2026年除夕夜，宇树、松延动力、银河通用、魔法原子同时登上央视春晚。醉拳、空翻、拟人互动，时隔一年，人形机器人再次成为全民热点；京东平台上，相关产品的搜索量和订单量也在短时间内迅速上升。

这不是一笔便宜的合作。据36氪报道，四家企业的春晚合作报价在6000万至1亿元之间，部分独家权益甚至高达5亿元。对尚未盈利的初创公司而言，这笔钱接近研发团队一年的成本。不过，它们赌的并不是京东平台短期的搜索和销量，而是资本市场的估值。

这笔账已有先例：2025年春晚，宇树科技一家独秀，随后全年出货超过5500台，公司估值飙升至120亿元，IPO辅导也迅速启动。从这个角度看，春晚的回报其实非常可观的。

这当然也不只是企业行为。“十五五”规划草案将“具身智能”列为六大未来产业引擎之一，国家级AI产业投资基金规模约600亿元，工信部也同步发布了人形机器人首个国家标准体系。

当前这股机器人热潮，是多重力量叠加的结果：国家在“AI+”框架下将其纳入未来产业范围，地方政府把机器人视为新的增长引擎，资本市场把具身智能当作下一轮技术叙事；机器人企业借助国家级舞台争夺订单与政策资源，公众则再次通过春晚这一高度直观的舞台，看见“新质生产力”的大国气势。

当前这股机器人热潮，是多重力量叠加的结果：国家在“AI+”框架下将其纳入未来产业范围，地方政府把机器人视为新的增长引擎，资本市场把具身智能当作下一轮技术叙事；机器人企业借助国家级舞台争夺订单与政策资源，公众则再次通过春晚这一高度直观的舞台，看见“AI进入物理世界”的想象，以及“新质生产力”的国家叙事。

政策方向、资本叙事、企业野心与公众期待，在除夕夜的舞台上同时被展示出来。

问题也随之而来：中国的人形机器人产业究竟走到了哪一步？当前的热潮，究竟是技术突破、产业竞争，还是一种政策与资本共同塑造的未来想象？而当机器人真正进入工厂、仓库与公共空间，它又会如何改变企业的成本结构、就业形态，以及普通人的工作与收入？

01

优势：成本与产能

按麦肯锡的标准，人形机器人真正要跨过的是四道门槛：无围栏安全、持续运行时长、操作与移动能力，以及系统性降本。春晚能够证明的，主要是运动控制、多机协同和故障恢复；但长时间稳定运行、灵巧手作业、维护成本以及商业能力，都无法在这样的场景中得到验证。

换句话说，春晚以及类似德国总理访华时展示的“武术机器人”，其实并不能代表机器人的典型能力。

春晚舞台上最惊艳的，依然是预设程序下的动作控制。宇树团队透露，仅空翻一个动作就迭代了300多个版本；26台机器人在钢化玻璃地面上的同步误差被控制在0.1秒以内。但这一切都发生在高度受控的舞台环境中，动作全部是定制化预编程。

从订单结构上看，这一点更清楚。2025年上半年，中国人形机器人中标项目中约76%仍属于教育和科研类，真正进入工业和消费级落地的比例不到四分之一；与此同时，国家和地方政府在人形机器人及相关技术上的招标金额在近两年快速上升，也说明当前市场需求中仍有相当一部分带有政策培育的性质。

因此，在今天，最先创造价值的场景很可能不是开放环境中的复杂装配，更不是家庭保姆式应用，而是巡逻、表演、教育等项目。

所以，在2026年春晚这个时间点，对中国人形机器人行业的判断，或许不应是“已经拥有通用机器人”，而是“已经成为全球最强的人形机器人工业化平台”。

中国真正领先的，依然是成本与产能。

电影《我，机器人》

02

强在“身体”和部署；短在“大脑”、手和可靠性

如果把视线从舞台挪到产业链，我们可以更清楚地理解中国机器人的能力结构。摩根士丹利把人形机器人价值链拆分为大脑（Brain）、身体（Body） 和集成与部署（Integrator ）三段。按这个框架看，中国还没有做到每一环都全球第一，更像是能够把尚不完美的技术迅速工业化、并压低成本的完整产业生态。

IFR数据显示，2024年中国占全球工业机器人（并非人形机器人，但产业链高度重叠）安装量的54%，在用工业机器人超过200万台，本土厂商在国内市场的份额也已升至57%。这意味着，在工业机器人领域，无论产业基础、密度还是增速规模，中国都处在全球最前列。

中国的优势首先体现在身体（Body）一侧，也就是机器人实体本身：关节、电驱、传感器、结构件、电池等硬件系统。人形机器人与电动车、消费电子和工业机器人在部件、精密制造和供应链组织上高度重叠，这使中国企业能够非常快速地进行硬件迭代，把一台尚不完美的样机迅速推入工厂试点。

行业人士普遍认为，中国已经能够制造人形机器人约九成的零部件，而且本地供应商响应极快，这是许多国家难以复制的工业密度。像宇树 G1 将整机价格压缩到约1.35万美元的案例，也说明中国在机器人本体降本方面确实具有难以比拟的优势。

但“供应链全面覆盖”并不等于“每一环都成熟”。宣传片和春晚里的动作，并不是最关键的指标；更重要的是关节寿命、批次一致性、维修成本等工程指标。2025年北京半马机器人赛上，多台机器人跌倒、碰撞甚至停机，就暴露出视频呈现与现场可靠性之间的差距。精密减速器、高端机床等关键环节，中国仍未达到可以“全面领先”的程度。

灵巧手则是另一条重要分水岭。过去几年，消费者很容易因为机器人跑跳、翻跟头等动作而高估“腿”的重要性，却低估了“手”。会走、会跳，与会抓、会拧、能够在触觉与力控反馈下连续完成复杂手部操作，并不是同一难度等级。真正决定人形机器人价值的，恰恰是手——因为人类绝大多数精密操作，都依赖双手完成。

在这一领域，中国在供应商密度、原型迭代速度和成本压缩上进展很快，但工业级耐久性和泛化能力仍未完全被证明。美国 Figure AI 在 BMW 工厂进行的11个月试点中，完成过9万多个零件搬运，这样的案例看起来已经接近“真实部署”；但即便如此，它执行的仍然是高度结构化的单一任务，而且根据报告，其前臂仍是故障率最高的部位。这说明，即便是全球第一梯队的灵巧手技术，产业仍处在从原型机走向窄场景部署的阶段。

中国更大的结构性短板在大脑（Brain）。但这并不只是“少一块芯片”那么简单。人形机器人面临的核心难题，是高质量具身数据远比训练大模型所需的文本数据更稀缺。机器人并不是简单编程一个武术动作，而是需要形成通用的全身控制能力，尤其是在跨任务、跨环境时仍能迁移使用。这一过程中很容易出现泛化不足，也就是无法覆盖新的真实情况。

同时，训练、仿真与部署所依赖的高端算力、EDA、先进工艺以及部分软件工具链仍然依赖西方。今天大量中国企业仍使用 Nvidia 的 Isaac Sim、Cosmos、GR00T 与 Orin 生态，这意味着瓶颈并不仅仅在推理芯片，而是贯穿整条技术体系，这一点与 AI 产业的结构有相似之处。

中国的优势在于，它比许多国家更容易把机器人推入工厂、仓储和测试场：以部署换数据，再用数据反哺模型。但谁能够把这些数据真正沉淀为跨场景、跨任务、持续进化的控制系统，今天仍没有定论。

因此，对中国人形机器人产业链最中性的概括或许是：中国强在 “身体”段和 “集成与部署”段的广覆盖能力，强在部署速度和降本能力；短板则更多集中在芯片、算法、高端软件、工业级灵巧手、无围栏安全以及长时可靠性。

美剧《爱，死亡和机器人·第一季》

03

为什么各国都押注人形机器人？

各国押注人形机器人，并不是因为它天然就是最高效的机器人形态。很多人都会想到：机器人未必一定要是人形。仓库里，轮式底盘更快；手术台上，专用机械臂更精准；管道里，蛇形机器人也更合适。

但人形机器人也并非一种臆想。真正吸引政策制定者和资本的地方，在于它最像一种“通用劳动接口”。楼梯、门把手、货架、工具和工作台都是按人体尺度建成的，因此，人形机器人最容易被想象为可以直接嵌入既有空间和岗位体系的通用平台——不必完全重构居住环境和生产空间，就能部署新的劳动力。

中国之所以在2026年前后把人形机器人推到这样的位置，并不只是技术成熟或企业意志的结果，而是多种力量共同推动的结果。其中既有国家目标，也有地方政府、企业融资和舆论传播的因素。

国家希望把中国在AI领域的优势进一步放大，从“对话模型（LLM）”延伸到制造、物流、医疗和公共服务等实体生产力领域，这是AI与制造业结合的一种自然延伸。从 Tesla 的布局中，也能看到类似的方向。地方政府需要的是一个既能对接中央产业优先级，又能带动园区建设、产业基金和配套企业的新投资增长点。企业则希望借助国家级舞台争取订单、补贴和融资。公众也第一次如此直观地看到“AI进入物理世界”的画面，于是政策和产业叙事被转译成未来想象与国家能力的象征。

但机器人的战略意义，远不止产业本身，它还涉及制造业竞争力、人口老龄化、技术主权以及地缘政治竞争。

中国面对的是制造业大国与人口老龄化同时到来的局面：到2050年，劳动年龄人口预计将减少2亿以上，而60岁以上人口将超过4.3亿。与此同时，中国几乎没有把大规模移民作为劳动力补充的政策选项。在这种约束下，人形机器人要解决的问题就不只是“替代人工”，而是把AI变成真实的物理生产力，使制造业在劳动力减少之后仍能维持运转。如果中国能够完成向人形工业机器人的过渡，那么后发国家如印度和越南的人口红利优势就不再那么明显。

除了对冲人口结构变化，人形机器人也被视为中美科技竞争背景下下一代工业平台标准权的潜在争夺点。结合前文对产业结构的分析，这条竞争路线其实很清晰：美国在基础模型、芯片、仿真软件和资本市场方面更强，在技术上拥有全面优势；日本和韩国则在高性能机电系统以及养老、护理等特定场景上积累深厚，很多领域已有15年以上经验。

中国的独特之处，并不在某一项单独技术，而在于能够在国家政策推动下，把硬件制造、地方试点与整机集成快速推进并形成规模。换句话说，中国更像是在工业机器人既有基础上，借用类似电动车产业的组织方式，押注具身AI这一新平台，希望最终在制造端形成产业控制力。

因此，人形机器人的竞争，很可能表现为美国补足制造能力短板与中国补足芯片和基础技术短板的相互追赶。

在最宏大的愿景中，AI加持的人形机器人被期待成为一种具有泛用能力的平台技术。正如AI模型可以同时应用于个人生活、商业活动、政府治理乃至军事领域，人形机器人也被寄予类似的“泛化”想象，因此逐渐被视为技术主权与地缘政治竞争的重要节点。

但也正因为这种想象的存在，人们很容易把它误读为短期现实。如果类比AI的发展，人形机器人距离类似2023年 ChatGPT-4 那样的突破性时刻仍然很远。

未来三年，普通人仍不太可能在日常生活中大规模看到人形机器人，尤其是在家庭环境中。但在工厂、仓储、园区、医院后勤、养老机构以及公共服务空间中，试点和测试场景很可能会越来越多。在这些环境里，人形机器人短期内不太可能完全替代人类，而更可能以“同事”的姿态出现。

电影《机械姬》

04

比失业更早到来的，是工作的重组

人形机器人的大规模使用，大概率会发生。但真正困难的，不是把它造出来，而是当冲击真正落到社会层面之后，收益和成本将如何重新分配。

长期看，人形机器人确实可能缓解招工难、老龄化和危险作业带来的压力；但在那之前，它最先冲击的，往往是制造、物流、后勤等流程中的普通劳动者。而且，这种冲击未必是公众最容易想象的那种“大裁员”。更常见、也更早发生的，其实是岗位重组、管理强化和工资压制。

企业通常不会先整批裁人，再去购买机器人。更常见的顺序是：先把岗位拆分，再把其中可编码、可标准化的任务交给机器人完成，由机器人和少量人类共同协作。比如在餐厅里，机器人负责“从出餐口移动到指定餐桌”这一段物理位移，人类服务员则被重新定位，专门负责把菜从机器人托盘端上桌，以及处理顾客的突发需求。

对企业内部而言，最先发生的是岗位重组，会出现一批专门与机器人配合的新岗位。比如物业公司购买大型自动洗地机器人后，原本负责大面积推拉拖把的保洁员，不再做整片区域的清洁，而是被分配去操作和维护机器：加水、倒污水，并手持抹布跟在机器人后面，专门擦拭机器人进不去的地漏死角和墙角。

类似的岗位正在变多。BMW德国丁戈尔芬工厂引入协作机器人（cobot）后，产线上出现了一种以前并不存在的角色——“cobot shepherd”（协作机器人看护员），专门负责重新校准机器人、处理异常停机，并在人机动作之间做缓冲和调度。

对这批劳动者而言，工作感受也会随之变化，甚至可以说，人的工作本身也在被“机器人化”。亚马逊的 Kiva 系统就是一个典型例子。过去，拣货员需要在货架之间走动，还保有一定的身体自主性和休息间隙；而在“货找人”模式下，拣货员被固定在工位上，由机器人把货架搬到面前。工作节拍被不断压紧，机器人持续不断地送来货架，人类必须在系统规定的几秒内完成“拿取、扫码、放入打包箱”的动作。

到了下一阶段，入门岗位会逐渐缩减，企业招聘会首先收缩，青年就业更难，工资增长也会被压平。裁员反而往往来得更晚，也更有选择性。这比简单地说“机器人替代工人”，更接近真实发生的过程。

电影《我，机器人》

在这个过程中，传统社会保险体系可能很难有效应对。

第一，失业保险更擅长处理“正式失业”，但自动化首先制造的，常常不是失业本身，而是工时缩水、招聘冻结、自然减员和外包转移。当机器人大面积造成人类工作的“腐蚀”时，传统保险未必能覆盖这些变化。

第二，社保缴费高度依赖工资性收入，而自动化一方面减少新增劳动，另一方面压低劳动收入，也会同步削弱缴费基数。这就形成了一种悖论：技术性失业越需要更多保障，社保体系的资金基础反而越可能被削弱。

第三，劳动仲裁更容易处理显性的违法解雇，却不擅长处理岗位改写、算法管理、绩效淘汰，以及灰色地带中的职能替代。

换句话说，大规模失业也许还没有到来，社保体系就可能已经难以应对这种对工作的持续侵蚀。围绕“机器税”或“生产率收益附加费”的讨论之所以出现，正是因为现有社保融资结构很难自动承接这类变化。不过，这类方案距离现实仍然很远；更近的现实，反而可能是为了推动机器人产业发展而实行的减税政策。

这当然会是一场剧变。AI替代白领，机器人替代蓝领，而人形机器人与大模型的结合，意味着这两种冲击正在合流。

人类将往何处去？这是个问题。

面对这种局面，最常见的建议是“终身学习”和“提升技能”。但这类建议往往过于抽象，也暗含一个未必成立的前提：只要个人足够努力，就能跑赢技术替代的速度。现实是，对大多数人来说，个体努力远远赶不上政策和企业的超大规模投入。

但至少在眼下，个体去学习如何与 AI 和机器人协作，去成为 prompt engineer、agent engineer，或者成为 cobot shepherd（协作机器人看护员），也许就是眼前最实际的方法。