文｜金思宇（中国智库高级研究员、经济学家）

导读： 2026年上半年，全球人形机器人出货近2.5万台，同比增432%；中国占约78%。但真正走进工厂生产线的不到5%，家用场景全球合计不满一千台。出货量不等于上岗量——硬件的量产前夜已至，商业化的量产前夜还要两三年。到了三季度，交付在加速、产能在爬坡、标准在落地，但这道裂缝并未合拢。

一、先泼一盆冷水：这个行业最大的客户，是它自己

“量产元年”的说法并不假，只是被过度透支了。

IDC的数据摆在那里：2026年上半年全球人形机器人出货接近2.5万台，同比增长432.1%，市场规模超7.4亿美元；中国出货超1.9万台，占比约77.9%。工信部的口径更直白：2025年全国产量约2万台，2026年上半年已超4万台，全年有望突破10万台。湖南省工信厅9月的全年预测则是：全球出货超5万台，中国厂商占八成以上。产能端也在同步加码——特斯拉把弗里蒙特Model S/X产线整体改成Optimus专属线，远期设计年产能100万台；优必选柳州“万台级超级智慧工厂”9月投产；一季度机器人赛道融资超300亿元，追平2025年全年；三季度融资进一步升温，小鹏机器人业务首轮融资超9亿美元，投后估值超63亿美元，刷新中国具身智能行业单轮私募股权融资纪录。

但把Counterpoint的出货结构拆开看，真相就浮出来了：文娱商演33.6%、数据采集与科研教育27%、导览导购19%，真正进智能制造和仓储物流的分别只有12.8%和4.9%，合计不足18%。

宇树科技创始人王兴兴在2026世界机器人大会上的话很直白：公司从2024年就把机器人放进汽车产线，“工厂项目至今没有大规模向外推广”，原因就是效率和泛用性还没达标。中国电子信息产业发展研究院董凯的概括更凝练——数据、模型、应用“三座大山”：合规物理交互数据尤其是负样本极度稀缺；VLA与世界模型路线尚未收敛，通用泛化可能还要5到10年；绝大部分工业应用仍停留在POC阶段，“演示视频做得漂亮，但尚未成为可以工程化的产品”。

所以更准确的判断是：硬件的量产前夜已经到来，商业化量产的前夜尚需时日。 中间隔着五道关口。

二、第一道关口：智能的可靠性

实验室看成功率，产线只看一件事：连续无干预作业时长。这两套评价体系之间，是当前产业最深的鸿沟。

泛化能力仍是硬约束。VLA模型对物体位置偏移、材质变化、光照改变等微小扰动极其敏感，新任务往往要重新采数据、重新训练。高盛2026年8月的全球物理AI报告算了一笔冷静的账：汽车工厂尚未自动化的工序里，现阶段人形机器人能直接处理的只有约2%，主要是零件分类和简单物流运输；剩下98%的总装、线束连接、复杂装配与质检，还得等AI、机器视觉和灵巧手继续突破。高盛同时把2035年全球出货预测从140万台上调至650万台，但强调“从数字AI迈向物理AI仍然存在明显门槛”——结构化环境中的简单任务已能处理，高复杂度、高随机性环境下的成功率仍明显下降。

数据缺口则是结构性的。截至2026年初，全球合规可用的机器人操作数据约50万小时，而支撑具身基础模型能力涌现至少需要千万小时级。而且它要的不是“视频”，是视觉—语言—动作毫秒级同步、带力反馈和触觉的“交互者视角”数据，这没法靠爬网页补。异构问题同样棘手：不同本体的关节空间、传感器配置、坐标系定义各不相同，一家采的数据另一家基本用不了。好消息是价格在快速下降，真机遥操作数据报价已从每小时千元级降到数百元，第一视角数据约每小时百元级；恺望数据9月启动“灯塔计划”，拟联合100家合作伙伴共建100万小时真实场景数据。行业焦点正从“够不够”转向“能不能用”。

技术路线同样没收敛。VLA和世界模型究竟是二选一还是融合架构，学界仍在争论；端侧算力与实时性的矛盾也很尖锐——数十亿参数的大模型，要塞进功耗通常不到20W的端侧芯片里，压缩又必然牺牲精度。“大脑”的高层规划与“小脑”的kHz级底层控制之间，指令下发仍有明显时滞。

三、第二道关口：硬件的工程化耐久

这是最容易被低估、也最容易被厂商回避的一道关口。

先看标准。《人形机器人与具身智能标准体系（2026版）》2月28日发布，其中工业级产品的MTBF要求指向5000小时，整机故障率不超过0.5%/1000小时；细分行业标准则提出核心关节MTBF不低于1万小时。再看现实：2026年主流工业人形机器人整机MTBF普遍在1000至2000小时区间，部分实测仅几百小时，个别产品实测连续无故障运行只有8至12小时。工业试点门槛通常被认为是单机连续工作约1万小时，长期可靠产品指向5万小时——差一到两个数量级。

但三季度出现了一些值得认真对待的“耐久性信号”。南昌龙旗科技的平板工厂里，8台智元精灵G2承接整条质检工段，连续运行超过3000小时，效率达到人类工人的80%至90%。宁德时代产线上，银河通用Galbot S1自3月以来连续无休工作超过3个月，被称作全球首次人形机器人在新能源智能制造场景的“常态化自主作业”。这些数字仍然远低于工业级MTBF的期望值，但它们是从真实产线里跑出来的，不是实验室里的峰值数据。

灵巧手仍是最脆弱的环节。Optimus灵巧手在高强度测试下寿命约500至1000小时，早期版本MTBF曾被曝低至个位数小时量级，抓取5公斤物品几十次就可能损坏。这解释了为什么已有厂商开始按车规级要求生产每一款手——客户要的不是炫酷动作，是稳定性和可靠性。

硬件确实在快速进步，而且比外界预期的快：一体化关节模组良率从约85%提到98%以上，2026年成本同比下降10%至15%，旋转关节月产能达万台级；六维力传感器国产单价从两三万元降到5000至8000元，一年降超60%；谐波减速器国内市占率从约70%跃升至80%至90%，月产能向10万至15万台推进；行星滚柱丝杠“冷成形+局部精整”成为量产降本的关键路径。智身科技的高功率密度关节模组年产能已突破100万件，宇树Dex5-S灵巧手以3.99万元起售，把22自由度方案拉入更低的成本区间。

但瓶颈没有解除：高端内螺纹磨床供给稀缺、交期长；空心杯电机瑞士Maxon、德国Faulhaber等占全球60%以上份额；无框力矩电机高端市场由美德企业把控；美国301条款对中国产部分电机、驱动及机器人核心零部件加征25%关税，迫使国内企业考虑海外建厂。还有一个细节值得记住：Optimus手部总成包含超过100个细小零件和紧固件，部分装配仍依赖人工。制造人形机器人的产线本身，目前仍需大量人工。

四、第三道关口：成本曲线的双面性

降价是真的，但要分层看。

消费级轻量机已进入万元区间——松延动力Bumi售价9998元，宇树G1降至8.5万元起，启元Q1、T1以1.9999万元起售价切入消费级市场。但这主要是砍掉高精度传感器、压缩自由度换来的，更多是商业定价策略，而非严格的技术普惠。工业级全尺寸机型本体正从百万级向50万至70万元下探，业内预计2026下半年至2027年，随着年出货突破万台级，莱特定律将在工业级产品中生效，长期目标是将全尺寸机器人成本控制在15万元以内。

这里有一个逻辑陷阱：莱特定律的前提是“累计产量翻倍”，而工业级人形机器人目前的年产量偏低，尚不满足该规律生效的条件。短期降本更多要靠构型收敛、工艺升级（如MIM金属注射成型使综合成本降30%至70%）和供应链垂直整合。高盛给出的路径是：2025年至2035年BOM成本年均下降约7%，整机售价年均下降约6%，全球均价从2025年的约4.18万美元降至2030年的约3.08万美元。

更要紧的是，BOM成本从来不是当前最大的商业化障碍，研发成本、数据成本、部署调试与维保这些“软成本”才是。威迈尔的账本很清晰：一台能干活的轮式人形机器人整机成本约15万元，其中轮式底盘约5万、协作臂约6万、灵巧手约2万；若要进入10万元以内的终端市场，这三块必须分别压到约3万、3万和1万。

商业化的临界点正在逼近。高盛的测算显示，工厂人形机器人的使用成本2026年约相当于2.8年的人工成本，2027年将降至约1.9年；一台售价3万美元的机器人加上系统集成，若替代约0.8名全职员工，投资回收期约1.6年。这与“整机使用成本低于制造业工人年均成本（约8万元）、回收期压到2年以内”的产业判断方向一致，只是兑现的节奏取决于部署规模和场景复杂度。浙江艾图在服装工厂的实战数据提供了一个中间态参照：裁片分离成功率97%、缝纫合格率超98%、投资回报周期约18个月——已经跨过“可算账”的门槛，但离大规模复制还有距离。

优必选的财报折射出行业共性：2026年上半年营收12.69亿元、同比增104.2%，全尺寸具身智能人形机器人收入5.9亿元、同比增1445%，毛利率升至44.7%，但期内净亏损仍达3.39亿元，账上资金半年减少25.62亿元。单季度经调整EBITDA转正目标定在2026年四季度，盈亏平衡指向2027年四季度。营收挑大梁，利润仍未兑现。

破局工具已经出现。RaaS（机器人即服务）正在从概念走进合同：工信部与国务院国资委6月联合启动的实景实训专项行动明确鼓励“人形机器人即服务”，通过按效用付费、经营性租赁降低用户门槛。保险也在补位——全国首份具身智能保险协议2025年9月在杭州签署，2026年4月完成全国首例理赔；平安产险在上海落地融资租赁保障项目；国内首单“养老机器人全生命周期责任保险”在上海浦东落地。保险在这里超越了赔付工具的功能，成为一种交易增信：它将难以估量的潜在损失转化为可计入预算的保费。

五、第四道关口：场景碎片化

2026年工博会上，采购商不再问单个机器人的动作表现，而是问三件事：能不能直接对接自家产线？能不能连续运行？出了问题谁维护？需求已经从技术好奇转向工程验收。

碎片化是复制的最大阻力。高盛的落地排序正被现实印证：物流仓储和汽车制造率先规模化，一般制造、中小工厂和普通仓库次之，服务业、护理、家庭在更远的阶段。智元发布“七大部署态生产力解决方案”，优必选围绕搬运、钣金件上下料、快递分拣、拆码垛展开验证，银河通用Galbot S1在宁德时代承担重载搬运与质检。智身科技选择的路径更窄但更务实：优先进入电力、消防、安防、应急等高危高价值场景，“先跑通一批刚需场景，再把经过验证的产品和应用能力规模化复制”。

真正的挑战很朴素：完成一次场景部署后，后续相似场景的适配成本能否持续下降？ 橡木果提供了一个参照系——其标准化双臂柔性生产单元在真实客户侧简单物料换产适配约5分钟，差异大的物料不超过40分钟，交付调试周期较传统工业方案压缩70%以上。这种“可复制性”指标，比任何技术参数都更接近商业本质。

9月，工信部与国务院国资委的实景实训专项行动落地了首个可推广复制的示范项目——乐聚与兆丰的合作，目标是在代表性场景率先完成应用验证和常态化部署，开启“作业模式”。专项行动要求到2026年底凝练百个以上高价值应用场景，带动万台级规模落地能力；省级重点场景单元不少于20个，央企不少于10个，同时组建以用户单位与整机企业为主体的创新应用联合体，明确攻关指标、任务边界、知识产权归属与利益分配。信通院人工智能研究所所长魏凯的评价切中要害：此举旨在助力产业摆脱“不好用、不敢用”的困局。

六、第五道关口：标准、安全与责任

2026年是中国具身智能标准化的关键年份，且完成了从顶层设计到具体条文的跨越。

2月28日，《人形机器人与具身智能标准体系（2026版）》发布，这是我国首个覆盖全产业链、全生命周期的标准顶层设计，由工信部人形机器人与具身智能标准化技术委员会组织120余家单位编制，含基础共性、类脑与智算、肢体与部组件、整机与系统、应用、安全伦理六部分。9月1日，GB/T 47245—2026《机器人智能控制系统总体架构》等一批智能控制国家标准正式实施，覆盖总体架构、接口规范、数据格式等关键内容。9月28日，市场监管总局、国家标准委批准发布首批6项人形机器人国家标准，2027年4月1日实施：

标准编号 名称 核心内容

GB/T 48316—2026 仿真测试平台技术规范 平台架构、技术要求与测试方法

GB/T 48317.1—2026 技术要求 第1部分：总则 术语定义与技术地图

GB/T 48317.2—2026 第2部分：环境感知 传感器硬件+空间识别软件

GB/T 48317.3—2026 第3部分：决策规划 信息适配、决策制定、任务规划、知识库管理

GB/T 48317.4—2026 第4部分：运动控制 准确性、实时性、稳定性（抗扰动）

GB/T 48317.5—2026 第5部分：作业操作 任务完成度与作业质量

量化门槛值得逐条审视：机器人靠近人时最高速度不超过0.5米/秒；决策规划指令准确率不低于95%、单动作完成时间不超过1秒；稳定性要求受额定外力推动后1秒内恢复稳定工作状态；典型场景被写成可测任务——从充电桩到客厅给老人取药再送回卧室。全国机器人标准化技术委员会秘书长李金村点明了标准的精神内核：“标准最终关注的还是，人形机器人能不能从看起来很‘聪明’进一步变成真正能够稳定可靠地为人服务。”

安全治理同步推进：2026年5月启动编制《人形机器人安全分级技术规范》，构建五级安全分级体系，建立“一机一码”登记备案与溯源管理平台。上海机器人产业技术研究院常务副院长柴熠指出的新型风险尤须警惕：复杂地形行走或精细操作时算法失控导致摔倒；光照变化、地面材质差异下感知失灵；远程访问设备配置不当暴露在互联网上，存在被入侵控制的严重风险。

责任界定仍是全球性空白。中国国际经济交流中心副研究员郭迎锋的判断很清醒：“目前国内尚无机器人自主运行致人损害的生效判决，责任划分缺乏司法实践支撑。”一起事故可能由硬件瑕疵、软件漏洞、算法偏差、使用者误操作与环境干扰共同导致，因果链条难以清晰拆分；深度学习的“黑箱”特性使事故原因难以用传统故障分析方法溯源。他的建议具有建设性：明确硬件制造商、算法供应商、运营方与使用者之间的责任划分规则，针对医疗、养老等高风险场景研究建立强制责任保险和行业赔偿基金制度。

七、结语：四个转变

综观五道关口，可以得出三个基本判断。

第一，产业的主要矛盾已经转移。 制约商业化扩张的核心，已由硬件机械性能转向环境理解、自主决策与泛化能力。构型收敛、良率跃升、国产化率突破70%、关键部件价格腰斩，都是实打实的进展；优必选9月启动的万台级交付、智元半年内从第1万台走到第2万台，也说明制造端的爬坡能力已经就位。但“大脑”的智能水平，正在成为决定谁能兑现商业价值的关键变量。龙旗工厂里那8台连续跑了3000小时的机器人提供了一个有意味的注脚：它们证明了“不如人但不知疲倦”可以算得过账，却还没有证明“接近人且足够可靠”。

第二，螺旋式上升比“GPT时刻”更可信。 清华大学电子工程系教授汪玉在发布《具身智能发展报告（2026年）》时指出，具身智能不会以一次技术突破突然完成，而更可能呈现螺旋式上升、渐进式演化的特征。期待某个瞬间的“ChatGPT时刻”并不现实，更务实的路径是把Sim2Real迁移率从60%级提升到80%级，把真机数据边际成本压到仿真数据的10倍以内。

第三，真正的拐点取决于四个转变能否完成。

一是从演示指标转向工况指标。以连续无干预作业时长、人工干预频次、维护成本、零件更换周期替代成功率与动作流畅度，建立行业公认的“上岗认证”体系。国标已给出尺子，三季度真实产线里的3000小时和3个月连续运行则是第一批有分量的样本，接下来需要的是第三方中立评估与常态化体检机制。

二是从本体制造转向数据基础设施建设。数据的量、质、异构三重瓶颈互为因果，形成“采得少、训不好、用不了”的低水平循环。破局需要“造、治、用、通”四位一体：真机采集与仿真合成扩大供给，标准化标注与质量评测保障可用性，训练场实现能力转化与回流，统一标准与交易平台打破孤岛。

三是从非标定制转向构型收敛与工艺革命。行业从多方案并行转向全旋转关节等少数主流构型，是零部件复用度提升、模具分摊成本下降的前提；MIM近净成形、冷成形丝杠、一体化集成则是成本曲线陡峭下行的工程基础。标准化不是创新的敌人，而是规模化的前提。

四是从卖设备转向卖能力。RaaS按效用付费、经营性租赁、融资租赁叠加全生命周期保险，共同构成降低用户门槛的组合拳。当一台机器人的使用成本可预算、风险可转移、责任可界定时，采购决策才会从“技术尝鲜”变成“财务计算”。

2026年是出货量的元年，却未必是生产力的元年。这一年留给行业最重要的启示或许是：人形机器人的价值终究不在于替代人类的物理劳动——那是工业机器人的逻辑；而在于它能在人类设计的物理世界里，以人的形态去执行那些尚未被自动化的工作。这条路不会在一次发布会后突然贯通，它需要在真实的工位上，一小时一小时地累积无故障运行时间。

硬件已经准备好规模化，智能还没有。填补这道缝隙的时间，大概率还要两到三年。

（本文数据来源于IDC、Counterpoint Research、Smart Analytics Global、高盛全球物理AI报告、中国信通院《具身智能发展报告（2026年）》、工信部及国务院国资委相关文件、市场监管总局国家标准公告、上市公司公开财报及公开媒体报道，部分行业实测数据来自机构调研，口径存在差异，仅供参考。）