“最新数据显示，中国人形机器人的出口和制造占全球的97%。”
9月9日，在聚合智能产业发展大会(2026)上，国家邮政局政策法规司原一级巡视员、副司长靳兵提到了这组数字。
过去几年，人形机器人还在证明自己“能不能做出来”。能走、能跑、能跳，灵巧手能不能抓住物体，往往就是一家机器人公司最直观的技术名片。
到了2026年，行业关心的问题正在发生变化。
靳兵现场展示的数据显示，2025年全球通用人形机器人出货量约1.8万台，2026年中国国内人形机器人预计出货6.25万台。万台级产线已经出现，头部企业的交付也从几百台快速迈向几千台甚至更大规模。
图片来源：靳兵副司长演讲ppt截图
人形机器人正在从实验室产品，变成真正意义上的工业品。
对中国企业来说，“怎么把机器人造出来”依然不容易，但已经不再是唯一的问题。更现实的问题是：这些机器人造出来之后，到底有多少能够长期留在工厂、仓库甚至其他真实场景里工作？
量产这道坎，正在被跨过去
“量产元年”几乎已经成为过去两年人形机器人行业的高频词。
靳兵判断，2025—2026年是人形机器人量产元年，2027—2028年将逐步进入规模化渗透阶段。
这种变化已经开始体现在产业数据里。国家税务总局此前披露，2026年1-5月，我国具身智能产业企业销售收入同比增长22.4%，其中机器人本体与整机制造企业增长30.1%，AI算法与软件集成企业增长24.5%，系统集成及行业应用企业增长27.9%。
整机厂之外，上游也跟着热了起来。
电机、电池、减速器、丝杠、传感器、结构件，以及过去服务于汽车、3C和工业自动化的大量供应商，都在向人形机器人延伸。中国过去几十年积累起来的制造能力，正在迅速接住这个新行业。
靳兵把中国当前的优势归纳为“整机量产、全产业链、场景验证”。
灵巧手就是一个典型例子。他提到，部分国产五指灵巧手已经在自由度等指标上追平海外产品，量产成本约为海外的1/3。
靳兵副司长演讲ppt
这条路径并不陌生。先扩大规模，再通过供应链和制造效率把成本打下来，进而推动产品进一步放量，过去的消费电子、新能源汽车都经历过类似过程。
只是人形机器人有一点不同。
造得更多，并不会自动带来更多需求。
一条工厂能够年产1万台机器人，不等于市场上就存在1万个成熟工位等着它们。人形机器人真正困难的地方，正在从生产线的一端转移到生产线之外。
机器人开始从“会表演”转向“会干活”
今年6月，工业和信息化部、国务院国资委启动2026年度人形机器人与具身智能实景实训专项行动。
其中一个很有意思的表述，是推动人形机器人从技术展示进一步进入真实生产生活环境，开启“作业模式”。按照相关部署，到2026年底，要形成100个以上高价值应用场景，并带动形成万台级规模落地能力。
“表演”和“作业”，看起来只差两个字，背后却是完全不同的一套评价标准。
机器人跑得多快，会不会后空翻，能不能跳一段舞，当然能够证明本体和运动控制能力。但到了工厂，采购方更关心的是另外一些问题。
一天能连续工作多久？一个动作重复一万次之后还能保持多高成功率？物料位置偏了几厘米，还能不能正常抓取？换一个工位要重新训练多久？出了故障以后谁负责维修？最重要的是，整套账算下来，究竟比人工或者传统自动化方案更划算吗？
目前，这些问题还没有完全解决。
从行业出货结构来看，文娱商演、科教数采等场景仍占据相当大的比例，智能制造和仓储物流虽然在增长，但还没有成为绝对主流。
所以今天所说的“量产元年”，更像是一个开始：过去没有足够多机器人进入真实环境，很多问题只能停留在实验室里讨论；现在机器人数量上来了，产业终于有机会大规模验证它们到底能不能干活。
宇树科技创始人王兴兴此前也谈到过类似问题。机器人在固定场景经过充分训练之后，成功率可以做得很高，但环境一变、物体一换，表现可能很快下降。
真正难的不是“这一件事会不会做”，而是换到一个没见过的环境里，它还能不能做。
这也是人形机器人与传统自动化最大的区别之一。传统机械臂可以围绕一道确定工序反复优化，而人形机器人被寄予厚望的地方，恰恰是它能够处理那些没有那么标准、甚至会不断变化的任务。
理想很清楚，现实还需要时间。
场景很多，还得先变成“有效数据”
解决泛化问题，最后还是会绕回数据。
日前，觅蜂科技姚卯青在接受盖世具身智能采访时提到，语言模型和具身智能在数据来源上有一个根本差异。
语言模型所需的大量知识，本来就存在于互联网。但机器人最后是要动手干活的，很多真正的技能和经验，网上根本没有。
“量上比语言模型小了四五个数量级；二是真实度、丰富度不是说说的，要一个店、一个厂、一间酒店进入出去，在一个个任务上戴上设备采集，才有可能培养出具身的全才、通才，只有见过才会，才能再举一反三。”姚卯青表示。
这也是中国场景优势经常被提起的原因。
中国有大量工厂、仓库、商场、酒店、物流站点。对于机器人企业来说，这些地方当然是潜在市场，但还有另一层价值——机器人可以在里面不断获得真实世界的经验。
如果这个循环能够建立起来，机器人数量越多，进入的真实场景越丰富，产生的数据越多；数据再用于模型训练，提高机器人的任务成功率和泛化能力，最终又帮助机器人进入更多场景。
靳兵将其概括为“以场景换技术、以量产降成本、以体系补单点”。
但“场景多”不等于数据自然就有价值。
姚卯青说得很直接：“衡量数据公司的数据质量，肯定不能仅仅看‘量’。盲目地采集100万小时，说实话还是很容易做到的事情，重复地做工种任务就可以了，但几乎没有任何价值。”
在他看来，判断数据质量还要看覆盖了多少行业、场景和物体，数据是否足够多样，能不能给出完整的质量验证报告，以及最终有没有真正被客户验收。
这是当下数据行业一个很现实的问题。
“百万小时”“千万小时”越来越常见，但小时数本身并不能说明太多。一百万小时重复同一种动作，与一百万小时覆盖不同环境、不同物体、不同操作方式以及大量异常情况，训练价值并不是一回事。
当然，规模依然重要。
姚卯青提到，目前几万小时真机数据已经是比较普遍的模型训练需求，但采出这么多数据并不容易，可能需要上千台机器人连续运行半年。
也正因为如此，真机遥操作、无本体数据采集、仿真数据等不同路线才会同时出现。
接下来行业比拼的，恐怕不是谁最先宣布“拥有1亿小时数据”，而是谁能更便宜、更稳定地拿到真正有用的数据，并把它变成机器人的能力。
这一步如果做不到，中国再丰富的场景，也只能停留在“资源很多”的层面。
机器人造得越多，短板看得越清楚
随着整机放量，行业的问题反而变得越来越具体。
靳兵提到了不少目前仍需要突破的方向，包括高端RV减速器、超高灵敏度触觉电子皮肤、高端力觉传感器、具身专用算力芯片、底层仿真引擎，以及通用场景物理交互算法、长时序环境自适应能力等。
其中有些是传统意义上的“卡脖子”零部件，有些则是具身智能进入真实环境之后才真正暴露出来的新问题。
例如触觉和力觉。
对一个只需要在舞台上行走的机器人来说，这些能力或许没有那么迫切；但一旦要拧螺丝、抓软物体、操作精密零件，末端到底用了多大的力、物体有没有滑动，就会直接影响任务成败。
仿真也是如此。
机器人不可能所有技能都靠真机一点点试，成本太高，效率也太低。但如果仿真环境和现实世界之间存在太大差距，训练出来的能力又很难直接迁移到真实机器人上。
标准问题同样开始冒出来。
今年以来，人形机器人训练场、数据采集、整机通用要求、灵巧手和执行器接口等相关标准陆续推进。行业已经不只是解决“有没有机器人”，而是在补“怎么规模复制”的基础设施。
这件事非常关键。
一家机器人企业可以投入大量工程师，为一家工厂专门适配一个项目。但如果进入下一家工厂以后，数据要重新采、模型要重新训、接口还得重新做，那么所谓的规模化最后仍然是一堆定制项目。
图片来源：靳兵副司长演讲ppt截图
人形机器人真正需要的不是“一条产线可以造1万台”，而是同一套产品、同一套能力，能够在几十家、几百家甚至更多客户那里迅速复制。
做到这一步，才算真正从项目变成产业。
从几百台到几千台，再到万台产线，中国人形机器人的制造规模还会继续往上走。
但制造端跑得越快，另一个问题也会越来越绕不过去：这些机器人，究竟能不能长期留下来干活？
一台价格很低、只能做演示的机器人，依然很贵；一台价格不算低，但能够每天稳定工作十几个小时，替代重复、高危或者招工困难的岗位，而且几年内能够收回成本，它才真正具备商业价值。
所以，2025—2026年所谓的“量产元年”，也许只是人形机器人真正开始接受市场检验的一年。
中国已经越来越擅长把机器人造出来。
接下来的竞争，不会只发生在产线上。
文章为作者独立观点，不代表深圳的股票配资公司-股票配资平台-股票实盘配资平台观点
