一、先把数字对齐：2.2万、2.5万还是4万台？

1.1 口径分歧本身就是产业信息

讨论"量产元年"之前，必须先承认一件事：目前不存在一个统一的口径。同一段时间里，四家机构给出了四个差异显著的出货数字——Smart Analytics Global 约1.91万台、Counterpoint Research 逾2.2万台、IDC 接近2.5万台，而中国电子学会在《2026人形机器人产业发展报告》中给出的中国上半年出货超过4万台、占全球97%。差距不是统计误差，而是三个维度的定义分歧：什么算"人形机器人"（是否纳入小型/轻量型与轮式构型）、按什么时点计（出厂、交付还是签收）、是否计入消费级与教育科研机。

这种口径分歧对经营决策并非噪音。企业在对标行业数据时若直接引用最激进的口径，会把行业增速高估一倍以上；而若只看 IDC 口径，又会低估中国供应链的实际产能弹性。更稳妥的做法是同时盯住两个指标：出货量的同比增速（四个口径一致指向3—5倍），以及场景结构（决定这些机器是否真的在干活）。

1.2 一致的部分：增速与市场盘子

抛开口径，几组数字是一致的。IDC 给出2026上半年全球市场规模超过7.4亿美元、同比增长322.7%；TrendForce 预测全年全球出货5.1万台、较2025年不足1万台暴涨717%；高工机器人产业研究所（GGII）对国内出货的预测为6.25万台；工信部则预计中国全年整机产量有望突破10万台。摩根士丹利年内第二次上调预测，把中国2026年出货量看到5万台、市场规模20亿美元，并预计2030年扩至150亿美元、年出货44.6万台。

把具身智能作为更大盘子看，中商产业研究院测算中国具身智能市场规模2025年约9150亿元、2026年预计达10904亿元，相关企业已突破万家；工信部口径为全年中国具身智能市场规模突破110亿美元。但这里要提醒一个常见的认知偏差：在《中国具身智能产业发展报告（2026）》的结构拆分中，工业机器人约45%、服务机器人约25%、特种机器人约15%，人形机器人仅约5%——"人形=具身"是当下最大的认知误导，专用机器人已经先跑通了经济账。

二、供给端：万台级量产与成本坍塌

2.1 头部厂商的产能竞赛

产能侧的三家头部给出了清晰的时间线。智元机器人2026年3月底宣布第1万台通用具身机器人下线（距千台里程碑用时不到4个月），6月推进至第1.5万台，上半年出货约9700台（Counterpoint 口径）或约8400台、全球份额约44%（Smart Analytics Global 口径）。宇树科技2025年出货超5500台、全球市占32.4%，是赛道首家全年盈利的整机企业，2026年目标1万—2万台，IPO 募投项目规划7.5万台年产能，并于8月19日在科创板上市、首日收盘涨约460%。优必选2025年工业人形机器人交付超1000台、订单总额近14亿元，其柳州万台级超级智慧工厂按设计节拍每10分钟下线1台整机。

更具标志意义的是大客户进场。国家电网2026年印发专项规划，计划采购8500台具身智能设备、总投资68亿元——这一量级首次把人形机器人从"科研消费品"推向"产业刚需"的采购清单。但产能不等于交付：优必选 U1 系列全渠道订单突破13361台、单价16.98万元，创始人周剑亦坦言这种规模量产的难度"在人类制造史上都罕见"，仅头部就含2000—3000个零部件，产能爬坡、良率控制与交付一致性都是硬考验。MIR DATABANK 也提示，优必选出货排名一度滑落至第四，往往意味着库存积压或交付节奏偏慢。

2.2 成本坍塌的四个来源与两道暗礁

价格下探并非促销，而是产业级成本重构。其一是规模化产线摊薄固定成本；其二是核心零部件国产化——伺服电机、减速器、控制器等关键部件国产化率从不足50%升至90%以上，一台全身40个自由度的机型光关节硬件成本就能省下五六万元，精密减速器与行星滚柱丝杠单价从上万元降至千元级、降幅超60%；其三是技术路线收敛，一体化关节把电机、减速器、编码器、驱动器高度集成；其四是厂商以低价机型换取场景与数据的生态卡位。

结果是整机价格带整体下移：两三年前工业级人形机器人造价需十几万甚至二十万美元，2026年已降至15万—30万元人民币，部分轻量化型号跌破10万元。摩根士丹利预计2026年平均售价还将下降约15%，乐聚 Kuavo 全尺寸机型均价2025年已下降26%至约4.6万美元。中研普华则从供应链角度给出对比：脱离中国配套体系的人形机器人成本约13万美元，接入后可降至约3万美元、降幅近七成。

三、需求端：谁在真正买单

3.1 场景结构是量产成色的照妖镜

出货量高增长背后是尴尬的场景结构。Counterpoint Research 数据显示，2026上半年娱乐与商业表演、科研教育与数据采集合计仍占全球出货的60%以上，智能制造仅13%、仓储物流仅5%——真正进厂进仓干活的比例不足两成。宇树招股书给出了更直白的佐证：2025年前三季度其人机机器人相关收入中超过70%来自科研教育，真实行业应用仅约9%。这意味着当前相当比例的出货，仍是开发者买一台机器人做二次开发，而不是企业买一台机器人去干活。

但另一侧，一批机器人确实已经上岗，且给出了可量化的指标：广州邮区中心的具身智能机器人经过5个多月优化，供件效率从最初每小时300件提升至最高1200件、准确率超过95%、可24小时不间断作业，目标今年第四季度达1400件/小时、明年一季度1600件/小时；北京亦庄一家汽车工厂内，单一工站成功率可达98%；银河通用（Galbot）的机器人已进入二十多个城市的药店，接到数字订单后从货架取药、约1分钟完成一件，成功率95%以上；机器人时代（Robot Era）与顺丰、中国邮政合作，在五个省级区域的十余个物流中心实现常态化运营。共同点是环境相对结构化、任务可度量、且往往对应夜班或高强度工位——这正是回本账能算平的地方。

3.2 三道闸门与租赁模式的兴起

行业内部对商业化的判断高度一致：从演示到交付要过三道闸门——能把任务做一次、能稳定重复、以及能把一次性项目变成可复制产品。交银国际的表述是，行业正从"展示能力"转向"证明价值"，商业评估指标向效率、稳定性与 ROI 收敛。租赁是这一转变的产物：人形机器人场景应用联盟统计显示，全品类机器人租用订单同比增长419.3%，陪伴型人形机器人订单增长980%。租赁把采购逻辑从"项目制"改成"试用制"，既降低了企业的试错门槛，也让真实场景数据更快回流。

长期预测则存在显著分歧，这正是判断拐点的关键变量。IDC 预计2030年全球出货超75万台；摩根士丹利给出2030年年出货44.6万台；高盛相对保守，预计2027年7.6万台、2032年50.2万台，大规模部署在2027—2029年逐步展开；Interact Analysis 则把商业化拐点放在2032年之后，认为2035年前难以出现多领域普及。分歧的本质是对"模型泛化速度"与"数据飞轮效率"的不同假设，而非对产能的怀疑。

四、资本与政策：从"讲概念"到"看交付"

4.1 融资总额创新高，但考察指标换了

资本仍在加码，且规模创历史新高：2026年上半年国内具身智能赛道融资总额突破935亿元、同比增长5倍；中研普华的口径为上半年披露融资超460亿元、涉及226家企业288起事件；IT桔子与CENTI统计仅2026年第一季度就披露融资超50起、累计突破200亿元、同比增长近60%。另有研究口径称具身智能企业累计融资已超1072亿元，CR5为34%、CR20为69%，集中度尚不高。

但投资逻辑已经变了。能否完成工程化交付、实现规模化应用、是否具备持续获得订单的能力，成为机构重点考察的指标；资本正在从"押注技术路线"转向"押注交付记录"。这一转向会加速首轮洗牌：操作能力的改进速度受限于模型、数据与算力，越早获得真实部署机会的企业，越能通过"部署—采集数据—模型迭代—任务能力提升"的循环建立优势，落后的初创企业在行业加速期更难追赶。

4.2 政策从"给补贴"走向"下采购令"与"定标准"

政策工具也在换代。2026年2月发布《人形机器人与具身智能标准体系（2026版）》，把原本各自为战的软件接口与硬件路线统一到量产、测试、出海的协同路线上；工信部起草的指南提出到2028年至少制定100项关键标准，覆盖能力测试、技术、系统、应用场景与安全治理，预计200余家企业参与实施。更具约束力的是采购指令：2026年6月，工信部与国资委联合启动"2026年度人形机器人与具身智能实景实训专项"，要求地方政府与国企在12月31日前把人形机器人部署到真实运营中，目标为超过1万台商用部署、覆盖100个以上应用场景，地方需在11月提交进展报告。

五、对企业经营的实际含义：AI 员工从软件走进物理世界

5.1 采购口径的转变：从买设备到买工时

把上述产业变化翻译成经营语言，第一条是计量单位的改变。当整机售价在30万—50万元、而两年回本要求降到约16万元时，多数企业的最优解不是采购，而是按件或按工时计费的租赁与服务合约。这直接对应 AICOR 内核中的"经营重塑"：AI 员工在软件世界里按 Token 计费，在物理世界里按工时与良率计费——两者的共同点是把一次性资本开支变成可随业务量伸缩的可变成本。对企业而言，这意味着 AI 投入第一次可以被放进单位成本模型里做敏感性分析，而不是停留在创新预算里。

5.2 组织与治理：新岗位与新台账

第二条是组织形态的变化。工厂不会变成无人工厂，但岗位结构会重构：高强度、高重复、高危险的工位被接管，同时新增数据采集操作员、机器人运维工程师、多机协同调度员等岗位。具身智能遵循"工业—商业—家庭"的三层渗透顺序，家庭场景仍需3—5年，因此企业当下的可行区间集中在工业与商业服务。

第三条是流程治理的硬约束。工信部标准体系已把安全治理列为方向之一，实景实训专项也要求提升碰撞检测、力限制、紧急制动以及可记录操作事件的能力。换句话说，物理世界的 AI 员工同样需要"身份、权限、行为日志、兜底机制"这套治理底座——与软件 AI 员工完全一致，只是把审计对象从 API 调用换成了关节力矩与作业轨迹。谁先把这套台账建起来，谁才敢把机器人从隔离工位推向人机混线。

最后一句判断留给决策者：2027年是分辨"卖出去"和"用起来"的分水岭。当前的高增长建立在科研教育、表演展示与政府数采之上，这类需求有天花板；真正决定行业上限的，是有多少台机器人在一年后被要求"回来继续上班"。企业现在最该做的，不是抢购整机，而是选定一个结构化场景、把工时与良率记清楚——那才是下一轮谈判中唯一有说服力的筹码。

数据口径与来源说明