 衡量實際營運表現。 產能、品質、正常運作時間、人工介入率、安全性和總持有成本，比單一次破紀錄的運行更重要。
3. 重用數據和基礎設施。 共用平台及相容工具可減少重複訓練和整合工作。
4. 同步建立標準。 工廠需要可靠方法來測試、認證和監控人形機器人系統。
5. 逐步提高自主程度。 只有在可靠性和投資回報獲得驗證後，機器人才適合由受監督的協作，擴展至更廣泛的多任務運作。

北京的賽事和會議顯示，中國人形機器人產業在動態運動、具身智能研究和平台設計方面勢頭強勁。但真正的競賽，不會只由下一項短跑紀錄決定。最終勝出的，將是那些能夠以客戶負擔得起的成本，安全、穩定而且一次又一次完成有用工作的系統。