人形機器人的峰值運動能力，已經跑在了通用智能和可靠性前面。
38秒15，人形機器人的400米成績，第一次快過了人類男子世界紀錄。
一年前，世界人形機器人運動會的400米冠軍成績還是1分28秒03；一年後，"天工Ultra"把這個數字縮短了近50秒。
這麼快的進步，也讓人更期待：同樣的工程迭代，何時會出現在自主決策、複雜操作和長期穩定工作上？AI進入物理世界，機器人距離成為真正的生產力，還有多遠？
機器人運動場上的"速度革命"
第二屆世界人形機器人運動會又被外界稱為"機器人奧運會"。其中，最先吸引公眾目光的，仍然是速度。
在100米大型組預賽中，由北京人形機器人創新中心開發的"天工Ultra"先跑出9秒39；此後賽場最好成績又推進到9秒32。400米大型組決賽中，"天工Ultra"以38秒15完成比賽。
從數字看，9秒32快於博爾特保持的9秒58男子100米世界紀錄，38秒15也比人類男子400米世界紀錄快了近5秒。
相關視訊很快傳播至海外，特斯拉CEO埃隆·馬斯克（Elon Musk）也在社交平台轉發。
不過，這不是體育意義上的"打破人類世界紀錄"。機器人和人類的動力系統不同，受到的生理條件和比賽規則也不同。9秒32和38秒15真正的看點，是雙足機器人已經能夠在高速運動中完成連續的姿態控制和平衡調整。
跳高項目也需要同樣的限定。"天驍"機器人在原地跳高項目中跳出2.8843米，但比賽測量的是機器人起跳後身體最低點離地的高度；人類2.45米世界紀錄則是運動員助跑後越過橫桿，兩者不能直接比較。
這些成績展示了人形機器人在動態運動控制上的進步。
高速奔跑不只是讓機器人加快腿部動作那麼簡單。機器人要即時調整姿態、控制重心，還要根據每一步落地的情況修正下一步。對雙足機器人來說，奔跑中任何細微誤差都可能讓它失衡。
機器人技術觀察帳號@KrdTundra認為，高速運動為雙足機器人提供了一個極具挑戰的測試環境。奔跑會同時考驗機器人腿部運動、身體協調和平衡恢復能力，而這些能力未來同樣會影響機器人進入工業、物流等場景後的表現。
不過，比賽現場也暴露出機器人目前仍要解決的問題。
衝過終點後，"天工Ultra"和"閃電"沒有像人類運動員一樣自然減速，而是撞向終點後的緩衝設施。其中，"閃電"倒地後被工作人員用擔架抬離賽道。部分其他項目中的機器人也出現摔倒、碰撞甚至故障。
這並不削弱高速奔跑本身的技術價值，只是把下一道工程題擺到了台前：機器人完成一個高難度動作之後，還要繼續判斷環境、控制身體，安全進入下一步。
一年從21秒50跑到9秒32
和去年比，人形機器人的變化更明顯。
2025年首屆世界人形機器人運動會上，100米最好成績為21秒50。一年之後，這項賽事的最好成績已經進入9秒區間。
這個變化不能算作"AI一年變強了一倍"。高速奔跑同時考驗機械結構、執行器、運動控制、電池和散熱，是整套機器人系統一起迭代的結果。
半程馬拉松項目也呈現類似趨勢。去年，人形機器人首次參加北京亦莊半程馬拉松時，部分機器人需要工程師陪跑，部分機器人無法完成比賽，有的甚至在起跑階段就失去平衡。今年，榮耀研發的"閃電"機器人已經能夠自主完成半程馬拉松，成績達到50分26秒。
機器人運動會規模的擴大，也反映出行業參與者數量快速增加。去年首屆賽事約有280支隊伍參加，今年參賽隊伍增加至666支，參賽機器人達到2056台。
社交媒體帳號@redphone關注到，參賽隊伍這樣翻倍，說明人形機器人不再只是小範圍的技術展示。他認為，機器人運動會正在形成類似AI領域公開測試環境的作用，讓不同企業的技術路線在同一套規則下直接接受檢驗。
為什麼要辦機器人運動會？
它和早年的ImageNet挑戰賽、SWE-bench以及各種大模型排行榜有些相似，一個新興行業需要一套公開、可比較的測試，讓不同團隊在同一套規則下展示進步。
但具身智能也可能重複大模型評測走過的路：先用Benchmark建立共同坐標，再發現榜單成績不等於真實使用能力。
本屆運動會還增加了21項場景任務。賽跑之外，機器人也要在更接近真實工作的環境裡接受測試。
跑得快之後
機器人還要學會插電纜
同期舉行的2026世界機器人大會，展示的則是整個產業正在尋找的應用方向。
在北京舉行的世界機器人大會上，超過300家公司參與展示，展品覆蓋工業機器人、服務機器人、人形機器人等多個領域。越來越多企業把重點從單純展示機器人外形和動作，轉向討論機器人如何進入生產環境。
這也是產業正在發生的變化。過去幾年，人形機器人最容易獲得關注的是那些具有視覺衝擊力的演示，比如跳舞、格鬥、後空翻，或者完成複雜動作。但隨著產業走向商業階段，企業和投資者更關心另一個問題：機器人能不能真正完成工作？
世界人形機器人運動會今年增加的21項場景模擬任務，就是這種變化的體現。除了跑步、足球等體育項目，機器人還需要完成工業裝配、物料搬運、連接電纜、電動汽車充電、餐廳服務等任務。
這些任務看起來沒有百米賽跑那麼吸引眼球，卻更接近機器人未來可能進入的工作環境。
對機器人來說，跑步反而是一個相對確定的任務：賽道平整、方向明確、動作高度重複。連接電纜看起來簡單，卻要求機器人先識別插頭和介面的位置，再控制機械臂移動、調整手腕和力度，完成精確插接；如果位置有偏移，它還要判斷失敗原因，調整姿態重新試。
賽跑考驗的是確定環境中的極限運動控制，插電纜這類活兒考驗的是面對不確定性時的感知、判斷、操作和糾錯，後者更接近具身智能最終要解決的問題。
機器人公司Lumos Robotics首席執行長於超認為，這類比賽能夠幫助企業改進硬體，也能展示技術進展，但行業最終還是要回到實際價值。機器人只有進入終端場景，真正幫助企業提高效率，才具有長期意義。
運動能力先跑到了前面。接下來要看的，是同一台機器人換一項任務、換一個環境，能不能繼續把事情做成。
為什麼中國機器人迭代得這麼快
中國為何成為人形機器人發展最活躍的市場之一？
一個重要原因是，機器人產業拼的不只是演算法，還有製造體系。人形機器人從機械結構到執行器、電池、感測器，再到控制系統，每一環都要落到具體零件和產線上，需要大量工程經驗和供應鏈支援。
中國長期積累的製造能力，恰好為這一產業提供了基礎。根據國際機器人聯合會的資料，中國已經是全球最大的工業機器人應用市場，大量製造企業也為人形機器人提供了實際的測試環境。
中國現在最明顯的優勢，未必是已經造出了"最聰明"的機器人，而是擁有一個讓機器人快速造出來、快速試、快速摔、快速改的環境。從零部件供應、整機製造到工廠測試和公開比賽，機器人暴露問題以後，可以更快進入下一輪迭代。賽場上一年縮短近50秒，也讓這套工程體系的迭代速度變得更加直觀。
社交媒體帳號@AlternatNew指出，此次賽事中，中國企業在多個項目中表現突出，顯示出中國在人形機器人領域快速發展的態勢。
X使用者@thisisdimm則認為，人工智慧正在進入一個新的階段，過去幾年全球科技公司主要圍繞大模型能力展開競爭，而未來AI如何進入現實環境，將成為新的競爭方向。人形機器人正是這一趨勢的重要體現。
比跑得快更難的是
讓機器人穩定工作
但製造體系能提高迭代速度，並不自動等於商業成功。這種挑戰也不只是中國企業要面對的。
美國俄勒岡州立大學機器人學教授艾倫·費恩（Alan Fern）認為，近年來機器人運動能力提升明顯，但其中很多進步來自硬體最佳化和控制系統改進。相比單純提高奔跑速度，機器人完成需要即時互動的任務更具挑戰，比如打網球，需要持續追蹤快速變化的球路，判斷移動方向，並協調身體動作完成擊球。
這類任務更接近機器人未來面對的真實環境。
現實世界並不會按照程序提前設定。工廠裡的零件可能位置變化，倉庫中的貨物可能擺放不同，家庭環境更充滿隨機因素。機器人需要具備感知環境、調整策略以及處理錯誤的能力。
這也是為什麼今年世界人形機器人運動會中，自主運行能力成為重要評價標準。
AI研究員@XRoboHub認為，今年賽事相比去年最大的變化，是行業更加關注機器人自主完成任務的能力。短跑成績能夠證明機器人的運動能力，長期任務執行能力才更接近商業落地需求。
真正進入工廠後，企業不會只看機器人能不能把一件事做成，還會問：它能連續工作多久？失敗後能不能自己恢復？一天需要人接管幾次？完成一次任務究竟比人工更貴還是更便宜？
這些指標沒有9秒32那麼容易傳播，卻更接近一台機器人能不能被長期使用。
機器人時代的競爭
最終回到生產效率
一個更現實的數字來自賽場之外。
路透社援引機器人分析師格奧爾格·施蒂勒（Georg Stieler）估計，今年生產的人形機器人中，可能有50%至70%先進入"資料工廠"反覆採集訓練資料，而不是直接替付費客戶完成生產任務。它們看起來已經在上班，實際上還在學習怎樣工作。
運動會可以驗證硬體極限，也能暴露技術短板；到了工廠，成績單會隨之改變，機器人能連續工作多少小時，完成多少次操作，需要多少次人工接管，每項任務又要花多少錢。
人形機器人用一年時間，把賽事百米最好成績從21秒50推進到9秒32。接下來，如果通用智能和可靠性也能以相似的速度向前推進，今天賽場上的能力就可能更快進入工廠、倉庫和日常生活。
下一項最值得期待的紀錄，也許不只是跑得更快，而是穩定地幹得更久。(網易科技)