中國機器人AI大腦半年吸金130億美元宇樹科技看好GPT-7引爆突破

黃仁杰 — Tue, 03 Nov 2026 03:52:25 +0000

中國人形機器人產業正迎來新一波競爭。過去幾年，業者致力於讓機器人學會跑步、跳舞甚至後空翻，如今發展重心逐漸轉向人工智慧（AI），希望讓機器人具備理解環境、學習陌生任務及自主應變的能力。隨著硬體價格競爭加劇，能否打造真正具備實用價值的「機器人大腦」，已成為產業下一階段的關鍵。記者黃仁杰／編譯

中國人形機器人產業正迎來新一波競爭。過去幾年，業者致力於讓機器人學會跑步、跳舞甚至後空翻，如今發展重心逐漸轉向人工智慧（AI），希望讓機器人具備理解環境、學習陌生任務及自主應變的能力。隨著硬體價格競爭加劇，能否打造真正具備實用價值的「機器人大腦」，已成為產業下一階段的關鍵。

[caption id="attachment_329758" align="aligncenter" width="1672"] 中國人形機器人產業正迎來新一波競爭。發展重心逐漸轉向人工智慧（AI），希望讓機器人具備理解環境、學習陌生任務及自主應變的能力。（圖／AI生成）[/caption]

根據數據研究機構IT桔子統計，2026年上半年中國具身智能（Embodied AI）企業共完成322筆融資，總額達935億元人民幣（約130億美元），為去年同期的5倍。資金不再只集中於機器人製造商，也逐漸流向專門開發機器人AI系統的新創企業。

上海科技顧問公司ZenGen Labs創辦人Dermot McGrath指出，隨著硬體價格持續下降，機器人製造商逐漸意識到，未來獲利空間可能不在硬體，而是在驅動機器人的AI大腦。

美中競逐機器人AI 中國新創估值達30億美元

具身智能正成為美中科技競爭的新戰場。美國企業在先進AI研究及高效能運算晶片方面具有優勢，中國業者則希望憑藉製造能力，以及與工廠、物流業者密切合作所累積的實際操作數據，縮小技術差距。

美國新創Physical Intelligence、Skild AI及Generalist正開發能讓機器人快速學習不同技能的AI模型。其中，Generalist宣稱，其GEN-1.5模型觀看3至12秒的示範影片後，便能完成約60%的簡單任務。

中國新創X Square也發表研究成果，顯示機器人能透過單一人類操作影片學習物品操作技能，而不必針對每項任務重新訓練模型。

中國具身智能新創X Square、Galaxea及Spirit AI的估值均已達約30億美元。X Square共同創辦人兼營運長楊謙表示，公司希望推動機器人從依靠程式碼控制，轉向依靠常識自主行動。

大型機器人製造商也加速投入AI研發。優必選（UBTech）曾開出最高1.24億元人民幣、包含股權及福利的薪酬條件，招募負責AI模型開發的首席科學家。宇樹科技（Unitree）則據知情人士透露，已有約30名研究人員投入物體行為預測AI技術。

相較於透過網路文字訓練的聊天機器人，具身智能需要大量真實世界的物理互動數據，包括抓取物品、操作柔性電線，以及處理不同材質與形狀的物件。

中國企業正採取不同方式蒐集訓練資料。Spirit AI聘用約1,000人記錄日常生活及工業操作；ACE Robotics則透過穿戴式感測器，蒐集商店與飯店工作人員的動作及抓握力量。

螞蟻集團旗下機器人部門Robbyant表示，已使用16萬小時資料訓練AI模型，其中包含5萬小時由人類引導的機器人操作紀錄，並涵蓋17個品牌、20種機器人配置，希望同一套AI能應用於不同機器。

另一家企業DexForce則採用電腦生成的模擬環境訓練機器人，宣稱部分工業任務可在6至8小時內完成部署準備，特定精密操作成功率超過99.9%。

實際應用方面，寧德時代（CATL）已在中州工廠導入Spirit AI機器人，執行電池包測試中的柔性電線連接作業，插接成功率超過99%。Robbyant機器人也已在上海兩家藥局處理訂單，藥品出貨前仍由人員確認。

不過，中國具身智能產業仍面臨先進晶片供應限制。受到美國出口管制影響，業者難以取得部分高階輝達（NVIDIA）晶片，可能限制未來大型機器人AI模型的訓練能力。

中國企業正透過提高模型效率、合成數據及模擬訓練降低運算需求，華為等本土晶片業者也持續開發替代方案，但能否彌補先進晶片供應缺口仍有待觀察。

隨著AI模型能力持續提升，機器人產業也開始期待突破性的技術進展。

宇樹科技創辦人王興興上個月透露，公司已測試將OpenAI的GPT-6應用於機器人，並取得令人鼓舞的結果。他認為，如果GPT-7明年推出，可能讓機器人產業迎來自己的「ChatGPT時刻」，如同2022年ChatGPT問世後，帶動生成式AI快速普及。

王興興提出一項具體標準，當機器人能夠僅憑語音指令，在80%的陌生環境中完成80%的任務，就代表產業達到重要突破門檻。

不過，機器人顧問Georg Stieler提醒，實驗展示中的技術突破，不代表機器人已具備大規模商業部署能力。即使AI模型能在展示中完成各種陌生任務，要讓企業客戶在真實工作環境中穩定依賴這些系統，仍可能需要數年時間。