全球人形机器人出货榜公布！这家中国厂商占了39%，位列第一

我刷到这份“全球人形机器人出货榜”的时候，人是愣住的。

那种感觉有点像：天天在网上看特斯拉、Figure炫酷视频，看多了以为他们就是“赛道主角”，结果榜单一出来，发现全球一万三千多台人形机器人出货里，有家中国厂商一个人就干了五千多台，占了39%。你再往下看，前几名几乎被国产承包，特斯拉、Figure、Agility反而被挤出前六，这反差感太强了。

行，这一波，人形机器人真不再是 PPT 和展台演出那种小打小闹了。

先把关键信息摆桌面上，不然容易没画面感：

全球出货规模

Omdia 的报告给的数字是：去年全球人形机器人总出货量超过一万三千台，算下来是真正在“按台数卖货”的阶段了，不是以前十几台、几十台那种“样板工程”。

中国厂商的成绩单

大头是谁就不点名了，反正你一搜就知道：

这家中国本体厂商交付了五千一百多台，人均贡献接近全球四成份额，稳坐第一。

第二名也是国产，宇树科技，四千两百台，相比上一年是四倍多的增幅。

再往下，“人形机器人第一股”优必选，出货也是破千级别。

更刺激的是，众擎、傅利叶这两个原来在大众视野里没那么强存在感的国产独角兽，从零台干到几百台，硬是把特斯拉、Figure AI、Agility Robotics挤出了全球前六的牌桌。

背后的订单含金量

这不是“堆库存”玩数字游戏。过去一年，几个明确的标志性项目：

有厂商中标广西项目，合同金额在 2.64 亿元这种级别；

还有智元、宇树一起拿下中国移动的 1.2 亿元采购大单，甲方是运营商这种体量，标书里写明交付期、台数、任务内容，不是拍照用来发官微的那种“摆设项目”。

这几件事合在一起，就能看出一个趋势：中国厂商在“真交付”这件事上，已经开始领节奏了，不是单靠宣传。

我这阵子翻了一圈数据，也问了几个做整机、做零部件的朋友，大概能拆出三块决定性的东西。

一、人形终于从“炫技动作”进化成“可工况复制”

你要承认，人形机器人想出圈，很大程度是靠动作视频。前空翻、后空翻、跑酷、跳台阶，大家爱看，转发量高，这个没话说。

问题是，能不能把这种“炫技动作”变成工程能力，差别就出来了。

国产这波里面有几个典型动作节点：

众擎的前空翻

官方说法是“全球首例人形机器人前空翻”。听着很中二，但技术含量确实高：

动态平衡算法要在起跳、空中翻转、落地全过程实时预测姿态调整

运动控制系统要把几十个自由度协调到毫秒级

结构和材料要能扛冲击，不是做一次拍个视频就散架

宇树 G1 的侧空翻

侧空翻难度比直上直下更恶心，因为横向惯量分布很不均匀，对质心控制要求更高。你愿意的话可以理解成：要确保这东西不是“横着飞出去砸人”。

这些“翻”的背后，本质是动作空间被扩展出来了。能稳定地跳跃、跨越障碍、急停转身，就意味着在复杂场景里不再只能“平地慢走”，适配性大幅提升。对甲方最直观的一点就是：

楼梯、台阶、坑洼、斜坡这些现实世界里的“垃圾环境”，终于能谈了。

我反而不太在意它到底能翻几圈，更多在意的是：

你能不能连续工作四小时不摔、在有推搡干扰的环境下保持站立、在负载变化大的情况下步态还稳不稳。这些看起来无聊，才是交付现场里真正值钱的部分。

二、“脑子”的自研，正在补完最后一块短板

说人形机器人，大家总爱聊“身体”，但决定长期可用性的，是“脑子”，也就是具身智能模型和决策层。

以前国内这一块最大的问题是：

模型高度依赖国外论文和闭源方案

真机适配周期长，经常是仿真里跑得飞起，上机直接懵逼

数据闭环掌握在第三方手里，迭代难度大

最近一年有个很关键的信号：

有国产团队把自己的具身智能基础模型 WALL-OSS 开源，直接上 RoboChallenge 这种真机基准平台，结果总分 54.69，干过了美企 Physical Intelligence 的 pi0，稳在全球第二这个档位。

几个点值得掰开说：

真机评测的意义

仿真能跑不代表你能走上地面。RoboChallenge 这类平台跑的是现实世界里的任务，障碍、摩擦、光照、噪声都掺在一起，算是把“论文滤镜”给你摘掉。能在这种基准下拿到成绩，说明模型和实际机器人之间的“缝合成本”变小了。

开源的外溢效应

模型开源出来，国内一堆中小厂商可以直接拿来调教，叠加自己的数据和场景，而不是每家从零开始重复造轮子。这对产业节奏影响很大，是把之前“各干各的试验田”，变成一条更加完整的生态链。

本土场景的学习优势

本地团队更熟悉国内工厂、机房、仓储的具体操作流程，能把任务定义拆得更细，比如具体到某品牌开关的手感、某类厂房光照条件，这种细节在模型里吃进去，泛化能力就更贴地。

简单一句话：

以前我们是“有身体没脑子”或者“脑子在别人手里”，现在脑子开始长在自己这边，而且还在跟线下的真实工况一起迭代。

三、零部件价格被“打穿”，出货才有底气亮出来

再强的算法、再花哨的动作，你最后要卖机器，就得回到一个朴素问题：

一台机器人卖多少钱，甲方才愿意签一份不是“示范项目”的大单？

过去人形机器人贵，有一个很扎心的事实：关节、灵巧手、传感器这些件太贵了，整机 BOM 一摊开来，方案团队自己都头皮发麻。

国产这一轮的杀伤力，就体现在这个层面。

关节模组被压到三百级别

灵足时代这类供应商，通过优化关节结构、工艺和制造链路，把单个关节模组的价格做到 300 元这一档。

别看数字小，这其实意味几个变化：

设计时不用那么“抠自由度”，愿意多留一点冗余

备件库可以多铺货，运维速度上得来

小批量试点项目也能承受，不至于一上来成本爆炸

灵巧手价格砍到对手的五十分之一

灵心巧手这边，把 Linker Hand 灵巧手的价格做到了国外竞品的 1/20，自由度还拉到 42 个，比英国老牌 Shadow Robot 那条线高出一截。

这就很夸张了：

以前你有“手”纯属奢侈品，更多项目连想都不敢想

现在你可以在一些关键岗位上认真考虑“抓、拧、捏”这种高精度操作，不是只能做粗粗糙糙的推拉动作

核心件国产化带来的隐形收益

不只是单价问题，还有交期、维修、版本迭代：

出了问题，你在国内有工厂、有工程师队伍，调试周期短

新版本关节、新版手型可以快速小批量验证

被国外卡供应的风险往下走，对大型项目来说是重大利好

说到底，能拿出“五千多台出货”这种数字，不仅仅是“公司厉害”，更是整个产业链开始成体系了：本体厂、零部件厂、算法团队、系统集成一起踩到了同一个节奏上。

四、场景：不是科幻片，是一线工位上的换班

那这么多台到底去了哪？我最近跟一线的人聊下来，比较典型的几个落地方向：

运营商机房巡检

让人半夜两点拿着手电筒满机房走巡检，这事谁都不愿意干。

机器人进来做什么：

看指示灯状态

读仪表盘

简单开关操作

远程操作人员能第一时间接管，有事情再叫人到现场，人的精力被“升级”为处理例外。

3C 与轻工制造装配线

一些重复动作非常无聊，又经常需要弯腰、转身，这类工位很适合人形接过去。

但这里有个坑：

不是所有动作都能直接替代

有不少场景是“人形配合一个工人”，两者一起完成一个节拍

至少从现在看，“协作”比“替代”靠谱得多。

仓储与物流

跟 AGV、小车、自动货架配合，做挑拣、分拣、补货一类的任务。

空间复杂程度比传统无人仓高，人形可以去到某些“卡位”位置，不用再专门改仓库结构。

能源、电力等高风险环境

高压设备、管廊、偏远站点，这些位置人力巡检成本高、风险大，人形机器人有天生优势。

它不会抱怨环境差，只要你把防护等级做好，它可以一直干。

有一点要说清楚：

现在的人形机器人，在大多数地方不是来“抢饭碗”，而是来接那种高强度、重复、偏危险、又很难招到人长期干的活。这点如果甲方不想明白，项目大概率会翻车。

五、热榜背后的两颗“地雷”：服务和安全

我对这次“39% 份额、全球第一”是乐观偏多一点的态度，但乐观不代表没担心。

我现在最在意的反而是两个看起来没那么酷的点：服务和安全。

服务体系撑不撑得住这么多台

你卖五千多台出去，听起来很爽。问题是：

这几千台的故障率控制在什么水平

备件仓储怎么布

远程诊断、软件升级的系统有没有打磨到位

一台人形机器人在产线中间趴窝，可能拖的是整条线的产能，这可不是“重启一下就行”的小问题。

我挺认同一个一线运维说的话：

“看出货榜没用，看谁家售后群里骂得少。”

这话粗糙，但真实。

安全标准和底线意识

人形机器人走进半开放、人机混行的环境，所有安全问题都会被放大。

硬件层面的机械、电气安全

软件和网络层面的安全

数据采集、训练过程里的隐私和合规

这一块如果谁先踩雷，谁就很可能被政策、市场一起“拉闸”。

中国厂商现在是“冲得最快”的那一批，也就意味着你要最早面对集体监管和社会审视。这其实挺考验公司底线的：

你是提前把问题当“约束条件”设计，还是等出事再补文档？

六、我个人的判断：崛起是真实的，但离“科幻日常”还有几步

把以上数字、项目、技术细节拉通看，我的结论挺简单：

这波中国厂商拿下全球 39% 份额第一，不是“统计游戏”，是真靠产业链和工程能力卷出来的。

接下来两三年，国产在人形机器人这条赛道上，优势大概率会继续扩大，只要在安全规范和服务能力这两个点上不翻大车。

离“每家客厅一个人形机器人”和“公司随手买两台当‘通用工人’”这种想象，还有不少路要走。短期内，人形机器人更多会出现在你看得见但接触不到的一线工位上。

如果哪天你公司真的给你一笔预算，只能买一台人形机器人进来，你会先让它干什么？

是帮你顶夜班巡检，还是替你去厂区里干那种又热又吵的体力活，还是做点更“花活”的事情？

你可以在心里先想一个场景，也欢迎直接丢在评论区，我后面可以按你们提到最多的几个使用场景，专门写一篇“真要买之前，哪些坑必须先想清楚”。