8月22日，第二屆世界人形機器人運動會在北京國家速滑館開幕，天工機器人百米跑出8秒64、立定跳高跳出3.40米等新聞紛紛登上熱搜；然而，比起機器運作速度比人類快、也絕對比人類更耐操等大家早已預知的答案，更值得我們注意的是，今年依託各類型運動賽事，大陸機器人的發展已愈來愈像人類，不僅能全程自主感知外在環境、自主決策並做出動作，甚至還能與其他機器人協同合作，完成各式任務場景。

第二屆世界人形機器人運動會登場，天工機器人以8.64秒刷新百米紀錄。

不只是一場運動賽事
相較於第一屆的280支隊伍、500台機器人與26個項目，甫落幕的第二屆世界人形機器人運動會，不論參賽隊伍、機器人數及比賽項目都大幅增加，達到666支隊伍、2,056台機器人及51個項目。從看熱鬧角度，今年最引人矚目的，肯定是田徑100米及立定跳高等成績遠超人類；但看門道，真正值得注意的，卻是大陸人工智能的快速進步，以及各式應用場景的加速落地。

猶記得，第一屆比賽，我們看到的仍只是一群工程師手拿遙控器，操控大型玩具般的機器人秀；但今年的第二屆，卻處處可見機器人的自主思考能力，以及未來發展智能工廠時，多台機器人同時運作所必需具備的協同能力，例如400米及1,500米接力賽。

另值得注意的是，今年許多比賽場景已從第一屆的實驗室，走向工廠、住宅、酒店與應急救援等真實場景的落地應用。例如，參賽機器人必須在半小時內完成搬運行李、補充房品、整理床鋪及清理垃圾等一系列客房服務工作。

圖為參賽機器人在客房場景，進行一系列客房服務競賽。

也就是說，大陸年年舉辦人形機器人運動大會，真正要驗證的已不只是機器人多會跑、多會跳，而是它能否跟上當前最熱門的大語言模型，儘快學會更多的人類技能？甚至能否更穩定且大幅提高完成人類工作的比率？

大語言模型見多識廣　人形機器人多作多學
全球人工智慧領域最具影響力的意見領袖之一、知名人工智能專家Andrej Karpathy曾說過：攻讀AI博士學位時，常花95％時間琢磨演算法架構，卻只留5％時間搞數據；但進入業界後，時間分配比例剛好相反，頂尖AI工程師只花3％時間微調模型，卻把97％精力砸在數據的構建與篩選上。

人形機器人雖擁有大腦（算力）與肢體（機械結構），但並不能像人類一樣僅靠五官感知，即可自主決策思考；其關鍵在於：若要讓人形機器人跟人類一樣，能自主決策甚至與外在環境靈活互動，就一定得依賴數據採集與數據標註（確認是否為有用數據）兩項核心能力。

按機器人數據服務商冪特科技估算，訓練人形機器人學會一個單一動作，約需1至5千條數據；學會一個由多個動作所組成的簡單任務，則需1至2萬條數據；但若要訓練人形機器人完成某特定行業80％的人類工作，則需至少1億條數據。

更具挑戰的是，訓練人形機器人「多作多學」，明顯比訓練大語言模型「見多識廣」困難。按億歐智庫估算，截至2026年初，全球高質量真實物理交互數據訓練總量僅約50萬小時，仍不及大語言模型已訓練數據的兩萬分之一。

凡此說明，為何近幾年來，大陸會在全國各地廣建人形機器人數據採集中心，並搭建各式訓練場景。

更像人類Vs.更讓人類信賴的幫手
Counterpoint Research數據顯示，今年上半年全球人形機器人出貨超2.2萬台，但僅13％及5％流向智能製造與倉儲物流；其餘去處，就如同市調公司Interact Analysis所估計，截至目前為止，絕大多數機器人應用仍止於數據採集、科研與娛樂。

今年4月底止，全中國大陸已至少有90個人形機器人數據採集與訓練中心投入使用或正在規劃中；且除無錫一座訓練場計畫部署300台機器人外，至少有13個訓練中心已部署超過100台機器人。無怪乎，大陸機器人產業可囊括全球前五大，合計市占率高近九成；同時也催生出數據採集員、機器人訓練師等不同新職業，以及有效數據銷售等新收入（按公開數字，目前每小時平均收入人民幣133元）。

圖為數據採集員訓練機器人抓取物件。

任誰都同意，從產業發展角度看，機器人產業才剛萌芽；但穿越未來十年，再回看今天最被熱議的出貨量、訓練師與數據銷售等名詞，終將只是過渡。未來，真正決定機器人產業能否成功發展的關鍵指標，肯定是：機器人能否穩定完成人類70％甚至80％以上的工作效率。

就誠如今年8月21日在北京發布的全球具身智能30強榜單中所說的：即便機器人只會做一件事，但只要能穩定完成十萬次，就算是人類最信賴的幫手，就有機會真正成為一門生意。