8月20日，2026世界機器人大會在北京開幕，人形機器人成為焦點。宇樹科技創始人王興興展示了一個看似不起眼的場景——機器人收拾會議室。物品被任意打亂後，機器人需要自主判斷並恢復整潔，整個過程包含約7至8個不同任務，由一個模型完成切換，還需應對外部干擾。王興興認為，這類場景“相對有實用價值，並且難度不是特別大”，可能成為機器人真正進入現實生活的開端。
同日，中國電子學會理事會黨委書記、中國人形機器人與具身智慧百人會理事長張峰釋出了《2026年人形機器人產業發展報告》。報告顯示，2026年上半年，中國人形機器人出貨量已超過4萬台，全球佔比進一步提升至97%。人形機器人正從小批次試用加快向常態化部署和規模化應用邁進。
然而，出貨量增長並不意味著大規模商業化已經到來。從宇樹科技、星海圖到銀河通用，多家頭部企業不約而同地指出，機器人下一階段真正的門檻，是能否進入陌生環境、快速學會新任務，並以接近甚至超過人的效率持續工作。
過去幾年，人形機器人的能力邊界不斷被重新整理。王興興介紹，宇樹一款正在預覽、尚未正式釋出的新機器人，開發時間僅3個多月，目前速度已達12.65米/秒，超越人類最快奔跑速度。銀河通用則通過強化學習讓機器人自主完成網球跑動、擊球等動作。但這些高難度能力與真正進入工廠、倉庫和家庭之間仍有距離。
王興興透露，宇樹從2024年就已與汽車工廠合作進行機器人落地，公司內部也部署機器人測試，但目前沒有大規模推廣，主要原因是效率和泛用性不足。機器人雖能完成簡單裝配，但效率仍低於人，且每遇新任務往往需要重新訓練。宇樹希望等泛化能力提升後再大規模推廣。
星海圖創始人高繼揚提出了更直觀的衡量方式。他認為，機器人進入生產場景需觀察三個指標：速度、精度和泛化性。目前機器人執行效率約為人的70%至80%，釐米級操作已能穩定完成，但毫米級精度仍需強化學習提升。泛化性可理解為培訓一個“機器人員工”的成本，目前星海圖完成一個新任務約需10小時訓練，希望明年縮短至1小時。
一些真實生產場景已開始出現。高繼揚介紹，星海圖與京東合作的全自主機器人前置倉已覆蓋揀選、抓取、放置和打包等流程，展會上這台機器人一天完成了100多單，全程無人工干預。公司今年正陸續交付千台級“模型驅動的真實生產力訂單”，預計明年存在向萬台增長的機會。
產業化的關鍵詞已從“賣機器人”變成“賣生產力”。高繼揚判斷，隨著模型能力提升，具身智慧的商業模式將演變：早期依賴整機銷售，毛利率約40%至60%；隨後進入方案訂閱階段，毛利率降至20%左右；最終轉向以“物理世界Token”為核心的商業模式，產業價值從硬體向智慧能力遷移。這意味著，判斷機器人公司競爭力，不能只看銷量，更要看其進入工廠後能幹多少活、培訓成本、成功率及可複製性。
關於“具身智慧的ChatGPT時刻”，從業者給出了具體標準。王興興認為，若機器人能在任意陌生環境通過語言指令完成約80%的任務，即達到產業爆發臨界點，時間表為“快的話2-3年，慢的話5年或10年”。銀河通用創始人王鶴則認為，目前具身大模型水平約在GPT2，其定義的“ChatGPT時刻”是機器人能在廣泛任務上達到70%至80%成功率，並預計公司將在2028年達到該水平。
橫在機器人與ChatGPT時刻之間的仍是泛化能力。王興興舉例，固定場景下機器人成功率可接近100%，但環境稍變成功率便明顯下降。更細微的問題發生在“最後幾釐米甚至幾毫米”，視覺、觸覺與真實物理世界的誤差可能導致任務失敗。他認為，當前AI模型輸入輸出與機器人對齊程度不夠，是最大瓶頸。
資料正成為稀缺生產要素。有從業者認為，訓練規模化複製的機器人大腦可能需要千萬小時級資料，而目前行業可用資料僅十萬小時量級。工業、物流等標準任務中，機器人效率和成本已接近人工，但泛化不足仍難以複製到複雜場景。
宇樹科技正探索讓物理AI模型“自進化”：制定規則後，由大模型搜尋論文、開源方案，自動生成控制程式碼，再進入模擬和真機測試，根據反饋迴圈改進。王興興認為，這種方式可持續積累技能和資料，提高開發效率。
人形機器人產業化的突破，不只是造出跑得更快、跳得更高的機器。從展台走進倉庫、工廠、商店乃至家庭，它面對的是每天都在變化的真實世界。上半年超4萬台出貨量證明機器人正加速走出實驗室，但能否在陌生環境穩定完成任務，決定了它們最終是“賣出去的機器”，還是能持續創造價值的“生產力”。