Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Fabryka UBTECH w Liuzhou produkuje humanoida co 10 minut, choć rynek wciąż jest mały

Fabryka UBTECH w Liuzhou, otwarta 12 września, ma wytwarzać ponad 10 000 robotów-humanoidów rocznie, produkując jeden egzemplarz co 10 minut. To zdolność produkcyjna, która przewyższa ok. 7 000 humanoidów sprzedanych na świecie w 2025 roku, jak podaje Interesting Engineering.

TechnologiaAnalizaMarta ZielińskaOpublikowano: 1 października 20264 min czytaniaŹródła 6
Fabryka UBTECH w Liuzhou produkuje humanoida co 10 minut, choć rynek wciąż jest mały

Chiny dostarczyły ponad 19 000 robotów-humanoidów w pierwszej połowie 2026 roku, co stanowiło 77,9% globalnych wysyłek. Dane przytacza TechNode, powołując się na IDC z 29 września. Światowa sprzedaż sięgnęła niemal 25 000 sztuk, co oznacza wzrost o 432,1% rok do roku.

To popyt, pod który projektuje się zakład w Liuzhou. Obiekt o powierzchni 14 000 metrów kwadratowych w regionie Guangxi składa jednego robota co 10 minut na liniach Walker S i Cruzr. Według Interesting Engineering taką wydajność zapewnia elastyczna konfiguracja mieszanej linii, pozwalająca kilku modelom humanoidów korzystać z tego samego pasa produkcyjnego. Każdy gotowy egzemplarz wymaga ponad 2 000 śrub o różnych specyfikacjach, a każda jednostka otrzymuje unikalny numer seryjny powiązany z źródłami komponentów, parametrami montażu i zapisami z kontroli jakości.

UBTECH opracował zakład we współpracy z Siemens Digital Industries Software. NDTV, cytowane w tym samym zestawieniu, poinformowało, że każda jednostka przechodzi ponad cztery godziny testów oraz inspekcję optyczną 360 stopni. Automatyczny magazyn mieści 112 robotów na 65 metrach kwadratowych. Samochody widłowe bez kierowcy i pojazdy zautomatyzowane (AGV) transportują części i gotowe jednostki po terenie zakładu, podczas gdy roboty Cruzr zajmują się rozpaletyzowaniem, paletyzowaniem i załadunkiem materiałów. Podana roczna zdolność produkcyjna to cel projektowy, a nie niezależnie zweryfikowana produkcja.

Zdolność produkcyjna kontra mały rynek

Rozbieżność między tą przepustowością a rzeczywistym popytem to centralny punkt napięcia. Globalne sprzedaże robotów-humanoidów wyniosły w 2025 roku zaledwie około 7 000 sztuk, według Międzynarodowej Federacji Robotyki, cytowanej przez Adalytica 28 września. Sama UBTECH przygotowuje się do rocznej produkcji, która przekracza całkowite globalne sprzedaże rynku z ostatnich lat.

Własne dane UBTECH pokazują obie strony medalu. Firma dostarczyła 921 pełnowymiarowych humanoidów w pierwszej połowie 2026 roku, generując 1,27 mld juana przychodu, ale odnotowała stratę w wysokości 339 mln juana, podała Adalytica. Wiele humanoidów kupuje się wciąż do celów eksperymentalnych, a nie na linie produkcyjne. Oznacza to, że wykorzystanie mocy fabrycznych zależeć będzie od tego, czy producenci, grupy logistyczne i klienci przemysłowi uznają maszyny za wystarczająco niezawodne, by uzasadnić ich wdrożenie.

Pang Jianxin, wiceprezes UBTECH, powiązał ten kamień milowy z lokalnymi łańcuchami dostaw. „Bez chińskiego łańcucha dostaw masowa produkcja złożonych komponentów byłaby ekstremalnie trudna, chyba że całkowicie porzucilibyśmy przewagi kosztowe” – powiedział Pang, cytowany przez Infomance. Dodał, że chińska robotyka czerpie korzyści z „bardzo silnej bazy łańcucha dostaw, zdolności produkcyjnych, a także siły badań i rozwoju”.

Linia w Liuzhou to nie jedyny sygnał, że sektor przechodzi od pilotaży do produkcji. W osobnym ujawnieniu, tracker wdrożeń Axis Intelligence zliczył osiem odrębnych wdrożeń humanoidów w źródłach pierwotnych na dzień 26 września, z czego pięć potwierdzonych przez operatorów, a nie tylko przez dostawców. Tracker odnotował też Optimusa Tesli jako udokumentowane niewdrożenie, wskazując, że własny dokument Tesli wymienia program w lokalizacjach w Kalifornii i Teksasie ze statusem „Budowa” i nigdy nie opublikowano liczby jednostek w raporcie produkcyjnym.

Jak wygląda problem danych z New Jersey

Wdrożenie to jedna z wąskich gardeł. Dane treningowe to kolejna. Innodata otworzyła laboratorium motion capture 30 września, ogłaszając, że będzie przechwytywać ruch 3D bezpośrednio z ciał, zamiast wnioskować go z wideo 2D, oraz niezależnie weryfikować dane o wydajności generowane wewnętrznie przez roboty.

„Fizyczna AI rośnie szybciej niż jakikolwiek inny segment w AI, ale każda drużyna robotyczna natrafia na tę samą ścianę: brakuje wystarczającej ilości danych o interakcjach w świecie rzeczywistym, a te, które istnieją, są drogie i powolne w produkcji” – powiedział CEO Rahul Singhal w ogłoszeniu. Franklin Tanner, wiceprezes Innodata ds. robotyki i fizycznej AI, powiedział dla The Robot Report, że „fizyczna AI musi zasłużyć na swoje tokeny jedną interakcją za razem”.

Laboratorium, zbudowane we współpracy z Vicon, wykorzystuje kamery śledzenia optycznego w podczerwieni, które według Innodata mierzą ruch z dokładnością do poziomu submilimetra. Tanner wskazał też na lukę, której żaden obecny zestaw danych nie zamyka: „Nie mamy teraz danych treningowych, w których ludzie i roboty interakują” – powiedział.

Pomimo całej przepustowości eksponowanej w Liuzhou, to ta część stacku wciąż wymaga zdobycia.

Komentarze 0

Źródła

6
  1. 01China accounts for 77.9% of global humanoid robot shipments in H1, IDC saysEN
  2. 02UBTECH Opens High-Volume Humanoid Robot FactoryEN
  3. 03UBTECH Opens Humanoid Robot Factory in LiuzhouEN
  4. 04This Country Just Opened a Humanoid Robot Factory Where Robots Help Build Other RobotsEN
  5. 05Humanoid Robot Deployment Tracker 2026: Every Verified Factory and Warehouse DeploymentEN
  6. 06Innodata opens motion-capture lab to help humanoids move more like peopleEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.