人形機器人效率不到人類 50%，企業為何仍瘋狂搶進？從效率、部署到競爭一次拆解
儘管人形機器人被視為未來的勞動力解方，但在現實工廠中，它們的表現仍有極大的進步空間。近日，中國人形機器人製造商優必選（UBTech）首席品牌官譚旻直言，優必選最新的 Walker S2 機器人在工廠實際作業中的效率，最多僅達人類工人的 30% 到 50%，顯示出人形機器人若要真的全面取代人力，還有很長一段路要走。
然而，這並未讓企業放慢布局腳步。從車廠、電子代工廠到航太製造商，不少企業仍選擇提前導入或測試人形機器人，只為避免在新一波自動化競賽中落後對手，這也讓人形機器人的發展關鍵，不再只是單一效率指標，而是必須同時從效率現實、部署挑戰與產業競爭三個面向來理解。
效率面：人形機器人仍難追上人類
優必選坦言，現階段人形機器人技術仍存在明顯侷限，以 Walker S2 為例，目前僅能在堆疊箱子、品質檢查等高度標準化的任務中發揮效益，整體產出仍明顯落後於人類工人。
至於造成效率差距的關鍵，在於人形機器人硬體與控制系統的高度複雜性。相較於固定在生產線上的傳統工業機械臂，人形機器人需要獨立供電，並具備更多可動關節，使硬體設計與能源管理難度大幅提升。
分析師普遍指出，人形機器人必須在動態環境中進行決策、感知周遭環境並協調複雜動作，這些高層次挑戰都是傳統自動化設備較少面對的難題。面對這些現實限制，優必選為 Walker 機器人設定了相對務實的中期目標：計畫在 2027 年將效能提升至約人類的 80%。大和資本市場（Daiwa Capital Markets）分析師 Kelvin Lau 也認為此目標是可行的，因為機器人無需休息，這樣的效率在工廠已足夠。
部署面：資料不足與安全風險是兩大挑戰
儘管人形機器人的效率尚未達到理想狀態，企業的實際部署行動已經如火如荼展開。優必選表示，公司已在 2025 年達成交付 500 台人形機器人的目標，並計畫在 2026 年底前，將產量大幅提升至 1 萬台。這顯示即使技術仍處於持續優化階段，企業已開始進行小規模的實際部署與場域測試。
然而，這條商業化之路並非坦途。研究機構 Interact Analysis 的研究員 Marco Wang 指出，目前外界看到的許多部署案例，多半仍屬於概念驗證（PoC）或展示層級，且多集中在中國政府贊助的研究中心，距離真正的商業化運作仍面臨諸多挑戰。
例如在資料層面，訓練人形機器人高度仰賴大量真實世界數據，但這類數據的蒐集過程既緩慢又成本高昂。此外，機器人在學習新任務時，仍容易出現所謂的「災難性遺忘」現象，也就是新取得的訓練資料可能覆蓋既有知識，導致原本已掌握的技能逐漸流失。第二是安全風險的提升，不同於傳統工業機械臂在發生異常時多半只需停機處理，人形機器人一旦出現電力耗盡或失去平衡的情況，可能直接倒塌，對周遭人員或設備造成傷害，使其在高度人機協作的場域中成為不可忽視的安全隱憂。
因此，為了縮短從展示走向實戰的距離，「實體人工智慧」（Physical AI） 正成為人形機器人發展的核心方向。這代表人形機器人不再只是一個執行程式的設備，而是結合自主決策能力與硬體感知，嘗試在更動態、不可預測的環境中完成任務。
目前特斯拉（Tesla）即是採取此一高難度路徑的代表。特斯拉選擇在自家工廠內部訓練 Optimus 人形機器人，並計畫在德州奧斯汀的超級工廠擴大訓練規模。為了克服數據不足的問題，特斯拉採用「模仿學習」策略，讓人類訓練員穿戴帶有攝影機的頭盔與重型背包，錄製整理零件等動作供機器人模仿。儘管馬斯克（Elon Musk）坦承 Optimus 的生產速度「極其緩慢」，且目前仍需與一般工人隔離以避免干擾，但這種在實際場域中「邊部署、邊學習」的策略，也被視為累積關鍵數據、提升機器人泛化能力的必經過程。
競爭壓力面：即使人形機器人技術尚未完全成熟，企業也不能缺席
如果效率不高、部署過程又挑戰重重，為何企業還要擴大人形機器人布局？答案在於競爭焦慮。優必選首席品牌官譚旻直言：「你可以想像，如果特斯拉擁有將自家人形機器人部署到生產線的優勢，那就意味著比亞迪可能落後了。」這種先卡位、先累積經驗的心理，成為企業即便面對效率不足，仍加快導入人形機器人的重要推力，因為製造商擔心一旦競爭對手率先掌握了自動化優勢，自己將面臨被市場淘汰的風險。
同時，這場競賽不只是技術問題，也牽涉到勞資與人機協作的關係。例如現代汽車（Hyundai）計畫於 2028 年起在美國工廠部署人形機器人，卻遭到韓國工會強烈反對。工會更警告，若未經充分協商便推動人形機器人部署，恐對現有勞工造成威脅。這也凸顯企業在布局人形機器人時，除了技術成熟度外，還必須面對就業衝擊與內部阻力等不確定性。
儘管人形機器人在效率上仍明顯落後人類，甚至僅有熟練工人的三到五成水準，但企業之所以加快布局，來自技術效率、真實場域部署，以及產業競爭壓力三股力量的交織。隨著實體 AI 技術的進步與更多工廠數據的累積，這場人機協作的變革，才正要加速展開。
＊本文開放合作夥伴轉載，參考資料：《Financial Times》1、《Financial Times》2、《Business Insider》、《Reuters》，首圖來源：優必選