圖為2026年8月26日，在北京舉行的第二屆世界人形機械人運動會跳遠比賽中，一個人形機械人摔倒後被抬走。
大陸人形機械人在展會上頻繁展示跳舞、疊衣服及搬運物品等動作，但進入工廠後，簡單裝配效率仍低於人工。一名行業人士表示，目前真正實現大規模應用的場景幾乎沒有。多名業內人士還提到，機械人存在精度不足、難以長期穩定運行，及更換場景後成功率明顯下降等問題。
進廠效率低於人工
據《第一財經》8月26日報導，一名減速器廠商表示，人形機械人的主要客戶仍來自科研、表演及教育領域，工業應用「噱頭大於實際」。
宇樹科技創始人王興興稱，該公司2024年曾與汽車工廠合作，但因效率及泛化能力不足，未能大規模推廣。機械人雖然可以完成簡單裝配，效率卻低於人工。
機械人在固定場景經過大量訓練，任務成功率可以接近100%；但物品、光線或環境稍有變化，成功率便明顯下降。最後幾厘米甚至幾毫米的偏差，也可能導致整項任務失敗。
精度與穩定性未達工業要求
浙江人形機械人創新中心首席科學家熊蓉表示，機械人進入工廠仍面臨四項問題，包括無法長期穩定運行、更換物品或場景便須重新採集數據訓練、操作精度不足，及執行速度慢。
目前機械人的操作精度多為厘米級至毫米級，而部分工業任務要求達到亞毫米級。機械人還可能出現抓不穩杯子、捏壞包裝盒，及無法打開帶鎖櫃門等問題。
開放原子開源基金會理事長謝少鋒表示，當前行業技術路線分散、標準缺失。不同廠商的傳感配置、動作空間及數據結構並不統一，企業需要反覆做基礎適配和工程驗證，高成本採集的數據也難以跨設備、跨任務復用。
墨奇智能聯合創始人兼首席技術官黃青虬表示，具身智能行業存在泡沫。「具身智能」是指讓機械人等實體設備通過感知、理解和行動，在真實環境中完成任務。黃青虬認為，目前機械人實際應用創造的價值遠未匹配企業估值。摩爾線程創始人張建中則認為，具身智能至少落後語言模型五年。
舉重機械人沖向裁判席
第二屆世界人形機械人運動會8月22日在北京開幕。8月24日舉行的舉重比賽中，一台天卓隊機械人嘗試舉起16公斤槓鈴。它將槓鈴舉至胸前後開始發抖，在繼續上舉時失去平衡，之後揮舞機械臂沖向裁判席，倒地後被工作人員用擔架抬走。
該項目已較人類舉重行為簡化，機械人只須把槓鈴舉過頭頂並保持兩秒，部分參賽機械人還在手部纏上膠帶增加抓力。
相關視頻引發網民議論。有人將比賽形容為「機械人出糗運動會」和「大型抽象現場」；另有網民調侃，抬擔架的工作人員成了「全場最忙的人」。