一、核心摘要
8 月 22 日，第二屆世界人形機器人運動會將在北京國家速滑館 "冰絲帶" 開幕。16 個國家、666 支隊伍、2056 臺機器人同臺競技，隊伍總量同比增長 138%，機器人數量翻了兩番。這組數字不只是一場賽事的熱度，更是整個產業爆發的縮影。
2025 年被稱為人形機器人 "量產元年"。全球出貨量約 1.7 萬臺，中國企業占比 84.7%，包攬全球前六名。2026 年上半年，中國產量近 2.5 萬臺、出貨近 2 萬臺，均為去年同期的 4 倍以上。工信部預計全年整機產量有望突破 10 萬臺。
技術路線正在收斂。VLA(視覺 - 語言 - 動作)模型成為主流架構，端到端控制取代傳統模塊化管線，機器人從 "能走路" 進化到 "能干活"。汽車工廠是第一個規模化落地場景，工業搬運、質檢、上下料等工序已實現多機部署。
產業鏈層面，執行器系統占整機成本近 50%，行星滾柱絲杠、無框力矩電機、諧波減速器、六維力傳感器是四大核心零部件。無框電機國產化率已超 85%，但絲杠和高端傳感器仍依賴進口，替代空間巨大。
二、從一場運動會看產業熱度
2.1 賽事數據背后的產業信號
第二屆世界人形機器人運動會的數據值得仔細讀。666 支隊伍、2056 臺機器人，來自六大洲 16 個國家。隊伍總量同比增長 138%，機器人數量翻了兩番 —— 也就是增長了 300%。
參賽隊伍的構成比數量更說明問題。上一屆還以高校和科研團隊為主，這一屆企業隊伍占比大幅提升，智元、宇樹、優必選、傅利葉等頭部廠商均派出量產機型參賽。賽事項目也從單純的行走、跑步，擴展到工業搬運、靈巧操作、復雜地形穿越等貼近真實應用的科目。
運動會本質上是產業的 "閱兵場"。參賽機器人的數量和質量，直接反映了行業的量產能力和技術成熟度。翻兩番的機器人數量，對應的是過去一年整機產能的集中釋放。
2.2 從 "秀場" 到 "考場" 的階段躍遷
兩年前的人形機器人發布會，核心看點是 "能不能后空翻"" 會不會跳舞 "。今天的運動會，比的是" 能不能連續搬 100 個箱子不出錯 ""能不能在雜亂的工廠環境里精準抓取零件"。
這個轉變的本質，是行業從 "技術演示期" 進入 "場景驗證期"。翻跟頭是給投資人看的，搬箱子是給客戶看的。客戶不關心你的機器人能不能跳舞，只關心它能不能連續工作 8 小時、良品率多少、維護成本多高。
運動會的項目設置變化，恰恰映射了這種需求側的轉變。當比賽科目越來越像工廠里的真實工序，說明人形機器人離真正的商業化部署已經不遠了。
三、市場全景：量產元年的爆發式增長
3.1 出貨量：中國軍團占據全球 85%
賽迪《2025 年人形機器人市場研究報告》顯示，2025 年全球人形機器人出貨量約 1.7 萬臺，中國企業出貨約 1.44 萬臺，占比 84.7%。Smart Analytics Global 的數據更為激進：2026 年上半年全球出貨約 1.91 萬臺，同比增長近三倍，中國制造商占全球 97% 以上的出貨量。
中國企業的領先不是偶然。完整的供應鏈體系、工程師紅利、政策大力扶持，以及龐大的制造業應用場景，共同構成了產業化的土壤。特斯拉 Optimus 2025 年試產不足 1000 臺，而中國頭部廠商單家出貨就超過 5000 臺，量級差距明顯。
但需要清醒認識到，出貨量領先不等于技術全面領先。在高端傳感器、精密減速器、核心算法等環節，中國企業仍有追趕空間。目前的領先更多是供應鏈和量產速度的領先，而非底層技術的代際優勢。
3.2 市場規模：從幾十億到萬億的想象空間
狹義的人形機器人市場還很小。中研普華產業研究院的《2026-2030年人形機器人產業現狀及未來發展趨勢分析報告》數據顯示，2025 年中國人形機器人市場規模約 50 億元，2026 年預計達到 180 億元，2027 年有望突破 450 億元。到 2030 年，出貨量預計達 38 萬臺，市場規模突破 200 億元。
但如果把視野放寬到 "具身智能"，市場空間完全不同。廣義具身智能市場涵蓋人形機器人、工業機械臂、服務機器人、特種機器人等全部智能物理實體，2026 年市場規模預計突破 1 萬億元。人形機器人是這個大賽道中最具想象空間的形態。
摩根士丹利將 2026 年中國人形機器人銷量預測從 1.4 萬臺大幅上調至 2.8 萬臺，同比增長 133%。多家券商在 2026 年 8 月進一步上調預測至約 5 萬臺，并預計 2030 年出貨量達 44.6 萬臺，年復合增速超過一倍。預測不斷上調的背后，是量產進度持續超預期。
3.3 2026 年的關鍵變量：交付能力決定排名
2026 年被業內稱為 "交付元年"。如果說 2025 年比的是誰能造出來，2026 年比的就是誰能按時、按質、按量交到客戶手里。
MIR DATABANK 數據顯示，2026 上半年中國人形機器人產量近 2.5 萬臺，出貨近 2 萬臺，產銷率約 80%。越來越多廠商選擇自建產線或借助代工廠、政府中試基地推進量產。智元、宇樹等頭部企業已建成年產萬臺級的產線，交付周期從過去的 6 個月縮短到 2-3 個月。
交付能力正在成為新的競爭壁壘。能拿到訂單不稀奇，能按時交付且不出批量質量問題，才是真本事。2026 年下半年，行業可能會出現一輪 "交付大考"，交付不力的廠商會被客戶用腳投票。
四、競爭格局：中國軍團包攬全球前六
4.1 第一梯隊：智元與宇樹的雙雄爭霸
2025 年全球出貨量排名，不同機構口徑略有差異，但前兩名都是智元和宇樹。賽迪口徑下，宇樹出貨超 5500 臺、占比 32.4%，排名第一;智元出貨超 4000 臺、占比 23.5%，排名第二。IDC 口徑下，智元以超 5100 臺、占比 39% 登頂，宇樹 4200 臺、占比 32% 緊隨其后。
兩家的路線差異明顯。智元偏向工業和商業應用，遠征 A2、精靈 G1 系列已在汽車工廠、3C 產線規模部署，推出 "擎天租" 租賃平臺降低客戶使用門檻。宇樹則在科研、教育和消費市場更強勢，G1、H1 系列以高性價比和開源生態吸引了大量開發者和高校客戶。
簡單說，智元走的是 "深度場景 + 規模化租賃" 的 B 端路線，宇樹走的是 "高性價比 + 開發者生態" 的平臺路線。兩條路線各有優勢，短期內誰也無法吃掉誰，雙雄格局會持續一段時間。
4.2 第二梯隊：各有側重的追趕者
優必選是國產人形機器人第一股，2025 年全尺寸人形機器人銷量約 1079 臺。Walker S 系列已進駐比亞迪、吉利、一汽 - 大眾、富士康、順豐等企業，2026 年 1 月還與空客簽約進入航空制造場景。優必選的優勢在于上市后的資金實力和全球化布局，但出貨量與前兩名有差距。
樂聚、加速進化、松延動力等企業分列全球出貨量第三至第六位。樂聚在教育和科研市場有深厚積累，加速進化以輕量化設計和高性價比切入，松延動力則專注于工業場景的特定工序。這些企業的共同特點是在細分領域找到了自己的位置，但尚未形成全場景競爭力。
第二梯隊的變數很大。人形機器人行業還在早期，技術路線和商業模式都沒完全定型，今天的第二梯隊企業有可能在某個細分場景實現突破，一躍成為頭部。
4.3 海外力量：特斯拉與 Figure 的慢與快
特斯拉 Optimus 是全球關注度最高的人形機器人，但量產進度并不快。2025 年試產不足 1000 臺，主要在自家工廠內部測試。馬斯克的目標是 2026 年實現量產，定價目標降至 4.9 萬美元(約 35 萬元人民幣)。特斯拉的優勢是汽車供應鏈的降本能力和 AI 算法積累，但量產節奏持續低于市場預期。
Figure AI 是海外另一家明星企業，估值已達 390 億美元。Figure 02 已在寶馬斯帕坦堡工廠部署超過 500 臺，負責金屬板材搬運和焊接輔助。Figure 與 Brookfield 合作獲取真實場景數據，Helix VLA 模型每天處理數百萬條真實任務數據，數據飛輪是其核心壁壘。
波士頓動力則更像一家技術公司而非量產公司。Atlas 電動版發布后展示了 impressive 的運動能力，但商業化進展緩慢，更多還是技術標桿的角色。海外廠商的共同特點是技術強、量產慢，這給了中國企業寶貴的窗口期。
4.4 車企自研派：不可忽視的新勢力
比亞迪自研 "堯舜禹" 人形機器人，累計投放約 150 臺樣機，在深圳、長沙等生產基地實訓，搬運、貼標等工序效率可達人工的 80%。小鵬 Iron 人形機器人已入駐極氪產線開展工業場景適配。小米 CyberOne 二代也在持續迭代。
車企做機器人有天然優勢。一是自身就是最大的應用場景，可以內部消化產能;二是汽車供應鏈與機器人供應鏈高度重疊，降本能力強;三是資金實力雄厚，能承受長期投入。
但車企自研也有風險。如果只服務自家工廠，天花板有限;如果對外銷售，又要和專業機器人廠商正面競爭。車企最終是成為人形機器人的主要玩家，還是成為重要客戶，目前還看不清楚。
五、技術變革：具身智能重構機器人的 "大腦"
5.1 VLA 模型：端到端控制的范式革命
VLA(Vision-Language-Action，視覺 - 語言 - 動作)模型已取代傳統的模塊化管線，成為人形機器人的主流技術架構。傳統方案是 "感知→規劃→控制" 三段式，每一段獨立開發，拼接起來誤差累積、響應延遲。VLA 把視覺感知、語言理解、動作生成統一在一個端到端模型里，輸入圖像和指令，直接輸出關節控制信號。
代表模型包括谷歌 RT-2-X、Figure 的 Helix、英偉達 GR00T N1、北京人形機器人創新中心的 Pelican-VL 等。模型參數量已突破百億，在互聯網圖文數據和機器人軌跡數據上混合訓練，具備跨本體遷移能力 —— 同一個模型可以適配不同形態的機器人。
VLA 帶來的變化是革命性的。以前教會機器人一個新任務，需要工程師手寫代碼、調參數，耗時幾周。現在只需要給 VLA 模型一些演示數據，甚至直接用自然語言描述任務，機器人就能學會。開發效率提升了一個數量級。
5.2 數據飛輪：真實場景數據是終極壁壘
VLA 模型的能力上限，取決于訓練數據的質量和規模。仿真數據可以生成無限多，但和真實世界總有 gap(域差距)。真實場景的遙操作數據，才是最稀缺的資源。
Figure AI 與 Brookfield 的合作是典型案例。Brookfield 旗下的物流倉庫、商業建筑、制造工廠成為 Figure 的訓練場，每天產生數百萬條真實任務數據，通過自動化系統回傳訓練模型。數據越多→模型越強→客戶越多→數據更多，這個飛輪一旦轉起來，后來者很難追趕。
國內廠商也在加速數據積累。智元通過 "擎天租" 租賃平臺，讓機器人在客戶現場工作的同時收集數據;宇樹通過開源生態吸引全球開發者貢獻數據。誰能率先構建起規模化的真實數據飛輪，誰就能在算法層面建立長期壁壘。
5.3 全身控制：從 "手能抓" 到 "全身協同"
早期人形機器人的控制是割裂的 —— 腿負責走路，手負責抓取，各管各的。但真實場景中，搬一個重箱子需要腿、腰、臂、手協同發力，擰一顆螺絲需要全身穩定配合。全身協同控制(Whole-Body Control)是從實驗室走向工廠的關鍵技術。
2026 年出現的 WholeBodyVLA 等新架構，嘗試把移動和操控統一在一個模型里，解決 "走路時手不能干活"" 操作時站不穩 " 等行業痛點。通過統一潛動作學習，可以砍掉 75% 的遙操作數據量，大幅降低訓練成本。
靈巧手是另一個技術高地。目前大多數人形機器人的手還是簡單的夾爪或兩指 / 三指結構，能做的操作有限。真正的五指靈巧手，需要十幾個自由度、集成觸覺傳感器，成本高、控制難。誰能先把靈巧手的成本降下來、可靠性提上去，誰就能打開更多應用場景。
六、產業鏈拆解：誰在真正賺錢
6.1 成本結構：執行器占了半壁江山
一臺量產初期的人形機器人，BOM 成本約 30 萬元。拆開看，執行器系統占 48.8%(約 14.6 萬元)，是最大的成本塊。其中線性執行器(主要是行星滾柱絲杠)占 28.9%，旋轉執行器(減速器 + 電機)占 19.9%。
傳感器系統占 16.8%(約 5 萬元)，其中六維力傳感器獨占 11.2%，是單價最高的傳感器。靈巧手占約 12%，AI 芯片和主控占約 10%，結構件和電池占剩余部分。
這個成本結構傳遞了一個清晰信號：人形機器人的價值集中在 "身體" 而非 "大腦"。AI 芯片雖然技術含量高，但單臺用量少、降價快;執行器和傳感器用量大、壁壘高、降本慢，是產業鏈中最確定的賺錢環節。
6.2 四大核心零部件：絲杠、電機、減速器、傳感器
按單機價值量排序，四大核心零部件依次是：行星滾柱絲杠(19%)、無框力矩電機(16%)、諧波減速器(13%)、六維力傳感器(11%)。四樣加起來占整機成本近 60%。
行星滾柱絲杠是線性關節的核心傳動部件，壁壘最高。單臺機器人約用 14 根，單價高、加工難度大，目前主要依賴進口，國產化率較低。國內秦川機床、新劍傳動、恒立液壓等企業在加速突破。
無框力矩電機是國產化率最高的環節，已突破 85%。鳴志電器等頭部廠商的人形電機營收同比增長 380%，是上游確定性最強的賽道。諧波減速器方面，綠的諧波等國產品牌已具備競爭力，但 RV 減速器(用于胯部、大腿等重載關節)仍以日本納博特斯克為主，國產化率約 40-48%。
六維力傳感器是國產化率最低的環節之一。能感知三個方向的力和三個方向的力矩，是機器人實現精細操作的關鍵。進口產品單價動輒上萬元，國產替代空間巨大。
6.3 供應鏈安全：國產替代的緊迫性
人形機器人的供應鏈安全問題，比芯片行業更復雜。一臺機器人有上萬個零部件，任何一個環節卡脖子都可能影響量產。目前高端絲杠、六維力傳感器、部分編碼器仍依賴進口，存在斷供風險。
好消息是，中國擁有全球最完整的制造業供應鏈。無框電機、諧波減速器、結構件、電池等環節已基本實現國產替代，且成本比海外低 30-50%。這也是中國人形機器人能快速量產的核心原因之一。
中研普華產業研究院的《2026-2030年人形機器人產業現狀及未來發展趨勢分析報告》分析，隨著出貨量從萬臺級走向十萬臺級，規模效應會進一步推動成本下降。行業普遍預期，2027 年人形機器人整機成本有望降至 10-15 萬元，2030 年降至 5-8 萬元。成本降到這個區間，商業服務和家庭場景才會真正打開。
七、應用場景：從工廠開始，逐步走向生活
7.1 工業制造：最確定的第一落地場景
汽車工廠是人形機器人第一個規模化落地的場景，原因很簡單：工序固定、環境可控、勞動力短缺嚴重、客戶付費能力強。
國內方面，智元精靈 G1 Max 已在富臨精工實現規模部署，從 2 個點位拓展至汽車核心車間 15 個上料點，單班完成近萬次搬箱動作。在上汽通用奧特能超級工廠，G1 Max 以 ±0.1mm 的重復定位精度完成電芯搬運，占地僅傳統自動工位的 15%。優必選 Walker S1 進駐比亞迪、富士康，與工業設備協同作業。
海外方面，Figure 02 在寶馬斯帕坦堡工廠部署超 500 臺，負責金屬板材搬運。特斯拉 Optimus 在弗里蒙特和得州工廠內部測試，承擔電池分揀、車身裝配等任務。汽車制造 30% 的固定工序、動力電池 PACK 線 60% 的基礎工序，理論上都可以被人形機器人替代。
7.2 商業服務與物流：正在驗證的第二曲線
物流倉儲是人形機器人的第二大潛在場景。Amazon 承諾到 2026 年在 100 多個倉庫部署人形機器人，Agility 的 Digit 機器人在倉庫里做到了 98% 的任務成功率。國內順豐、京東等物流企業也在測試人形機器人的分揀和搬運能力。
商業服務場景包括零售導購、酒店接待、展廳講解等。這類場景對機器人的運動能力要求不高，但對人機交互和自然語言理解要求高。隨著大模型能力的提升，這類場景的落地速度可能比預期更快。
但商業服務的付費意愿和客單價是個問題。一臺機器人幾十萬，客戶要算多久能回本。目前更多還是品牌展示和營銷噱頭，真正的規模化商用還需要成本進一步下降。
7.3 家庭與養老：遙遠但終極的市場
家庭是人形機器人的終極市場，但也是最遙遠的市場。家庭環境極度非結構化 —— 雜亂的客廳、光滑的地板、亂跑的寵物、需要照顧的老人和孩子，對機器人的感知、決策、安全性都是極限考驗。
養老護理是家庭場景中最剛需的細分。全球老齡化趨勢明確，護理人力短缺嚴重，人形機器人如果能完成翻身、喂飯、攙扶等基礎護理工作，市場空間不可限量。但這對安全性和可靠性的要求極高，出一次事故就可能毀掉整個行業的信任。
行業普遍判斷，家庭場景的規模化落地至少要到 2028-2030 年之后。在那之前，人形機器人主要還是在工業和商業場景中 "打工"，家庭是遠期愿景而非近期目標。
八、風險與挑戰
第一，技術成熟度仍不足。VLA 模型雖然進步很快，但在復雜場景下的可靠性和泛化能力仍有差距。機器人在演示視頻里很靈活，到了真實工廠可能頻繁出錯。長時序作業(連續工作幾小時不犯錯)仍是行業難題。
第二，商業化模式尚未跑通。目前人形機器人的銷售更多靠政府補貼、科研采購和品牌客戶試點，真正基于 ROI(投資回報率)的市場化采購占比還不高。租賃模式(如智元 "擎天租")在嘗試降低門檻，但盈利模型仍需驗證。
第三，供應鏈瓶頸可能制約量產。行星滾柱絲杠、六維力傳感器等高端零部件的產能有限，如果出貨量突然從萬臺跳到十萬臺，上游可能供不上。供應鏈的擴產速度，會成為 2027 年之后的關鍵約束。
第四，安全與倫理風險。人形機器人在工廠里和人一起工作，安全是底線。一旦出現傷人事故，不僅涉事企業受影響，整個行業都可能面臨更嚴格的監管。數據隱私、就業替代等倫理問題也會逐漸浮出水面。
第五，估值泡沫風險。人形機器人是當前最火的賽道之一，一級市場估值高企，二級市場相關概念股波動劇烈。如果量產進度或商業化落地不及預期，估值回調的壓力會很大。
九、未來展望與趨勢判斷
據中研普華產業研究院的《2026-2030年人形機器人產業現狀及未來發展趨勢分析報告》分析
9.1 三大確定性趨勢
趨勢一：2026-2027 年是工業場景規模化落地的關鍵窗口。 汽車工廠的驗證已跑通，3C 電子、動力電池、家電制造等行業會快速跟進。預計到 2027 年，工業場景的人形機器人部署量將突破 10 萬臺，成為第一個真正規模化的市場。
趨勢二：成本快速下降，整機價格向 10 萬元區間邁進。 規模效應 + 國產替代 + 技術迭代，三股力量共同推動降本。2025 年整機成本約 30 萬元，2027 年有望降至 10-15 萬元，2030 年降至 5-8 萬元。成本每降一檔，就打開一批新的應用場景。
趨勢三：中國廠商在量產和應用層面持續領先，但底層技術仍需追趕。 中國擁有全球最完整的供應鏈和最大的制造業場景，量產速度和落地深度會持續領先海外。但在高端傳感器、精密傳動、核心算法等環節，與國際頂尖水平仍有差距，需要長期投入。
9.2 三個值得關注的變量
變量一：特斯拉 Optimus 的量產進度。 如果特斯拉能在 2026-2027 年實現大規模量產并把價格打到 2 萬美元以內，會對整個行業形成 "鯰魚效應"，加速成本下降和技術迭代。但如果繼續跳票，中國廠商的領先優勢會進一步擴大。
變量二：VLA 模型的能力邊界。 目前 VLA 模型在簡單、重復任務上表現不錯，但在需要復雜推理和靈活應變的任務上仍有局限。如果下一代 VLA 模型能實現顯著突破，人形機器人的應用場景會從工業快速擴展到商業和家庭。
變量三：政策支持的力度和持續性。 北京、上海、深圳等地已出臺人形機器人專項政策，設立產業基金、建設中試基地。政策是早期產業的重要推手，但最終能否走出政策依賴、實現市場化造血，才是檢驗行業成熟度的標準。
9.3 投資主線判斷
從產業鏈投資角度看，有四條主線值得關注。
第一條是核心零部件。 行星滾柱絲杠、六維力傳感器、諧波減速器、無框力矩電機，用量大、壁壘高、國產替代空間大，是產業鏈中確定性最強的環節。
第二條是整機頭部廠商。 智元、宇樹等已建立量產和場景優勢的企業，會在行業洗牌中進一步擴大領先。但需要關注其盈利能力和現金流，早期燒錢不可持續。
第三條是 AI 算法與數據服務。 VLA 模型訓練、仿真數據生成、遙操作數據采集等環節，會隨著機器人數量增長而快速擴容，是 "賣鏟子" 的好生意。
第四條是場景集成與運營。 把人形機器人部署到具體工廠、提供運維和持續優化服務的集成商，會在落地階段扮演關鍵角色，類似當年工業機器人行業的系統集成商。
回到開頭的那場運動會。2056 臺機器人在 "冰絲帶" 同臺競技，這個畫面放在三年前是不可想象的。人形機器人正在以比大多數人預期更快的速度，從實驗室走向工廠，從概念走向產品。
但也要清醒地認識到，行業還在非常早期。今天的人形機器人，大概相當于 2010 年左右的智能手機 —— 硬件已經能用，生態剛剛起步，殺手級應用還沒出現。真正的爆發，可能還要等 3-5 年。
不過，方向已經明確。人形機器人被認為是繼計算機、智能手機、新能源汽車之后的下一個顛覆性產品。這個賽道足夠大、足夠長，值得長期關注。運動會上的每一次奔跑、每一次抓取，都是在為那個未來鋪路。
欲獲取更多行業市場數據及報告專業解析，可以點擊查看中研普華產業研究院的《2026-2030年人形機器人產業現狀及未來發展趨勢分析報告》。
研究院服務號
中研網訂閱號