中国世界机器人大会：从炫技走向订单

中国世界机器人大会于8月19日开幕，面临的考验比任何拳击比赛或舞蹈表演都更为严峻：制造商能否将技术演示转化为可复制、可收费的实际部署？

这场为期五天、在北京举行的活动汇聚了300多家参展商和约3,000款产品。然而，规模并非最重要的变化。大会正越来越多地将工厂、物流运营商、零售商和服务提供商视为买家，而非观众。

这种转变让炫技与商业实用性之间的竞争变得更加严峻。Unitree、UBTECH、AgiBot及其他中国制造商已能生产吸引眼球的机器。它们接下来的挑战，是证明客户会在试点项目结束后再次下单。

中国官员公布了亮眼的行业数据。大型机器人企业营收在2025年超过3,000亿元人民币，过去五年年均增长超过20%。2026年上半年营收达到1,655亿元人民币，同比增长24.5%。

这些数据涵盖的是广泛的机器人行业，而不仅仅是人形机器人。但它们仍说明了中国为何能够以不寻常的速度为机器人的研发、制造和测试提供支持。尚未解决的问题是，这种供给实力能否带来可靠的需求。

大会让买家站到机器人身边

决定性的变化并非某个新的机器人绝技，而是大会有意将机器与采购需求连接起来。

2026世界机器人大会于8月19日至8月23日在北京亦庄北人亦创国际会展中心举行。其主题将人机协作与产需融合并置。

主论坛被组织方分为四个板块：国际合作、应用驱动发展、产业建设和公共服务。这一安排将部署问题与研究和产品发布并列。

展览面积接近5万平方米。一份会前活动概览称，参展企业将超过300家，较上年增长36%。

企业带来了工业机械臂、四足机器人、人形机器人、灵巧手、医疗系统和服务机器人。机器人组装零部件、搬运包裹、打乒乓球、制作食物、叠放织物，并与访客互动。

其中许多活动仍属于演示。但区别在于参展商如何定义这些演示。供应商越来越多地将每个动作与潜在工作场景、客户群体或采购流程联系起来。

叠衣服的机器人不再仅被视为灵巧度的证明。它还引出了有关速度、故障恢复、面料差异、监督需求，以及每项任务完成成本的运营问题。

UBTECH展示了人形机器人在模拟汽车装配线上协同作业。该场景将行走与操作能力同为人类工人设计的工厂内部物料搬运联系起来。

Unitree创始人王兴兴表示，公司正在汽车装配线及其自有工厂内测试机器人。根据一份商业化报道，其研究目前聚焦于实用的家庭和工业任务。

大会还举办了来自欧洲和亚洲行业组织、以采购为导向的讨论。这些会议促使制造商倾听买家的需求，包括安全、维护、集成和交付支持。

这很重要，因为成功的演示可以控制环境。客户部署则必须经受不可预测的物体、不断变化的工作流程、经验不足的操作人员，以及长时间重复使用的考验。

即使技术能力出色的机器人，也可能无法通过商业检验。它必须完成足够多的有用工作，才能证明安装、培训、维护和流程改造的成本合理。

这解释了行业为何正从单向展示转向双向协商。制造商仍在展示机器人能做什么，但买家正越来越多地界定这些能力必须发展成什么。

中国的机器人规模提高了商业化门槛

中国已经建立起庞大的机器人供给基础，因此，疲弱的客户采用率如今会给制造商、投资者和地方政府都带来压力。

工业和信息化部副部长辛国斌表示，主要机器人企业在2026年上半年实现营收1,655亿元人民币，同比增长24.5%。

这些企业2025年营收超过3,000亿元人民币，而该行业过去五年平均年增长率超过20%。这些数字表明，工业、服务和专用机器人领域均在持续扩张。

独立部署数据展现了中国工业市场的深度。国际机器人联合会统计，中国在2024年安装了29.5万台工业机器人。

当年，中国占全球安装量的54%。中国工厂运行着超过200万台工业机器人，国内供应商则占据本土市场57%的份额。

全球机器人数据还显示，中国的安装量达到有记录以来的年度最高水平。这一装机基础为供应商带来客户、工程经验、零部件需求和生产反馈。

传统工业机器人在受控环境中遵循结构化指令。人形机器人和其他具身AI系统面临不同挑战，因为它们必须感知周围环境并调整自身动作。

具身AI是指通过实体机器学习并行动的软件。其表现取决于模型、传感器、执行器、机械设计、训练数据以及实际工作环境。

中国在这个综合性问题上拥有多项优势。它具备密集的电子和电动汽车供应链、经验丰富的代工制造商、大型工业客户，以及对自动化的公共支持。

制造商可以在既有区域网络中采购电机、电池、摄像头、控制器和机械加工零部件。它们也可以在已理解自动化的工厂中测试机器。

这些优势缩短了硬件迭代周期，但并不会自动解决可靠性、软件泛化能力或客户经济性问题。

大会更强的商业化基调正反映了这一差距。中国已证明自己能够制造多种类型的机器人。如今，它必须确定哪些设计能在演示和补贴试用结束后继续被客户采用。

压力首先落在人形机器人制造商身上。据中国工业主管部门引用的数据，2025年中国有超过140家公司在研发人形机器人。

拥挤的供应商格局可以加快试验，也可能造成产品重复、激进的产能规划，以及对有限合格买家群体的竞争。

投资者同样面临这种压力。与客户留存率、利用率或长期部署的毛利率相比，制造能力和技术里程碑更容易被公开宣传。

地方政府也必须区分富有成效的工业项目与主要围绕政策激励建设的产能。中国政府此前曾警告，人形机器人发展存在重复建设和真实应用不足的问题。

企业买家处于这一转型的核心。它们的采购决定将决定机器人是成为常规资本设备，还是仍停留在试验性技术阶段。

买家并不需要机器人看起来像人。它需要可预测的产出、安全运行、易于维护，并能与现有系统集成。

这一标准有利于价值可量化的应用。物料搬运、巡检、危险环境维护、分拣、焊接和重复装配，比通用家庭助手提供更清晰的衡量标准。

因此，商业压力正在收窄行业焦点。最强的初期需求将来自环境可控、人工成本高、停机损失大或安全风险高的工作。

真正的较量是演示与复购订单

行业的决定性转折在于，技术奇观如今不如首笔订单能否带来第二笔订单重要。

机器人演示具有正当的工程价值。它们测试平衡、协调、感知、操作和人机交互能力，同时也为企业提供可见的性能目标。

但它们也可能掩盖成功所需的条件。供应商可以选择物体、照明、地面、任务顺序和持续时间。工程师还可以在多次尝试之间重置机器。

生产环境则没有这些保护。包裹可能受损，零件会偏离位置，员工会穿过预设路径，网络连接可能中断，设备还必须覆盖完整班次的运行。

人形机器人的熟悉外形构成了有说服力的商业论点。工厂、仓库、商店和家庭都围绕人体设计，因此人形机器有可能使用现有工具和空间。

但这种灵活性也有代价。腿、手臂、双手和保持平衡的系统，比固定式工业机械臂或轮式移动机器人带来更多故障点。

因此，专用机器可能在狭窄任务上优于人形机器人。传送带可高效运输标准化货物。机械臂可准确重复预设动作。自主移动机器人无需双腿即可运输物料。

人形机器人必须通过多功能性证明其复杂性合理。买家必须相信，同一台机器可以在无需大量重新编程或实体改造的情况下处理多项变化中的任务。

这正是部署数据比性能视频更重要的原因。有用的指标包括任务完成率、人工干预次数、运行时长、维修频率，以及教授新工作流程所需的时间。

客户还应区分订单与交付。已宣布的合同可能代表试点、附条件采购、研究项目或框架协议，并不意味着有保证的订单量。

即使已经交付的机器人，也不能证明其被高效使用。一台机器可能闲置在实验室、演示中心或客户设施中，而没有从事具有经济价值的工作。

复购订单提供了更强的信号。它们表明，首次部署创造了足够价值，使客户愿意在同一地点扩大使用，或推广至更多地点。

中国成熟的工业机器人市场提供了有益的先例。本土供应商并非仅靠制造机器获得市场份额。它们还建立了分销网络、服务能力、应用工程能力和客户关系。

人形机器人公司如今也需要类似的商业化层。通用机器人仍需要进行现场评估、安全规划、工作流程设计、员工培训、软件集成和持续支持。

困难的工作往往发生在机器人本身之外。制造商必须将机器与仓储系统、生产计划、质量控制和访问政策连接起来。

买家也需要能够审计的证据。精心打磨的演示无法替代日志数据：这些数据应显示机器完成任务、停机、需要帮助或引发安全事件的频率。

这为销售实际成果而非新奇概念的供应商创造了机会。能够可靠完成一项高价值任务的机器人，其商业逻辑可能强于一台没有稳定工作分配、但运动能力更强的机器。

同样的原则也影响数据收集。每一次真实部署都能产生关于异常物体、抓取失败、人工纠正和环境变化的案例。

这些案例可以改进模型和控制策略。然而，只有当企业能够为数据标注、保护数据，并将失败转化为可衡量的产品改进时，数据才会发挥作用。

因此，商业循环是双向运行的。更好的机器人吸引客户，而要求更高的客户又创造出培育更好机器人的条件。

这正是产需融合的更深层含义。制造商无法独自定义进步。买家如今也在帮助决定哪些能力值得进一步投资。

营收数字无法证明什么

行业的快速增长，并不能证明通用人形机器人已经实现可靠的大规模商业化。

3000亿元人民币这一数字描述的是中国机器人行业大型企业的营收。其中包括成熟的工业系统及人形机器人以外的其他类别。

工业机械臂已在汽车、电子、金属加工和物流业务中创造价值。其营收不能被视为新型人形平台具备同等商业成熟度的直接证据。

上半年24.5%的增长率仍然值得关注。但这一数字并未揭示，其中有多少来自持续部署、科研采购、政府采购、出口、零部件或一次性项目。

这一区别很重要，因为中国人形机器人市场既有真实的增长势头，也存在相当大的不确定性。一项美联社分析发现，制造商报告称获得数千台订单，但专家质疑需求是否与规划产能相匹配。

一些客户正在为实验室和培训中心采购机器人。另一些客户则在工厂、邮政设施、电力基础设施、酒店、零售场所和娱乐场所开展试点。

这些应用不应被轻视。科研部署能够积累技术知识，而娱乐和面向客户的工作也能创造营收。

但它们与自主生产并不相同。一台机器人在短期试点中与工程师并肩作业，并不等同于它能够在无需持续监督的情况下完成日常工作。

可靠性仍是核心约束。具身 AI 系统必须应对训练期间难以复现的罕见情形。

一个掉落的物体、工人的意外移动、传感器受阻或零部件磨损，都可能让微小的软件错误演变为设备损坏或人身伤害。

因此，安全标准和责任归属成为商业问题。机器人做出错误决策，或在协同工作中发生故障时，买家需要知道由谁承担责任。

维护是另一项挑战。大型工业客户可以配备受过培训的技术人员并储备备件。小型企业和家庭通常无法做到。

能耗同样影响实用性。需要频繁充电的机器人或许能展示出令人印象深刻的动作，却可能在完整工作日内实现较低的利用率。

灵巧手体现了能力与耐用性之间的取舍。更多关节让机器能够操控更多样的物体，但也会增加制造复杂度和潜在的维护需求。

软件泛化能力同样仍然困难。训练来处理某一种包裹规格的机器人，可能会在材料、形状、重量或摆放位置变化时遇到困难。

远程人工协助可以提高成功率。然而，企业在计算成本和自主性时，必须将这部分人工纳入其中。

一台能够独立完成大部分任务的机器，仍可能需要一套不具经济性的支持运营。买家需要了解完整工作流的成本，而不仅仅是机器人宣传的自主能力。

相似供应商追逐相同显眼应用也存在风险。过多供应商瞄准导览服务、咖啡制作或舞台化的工厂搬运，可能会形成产能，却无法创造差异化的客户价值。

中国政府官员似乎意识到了这一风险。他们强调推动生产与需求融合，表明希望让客户需求更早地塑造开发方向。

国际环境又增加了一层不确定性。出口限制、安全审查、数据规则和地缘政治紧张局势，可能压缩海外市场或增加合规成本。

在允许移动机器人进入敏感工作场所之前，海外买家可能会审查摄像头、麦克风、连接功能、远程更新系统和数据存储。

国内需求仍可支撑显著增长。中国的制造业规模为机器人企业提供了异常广阔的验证场。

但最有力的证据将来自运营结果，而非会议出席规模。买家需要透明的指标，以展示生产率、可靠性、安全性和总体拥有要求。

行业还应避免将每一种类人动作都视为迈向通用劳动者的进步。机器人可以跳得非常出色，却仍不适合非结构化的体力工作。

这种表面上的矛盾并不罕见。演示针对某一种特定表演进行优化，而商业系统必须处理数以千计的日常变化。

怀疑论观点并不认为人形机器人没有价值。它主张，商业成熟度必须按任务、按客户逐一得到证明。

中国的硬件优势如今面临软件考验

中国的制造深度能够加快机器人部署，但实用智能将决定这种规模能否创造持久的客户价值。

中国的硬件优势体现在工业安装数量上，也体现在电池、电机、电力电子、摄像头和精密制造等领域。

随着生产规模扩大，中国企业能够快速迭代实体设计并降低零部件成本。这可以让更多试点变得负担得起，也能让更多机器人进入真实环境。

美国则拥有另一组优势。其 AI 实验室、云平台、芯片企业和软件初创公司，在基础模型开发的许多领域处于领先地位。

基础模型是一种经过广泛训练、能够适配多项任务的系统。在机器人领域，这类模型可以连接语言、视觉、规划与实体控制。

两种优势都无法独立发挥作用。先进软件需要实体机器和真实世界数据。高效硬件则需要能够理解变化环境并从错误中恢复的软件。

这也是为何中美机器人比较往往过度简化了竞争。真正相关的竞争，并不是一台机器人与另一台机器人之间的竞争。

它是研究、零部件、制造、部署、数据收集、融资和客户支持等完整系统之间的竞争。

中国庞大的工厂基础可以形成有价值的反馈循环。制造商可以将机器人部署在应用工程师身边，并从真实生产任务中收集失败案例。

每一次部署都可能暴露感知、操控、机械设计或集成在哪些环节失效。企业可以利用这些发现同时修订软件和硬件。

然而，获得更多数据并不保证模型会更好。数据质量、任务多样性、评估方法和模型架构都会影响学习效果。

企业也可能限制对运营数据的访问。工厂视频、流程细节、设备配置和生产记录可能暴露商业机密或安全风险。

因此，机器人制造商必须建立可信的数据实践。买家需要对收集、存储、保留和模型训练拥有控制权。

这会带来更广泛的知识管理问题。团队必须连接现场报告、维护记录、模型评估和客户反馈，同时不丢失每次失败背后的语境。

负责跟踪复杂部署的工程师可以从可搜索的技术知识库中受益。有用的记录不仅要说明机器人停止了，还应包括其失败的原因。

处于最佳位置的企业会将这些记录与产品更新关联起来。反复出现的抓取失败应当影响训练数据、硬件公差、文档和客户预期。

当部署是真实的，中国的制造优势会让这一循环更快。一台每天运行的机器，能创造比反复执行会议流程的机器更有用的证据。

因此，软件考验与需求考验不可分割。客户环境提供了具身 AI 必须学会应对的变化。

即便演示硬件看起来具有竞争力，无法获得有意义部署的企业仍可能落后。它们将收集到更少样化的证据，也将获得更少的改进机会。

这种动态可能导致市场集中。拥有可信客户的供应商获得数据、工程洞见、案例背书和营收，进而帮助它们赢得更多部署。

小型企业仍可通过专业化应用竞争。面向检查、康复、危险维护或仓储搬运的专用机器人，可能比没有明确工作的通用平台产生更有价值的数据。

会议对订单的重视转变支持了这种专业化。买家带着实际约束而来，迫使供应商明确其技术能够可靠发挥作用的场景。

这种纪律可以让整个市场受益。它使产品路线图从病毒式传播的动作展示，转向可衡量的工作成果。

三个信号将显示这种转变是否真实

中国机器人扩张的下一阶段，将通过交付、利用率和重复采购来衡量，而不是通过展览规模。

第一个信号，是已公布订单向已交付机器的转化。制造商常常公布合同总额，但交付进度能够显示生产和客户准备工作是否在推进。

读者应关注那些区分已签协议、已确认采购、已发货设备和已验收部署的披露信息。差距扩大将削弱商业化叙事。

差距缩小则会加强这一叙事。这将表明供应商能够实现批量制造，而客户能够为运营准备场地、工作流和员工。

第二个信号，是客户设施内部的运营表现。企业需要披露任务完成情况、人工干预率、利用率、停机时间和安全结果。

独立验证会让这些数据更有价值。客户案例研究、监管申报和经审计的运营报告，比经过剪辑的演示更具分量。

具体应用应与现有替代方案进行比较。搬运零件的人形机器人必须与手推车、传送带、固定机械臂、移动机器人和人工工人竞争。

问题不在于机器能否完成这个动作，而在于完整系统是否改善了产出、灵活性、安全性或运营成本。

利用率将尤其具有揭示意义。为试点安装的机器人，可能在预定测试期间看起来很高效，但在一周的大部分时间里仍处于闲置状态。

高且持续的利用率将支持其具备商业就绪性的主张。频繁监督或长时间闲置则表明部署仍处于实验阶段。

第三个信号，是私营客户的重复下单。国有企业和研究机构可以帮助建立早期市场，但私营客户的再次采购更能清晰检验运营价值。

第二次采购表明客户看到了足够的价值，愿意扩大部署。跨多个场地的订单则提供了更有力的证据，因为这意味着系统必须能在原有环境之外正常运行。

投资者应像关注总量一样密切审视客户构成。依赖少数公共项目的市场，与由制造商、物流企业、医院和零售商共同支撑的市场，面临的风险并不相同。

服务收入同样值得关注。维护、集成、培训和软件更新能够反映供应商是否正在建立长期客户关系。

这些服务并不意味着产品失败。复杂的工业设备本就需要支持。关键在于，支持服务能否在不吞噬每台机器所创造价值的前提下实现规模化。

产品发布仍将具有重要意义，尤其是手部、电池、执行器、传感器和机器人基础模型方面的改进。但这些进展应结合上述商业信号来解读。

更长的续航时间，只有在提升有效作业时长时才真正重要。更好的操作能力，只有在减少人工干预时才有价值。更低的零部件成本，只有在客户能够更有利润地部署更多机器时才意义重大。

2026 世界机器人大会展示了一个势头异常强劲的机器人行业。300 多家参展商和数千款产品，展现了中国扩大供给的速度之快。

更具决定性的变化，是需求方话语权的不断增强。客户开始通过具体工作任务、运行条件和采购决策来定义成功。

这种变化并不会消除那些令人惊叹的演示。拳击、跳舞、烹饪和乒乓球仍将持续吸引观众，并检验技术极限。

但行业的重心正在转移。它正转向能够落地交付的合同、能够变为常规运营的试点，以及能够带来重复订单的首次采购。

因此，下一届大会应根据本届闭幕之后发生的事情来评判：有多少机器进入了工作场所？它们实际运行了多长时间？又有多少客户再次采购？

对于关注中国机器人市场的读者而言，这些问题比任何一次单项表现都更具参考价值。关注经验证的交付、真实的运行数据以及非公开的复购订单。它们将共同说明，机器人行业是否真正从一次性的展示舞台走向了运转中的市场。