人形机器人上半年出货1.9万台，近九成是表演和科研

2026年的人形机器人赛道，始终笼罩在一种微妙的"分裂感"里。

一边是行业热度持续走高：展会现场的流畅演示刷屏、各类企业密集布局、机构出货量预测一调再调，全年全球出货量甚至已经被看高至接近10万台。

另一边却是大众最直观的感受：别说走进普通家庭，就连工厂车间里，也很少能看到人形机器人真正顶岗作业、替代人工。

热闹的数字和冷清的落地之间，到底隔着多远的距离？

"人形机器人真正的批量生产和规模化试点应用，我认为至少要到明年下半年以后，才可能出现更加明确的进展。"盖世汽车合伙人、研究院副总裁王显斌认为。

出货量即将冲高，规模化落地却仍需等待，这中间的时间差，成为了理解当下人形机器人产业的关键入口。

10万台出货量里，有多少是真实的终端需求？

如果只看账面出货数字，人形机器人似乎已经踏进了规模化爆发前夜。

美国市场调研机构Smart Analytics Global（SAG）的最新数据显示，2026年上半年，全球人形机器人出货量约19,100台，是去年同期5,100台的三倍有余。SAG预测，今年全球出货量将达到约6万台，2030年进一步增至50万台。

盖世汽车研究院给的判断更为乐观：今年全球人形机器人出货量有机会接近10万台。

但王显斌紧接着指出，目前人形机器人的出货量，实际上并不能完全等同于终端市场的真实需求，因为这里面有相当一部分并非来自终端客户的市场化采购，而是由三类“非终端需求”构成。

图片来源：智元机器人

第一类，是关联交易与生态互采。

当前，人形机器人尚在技术迭代期，很多头部企业的早期交付订单，主要来自股东方或产业链合作伙伴的内部采购。

这些采购的核心目的，往往并非真正投入生产创造收益，而是用于内部场景试点、技术协同验证，或者品牌形象展示。

对本体企业来说，这固然是产业初期稳定现金流、验证产品迭代的必经之路，但本质是生态链内部的"自我循环"，不能等同于终端市场的真实付费意愿。

第二类，是科研与二次开发采购。

随着具身智能热度上升，大模型厂商、高校实验室、科研机构成了人形机器人的重要采购方。

这类企业买入本体的核心诉求，是作为算法训练、数据采集或场景验证的硬件载体，本质是研发投入而非生产力采购，不具备场景复制性。

第三类，是渠道备货与展示租赁。

当下普通人能接触到的人形机器人，大多出现在科技馆、商业综合体、品牌发布会或行业展会现场，承担迎宾、表演、互动讲解等功能，体现的更多是"展示价值"，而非严格意义上的生产价值或服务价值。

也正因此，当前人形机器人的需求结构呈现出非常明显的"倒挂"特征。

盖世具身智能销量数据显示，在当前人形机器人的出货量中，商业服务类应用占比接近90%：其中仅娱乐表演展示就占到35%，数据采集与科研用途占20%，剩余份额由高校科研、商务接待、商业服务等场景分摊。真正用于生产环节、直接创造工业价值的订单，占比不足15%，尚未形成不可替代的刚性价值。

然而，工业生产恰恰是当前对人形机器人需求最紧迫的市场之一。

"据我们用户调研显示，工业场景是用户对人形机器人期待最高的方向，包括工艺操作、质检、设备运维、安全巡检等偏大工业的场景，反而健康维护、文娱表演等场景，用户认为紧迫性相对较低。"IDC中国研究经理李君兰表示。

一边是市场对工业替代的高期待，一边是不足15%的生产端落地占比，这种预期差正在倒推行业加速跑通真实场景。

比如在汽车制造场景，它石智航与天海合作的线束穿引作业，已经实现产线侧的连续工序验证；小米的人形机器人也已进入自家汽车工厂实际作业，承担自攻螺母上件、料箱搬运等任务。在3C制造领域，智元精灵（参数丨图片）G2机器人已进驻龙旗科技产线，迄今已"实习"8个多月。在仓储物流场景，星动纪元的星动M7则已在顺丰、中国邮政等物流中心实现常态化运营。

但即便如此，这些试点也仍停留在"可行性验证"阶段。行业里尚未出现大规模的市场化复购订单，也没有哪个场景真正跑出了清晰可复制的投资回报模型。

从"能做"到"划算用"，中间还有很长的距离。

人形机器人"进厂上班"，为何这么难？

需求结构倒挂只是结果，真正的根源，是人形机器人还没跨过规模化落地的核心门槛：数据困局、工艺适配、硬件成本。

这每一个挑战都是实打实的"硬骨头"，并且相互牵制。

首先，也是最核心的瓶颈，是数据困局。

"对于具身智能，当前用户的高期待和产品实际能力之间的差距，核心在于自主能力的不足，机器人还无法自主判断物理世界的状态，无法把接收到的指令和真实物理环境结合起来。所以现阶段最大的挑战，还是在算法与模型层，而算法模型迭代的核心'燃料'，就是数据。"李君兰指出。

然而，当下人形机器人落地场景极其有限，可用于训练的场景数据储备严重不足。即便不少企业已纷纷开展数据采集工作，但这项工作本身属于劳动密集型工程，且全行业尚未解决数据标准化的难题，导致采集到的数据往往碎片化、非结构化，难以形成高质量、可复用的训练集。

特别是真实工业场景中，有效数据获取成本极高，因为既要确保产线正常运转不受干扰，又要覆盖足够多的工况变量和异常情形，这对数据采集的系统性、安全性和代表性都提出了严苛要求。

而缺乏统一的数据接口、标注规范与共享机制，又进一步加剧了"数据孤岛"现象，使得各家企业不得不重复投入、各自为战，无法通过规模化协同加速模型进化。

这种"越缺数据越难提升能力，越难提升能力越难获得真实场景验证，越难验证就越拿不到高质量数据"的负向循环，正成为制约人形机器人从"演示可用"迈向"稳定可靠"的关键枷锁。

图片来源：它石智航

其次，是量产落地关：演示验证的是“能不能做”，量产拷问的是“能不能一直做好”。

人形机器人要真正进厂"打工"，对本体硬件精度、动作时延、传感器感知和系统稳定性的要求都非常高，而且本体企业还必须深入理解具体行业的工艺流程，而不能只把硬件产品交付给客户。

"例如产线上的视觉质检、点胶、装配等工序，往往要求机器人在固定工位上达到零点零几毫米的精度。总装线上的生产节拍非常快，一个零部件到达工位后，不可能等待机器人几秒钟再开始执行任务，所以工业场景对实时响应能力的要求非常高。"王显斌举例道。

然而现实情况是，本体企业往往精通硬件设计，却对垂直行业工艺流程缺乏深度理解；而掌握工艺的行业客户，又不熟悉机器人的技术边界与能力上限。双方的信息差，导致每落地一个场景，都要经历相当一段时间的适配调试，时间与人力成本极高。

要知道，对工厂来说，判断一台机器人是否有价值，标准恰恰就是效率和成本。

比如，人形机器人替代人工以后，连续工作多长时间不会出故障，投资回报周期是多少；在整个生命周期内，需要投入多少维护成本；一旦设备出现故障，是否需要工程师长期驻场……如果这些问题回答不了，进厂也是空谈。

最后，是硬件成本死结：没有规模效应，价格就下不来。

今年以来，尽管人形机器人领域降价呼声不断，松延动力的"小布米"更是以不足万元的售价，直接将入门门槛拉到了大众市场可触及的范围，但不可否认，这类产品更多主打市场尝鲜，主要是培育市场认知。

而对于真正的生产力型人形机器人，价格仍普遍接近10万元，甚至更高。比如宇树G1、众擎PM01、星尘智能T1起售价均在8.5万-9万元之间，奇瑞墨甲M1和乐聚Kuavo定价相对高一些，分别为28.57万元和30.81万元。更不用说高端产品，基本在40万元以上。

这背后，是硬件成本结构的刚性约束。

"从成本结构来看，人形机器人里面执行系统的占比最高，谐波减速器、灵巧手中的空心杯电机以及编码器等核心部件，合计约占整机成本的一半；六维力传感器、激光雷达等感知部件，大约占15%至20%；剩余部分主要包括动力电池、芯片及其他结构件。"王显斌表示。

这意味着，当前仅执行端的硬件成本，就锁死了整机的价格下限。

不过，乐观的一面是，王显斌认为，接下来人形机器人的成本曲线会与汽车产业高度相似——随着出货规模扩大和供应链逐渐成熟，硬件成本会自然下降，大部分核心硬件预计降幅可能达到40%-70%。特别是六维力传感器、灵巧手、激光雷达等部件，未来都有较大的降本空间，其中部分部件的成本可能下降一半。

"到2030年，预计规模化应用的人形机器人成本有望降到3万-4万美元。届时，如果人形机器人产品能力同步成熟，将有机会进入更多商业场景，甚至逐步进入家庭市场。"王显斌表示。

除了数据、工艺、成本这三座大山，人形机器人要真正大规模落地，还有一道极易被忽略的隐性门槛：安全。

素材来源：众擎机器人

按照当前的发展趋势，未来人形机器人落地后必然会实现人机共处，直接进入人类的工作与生活空间。如果这时一台人形机器人突然失控，踢到人或是打到人，后果可能非常严重。此前，已经发生过人形机器人在研发测试过程中误伤研发人员的情况。

信息安全同样不容忽略。机器人会持续与用户对话，并通过摄像头、麦克风等传感器采集环境信息。如何保证这些数据不被泄露，如何避免机器人输出恶意内容，甚至如何防止它们产生危害公共安全或国家安全的言论，都是未来必须解决的问题。

汽车产业链跨界入场，如何差异化布局？

尽管落地挑战不小，但人形机器人的应用场景足够广阔，因此除了具身智能创业公司，当前很多企业都在跨界布局，其中汽车产业链企业是最不容忽略的一股力量。

盖世具身智能梳理显示，目前在整车厂阵营，小米、小鹏、理想、奇瑞、广汽、东风、一汽等头部玩家都在积极推进人形机器人研发；在零部件企业阵营，均胜电子、德赛西威、拓普集团、三花智控、速腾聚创、黑芝麻智能等多家企业也在争相布局。

在王显斌看来，汽车供应链企业扎堆进入人形机器人领域，主要有三个原因：第一，很多汽车零部件和制造能力可以复用；第二，汽车产业已经形成了成熟的工程化、供应链和规模化生产体系，这些产能和能力可以向机器人领域外溢；第三，在汽车行业竞争加剧的背景下，大家也在寻找新的增长曲线。

但原因相似不代表路径相同。当大家蜂拥而入，如何形成自己的差异化布局优势？对此，王显斌给出了四种路线建议。

第一条路径，是从汽车部件到机器人硬件，技术积累直接落地。

汽车产业在传感器、执行器、热管理、电子电气架构上的技术积累，和人形机器人高度适配，而车规级的可靠性标准，也天然契合工业级机器人的严苛要求。这意味着很多汽车零部件企业不用从零开始，就能快速切入机器人核心赛道，在产业链中占据重要位置。

典型案例就是均胜电子，其在具身智能体大脑、电子皮肤、固液混合电池等方向的布局，本质就是汽车电子与动力部件技术的跨界延伸，围绕核心部件快速建立技术壁垒。

第二条路径，是场景+制造双输出，填补行业的工艺断层。

汽车产业另一个独一无二的优势，是自带真实落地场景和成熟制造体系。

场景端，车企自有工厂、线下门店、零售网络和售后服务体系，是人形机器人最佳的天然试验场。特别是汽车产线，工序标准化程度高、用工体量大、重复度高，非常适合人形机器人的小批量验证与快速迭代。

图片来源：小米技术

制造端，汽车产业成熟的供应链管理、品控标准、规模化生产能力，可以直接为机器人企业提供代工生产与工程化支持，解决本体企业量产经验不足、供应链管理能力弱的痛点。

因此，汽车企业可以扮演"场景定义者"的角色，把生产制造中的工艺经验开放出来，和本体企业共同定义产品、验证方案，从而填补当前行业"本体与工艺脱节"的核心短板。

第三条路径，是直接进入具身智能和AI终端市场。

当前，已经有一些整车企业和汽车零部件企业直接切入相关赛道，开始研发机器人、手机、AI眼镜以及其他智能终端。这种方式本质上是把汽车行业原有的平台化技术、研发体系、资金和人才资源，延伸到新的产品领域。

比较而言，这条路径的投入会更大，但对于具备资金、技术和产业资源的头部企业来说，却可能成为寻找"第二增长曲线"的重要方式。

第四条路径，是围绕汽车生态开展跨界协同创新。

汽车本身不仅是一种交通工具，还可以看作一个移动的能源节点、计算节点和空间节点。未来，机器人可以与汽车形成更深度的协同，创造一些过去没有出现过的新场景。

例如，从技术角度看，未来四足机器人可以成为移动电源，甚至移动的边缘计算节点，像AI Box一样为车辆补充感知范围和计算能力，并采集车辆之外的环境信息，进而支持大模型训练和场景应用。

从这个意义上说，汽车产业链的入局，并非简单的跨界“凑热闹”，而是带着成熟的制造体系、场景资源与供应链能力下场，给卡在量产门槛里的人形机器人产业，注入实打实的破局动力。

或许，这些动作不会立刻改写行业格局，但很可能会成为未来两三年，推动人形机器人从验证级出货走向规模化落地的关键外部变量。

说到底，人形机器人今天的"水分"，并不是毫无价值的泡沫，而是任何新兴产业初期的必经阶段。

从产业规律看，任何一款颠覆性硬件，都会经历"概念炒作—试点验证—成本下探—规模化落地"的完整过程，人形机器人亦不例外。

最终，能真正穿越周期的企业，或许不是演示做得最惊艳的那一家，而是能真正扎进行业场景里，把产品做稳定、把成本打下来、把ROI跑通的那一批。

毕竟对工业产品来说，最硬核的科技感，从来不是台上的一分钟表演，而是产线上日复一日的稳定运行。