同一年上半年，一份报告说 2.2 万台、一家机构说近 2.5 万台：出货量这门账，现在还没有统一口径

10 月 16 日，两份口径在同一天出现。一份来自杭州：中国信通院人工智能研究所联合清华大学电子工程系、具身智能测试实验室，在国际电信联盟具身智能标准焦点组 2026 年第三次会议上发布《具身智能发展报告（2026 年）》英文版，称 2026 年上半年全球人形机器人出货量超过 2.2 万台，同比增长近 300%。另一份来自广州：中新社在广交会报道中引用 IDC 最新数据，称同期全球出货量接近 2.5 万台，同比增长 432.1%。

把两组数字并排放在一起，差额是三千台上下，增速则差了一百多个百分点。这不是四舍五入能解释的距离。

判断：这种差异本身不是坏事，它是一个行业还没长成统一语言的信号。任何一份「出货量」统计，都需要先回答四个问题：什么叫一台人形机器人（是否含轮式底盘、是否含非全尺寸机型）、什么动作算出货（出厂、交付、还是验收）、统计范围是整机厂直报还是渠道抽样、以及是否包含用于科研与数采的机器。这四个问题里的任何一个取不同答案，几千台的差额就出现了。在行业给出统一口径之前，引用这类数字时必须连同发布方一起引用，否则等于把两套账混成一套。

报告给出的应用结构，是这条消息里信息密度最高的部分：文娱商演与科教数采合计占比超过 60%，导览导购约占 19%，智能制造约占 13%，仓储物流约占 5%。

换一种读法：如果把「真在干活」定义为进入生产制造或仓储物流环节，那么这两项加起来只有约 18%。剩下的八成，是表演、是采集数据、是站着迎客。

判断：这个结构解释了行业里一批看似矛盾的现象。为什么融资额屡创新高而工厂里的机器人数增长缓慢？为什么几乎每家都在强调量产能力而实际交付集中在展演与科研？因为当前阶段买家的主要诉求确实是展示与数据，不是替代产线工位。这台账本身没有问题——文娱商演与数采是真实需求，也是数据飞轮的起点。需要警惕的是把「出货量增长 300%」直接读作「产业化落地增长 300%」，这两件事在当下的结构里相差很远。

对做场景交付的一方，这张结构表的用法应该是反过来的：它告诉你竞争最拥挤的地方在哪（占比六成的展演与数采），也告诉你壁垒最可能长出来的地方在哪（占比不到两成的制造与物流）。

报告的另一组数字是产业地域分布。北京、广东、上海分别收录企业 109 家、84 家和 58 家，三者合计占比约 62%；江苏 45 家、浙江 39 家，前五省市合计占比超过八成。报告对各家的分工也做了描述：北京广泛布局算法模型、整机产品和数据采集设备；广东、上海在整机研发与基础配套方面均有较多企业参与；江苏、浙江在机器人产品、配套供应及行业应用方面形成聚集。

判断：这里要区分「企业注册地」与「产能所在地」。报告收录的是企业，而最近一段时间多笔融资的资金投向都写着外地的制造基地——研发留在头部城市、产能往成本更低的地方走，是正在发生的分化。只看注册地分布会低估这种流动。

清华大学电子工程系教授汪玉在发布时表示，具身智能正处于从「技术闭环」走向「生态协同」的关键窗口期，其发展不会以一次技术突破突然完成，而更可能呈现螺旋式上升、渐进式演化的特征。报告本身也指出：技术层面需要重新思考人工智能的底层架构，使模型、身体、环境和行动形成更加紧密的动态耦合；产业层面将从「技术驱动」转向「价值驱动」，能力边界内做深做实是产业可持续发展的关键。

判断：「从技术驱动转向价值驱动」这句话，与前面那张结构表放在一起看，含义是具体的——价值驱动意味着评价标准从「能不能做这个动作」切换到「这个动作值多少钱」。前者可以在实验室里回答，后者只能在现场回答。而现场正是当前出货结构里占比最小的那部分。

还有一个背景值得标注：这份报告发布在**国际电信联盟具身智能标准焦点组**的会议上，且是英文版。标准议题与产业统计放在同一场会议里出现，说明这一轮国际协调的抓手是先统一「怎么测、怎么数」，再谈「谁做得好」。判断：对国内做场景交付的一方，这个顺序是有利的——中国在真实场景数量上有优势，谁先把现场数据整理成符合标准口径的证据，谁在后续的国际互认里就少一道转换成本。