跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

人形机器人走出演示厅进入工厂,供应链与数据缺口成拦路虎

据TechNode 9月29日援引IDC数据,2026年上半年中国出货人形机器人逾19000台,占全球交付量的77.9%。同一周,ANYbotics和Innodata的新品发布说明配套基础设施还有很长的路要走。

科技新闻林晓雯发布: 2026年10月1日7 分钟阅读资料来源 8
人形机器人走出演示厅进入工厂,供应链与数据缺口成拦路虎

全球人形机器人市场不再是研究演示。它已经变成出货数字。据TechNode 9月29日援引IDC数据,2026年上半年全球人形机器人出货量接近25000台,同比增长432.1%,其中中国占77.9%。IDC还把2030年的预测上调到75万台以上。

这是需求端。供应端要乱得多。

特斯拉CEO曾称Optimus可能是"史上最伟大的产品",但公司眼下连让最新版本下线都不容易。据Ars Technica 9月26日转述The Information的长篇报道,特斯拉弗里蒙特工厂自2026年5月起停产Model S轿车和Model X SUV,把产线工人和工程师调去生产Optimus。最新版本Optimus V3制造难度很大:产线设备难以精确对齐部件,产线开得太快又会带来限制。据报道特斯拉已把产能提到每周数百台,目标是在2026年底前超过每周1000台。

手、传感器与人这个变量

瓶颈是物理层面的。Ars Technica报道,Optimus的手掌和前臂合计装有100多个螺丝等小零件,必须由工人手工装配。手部触觉传感器一直不够可靠,特斯拉为此开发了一层类似手套的传感器,更换时不必换掉整只手。据报道机器人的AI能力仍不足以胜任通用作业;一位消息人士说,这些机器人需要在严格受控的环境里编程才能完成特定任务。

造机器人的工厂里还有人的问题。特斯拉让得克萨斯和加利福尼亚的工人穿上特制服装,记录他们的肢体动作用于模仿学习。The Information报道,一些工人抱怨说,他们"知道这些机器人最终就是为了取代自己"。特斯拉随后把数据采集交给专门团队,并设立了"训练中心"。

供应链同样绕不开中国。The Information报道,特斯拉在多种机器人部件上仍依赖中国供应商,尽管特朗普政府努力提振本土供应链,这种依赖依然存在。7月,美国联邦通信委员会禁止进口新的外国制造机器人,包括人形机器人和四足机器狗。

遇到困难的不止特斯拉。据Ars Technica,现代计划在未来几年内部署最多25000台由波士顿动力开发的Atlas人形机器人,丰田计划投入数十亿资金用机器人升级工厂,其中包含部分人形机器人。总部位于俄勒冈州的Agility Robotics最早把机器人投入GXO Logistics在亚特兰大地区的一处仓库使用。

硬件背后的数据墙

每个机器人团队都会撞上同一堵墙:真实世界的交互数据不够,已有的数据又贵又慢。Innodata开设动作捕捉实验室,正是为了解决这个问题,The Robot Report 9月30日报道了这一消息。这家总部位于新泽西州里奇菲尔德帕克的数据工程公司表示,该设施将为人形机器人、工业机器人及其他物理AI生成训练数据,并独立验证机器人内部生成的性能数据。

"物理AI的增长速度超过AI的任何其他细分领域,但每个机器人团队都会撞上同一堵墙:真实世界的交互数据不够,已有的数据又贵又慢,"Innodata CEO Rahul Singhal表示,"这个设施把这堵墙拆掉了。"

Innodata机器人与物理AI副总裁Franklin Tanner对The Robot Report说,大语言模型受益于互联网上的海量数据,机器人却没有同样规模的物理世界语料。"物理AI只能一次一次交互地挣token,而且每一次都必须有明确目的,"他说。实验室与动作捕捉专业公司Vicon合作开发,使用红外光学跟踪相机,测量精度达到亚毫米级。Tanner举了让机器人拿杯子的例子:多数人会抓杯柄,但抓杯身也行,除非杯子里装的是滚烫的液体。语境很重要,而现有的数据集并不总能记录语境。

这个缺口解释了为什么2024年成立于圣克拉拉的Maven Robotics从任务出发,而不是从形态出发。CEO Hamza Derbas 10月1日对The Robot Report说,人形机器人公司"先从人的形态入手,再倒过来找一个要解决的问题"。Maven转而造了一台轮式移动操作机器人,占地小,能穿过门,伸展距离最远3米(9.8英尺),可搬运30公斤(66.1磅)负载。据Derbas说,它的机器人每天运行16小时,每周五天,正常运行时间最高达99%。公司已融资1亿美元,上个月完成A轮。

Maven最初的两种作业是混合箱码垛和周转箱搬运。Derbas说,公司先部署机器人自动化一项任务,从这次部署中改进运营,再推进下一项任务。"泛化是一个过程,可靠性不是,"他说,"可靠性从第一天起就必须具备。"

平台、零件与巡检层

配套软件层也在整合。ANYbotics 10月1日推出ANYbotics Shift,这是一个云平台,用于调度ANYmal四足巡检机器人机队,并把它们采集的热成像、声学、视觉和气体读数转化为SAP、IBM Maximo和GE Vernova APM等企业系统里的工单。这家总部位于苏黎世的公司表示,未被发现的故障每年给全球500强企业造成约1.4万亿美元的停机损失,单次停机一小时平均损失25万美元。

ANYbotics联合创始人兼CEO Péter Fankhauser在声明中说,机器人巡检"在现场数据直接流入维护行动时价值最大"。公司表示,Shift首次部署不需要企业系统集成,培训只需几天而不是几周,其学院已培训超过1000名用户。

力和力矩传感是下一个受关注的硬件层。据The Robot Report,ForceN创始人兼CEO Robert Brooks将于10月20日在圣克拉拉举行的RoboBusiness 2026上就此做一场速成讲座。这家公司为手术、物流、航天、人形、核能和食品机器人设计传感器,Brooks说他会总结过去三年与全球许多顶尖人形机器人公司合作的经验。

欧洲的另一条路

并非所有人都认为完全拟人的形态是答案。那不勒斯费德里科二世大学自动化和机器人学教授、2024年IEEE机器人与自动化学会先锋奖得主Bruno Siciliano 10月1日对《24小时太阳报》说,欧洲应当发展一种围绕人机交互而非替代的物理AI模式。他举宝马重新考虑在南卡罗来纳工厂使用Figure AI人形机器人为例,说明投资回报不足。"完全拟人的版本,连腿一起,在工业厂房里并不总是高效,原因在于成本、稳定性以及在特定空间里的移动灵活性,"他说,并补充说固定底座加两条手臂,或者轮式机器人,可能更简单。

Siciliano和euRobin网络的国际专家9月初在布鲁塞尔的欧洲议会讨论了一部基于AI的机器人法,主张参照《芯片法案》设定300亿欧元预算,到2035年占据全球市场33%的份额。他也反对一概拒绝中国硬件。"如果技术真正开放,我看不出有什么障碍去使用中国硬件,再在其上开发意大利或欧洲的技术,"他说。

本土市场也在做自己的实验。据The Robot Report 9月29日报道,横跨旧金山和巴黎的初创公司Flourish开始销售Flourish One,这是一款售价3555美元的轮式人形家用机器人,早期用户只用一部智能手机就能在30分钟内教会它新家务。首批50台手工打造,机载Raspberry Pi,训练和更高层推理由云端GPU完成。每条手臂负载1.5公斤(4磅),电池按手臂运行12小时设计。它不会洗碗,也不会给狗洗澡。它会收拾整理、处理垃圾、擦桌子。

这就是当下市场的形状:中国出货量创纪录增长,特斯拉制造端摩擦不断,较小的厂商推出新的数据和机队平台,欧洲的政策推动明确不把一切都押在腿上。数字说明人形机器人正在出货。报道说明难的部分仍在工厂车间。

评论 0

资料来源

8
  1. 01China accounts for 77.9% of global humanoid robot shipments in H1, IDC saysEN
  2. 02Tesla workers balk at training Optimus humanoid robots as replacementsEN
  3. 03Innodata opens motion-capture lab to help humanoids move more like peopleEN
  4. 04How Maven Robotics plans to automate industrial work, one task at a timeEN
  5. 05ANYbotics launches Shift to streamline robot fleet operations, scale inspectionsEN
  6. 06Umanoidi, il professore di robotica Bruno Siciliano: «L'Ue punta sull'interazione tra uomo e macchina»IT
  7. 07Meet Flourish One, the Raspberry Pi-powered humanoid built for busy parentsEN
  8. 08ForceN to give a crash course on force and torque sensing for humanoids at RoboBusinessEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。