最近看中国的人形机器人，

很容易产生一种错觉：

机器人好像已经快追上人了。

它们会跑步。

会打拳。

会跳舞。

有些甚至可以完成非常复杂的全身动作。

看完这些视频，

下一个直觉通常就是：

「既然连这些都做得到，进工厂锁螺丝、搬零件，不是更简单吗？」

但真正的答案刚好相反。

Reuters 最新调查发现，

中国现在最大的问题，

已经不太是：

「能不能把人形机器人做出来？」

而是：

「做出来之后，它到底能不能每天稳定工作？」

这两件事的难度，

差得非常远。

中国现在其实已经很会「做人形机器人」

先看硬件。

中国在人形机器人供应链上的速度，

其实非常惊人。

根据 Reuters 引述 BofA Global Research 的数据，

2025 年全球大约出货 2 万台人形机器人，

其中中国制造商约占 95%。

中国工业和信息化部官员今年 7 月更表示，

中国预计 2026 年生产超过 10 万台人形机器人。

中国目前已有超过 150 家人形机器人企业。

所以今天真正的问题已经不是：

中国做不做得出来。

而是：

做这么多出来，到底要拿去做什么？

会跑百米，和在工厂上班，其实是两种完全不同的能力

一个人形机器人要跑步，

当然非常困难。

它必须处理：

平衡、

重心、

关节协调、

速度、

落脚位置。

这些都是很强的工程能力。

但跑步有一个优势：

任务非常清楚。

方向在前面。

跑道固定。

终点固定。

动作可以反复训练。

工厂却不是这样。

假设今天机器人的工作只是：

从左边拿一个零件，

放进右边的治具。

听起来比跑百米简单很多。

可是下一次，

零件可能偏了 2 公分。

再下一次，

它可能反过来了。

另一个零件可能被前一个零件压住。

箱子的位置可能稍微移动。

光线可能不同。

抓第一次可能没抓好。

旁边甚至可能突然出现一个人。

这时候，

真正的问题不再只是：

「机器手会不会动？」

而是：

「原本的方法不能用了，你现在知道该怎么办吗？」

工厂最在意的从来不是「最精彩的一次」

这就是 Demo 和工厂最大的差别。

一段机器人表演，

只要成功录到一次，

就可以变成一支很漂亮的视频。

但工厂不是这样算。

假设一天要做 5,000 次同样动作。

成功 4,900 次，

听起来有 98% 成功率，

好像已经非常厉害。

可是那也代表：

一天可能还有 100 次需要有人处理。

如果每次卡住，

都必须叫工程师来：

重新定位、

把零件拿出来、

重启流程，

那这台机器人可能不是在省人。

反而是在制造另一份工作。

所以工厂真正看的通常不是：

「它最厉害可以做到什么？」

而是：

稳定度。

稼动率。

速度。

故障率。

维修时间。

每一次工作的成本。

这也是为什么，

一台看起来非常普通的传统机械手臂，

现在可能比一台会跑步的人形机器人更有价值。

因为传统机械手臂根本不需要「像人」

走进成熟的汽车工厂，

你会看到很多机器人。

但它们大多不是两只脚、两只手。

而是一支固定在地上的机械手臂。

为什么？

因为如果工作就是：

每天把同一块钢板焊在同一个位置，

它根本不需要：

走路、

转身、

保持平衡、

理解整间工厂。

只需要把一件事情做到：

快、准、稳。

Reuters 采访的产业人士指出，

中国汽车工厂里，

传统工业机器人在很多核心任务上，

仍然比人形机器人：

更快，

而且更容易控制。

例如 Xiaomi 北京电动车工厂曾表示，

整体组装流程已有 91% 自动化，

光车身车间就使用超过 700 台工业机器人，

处理点焊、铆接、黏合等工作。

Xiaomi 同时也在训练人形机器人，

尝试安装螺帽等任务。

这正好说明一件事：

工厂并不是在等人形机器人来「开始自动化」。

工厂早就已经高度自动化了。

人形机器人真正要回答的是：

「有什么工作，是传统自动化做不好，但我可以做得更好？」

真正难的是最后 1 公分

有一位北京通用人工智能研究院研究员，

用一个非常好的方式形容现在的问题。

机器人过去可能卡在：

最后 10 公分。

现在进步到：

最后 1 公分。

甚至：

最后 1 毫米。

这是什么意思？

假设你要把充电线插进插孔。

人类看一眼，

手伸过去，

稍微调一下角度，

就插进去了。

但对机器人来说，

它需要知道：

插孔精确位置在哪里？

插头现在是什么角度？

手距离多远？

力道多少？

如果第一次没插进去，

是偏左？

偏右？

角度不对？

还是插孔被东西挡住？

人类会很自然地：

感觉一下，

再修正。

但机器人必须把这些我们平常根本不会注意的小动作，

全部变成：

感知、

判断、

动作，

再重新确认。

所以有时候，

机器人最难的不是：

跑 100 公尺。

而是：

把一个小零件准确放进另一个小洞。

Reuters 去看的训练中心，更能看出问题有多难

Reuters 这次到中国南方一个机器人训练中心采访。

那里有超过 100 台人形机器人。

人类训练员戴上设备，

用自己的动作教机器人：

分类箱子、

包装面条、

泡咖啡。

听起来已经很接近真实工作。

但训练过程非常辛苦。

Reuters 报导，

一名新手训练员，

有时候大约尝试 300 次，

才能产生一次真正可用的动作数据。

经验比较好的训练员，

可能约 50 次能得到一次。

这就揭露了 Physical AI 现在很大的瓶颈：

ChatGPT 可以直接吃掉大量网络文字，人形机器人却没有一个「真实世界互联网」可以直接拿来训练。

ChatGPT 有网络，人形机器人缺的是「动作数据」

大型语言模型为什么进步这么快？

因为人类已经累积了大量：

书籍、

网站、

文档、

代码、

对话。

它可以从这些数据学习：

语言通常怎么排列。

可是如果要教机器人：

怎么拿杯子？

怎么开抽屉？

怎么在箱子位置改变后重新抓？

怎么发现手滑了？

怎么知道东西太重？

这些数据，

网络上没有那么多。

而且视频也不完全等于机器人可以直接使用的动作数据。

机器人还需要知道：

关节怎么移动、

力量多大、

接触在哪里、

抓取是否成功。

所以今天很多人形机器人公司正在做的，

其实不是立即让机器人去取代工人。

而是：

让大量机器人先工作、先失败、先被人教，慢慢累积真正的实体世界数据。

这就是为什么中国反而想先把机器大量做出来

这里开始出现一个很有意思的逻辑。

如果要让机器人变聪明，

需要更多真实动作数据。

要有更多数据，

就要有更多机器人进入真实环境。

所以中国现在的策略某种程度上变成：

先扩大硬件。

先创建训练中心。

先把机器送进：

工厂、

商店、

物流、

药房，

再从这些使用过程搜集数据。

Reuters 报导，

中国工业和信息化部与国资监管单位今年要求 10 个省份，

每个省至少找出 20 个人形机器人与 AI 的真实世界训练场域。

所以那些看起来「还不够聪明」的机器，

某种程度上也是下一代 AI 的数据搜集工具。

但这也产生一个危险：机器可能做得比市场需要得还快

中国以前发展：

电动车、

太阳能，

也曾经用过类似方法。

政府支持。

先创建产能。

大量企业竞争。

成本快速下降。

最后把供应链做得非常强。

但人形机器人有一个不同。

电动车和太阳能在中国大规模扩张以前，

产品到底能不能使用，

已经没有太大疑问。

人形机器人现在却仍处于：

真正用途还没有完全成熟的阶段。

Reuters 调查发现，

2026 年上半年，

中国各级政府购买人形机器人、训练设备与相关项目的支出至少已达约 2.3 亿美元。

也就是说，

目前一部分需求本身就是政府创造出来的。

如果未来：

工厂、

商店、

物流公司

发现人形机器人的工作价值还没有高到值得大量购买，

就可能出现：

产能跑在需求前面。

所以真正的「机器人泡沫」不是机器人没有未来

这里要分清楚。

现在出现问题，

不代表人形机器人最后不会成功。

就像早期电动车：

续航很短。

价格很贵。

充电站很少。

不能因此得出：

电动车永远不会普及。

真正需要问的是：

今天的能力，有没有已经成熟到支撑今天的价格与投资？

Reuters 采访的一些创业者与投资人，

已经预期中国人形机器人产业可能在 2026 年底到 2027 年开始整并。

最后可能剩下：

真正能把成本压下来的公司。

真正有客户的公司。

真正能累积数据的公司。

真正能让机器每天工作，而不是只让它上台表演的公司。

其实已经有一些工作开始适合人形机器人

也不是所有商业应用都还没有出现。

例如中国机器人公司 Galbot，

已经把机器部署到多个城市的药房。

它们可以根据数字订单，

从货架取出商品。

这种环境有几个特点：

空间相对固定。

商品位置可以管理。

工作大量重复。

商品种类虽然多，

但任务很明确。

Galbot 表示，

其系统取货成功率已超过 95%。

有趣的是，

这类机器甚至不一定坚持两条腿走路。

它可以使用轮式底座。

因为真正商业化之后，

客户通常不在乎：

「它到底像不像人？」

客户在乎的是：

「它到底好不好用？」

所以人形机器人真正的未来，可能不是「所有地方都变成人形」

这也可能是今天最容易被忽略的一点。

我们喜欢人形机器人，

很大原因是：

看得懂。

两只手。

两条腿。

一个头。

一看就知道：

「它未来可以代替人做事。」

但真正进入商业世界之后，

机器人可能会变成很多不同形状。

需要走楼梯，

两条腿可能有价值。

需要长时间搬货，

轮子可能更有效率。

需要一直焊接，

一支固定机械手臂最好。

需要拿很多不同工具，

人形的手臂与身体才可能产生优势。

所以真正的问题不应该是：

「人形机器人什么时候取代工人？」

而应该是：

「哪一种工作，真的需要一台像人的机器？」

Physical AI 真正的大考，才正要开始

过去两年，

我们看到很多 Physical AI 的突破。

机器人会跑。

会跳。

会格斗。

无人机会自己避障。

汽车可以理解道路。

这些都很重要。

因为至少证明：

机器开始有能力感知并操作真实世界。

但下一个阶段，

评分方式会完全改变。

大家不再只问：

「最厉害的一次做到什么？」

而是开始问：

每天可以做几次？

失败几次？

发生例外会不会自己恢复？

一天需要人工救援几次？

维修多少钱？

电池撑多久？

和直接雇一个人相比，

到底有没有比较划算？

到了这一步，

最精彩的机器人，

不一定是跑得最快的那一台。

可能反而是：

你每天看到它做同一件无聊的工作，做到最后已经忘记它存在的那一台。

这才是真正的工业自动化。

Demo 证明「做得到」，工厂要证明「每天都做得到」

所以今天看到人形机器人：

跑百米、

打拳、

跳舞，

可以觉得非常厉害。

因为那的确代表硬件与控制能力快速进步。

但不要直接把它翻译成：

「工人快要全部被取代了。」

中间还隔着一段非常难的路。

那段路叫：

可靠性。

精细操作。

例外处理。

训练数据。

成本。

以及：

真正的商业价值。

AI 从屏幕走进真实世界之后，

最大的不同就在这里。

聊天机器人答错一句话，

你可以再问一次。

机器人抓错一个零件，

整条生产线可能真的要停下来。

所以 Physical AI 真正成熟的那一天，

可能不是我们看到一台机器人做出更惊人的后空翻。

而是某一天，

工厂主管突然发现：

这台机器已经连续工作很久，而且大家根本不需要一直去管它。

那才是真正难的突破。

今天，和 AI 一起进步一点。

每天学会一个 AI 技巧。

每天节省一点时间。

每天提升一点能力。

SasaDaily，陪你一起成长。

推荐阅读

Amazon Prime Air 无人机配送 2013 年就亮相，为什么到 2026 才准备扩到近 500 个美国城市？

AI 晚报｜2026/08/19：Unitree 上海首日收涨 460%、市值约 500 亿美元，人形机器人还没普及，市场先押注中国量产能力