科学家都爱用中国机器人，为何让美国坐立不安？

美国拥有全球最强的一批人工智能模型、芯片和机器人软件公司，其本土却难以获得便宜、易用的机器人“身体”，以至于众多研究者不得不跨越太平洋，寻找中国制造的机器人。

撰文 | 任平生

2026年4月，一名来自旧金山的风险投资人来到深圳华强北。他随身带着美国机器人创业公司朋友开出的购物清单，要找人形机器人，也要找各种机器人零部件。整机可以安排运输，一些更小的组件则被直接装进行李，人肉带回美国。

他不是唯一一个这样做的人。据The Information报道，很多美国初创公司和投资机构都在不断派人往返中美，只为了背回各式各样的机器人零件。

三个月后，一股方向完全相反的力量从华盛顿袭来。

7月28日，美国联邦通信委员会（FCC）开始限制新的外国先进机器人设备进入美国市场。人形机器人、四足机器人以及符合条件的自主移动机器人都进入新的限制范围。美国官方给出的理由包括网络安全隐患和供应链漏洞等，同时明确希望借此推动机器人制造业回流美国。

华强北的背货客和华盛顿的禁令出现在同一年，勾勒出今天中美机器人竞争的现实：美国拥有全球最强的一批人工智能模型、芯片和机器人软件公司，其本土却难以获得一副更便宜、更易用的机器人“身体”，以至于有机器人研究者不得不跨越太平洋寻找。

为什么“身体”如此重要？

这副身体究竟重要到什么程度？

从市场规模看，人形机器人仍然远没有走到成熟阶段。全球技术市场研究机构Interact Analysis估算，2025年全球人形机器人生产量超过2万台，较2024年的不足2000台增长超十倍，中国厂商贡献了90%以上的产量。然而真正进入工厂、物流和服务等现实作业环境的产品只有约10%，大部分机器仍流向科研、数据采集和展示。Interact Analysis预计，大规模商业化拐点可能要到2032年以后。

2025年中国厂商贡献了90%以上的人形机器人产量 | 图源：Interact Analysis

中国机器人进入美国的程度，尤其体现在更成熟的移动机器人领域。Interact Analysis的数据显示，全球移动机器人年出货量从2018年的约3万台增长到2025年的20万台以上。同期，中国厂商生产的移动机器人占美国已部署量的比例从约1%升至36%。

真正值得注意的变化，发生在商业化之前。如果今天九成左右的人形机器人还没有成为稳定的劳动力，那它们都去哪了？答案是科研和数据采集。

人形机器人催生了一种与传统工业设备不同的竞争方式。一台机器今天创造多少劳动产值固然重要，但谁的机器人被研究人员持续用于训练模型、测试算法和收集数据，同样可能塑造未来的产业格局。

2026年5月，英伟达给出了一个很有分量的信号。它发布了专门面向学术研究的Isaac GR00T Reference Humanoid Robot，希望把机器人从数据采集、仿真、训练一直到真实部署的开发流程整合起来。

英伟达Isaac GR00T | 图源：英伟达

作为整套系统“身体”的人形机器人，英伟达选择了中国宇树科技的H2 Plus，再搭配Sharpa五指灵巧手。英伟达同时宣布继续支持价格更低的宇树G1，并称G1已经被全球领先研究机构的机器人研究人员和开发者广泛使用。

这件事的意义，远不止一家美国科技巨头公司采用了一款中国硬件。

英伟达正在搭建物理AI（Physical AI）的开发基础设施。研究人员可以采集机器人动作，在Isaac环境中进行模拟和训练，再用模型驱动机器人。英伟达选择宇树机器人作为参考硬件，意味着中国制造的机器人本体开始进入这套开发链条的底层。

这里出现了一个值得解释的概念：reference embodiment，可以理解为“参考本体”。

机器人研究最终需要一副真实身体。研究者开发一个新的控制算法，需要找机器人测试；训练一个能够看懂环境并执行语言命令的模型，也要把模型放到某一台机器上运行。如果某种机器人价格合适、容易采购、已有完善的仿真模型和软件接口，使用它的研究团队就会增加。研究成果公开之后，后续研究者又可以直接利用前人写好的控制程序、仿真环境和训练方法。

机器人的科研平台由此产生。

英伟达解释物理AI | 图源：英伟达

这种机制在机器人领域尤其重要，因为人工智能进入物理世界之后，数据和身体无法完全分离。

ChatGPT可以从互联网上读取数以万亿计的文字，机器人却没有规模相当的“动作互联网”。一个模型可以通过视频知道人类怎样拿杯子，却无法仅凭视频确定一台具体机器人应该怎样控制几十个关节。机械臂有多长、手指怎样闭合、关节能够输出多大扭矩、机器人移动时重心在哪里，这些都会改变最终的动作。

于是，物理AI面临一个很现实的成本：真实机器人时间非常昂贵。

每生产一段真实动作数据，就要占用一台机器。操作人员需要重置场景，失败以后要把机器人复位，电池会消耗，执行器会磨损，摔倒还可能造成维修。训练一台机器人在几百种环境中重复同一个动作，成本远高于把几百万张图片复制进GPU。

这也是近两年机器人学习研究的一条重要主线：尽量节约昂贵的真实机器人数据，通过模拟世界和人类演示数据把它放大。

最近两年使用或讨论了宇树机器人的重要论文（部分）

研究者为何钟爱中国机器人？

斯坦福大学今年发布了一个名为LEGS的框架，是专为人形机器人全身移动与操作（Loco-manipulation）设计的混合仿真框架。它旨在解决机器人具身智能领域的两大核心难题：数据收集难与仿真到现实迁移难。

研究团队把真实环境扫描成三维重建，在模拟器中自动生成机器人训练数据，再把学到的能力迁移回现实机器人宇树G1。他们用三种不同的机器人视觉—语言—动作模型进行了训练，最后在G1上完成了1110次评估实验。

论文测算，面对一个新的场景，传统真人遥操作需要超过1.5小时重新采集数据，使用LEGS生成同等数据只需要约0.1小时GPU时间，时间成本降低超过15倍。

英伟达也在做同一件事。其GR00T-Dreams系统利用生成式世界模型制造机器人训练数据。英伟达称，研究团队曾在36小时内生成足够的合成数据训练GR00T N1.5。如果依靠人工采集同等规模的数据，估计需要接近三个月。

这些研究揭示了机器人产业里一个很容易被销量掩盖的变量：机器人硬件的价格，会传导到AI模型的训练成本。

一台机器人越便宜，一个实验室就越容易购买多台。机器数量越多，可以同时进行的实验越多。真实世界数据增加以后，控制算法和AI模型会针对这副身体不断优化。围绕它形成的仿真模型、接口和工具，又会继续降低后续研究人员的使用成本。

硬件规模、数据规模和软件生态开始形成正循环。

2027年人形机器人应用领域分布预测

| 图源：Counterpoint

德国墨卡托中国研究中心（MERICS）今年对具身智能供应链进行系统梳理，估计中国已经拥有全球人形机器人关键零部件供应链中约63%的主要企业。电池、视觉传感器、激光雷达、电机和多类执行机构可以直接借用中国电动车、消费电子和工业自动化产业多年形成的制造体系。

美国仍然拥有很强的基础研究优势。最近，路透社调查了四足机器人背后的一段技术历史。2010年至2020年，美国陆军研究实验室资助了一项长期机器人研究联盟，包括麻省理工学院（MIT）、宾夕法尼亚大学、波士顿动力（Boston Dynamics）、NASA喷气推进实验室等机构。研究人员解决了四足机器人轻量化执行器、腿部驱动和动态运动等一系列关键问题，并按照学术惯例公开发表结果。MIT后来推出的Mini Cheetah成为了现代小型四足机器人最重要的参考设计之一。

参与该研究的MIT工程师本·卡茨（Ben Katz）告诉媒体，在Mini Cheetah执行器设计公开后不到半年，他已经能在中国电商平台上看到类似的执行器出售。参与项目的另一名研究人员若昂·拉莫斯（Joao Ramos）认为，中国的机器人公司完成了难度较高的工程化工作，将这些思路转化为可以大规模制造的产品。

2019年关于MiniCheetah的报道 | 图源：MITNews

2025年，只宇树一家公司就出售了超过5000台人形机器人和约2.3万台四足机器人。美国本土根本没有企业达到类似规模。

可见，科学突破、工程实现和规模制造是三种不同能力。美国长期强在第一项，中国过去十年越来越擅长把第二项和第三项连接起来。一篇公开论文进入中国制造网络以后，可以快速找到电机、减速器、控制器、加工厂和整机公司，再经过市场竞争持续降低成本。

美国为何此时设限？

本文开篇华强北的故事，正是这个体系最微观的一面，中国控制着全球人形机器人关键供应链企业的很大一部分。美国一些公司在原型阶段可以通过中国中间商、小批量采购甚至员工背货解决零件问题。但真正进入几千台、几万台的量产阶段，这种方式显然无法持续。

这也解释了美国为什么选择现在开始设限。

如果只看商业应用，时机显得过早。全球一年只有两万多台人形机器人，真正进入现实生产的更少。等到机器人进入大规模工厂部署之后再调整供应链，企业面对的就不再只是更换采购商，而是已经积累的训练数据、软件接口、备件体系、维护经验和算法都可能绑定在某类硬件上。

机器人学习领域已经意识到这种绑定问题。

今天机器人研究的软件栈高度碎片化，大量代码与特定机器人、摄像头、夹爪和控制器绑定。另一个实验室即使想复现同一个AI模型，只要硬件不同，就可能被迫重新开展大量工程工作。目前已经有公司试图建立统一的软件层，让控制、遥操作、数据格式和模型部署能够更容易跨不同机器人迁移。

当然，宇树还远没有成为机器人领域的通用标准。研究界正在主动寻找跨机器人的通用模型和统一接口，未来一个AI模型从G1迁移到另一台人形机器人所需要的工作量可能越来越小。

全球人形机器人产量预测（2025-2035） | 图源：InteractAnalysis

不过，参考本体也是很重要的角色。

成为参考本体能够获得宝贵的先发优势。一款机器人只要价格相对低、容易获得、性能稳定，并拥有大量现成的仿真、控制和AI工具，就可能成为研究人员验证新方法时优先考虑的机型。每一篇论文、每一个数据集和每一次模型适配，都在增加后来者选择它的理由。

英伟达选择宇树H2 Plus作为Isaac GR00T参考机器人，正是这种变化最值得关注的标志。

美国监管部门面对的是一个仍处在形成期的产业生态。FCC公开强调的是网络安全、潜在监控能力、关键基础设施和供应链风险。美国政府也希望借限制进口促进本土制造。

它发生的时间却非常有意思。机器人行业刚刚从“能不能造出来”进入“谁能把它做便宜、做稳定、让开发者大量使用”的阶段。美国政府选择在这个节点出手，说明它希望在市场规模真正爆发前按自己的方式重塑供应链——至少在美国本土重塑。

这种选择也伴随着现实代价。限制外国机器人进入美国，可以为Apptronik、Agility Robotics、波士顿动力等本土企业争取发展空间，却无法自动造出电机、执行器和传感器。美国机器人研究人员普遍认为，仅靠贸易壁垒不足以弥补制造能力差距。宾夕法尼亚大学工程学院院长维杰·库马尔（Vijay Kumar）对媒体表示，美国真正需要补上的还有资本、工业基础、技术工人和零部件供应链。

三家美国机器人公司的代表机型 | 图源：AI制作

这场竞争由此出现了一幅很少见的图景。

具身智能领域发展至今，现代机器人诸多核心运动控制理论起源于美国高校实验室，高端 AI 算力芯片与机器人基础模型开发平台，目前仍以美国企业为主导。中国制造业则能够以极致的效率生产执行器、电池、传感器和机械结构等零件，并以较低的成本大量生产机器人本体。

双方原本沿着科研、软件和制造优势自然连接在一起。美国现在试图重新切开它。

华强北那个塞满机器人零件的行李箱，因此是一个很好的隐喻。

人工智能过去十年的竞争发生在数据中心里，公司和国家争夺GPU、模型和训练数据。机器人把竞争带回物理世界。AI开始需要关节，需要手指，需要电机，也需要成千上万台可以反复摔倒、犯错、重新学习的真实机器。

人工智能第一次需要真正选择自己的身体，而中国已经成为这场选择的重要玩家。

一副足够便宜的身体，能够让AI多做一次实验；一万副身体，则会改变整个行业生产现实世界数据的速度；待到百万副身体之时，我们或许就将看到真正的行业领头羊。

参考资料

[1] https://www.theinformation.com/articles/u-s-robotics-startups-stuffing-parts-china-luggage

[2] https://www.reuters.com/world/asia-pacific/how-us-military-funding-propelled-chinas-robot-dogs-2026-08-18

[3] https://news.mit.edu/2019/mit-mini-cheetah-first-four-legged-robot-to-backflip-0304

[4] https://arxiv.org/abs/2606.01458

[5] https://counterpointresearch.com/en/insights/Global-Humanoid-Robot-Installations-Reach-16%2C000-Units-in-2025-as-Mass-Production-Picks-Pace

[6] https://static.sse.com.cn/stock/disclosure/announcement/c/202603/002178_20260320_QY8F.pdf

[7] https://arxiv.org/html/2605.11564v1

[8] https://www.reuters.com/world/trump-administration-ban-new-chinese-robots-inverters-protecting-us-ai-buildout-2026-07-28/

[9] https://nvidianews.nvidia.com/news/nvidia-powers-humanoid-robot-industry-with-cloud-to-robot-computing-platforms-for-physical-ai

[10] https://interactanalysis.com/insight/humanoid-robot-production-surges/

[11] https://www.manufacturing.net/supply-chain/article/22971664/what-fcc-ruling-on-advanced-robotic-devices-means-for-mobile-robot-market

[12] https://nvidianews.nvidia.com/news/nvidia-open-humanoid-robot-reference-design

注：本文封面图片来自版权图库，转载使用可能引发版权纠纷。

版权说明：欢迎个人转发，任何形式的媒体或机构未经授权，不得转载和摘编。