中國出貨了 23,000 台類人型機器人，但其中僅有 5% 能完成一整班的工作。

2026 年，中國人形機器人產業一直以出貨量、融資輪次和公開展示等指標來衡量自身發展，而無論以哪一項指標來看，今年都創下了新紀錄。 然而，該產業遲遲未公佈的，卻是對實際評估這項技術的買家而言更為關鍵的數字：究竟有多少台機器人能夠在無需技術人員在旁干預的情況下，完成一整班次的實際生產工作。 本月流傳的產業數據首次以極具具體性的數字回答了這個問題，而這個數字卻令人警醒。在2026年上半年中國國內出貨的約23,000台類人型機器人中，僅有約5%能在生產線上穩定運作。 其餘95％仍停留在研究實驗室、貿易展會的展示區，或是尚未達到連續、無需人工監督的工業應用門檻的試點計畫中。

出貨量與部署可靠性之間的落差，是當前任何正在評估中國類人型或半類人型機器人供應商的採購團隊最關鍵的指標，其重要性甚至超越了公司的融資輪次、標榜的載重規格，或是最新舞台展示的動作編排。 能出貨的機器人並不等同於能正常運作的機器人，而業界為彌合此差距所建構的基礎設施——位於北京、專門用於生成工業規模訓練數據的設施——比任何單一公司的行銷宣稱，更能真實反映這項技術的實際發展現狀。

這座製造數據而非機器人的工廠

位於北京首鋼園區科技區的「石景山具身智能訓練中心」，正是專為彌合這道可靠性鴻溝而設立，其公開宣稱的產能，正是底層數據問題規模之龐大的最明確證據。 該中心運行著超過 100 台高自由度類人型機器人，在專用的訓練環境中運作

這些區域旨在模擬真實的工業與服務情境，每年產生近 2,000 萬筆高品質資料，記錄機器人在受控但貼近現實的條件下嘗試、失敗並修正實體任務的過程。 這個數字值得細細品味：中國某區的一座設施每年便能產出數千萬個訓練數據點，因為業界正確地得出結論——人形機器人在真實生產線上失敗的原因，與機械設計的關係不大，而主要在於龐大的實體——這些數據本該教導機器人的控制模型如何應對無數細微變異，例如零件偏離預期方位幾度、表面出現意料之外的摩擦力，或是光線變化等情況，而這些正是展示階段的預設程序會完全迴避的。

這正是「5%」這個數字背後的實際原因。一台機器人即使機械結構完善、資金充裕，並在九十秒的展示影片中表現出色，若缺乏足夠廣泛的訓練數據，仍無法將所學泛化應用至實際工廠現場中那些未經預先編排的變數。 中國的政策體系已實質上承認這是一個結構性問題，而非偶然問題：9月9日，政府正式將「具身智能機器人應用技術員」列為官方職業，並明確劃分了數據收集與機器人訓練的專業領域。 為那些負責蒐集並標註機器人所需數據、以使其運作更為可靠的人員設立政府認可的職業類別，這強烈顯示北京當局認為，數據瓶頸——而非製造能力或模型架構——才是阻礙中國當前出貨量與顯著更高的可靠性之間的主要限制因素。

闡明規則的例外

並非每家企業都卡在 5% 的門檻之下，而那些已跨越此門檻的企業，則展現了示範型機器人與

一款可實際運作的機器人。總部位於北京的 Anyverse Dynamics 是一家半類人型機器人新創公司，由前 Horizon Robotics 高階主管於 2025 年創立，本月根據一份價值超過 5 億人民幣、 約7,040萬美元），並完成了一系列認證程序，使K15成為首款通過歐盟完整工業安全與網路安全標準的具身智能機器人。此次部署的成功，並非因為Anyverse Dynamics忽略了可靠性問題。 其成因在於，該公司將商業策略建立在狹窄且定義明確的任務上——即在電池工廠內裝卸特定組件——而非展會示範所偏好的廣泛且通用型靈巧能力；而狹窄的任務範圍，正是決定機器人在能夠無監督運作前實際需要多少訓練數據的關鍵變數。

工業設備製造商中聯重科（Zoomlion）則提供了業界展覽層面（而非部署層面）的類似案例。 在今年稍早舉行的世界機器人大會上，該公司展示了其雙足人形機器人 Z01 執行精密任務，包括在固定組裝點操作螺絲起子；同時也展示了其輪式 Z03 平台與四足機器人狗單元，並特別針對製造業的痛點——例如彈性分揀、 精密組裝，以及線束處理等製造痛點，而非展示通用性的靈巧能力。 那些已與重工業客戶建立長期合作關係，且擁有數十年銷售必須能在真實工作現場運作的設備經驗的公司——而非純粹從人工智慧研究出發、從零開始打造類人型機器人的新創企業——似乎正逐漸達成與 Anyverse Dynamics 獨立得出的相同結論： 可靠性源自將範圍縮小至一套已充分理解的任務集，而非來自最大化

機器人理論上能夠做的事。

為何儘管存在可靠性差距，市場數據仍顯強勁

儘管如此，這並未改變一個事實：中國的移動機器人與人形機器人產業在 2026 年整體上確實展現了真實且可驗證的成長，買家不應將 5% 的可靠性數據解讀為市場潛力低於宣傳所言的證據。 這意味著市場機會集中於比總出貨量和融資數字所顯示的更為狹窄的企業群體與應用場景之中。若採購團隊僅憑出貨量、總融資額或規格表中的自由度來評估供應商，所衡量的恰恰是那些與「機器人在安裝後九十天內能否仍能可靠運作」毫無關聯的變數。 真正相關的變因——例如任務範圍的狹窄程度、供應商是否擁有能大規模產生特定任務訓練數據的設施或合作夥伴，以及企業是否擁有超過試點季度時長的實際工業參考部署案例——在新聞稿中較難找到，且需要直接向供應商提問才能獲知；而多數採購流程目前往往跳過這一步驟，轉而僅比較規格表。

這種行銷內容與實際可靠性預測指標之間的落差，並非中國類人型機器人產業獨有，但此處的差距規模—— 出貨量達 23,000 台，但穩定運作率僅有 5%，與美國、日本或韓國的人形機器人計畫相比，不僅格外鮮明，且量化程度也遠超預期——這些地區的出貨量仍遠低於此，且相關的可靠性統計數據也完全未曾公開披露。 這種相對的透明度本身就頗具啟示意義：一個對其展示型機器人已能反映實際部署狀況深具信心的產業，通常較少有動機公布如此不光彩的數字；而中國願意為此差距給出具體的百分比，再加上一項新的

政府認可的職業，其目的正是為了直接解決該問題，這顯示該國的機器人政策制定者認為，坦率地指明問題才是解決問題的先決條件，而非應加以隱瞞的競爭劣勢。

這實際上改變了盡職調查的重點

對於未來一年內評估中國類人型或半類人型機器人供應商的買家或投資者而言，這個 5% 的數字重新定義了供應商盡職調查中哪些問題至關重要。不要問供應商已出貨多少台機器人，而是要問目前有多少台機器人能在沒有技術人員在場的情況下，持續運作超過一個班次。 不要詢問機器人理論上能執行哪些任務，而是要問供應商實際上已在付費客戶的場地中驗證過哪些具體且範圍有限的任務集，以及運作時間長短。 詢問該供應商是否擁有專屬的數據生成基礎設施、培訓中心、一支負責收集真實世界互動數據的遙控機器人車隊，以及是否與石景山等設施建立合作夥伴關係；抑或僅是依賴該領域其他所有新進業者同樣能取得的有限公開數據集。 那些能以具體且可驗證的事實回答這三個問題的公司——就像 Anyverse Dynamics 能指出法國某電池工廠內正在執行的實際合約，而非僅展示宣傳影片——才是最有可能在一年後躋身那 5% 之列的企業，而非仍被歸類於那 95% 仍在為此目標努力的群體之中。

下一個值得關注的訊號是：隨著石景山工廠及其每年 2,000 萬個數據點的產出，已有一整年的時間回饋至供應商培訓管道，中國的出貨量與可靠性比率在 2026 年下半年是否確實有所提升， 以及新設立的「內嵌式智慧應用技術員」職業，能否成功擴充所需人力，以比出貨量本身更快的速度產生該數據。若該比率在2027年初趨近於10%或15%，這將標誌著中國的

人形機器人產業正從「展示型經濟」邁向「產業型經濟」。若未能有所進展，出貨量與資金籌措的頭條新聞將持續領先於其背後的實際部署狀況；而那些根據頭條新聞而非可靠性數據來制定採購決策的買家，最終將不得不向自家董事會解釋這之間的落差。

本分析基於公開的產業數據、政府政策公告，以及描述中國類人型機器人生產與部署活動的公司披露資訊。本文僅供一般參考之用，並不構成投資、財務或法律建議。

首圖來源：中聯重科。