《經濟學人》點出殘酷現實——中國廠商雖已大致攻克硬體技術，但軟體層面的進展卻是另一回事，這也導致當前的狂歡恐怕只是短暫的「虛火」。
海量數據成決勝點
《經濟學人》23日指出，要讓機械人流暢執行日常任務，業界必須仰賴「基礎模型」（foundation models）。目前驅動人形機械人的模型僅具備數十億個「參數」（parameters），但要完美複製人體運作，至少需要數千億個參數，這也意味着機械人的模型規模將直逼大型語言模型（LLM）。
大型語言模型與人形機械人的核心差異在於，前者可以利用網絡上現成的海量數位文本進行訓練；但要教導機械人辨識玻璃杯、拿起來並倒滿咖啡，難度要高出數倍。機械人必須精確掌握空間座標、玻璃的易碎程度，乃至液體的黏稠度。
這些「物理經驗」無法從網絡憑空抓取，必須從真實世界或高精度模擬中採集。業界目前最渴求的是機械人在自主或遙控運作時生成的「真機數據」（real machine data）；另一重要來源則是「第一人稱視角數據」（egocentric data），即由人類配戴感測設備直接記錄的運動軌跡。
中國狂開「機械人駕訓班」
為了獲取真機數據，中國正傾舉國之力打造實體訓練基地。在「湖北人形機械人創新中心」這座位於武漢的龐大設施內，上百台機械人每天花費數小時模仿人類。現場不僅有模擬藥局、便利商店，在吧枱區，機械人還能完美複製年輕操作員的環形手勢，精準注水沖泡咖啡。
2026年8月22日，在北京舉行的世界人形機械人運動會，人形機械人正在進行足球比賽。（美聯社）
市調機構Interact Analysis數據顯示，武漢的中心只是全中國53個數據採集基地之一，多數於近兩年內完工，另有34座正在規劃或施工中，其中上海興建中的基地可容納1000台機械人。
這類訓練中心的營運成本極為驚人，每台尖端機械人造價高達10萬人民幣；滙豐銀行（HSBC）分析師Corey Chan估算，這類訓練每小時成本達500至700元人民幣。機械人每練8小時倒咖啡，僅能產出3小時的有效數據，其餘皆因工程師不願機械人學到錯誤動作而報廢。業界估算，要開發出勝任日常任務的機械人，可能需要累積高達1億小時的訓練數據。
《經濟學人》指出，目前這場燒錢遊戲全靠官方買單。大約八成的訓練中心都具備官方背景，由民間企業與地方政府合資——由政府出資購買機械人，再將採集到的數據轉售給企業。據估計，2026年上半年中國生產的人形機械人中，高達70%（約1.3萬台）直接送入了這些訓練中心。對地方官員而言，這既能向中央交出創新成績單，又能消化在地產能。
動員數十萬勞工的「人肉數據標記」
同時，中國業者也將目光投向龐大的製造業勞工與待業青年。中國電商巨頭京東（JD.com）今年稍早宣佈，將付費給旗下10萬名員工與50萬名外部人員記錄動作軌跡，目標在兩年內累積1000萬小時的人類場景數據。市場上甚至衍生出專門生產穿戴感測裝備的家庭代工作坊，盤算讓年輕人在家兼職記錄生活動作。
不過，由於人機肢體結構存在先天差異，第一人稱數據實用價值遠遜於真機數據，且極度仰賴人工進行逐格標記（labeling）。一名工程師坦言，中國過去就是靠着龐大的「標籤民工」在影像辨識取得先機，如今在機械人領域只是重施故技。
商業化遙遙無期 外資看衰：十年內難獲利
中國對人形機械人的開發模式，與美國形成強烈對比。美國人形機械人龍頭特斯拉（Tesla），直接在自家物流倉庫中訓練機械人；美國國內也缺乏大規模的「標籤民工」，不過部分美國企業已轉向工資比中國更低的發展中國家，付費聘請當地勞工配戴裝備採集數據。
儘管中國將持續量產數十萬台昂貴卻「幾無實用價值」的機械人，並憑藉政策補貼在數據採集上保持領先，但外資對其實質獲利能力打上大問號。
儘管投資銀行摩根士丹利（Morgan Stanley）預測，到2030年中國人形機械人年產量可達45萬台；但《經濟學人》卻給出了相當嚴厲的評估：雖然中國在數據收集方面將保持領先地位，但受限於軟體技術瓶頸與漫長的疊代周期，人形機械人的成熟商業市場「在這個十年之內（2030年之前）都不太可能出現」。在真正實現商業化獲利前，中國生產的人形機械人恐怕仍將維持遲鈍笨拙的狀態——並且持續處在撞牆期。
