中国机器人凭什么突出重围？

2026年8月，北京亦创国际会展中心，世界机器人大会的展厅里挤进了三就百多家企业，首发新品超过一百五十件。一台机器人在现场叠衣服，另一台在给观众按摩。这些画面被拍成短视频，在社交媒体上流转。但如果你把镜头拉远，会看到更耐人寻味的一幕：展厅里绝大多数机器人的零部件供应链，从电机、减速器到传感器，都能在长三角或珠三角的某个工业园区里找到供应商，车程不超过三小时。 这种供应链的密集程度，是理解中国机器人产业当前处境的一把钥匙。

美国市场研究机构SmartAnalyticsGlobal在8月初发布了一组数据：2026年上半年，全球人形机器人出货量约1.91万台，比去年同期5100台增长了近三倍。其中中国厂商拿下了97%以上的份额。智元机器人出货8400台，占全球44%；宇树科技5900台，占31%。两家合计贡献全球约75%的出货量。特斯拉、FigureAI和AgilityRobotics被甩在后面，差距不是一点半点。

97%。这个数字说出来有点超预期，但它确实发生了。一年前，中国厂商的份额还是84.7%，一年之内又往上跳了十几个百分点。这不是某个企业的偶然爆发，而是一整条产业链在同时加速。

问题是：凭什么？

图片AI生成

成本降下来的方式，比想象中更粗暴

人形机器人长期困在实验室，最直接的原因是贵。波士顿动力的Atlas一台成本几十万美元，马斯克给Optimus定的终极目标价是两万美元，但原型机至今离这个目标还很远。中国的解法很直接：把零部件价格打下来。

一个关节电机，2018年售价五六万元，现在五六百元。谐波减速器，日本哈默纳科曾经一家独大，单价两三千；国产厂商绿的谐波、来福谐波批量供货后，价格掉到了1500到2000元，降幅超过50%。行星滚柱丝杠、伺服系统、控制器，这些曾经由日本和德国企业垄断的部件，正在被国产供应商逐个攻克。据工信部数据，人形机器人核心零部件国产化率已从不足50%提升到90%以上。

这意味着一台全身40个自由度的人形机器人，光关节硬件成本就能省下五六万。美国银行的研究认为，中国整机成本可以控制在海外同类产品的50%左右。宇树科技的G1零售价5600美元，特斯拉Optimus还在2.5万到3万美元区间徘徊。价格差了一个数量级，市场选择的天平自然会倾斜。

但成本优势只是表象。更深一层的是迭代速度。珠三角的供应链网络让一家初创公司可以在两周内拿到定制零部件的样品，而海外企业可能需要两个月。智元机器人从第10000台到第15000台下线，用了不到三个月。这种速度不是单纯靠加班堆出来的，而是整个制造生态的响应能力在支撑。

场景的落地，需要先干活，再优化。中国机器人企业有一个特点，不太爱讲宏大叙事，更倾向于把机器放进进工厂里，让它先干起来。

2026年上半年，工业和商业应用已经占到全球人形机器人出货量的70%以上，一年前这个比例还只有50%。智元的精灵G2集群进驻龙旗科技南昌工厂，连续作业超过64小时，成功率99.99%。银河通用的GalbotS1进了宁德时代产线。一汽集团围绕冲焊涂总六大环节，构建了37个典型场景数据集。这些都不是实验室里的Demo，是真实的产线、真实的节拍、真实的ROI计算。

这种务实路线背后有一个冷峻的现实：人形机器人在开放环境里仍然不够可靠。2025年北京亦庄机器人马拉松上，多台机器人在赛道上跌倒、碰撞甚至停机，把视频呈现与现场可靠性之间的差距暴露得一清二楚。标准化环节用传统工业机器人，可靠性和效率更高；非标准化、存在不确定性的环节，人形机器人的灵活度有优势，但会损失精确度和稳定性。

所以中国企业的策略是，先占领那些对灵活性要求高、对绝对精度要求相对宽松的场景，比如物料搬运、分拣、巡检。在这些场景里积累数据，优化模型，再逐步往更复杂的任务渗透。智元机器人CTO彭志辉说过一句话：机器人是否真正走出Demo阶段，不看动作有多炫，而看它能不能在真实开放场景里稳定完成复杂任务，能不能算清楚ROI。

瓶颈式挑战，平静式突围

具身智能最大的瓶颈，并不是硬件，而是数据。大语言模型可以爬取互联网上的文本，但机器人学习拿鸡蛋不碎、接水杯不掉，没有现成的数据集可用。高质量具身数据远比文本数据稀缺，这是全球行业面临的共同难题。 中国的应对方式是建设数据采集中心。

彭博社报道，中国已在全国各地开设了64个数据采集中心，另有20个正在建设中。这些设施模拟超市、装配线、办公室、商店和家庭环境，让机器人在受控但接近真实的场景里反复试错。 宜宾西南具身智能训练中心部署了300台机器人本体，全年锁定真机数采订单超过15万小时。中国联通具身智能中试基地沉淀了5大场景、100余种原子技能、2万组真机数据、500万条轨迹数据、80TB数据集。北京人形推出了千台机器人真实场景数据采集计划，让机器人边作业边采集。

摩根士丹利在一份报告里写道，这种体量的规模是最终胜出的唯一决定性因素。话有点绝对，但方向是对的。当一台机器人上线，它就成为一个数据采集点；数据回流训练模型，模型变聪明后再部署到更多机器人。这个飞轮转起来之后，差距会越拉越大。

不过这里需要补充一下：目前大多数数据仍然来自结构化或半结构化场景，真正开放环境下的长尾问题——比如突然闯入的行人、光照突变、地面湿滑——覆盖得还不够。仿真数据能降低成本，但真实本体采集的数据效果仍然最好。数据飞轮已经转起来了，但转速和覆盖范围，还需要时间验证。 资本热潮与IPO定价时刻 2026年夏天，具身智能赛道的资本密度达到了一个峰值。

宇树科技8月19日登陆科创板，发行价150.80元，市值610亿元，市盈率219倍，申购有效户数约978万户，创科创板历史新高。智元机器人7月底启动港股上市程序，目标估值400到500亿港元。逐际动力完成Pre-IPO轮融资近2亿美元，投后估值150亿元。灵御智能成立一年多融资5轮，擎天租成立不到半年估值70亿元。

资本涌入的逻辑很清晰：当出货量从千台级跃升到万台级，赛道从讲故事阶段进入了可量化阶段。宇树的上市给行业立了一根坐标尺，证明这个领域可以产生真金白银的估值。但硬币的另一面是，宇树2026年上半年扣非净利润同比下降19.34%，研发和销售费用大幅增长，呈现出增收不增利的信号。其收入结构中，科研教育场景占比高达73.6%，工业应用仅占9.01%。最大的买家仍然是高校和科研机构，而不是工厂。

这意味着，量产数据可以冲出来，融资热度可以烧起来，但商业化的成熟只能靠时间磨。2026年可以是量产元年，但不一定是盈利元年。 目前最大的隐忧是身体强了，大脑还在追。如果给中国机器人产业画一张能力地图，身体段——也就是硬件制造、供应链整合、规模化量产——确实已经站到了全球前列。但大脑段，也就是AI决策、泛化能力、高端软件工具链，仍有明显短板。

比如，大量中国企业仍在使用英伟达的IsaacSim、Cosmos、GR00T与Orin生态进行训练和仿真。高端算力、EDA工具、先进工艺和部分软件工具链依赖西方供应，这一点与AI产业的结构相似。端侧芯片目前仅支持百亿级参数模型，更大模型的部署方案尚不成熟。

灵巧手是另一个关键瓶颈。过去几年，公众容易被机器人跑跳、翻跟头的动作吸引，却低估了手的重要性。人类绝大多数精密操作依赖双手完成，而工业级灵巧手的耐久性和泛化能力，全球范围内都还没有被完全证明。FigureAI在BMW工厂试点11个月，搬运了9万多个零件，但前臂仍是故障率最高的部位。

更深层的问题在于，当机器人从Demo走向部署，维护成本、批次一致性、无围栏安全、长时可靠性这些工程指标，比舞台上的空翻更重要。宇树团队透露，春晚空翻一个动作迭代了300多个版本，26台机器人的同步误差控制在0.1秒以内。但这一切都发生在高度受控的舞台环境中。真正的考验发生在工厂夜班、连续运转、无人值守的场景里。

突围的本质是一场系统工程。把中国机器人产业的突围归结为某一个单一因素，是片面的。它不是靠某项技术突破，也不是靠政策补贴堆出来的。政策提供了顶层设计和试错空间，供应链提供了成本优势和迭代速度，场景提供了落地验证和数据回流，资本提供了放大器和估值锚。这几条线交织在一起，才形成了今天的局面。

2026年，中国具身智能市场规模预计达到60亿元，人形机器人整机产量有望突破10万台。这些数字背后，是一个制造业大国把过去三十年在消费电子、新能源汽车领域积累的供应链组织能力，迁移到了机器人赛道。降本、量产、迭代、落地，这套方法论已经被验证过两次，现在是第三次。 但距离真正的通用机器人，路还很长。机器人连续跑进产线、跑进门店、跑进真实工作流，并且能在开放环境里稳定完成复杂任务，行业才算从概念验证进入部署阶段。在此之前，保持一点谨慎，保留一些期待，可能是更合适的姿态。

世界机器人大会的展厅里，那些叠衣服、做按摩的机器人，终究会走进更多人的日常生活。但什么时候，以什么方式，取决于接下来几年里，数据飞轮转得多快，供应链能把成本压到多低，以及那些藏在关节、减速器和算法里的工程难题，能不能被逐一攻克。

这场突围，才刚刚开始。

本文来自“思策智库”，36氪经授权发布。