彭博报道：中国人形机器人厂商占全球出货量的 97%

彭博的一份最新报道指出，2026 年上半年，中国人形机器人厂商占据全球出货量的 97% 以上。全球出货量据报超过 19,100 台，是 2025 年同期的三倍多。

这些数字使中国成为大规模制造人形机器人的明确早期领跑者。但这并不能证明这些机器无需密切监督，就能完成具有经济价值的工作。

这一区别界定了中国与 Tesla、Figure AI 等美国企业之间的竞争。中国厂商正在出货硬件，而备受瞩目的美国竞争对手仍专注于智能化、自主性和雄心勃勃的量产计划。

rsshub 的彭博信息流呈现了一个醒目的标题，但其背后的发展远不止一项市场份额数据。中国已经建立起一条供应链，能够比竞争对手更快地将实验性机器人转化为可重复生产的产品。

这一结果也带来一项重要警示。出货量可能包括科研设备、演示机器、政府支持的部署，以及被分配到严格受控任务中的机器人。

出货并不等于实现高效运作。它几乎无法说明可靠性、利用率、客户留存，或一台机器人能够替代多少人工工时。

下一阶段将检验中国的制造优势能否转化为持久的商业优势，也将显示美国企业能否把有关人工智能的更强主张转化为可靠的机器。

这 97% 的出货份额究竟衡量了什么

中国的领先地位是制造业事实，但其商业意义仍未明朗。

彭博报道称，2026 年上半年，中国供应商占据全球人形机器人出货量的 97% 以上，总出货量据报约为 19,100 台。

相比之下，一年前同期的出货量约为 5,100 台。换言之，市场规模增长超过三倍，同时仍高度集中于中国供应商。

这一增长延续了 AGIBOT、Unitree Robotics 和 UBTech Robotics 在 2025 年的强劲表现。Omdia 此前将这些公司列入通用具身智能机器人出货量的第一梯队。

具身智能指通过能够感知、移动并响应环境的实体机器运行的 AI。它将软件决策与电机、关节、摄像头和机械手连接起来。

据美联社援引 Omdia 数据报道，AGIBOT 和 Unitree 在 2025 年各自出货超过 5,000 台，UBTech 的出货量也突破了 1,000 台。

Tesla 据报当年出货的通用具身机器人不足 500 台。Figure AI 和其他美国开发商在出货量上也远落后于中国领先企业。

这一差距之所以重要，是因为生产会带来反馈。每一台制造出来的机器人都可能暴露零部件故障、装配瓶颈、维护需求，以及真实运行环境中的短板。

更高的出货量也能支持专业供应商发展。面对不断扩大的客户群，制造商有更多动力改进执行器、减速器、传感器、电池、机械手和控制硬件。

中国已通过汽车、消费电子、无人机、电池和传统工业自动化形成密集的供应商网络。人形机器人开发商可以利用这些基础设施，而无需从零建立每一个零部件品类。

所报道的 97% 份额也与其他市场统计相符。ABI Research 表示，中国目前占人形机器人已安装基数的 97%，尽管不同研究机构的定义和覆盖范围可能有所不同。

其人形机器人预测预计，全球已安装基数将从 2025 年的 24,000 台增至 2030 年的 248,000 台。ABI 预计，随着其他地区扩大部署，中国的份额将会下降。

这种预期中的下降不一定意味着中国走弱。中国可以继续快速扩张，同时北美、欧洲和其他亚洲市场从远小得多的基数上增长。

出货领先也不同于技术领先。一家供应商可以出货大量价格可承受的科研平台，却尚未解决通用操作、自主规划或在人类周围安全运行的问题。

因此，rsshub 的彭博标题捕捉到了这场竞赛的一个维度。它衡量的是企业将机器交到客户手中的速度，而不是这些机器抵达后能以多大程度独立完成工作。

目前，这一维度以惊人的差距偏向中国。更困难的问题是，在经过验证的大众市场出现之前，中国如何建立起如此显著的优势。

在需求尚不明朗之前，中国已建立硬件飞轮

中国的优势来自制造密度、政策支持和快速迭代，而非某一项决定性机器人发明。

据美联社援引的官方数据，中国在 2025 年拥有超过 140 家人形机器人制造商和 330 多个型号。这一拥挤的赛道既带来竞争，也带来重复建设。

许多开发商聚集在成熟的电子和汽车产业中心周边。这些地区具备工厂、工程人才、零部件供应商、物流网络，以及愿意试用自动化技术的客户。

这种结构缩短了从原型到量产的路径。企业可以修改一个关节、更换电机来源，或调整电池设计，而无需重建整条供应网络。

中国电动汽车行业提供了有益先例。密集竞争、本土供应商、制造经验和持续投资，在加快产品周期的同时降低了成本。

人形机器人依赖许多相同能力。它们需要电池系统、电机、电力电子设备、热管理、摄像头、处理器和生产质量控制。

政府政策提供了另一股动力。中国的 2026 至 2030 年发展规划将人形机器人列为需要加快发展和扩大应用的技术之一。

地方政府和国有背景机构可以支持工厂、研发中心、培训设施和早期部署。这些项目使制造商能够在私人需求变得可预测之前就获得客户。

这种支持并不意味着每一份订单都是人为制造的。科研机构、制造商、电力设施、物流运营商和公共场所，都有合理理由测试具身 AI。

不过，政策支持的需求可能模糊市场信号。为研究或演示而购买的机器人，并不能验证持续商业运营的经济性。

中国企业也在探索多样化的应用场景。有些机器负责分拣包裹、引导访客、巡检设施、调制饮品、舞台表演或采集训练数据。

这些应用有助于企业发展特定能力，也让供应商能在实现人形设计所暗示的通用自主性之前就开始出货产品。

人形机器人无需完成所有人类任务也能具备价值。工厂可能只需要一台能在为人类设计的空间中移动，并可靠完成有限流程的机器。

这一较窄目标比打造家用助手更容易。家庭环境中存在杂物、儿童、宠物、楼梯、易碎物品，以及几乎无限种意外情况。

工业环境则可以围绕机器人重新设计。企业可以标记路线、标准化容器、控制照明、减少障碍物，并将机器与员工分隔开来。

中国的规模使供应商能够在更多机器上测试这些较窄场景。现场经验随后会指导下一轮硬件迭代，形成制造与数据飞轮。

每次部署都可能生成动作、故障、人工干预和任务成功完成的记录。开发商可利用这些信息改进感知与控制模型。

这一飞轮并非自动形成。数据必须相关、标注准确、依法采集，并且足够多样化，才能改善单一安装场景之外的行为表现。

尽管如此，出货带来的机会是单靠实验室工作无法提供的。一个从未离开演示区域的机器人，无法揭示维护与客户支持的全部成本。

rsshub 的彭博出货数据表明，中国制造商已以更大规模进入这一反馈循环。它们的领先地位正迫使美国竞争对手从演示转向可重复的生产。

中国的机器人出货量给 Tesla 和 Figure 带来压力

这场核心竞争是中国制造规模与美国押注先进自主能力之间的较量。

Tesla 已将 Optimus 置于其长期战略的核心位置。Elon Musk 多次表示，人形机器人可能成为一项规模巨大的业务，并与公司的 AI 能力紧密相关。

然而，与 AGIBOT 和 Unitree 相比，Tesla 的出货量仍然很小。这种对比使量产执行成为检验 Optimus 叙事的即时考验。

Tesla 确实具备相关优势。它制造复杂的机电产品、开发计算机视觉系统、设计 AI 硬件，并从庞大的车辆车队中收集真实世界数据。

不过，汽车与人形机器人并不能直接互换。机器人必须保持平衡、操作陌生物体、从错误中恢复，并在人类附近安全运行。

机械手尤其困难。人手在紧凑结构中结合了力量、精度、灵敏度和适应性，而工程师至今仍难以经济地复现这些能力。

Tesla 正试图将其在美国的 AI 开发与在中国的制造专长结合起来。Tesla 副总裁兼中国区总裁王昊称，公司的上海业务是解决大规模生产的关键。

上海生产计划仍缺乏运营细节。Tesla 尚未公开说明该设施将如何支持机器人业务。

公司还准备将 Fremont 工厂原用于旧车型生产的空间改造为 Optimus 制造设施。这一举措表明了承诺，但并不保证产量或可靠性。

Figure AI 代表了另一种美国路径。它专注于通用机器人智能和工业部署合作，而非依托现有的消费级制造业务。

美国开发商常强调基础模型、视觉-语言-动作系统和自主推理。视觉-语言-动作模型会将视觉观察和语言指令转化为物理动作。

如果这类软件能让一台机器人只需有限的定制编程就学会许多任务，它可能成为决定性优势。灵活行为将使人形形态在经济上更具实用价值。

中国制造商并未忽视 AI。它们的机器同样采用多模态模型、模仿学习、遥操作数据、仿真和强化学习。

差异在于当前的侧重点。中国企业已经建立起占主导地位的出货基础，而领先的美国企业则承诺，智能化将为未来规模化提供合理依据。

这颠覆了人们熟悉的技术叙事。美国公司主导了许多有关生成式 AI 的全球讨论，但中国公司在实体出货量上占据主导地位。

压力并不只落在 Tesla 和 Figure 身上。Boston Dynamics、Apptronik、Agility Robotics 及其他开发商都必须在需求变得可预测之前，决定生产多少硬件。

放慢节奏能够保留资金，并避免围绕尚不成熟的设计积压库存。但这也会减少获取生产经验和真实世界数据的机会。

加快节奏会带来更多反馈，但也会增加对零部件故障、需求疲软和高昂支持义务的风险敞口。早期硬件可能会在一次重大设计修订后迅速过时。

中国当前的处境表明，其企业已经接受了更多这种制造风险。其中一些企业得到了公共投资和具备国家背景客户的支持。

美国公司押注于：更强的智能最终会比早期出货量更重要。这一观点依然可信，因为自主能力决定了通用机器的价值。

不过，软件领先无法无限期替代生产能力。如果承载先进模型的机器人无法以经济的方式制造、维护或交付，该模型的商业影响就会受到限制。

因此，97% 这一数字改变了举证责任。中国制造商必须证明已出货机器能够创造价值，而美国竞争对手则必须证明其软件优势能够触达客户。

出货热潮仍面临买家问题

最大的未知并非中国能否制造人形机器人，而是是否有足够多的客户能够高效地使用它们。

一项 AP 需求调查发现，市场中充斥着订单、演示，以及对实际采用前景的严肃质疑。这些质疑为每一项出货量估计都加上了限制条件。

New America 高级研究员 Samm Sacks 告诉 AP，大多数人形机器人仍然偏重表演而非实用功能。她指出，它们在杂乱、不可预测环境中的能力较弱。

风险投资人 Chibo Tang 同样认为，有限的应用场景制约了需求和大规模生产。这两种评估都将焦点放在机器交付给客户之后会发生什么。

机器人在经过准备的演示中可能显得能力出众。操作人员控制环境、选择任务、移走棘手物体，并反复演练流程。

商业工作提供的保护更少。箱子可能破损送达，工具位置可能发生偏移，工人可能挡住路线，或网络连接可能中断。

可靠性比一次惊艳的单次表现更重要。企业需要知道机器人完成任务的频率，以及它恢复正常工作的速度。

它们还需要了解总运营成本，包括安装、集成、监管、能源、维护、备件、软件、安全控制和停机时间。

低采购成本无法弥补频繁的人工干预。一台需要持续远程控制的机器，可能只是把劳动力转移到了另一个地点。

遥操作，即由人远程控制机器人，仍然有助于训练和异常情况处理。但当供应商将受监督的工作呈现为自主表现时，它就会成为问题。

报道中的出货数据并未披露干预率。它也没有说明有多少机器人在执行日常工作，而非用于研究、娱乐或数据采集。

一项真实世界试验说明了这一局限。一位北京客户测试了一台机器人，它能整理鞋子、叠衣服和更换垃圾袋，但全程由一名保洁人员陪同。

她认为这台机器令人印象深刻，但效率不高，而且难以在小户型住宅内移动。这种新奇性与实用性之间的差距，仍是消费者采用的核心问题。

工厂提供了更好的近期环境，但人形机器人仍需面对传统自动化的竞争。固定式机械臂已经能够以高速度和高可靠性完成重复性任务。

自主移动机器人可以搬运物料，无需腿部或类人的双手。专用机器通常在明确任务上优于通用设计。

当客户需要一台机器在为人类设计的空间中移动，并执行不断变化的工作时，人形机器人的理由最为充分。这种灵活性必须超过其额外机械复杂性所带来的代价。

安全性增加了另一项约束。一台在人员附近工作的全尺寸机器人具备重量、力量、电池、活动关节，以及可能作出错误决策的软件。

开发商需要可靠的紧急停止、碰撞检测、力限制、访问控制和可预测的降级行为。监管机构和保险公司也将要求提供证据。

随着部署范围扩大，网络安全将变得更加重要。一台配备摄像头、麦克风、移动能力和实体力量的联网机器，带来的风险超过传统计算机。

中国自身也承认了产能过剩的可能性。其国家经济规划机构此前曾警告，随着许多公司追逐类似的人形机器人项目，市场存在泡沫风险。

这项 官方泡沫警告凸显了人们对商业化和重复产品开发的担忧。政府支持并不能消除寻找可持续客户的压力。

出货定义同样需要仔细审视。研究机构可能会以不同方式分类教育平台、服务机器人、工业原型和通用人形机器人。

一台交付的设备可能进入客户试用，却没有产生持续价值。另一台则可能将大部分时间用于为未来模型收集数据。

这些机器仍会促进学习。然而，读者不应将 19,100 台出货量理解为 19,100 名正在替代全职员工的自主机器人。

rsshub Bloomberg 的报道确立的是早期工业领先地位，而非人形机器人转型的完成。商业验证需要出货量无法提供的运营结果。

制造规模为何能够成为软件优势

当已部署机器能够生成有用数据，并迫使企业作出更好的工程决策时，硬件规模才最具意义。

人形机器人开发结合了机械工程与机器学习。其中一方面的进展，可能会因另一方面的失败而停滞。

再复杂的模型也无法弥补过热的执行器或损坏的电缆。更好的关节也无法让机器人理解陌生指令。

大规模生产会迅速暴露实体弱点。反复故障能揭示哪些部件需要重新设计、哪些公差至关重要，以及哪些维修会耗费过多时间。

现场部署同样可以改进软件。摄像头和传感器能够捕捉仿真和精心筛选的实验室测试经常遗漏的变化。

仓库地面在一天中不断变化。光照会改变，包裹各不相同，人们交错行走，设备也会在预期位置之间移动。

基于多样化观察结果训练的模型可以变得更具适应性。但开发商必须防止数据管道充斥低质量或重复样本。

人工干预数据尤其有价值。当操作人员接管控制时，这一刻就标识出自主系统缺乏信心或判断失误的情境。

团队可以审查这些案例，标注正确动作，并重新训练模型。随着时间推移，成功的学习应当降低干预率。

中国在出货量上的领先，为其制造商提供了更多潜在数据来源。但这并不保证每家公司都具备充分利用这些数据的基础设施或人才。

软件平台必须同步记录、保护敏感信息、比较模型版本，并复现故障。它们还必须将真正的改进与会引入新风险的变化区分开来。

这项工作类似于其他工程组织面临的知识挑战。团队需要可搜索的记录，将观察、决策、测试和设计修订关联起来。

结构化的 工程知识库可以帮助技术团队保留这些关联。即使底层产品是实体机器人，这一原则仍然重要。

核心优势来自于更快地闭环。公司交付硬件、观察故障、更新设计、重新训练软件，并验证下一次发布。

中国消费电子和电动汽车公司已经形成了快速产品迭代周期。人形机器人供应商可以招募熟悉这些生产规范的工程师。

垂直整合可以强化这一闭环。控制更多组件的公司，能够协调机械、电气和软件变更，而无需等待多家外部供应商。

但它也可能造成盲点。即使外部替代方案表现更好，内部组件也可能因为切换存在组织成本而继续被使用。

竞争激烈的中国市场提供了另一种纠偏力量。供应商可以将自己的机器与众多本地竞争对手进行比较，并招聘拥有相关生产经验的员工。

随着实力较弱的公司耗尽资金或无法获得客户，行业整合很可能发生。存活下来的企业可能会继承人才、供应商关系和知识产权。

美国公司在 AI 研究、半导体设计、云计算和风险投资方面仍保有重要优势。它们也可能开发出能够在不同机器人本体之间迁移的模型。

如果智能能力能够移植，中国硬件制造商便可采用强大的第三方模型。反过来，美国软件公司也可以向拥有更好生产体系的制造商授权智能能力。

这种可能性使国家间竞争变得更加复杂。最终市场未必会清晰地划分为完整的中国机器人和美国机器人。

然而，供应链管控和安全规则可能会推动市场朝这一方向发展。政府可能限制机器人组件、先进芯片、训练数据，或其在敏感设施中的部署。

这种限制将鼓励形成彼此独立的技术栈。它们也可能因减少获得最佳硬件、软件和市场的机会而放缓学习速度。

因此，决定性指标不只是出货份额。而是每一台出货设备如何高效地改进下一代产品，同时提供足够的当前价值以留住客户。

中国目前有更多机器进入这一闭环。美国仍有机会建立更强的智能层，但脱离生产所花费的时间正带来日益增长的成本。

三个信号将显示中国领先地位是否可持续

下一阶段证据必须将出货增长与可靠工作、重复客户，以及美国竞争对手可信的回应联系起来。

第一个信号是截至 2026 年底中国部署项目的质量。应关注公开披露的利用率、干预率、任务成功率、停机时间和重复订单。

一家只报告累计出货量的制造商，提供的图景并不完整。客户续签部署或从试用扩大规模，将构成更强的商业证据。

工业和物流场所值得最密切关注。其结构化环境为高效的人形机器人工作提供了最现实的近期路径。

一次成功部署应能覆盖完整班次，并处理正常变化。当物体、路线或工作流程发生变化时，它也应能安全恢复。

重复采购的证据将强化这样一种判断：中国的制造领先已经转化为市场优势。库存上升或由政府主导的订单则会削弱这一判断。

第二个信号是 Tesla 的生产执行能力。该公司必须将 Optimus 演示和工厂计划转化为能够稳定完成有用任务的机器。

其上海业务尤为重要，因为它将 Tesla 与中国的制造业基础连接起来。有关零部件采购和生产职责的具体细节，将有助于明确这一角色。

应关注机器人是否在 Tesla 设施内持续开展工作，而非仅进行孤立演示。性能信息应包括已披露的人工干预率和故障率。

Tesla 无需立即匹敌中国的总体产量。它需要证明，其以智能为核心的方法能够产生可衡量的运营价值。

可信的量产爬坡将削弱“中国的领先优势在结构上不可撼动”这一观点。进一步延误则会扩大其在制造经验和部署数据方面的差距。

Figure AI 和其他美国开发商提供了相关证据。它们的客户试用可显示，先进模型是否能够克服中国供应商所拥有的生产优势。

第三个信号是行业如何处理出货数据。研究机构和制造商需要更明确地区分原型机、研究平台、商业部署以及自主生产机器。

统一的定义将使比较更有参考价值，也会减少将每一台交付机器人都视为同等经济产出单位的诱惑。

应关注分析师是否会发布装机量数据，并同时提供利用率和应用类别。出货数据应尽可能标明地理目的地、客户类型和运营用途。

ABI Research 预计，随着其他市场扩大规模，中国在人形机器人装机量中的份额将下降。这将是全球市场扩大的健康证据，并不一定意味着中国正在退缩。

对中国而言，最强劲的情景是：销量持续增长、出现重复性的商业采购，并且自主性不断提升。这一模式将验证其制造战略和数据飞轮。

较弱的情景则是：出货量上升，但利用率有限、监督程度高，且公共部门需求高度集中。这将表明生产已领先于市场需求。

对美国而言，最有力的回应并非又一次精致的演示，而是一款客户能够部署、维护并在重复工作周期中信赖的机器人。

rsshub bloomberg 的标题清晰呈现了当前竞赛的一个缩影：中国在数量上占据主导，而这一数量背后的经济价值仍有待观察。

读者现在应将目光投向舞蹈、拳击和精心编排的操控演示之外。重要证据将来自没有摄制团队在场时，机器人反复完成的日常工作。

这些证据将决定人形机器人是成为重要的自动化平台，还是继续作为昂贵机器寻找足够多的合适工作岗位。它也将决定中国 97% 的份额究竟是暂时的领先，还是持久工业领导地位的基础。