德國總理親自去看中國機器人，這件事比你想的嚴重
台北時間2月26日下午，德國聯邦總理弗里德里希·梅爾茨（Friedrich Merz）站在浙江杭州的一棟廠房裡，盯著一台身穿紅色上衣的機器人打功夫。
那是宇樹科技（Unitree Robotics）的人形機器人。它騰空翻躍，出拳收腿，動作流暢得讓現場的德國企業高管們拍手叫好。隨行的荷貝克電源系統（Hoppecke）執行長 Marc Zoellner 牽著機器人的手轉圈共舞。旁邊有人笑說：「別把它弄壞了，它很貴的。」
梅爾茨 2025 年 5 月才上任，這是他首次訪華。行李箱裡帶著約 30 家德國企業高管，涵蓋汽車、化工、生物製藥、機械製造。西門子（Siemens）、拜耳（Bayer）、寶馬（BMW）的人都在。他為什麼要來杭州，親自去看一家成立不到十年的中國機器人公司？
答案不在表面的外交禮儀，而在一個更大的戰略判斷：具身智能（Embodied AI）時代已經到來，而德國正在評估自己的位置。
這篇文章想講清楚二件事：具身智能的全球競賽到底在比什麼、梅爾茨去杭州這個動作背後的真實意義。
具身智能：不只是「更聰明的機器人」
先釐清一個概念。
過去十年，AI 的主角是大型語言模型（LLM, Large Language Model）。ChatGPT 能寫文章，Claude 能分析報告，Midjourney 能畫圖。這些 AI 有個共同特徵：它們活在螢幕裡，沒有身體，只能處理符號、語言和像素。
具身智能要的是下一步：讓 AI 進入物理世界，有眼睛、有手、能行動。這不只是「幫機器人裝個 GPT」這麼簡單。真正的突破是讓機器人具備「感知 — 推理 — 執行」的閉環能力 — — 看見一個從沒見過的物品，理解它的重量和材質，然後用正確的力道抓起來，放到對的位置。
這聽起來容易，但這是工業機器人幾十年沒解決的問題。傳統機器人能重複一個動作一萬次，誤差不到 0.1mm。但換個物件形狀，它就傻掉了。具身智能要解的，是「泛化能力（Generalization）」 — — 沒見過，也能做到。
核心卡點是資料荒（Data Desert）。
大型語言模型能訓練出來，靠的是網路上幾兆字節的文字資料。但機器人要學的是物理互動 — — 怎麼用力、怎麼避障、怎麼在雜亂的真實環境裡完成任務 — — 這類資料極度稀缺，也很難靠人工蒐集。派人示範？一個動作可能要示範幾千次，速度太慢，成本太高，還難覆蓋所有邊界情況（Edge Case）。
光輪智能（Lightwheel AI）的創辦人謝晨（Chen Xie）博士把這個問題看得非常清楚。他在英偉達（NVIDIA）、Cruise 和蔚來汽車（NIO）三家公司主導自動駕駛模擬工作超過十年，親眼看著模擬系統怎麼從「差不多可以用」一路調整到「物理正確（Physically Accurate）」。他 2023 年創辦光輪智能，核心邏輯只有一個：用生成式 AI 搭配高保真物理模擬，批量生產機器人需要的訓練資料。
這件事現在看起來很基礎，但它對應的是整個具身智能產業的底層卡點。把它做好，就等於控制了這個時代的「石油供應」。
光輪智能的技術架構包含三個層次：一套支援百萬級自由度並行計算的 GPU 物理求解器（Solver）；一座全自動的物理測量工廠（Factory），能把真實物體的摩擦力、接觸動力學、柔韌性等參數轉化為數位資產；以及一套生成式 AI 場景產生器（Generator），能自動生成數以萬計的貨倉、藥店、家庭廚房等訓練場景。李飛飛（Fei-Fei Li）的 World Labs 在 2026 年 1 月宣布與光輪智能合作，這本身就是一個不小的信號。
全球競賽的真實格局
全球具身智能的競賽，常被簡化成「美中對抗」，但這個框架太粗糙。
美國在底層模型（Foundation Model）上仍有優勢。特斯拉（Tesla）的 Optimus 人形機器人依賴 FSD 自動駕駛車隊的龐大資料，Figure AI 跟 OpenAI 合作，把語言理解直接整合進機器人動作控制。這些都是硬實力，但美國的路線是「深度整合、慢慢做」，商業化節奏相對保守。Tesla Optimus 的規模量產計畫仍在 2026 年，而且初期主要服務特斯拉自家工廠。
中國的路線是快速落地。數字比任何說明都有力：
根據 CounterPoint Research，2025 年全球人形機器人裝機量約 1.6 萬至 1.8 萬台，中國企業佔超過 80%。
宇樹科技 2025 年實際出貨超過 5,500 台人形機器人。生產線下線超過 6,500 台，全球出貨量第一。全年營收突破 10 億人民幣。公司正在準備 IPO，市場估值在 100 至 120 億人民幣之間。
星辰普適（Galbot）的工業型機器人 S1 已在寧德時代（CATL）生產線上實際部署，雙臂連續負載 50 公斤，每 8 毫秒做一次避障判斷。不是展示機，是在生產。
Figure AI 在 BMW 工廠做的是測試。Galbot 在 CATL 做的是量產。這是兩件不同的事。
然後是一個讓人不安的數字：宇樹科技的 G1 人形機器人，最初定價 9.9 萬人民幣（約台幣 45 萬），現在已有版本降至 3.9 萬人民幣（約台幣 18 萬），而且成本仍在下降。一台人形機器人的購買成本，正在逼近台灣一名基層員工約三個月的薪資加管理成本。
不是說機器人明天就會取代所有工人。但成本曲線說的是方向，而方向很清楚。
梅爾茨去杭州，到底在評估什麼？
現在可以回答這個問題了。
梅爾茨這趟訪華，時機點很微妙。德國正在經歷它的工業焦慮。Volkswagen 宣布關閉德國本土工廠。汽車工業在電動車（EV）賽道上落後。BMW 和 Mercedes-Benz 的中國市場份額被比亞迪（BYD）等品牌持續侵蝕。德國的製造業核心優勢 — — 精密工程、工業自動化 — — 面對的是中國以更低成本複製的壓力。
中德雙邊貿易 2025 年達到 2,518 億歐元，中國重新成為德國最大貿易夥伴。梅爾茨帶著 30 家企業高管親自來，本質上是一次「工業能力探底之旅」：中國的機器人到底做到什麼程度了？
但他去杭州看宇樹科技，背後有更清晰的戰略邏輯。
德國有最好的工業應用場景 — — 全球最嚴格的製造業品質標準、最成熟的工業物聯網（IIoT）生態、最多具備購買能力的中型製造企業（Mittelstand）。
中國有最快的機器人量產速度和最具競爭力的硬體成本。
宇樹科技創辦人王興興在訪後說：「此次訪問突顯了全球對中國機器人產業的高度關注，期待與德國企業深化合作，共同推動人形機器人與 AI 發展邁上新台階。」
這是企業家的外交辭令，但背後有真實的商業邏輯。如果德國的工業系統整合能力跟中國的低成本硬體真的深度結合，這條供應鏈就不再只是「中國自己的事」，而是一個全球性的產業架構重組。
台灣夾在其中，要找的是自己的切入點，而不是等著看兩大強者怎麼談。
具身智能的投資邏輯在哪裡？
先說一個反直覺的觀點：如果你現在才想投資人形機器人本體製造商，可能已經慢了半步。
宇樹科技正準備 IPO，估值 100–120 億人民幣，市場早已把未來幾年的成長預期定價進去了。Figure AI 上一輪融資後估值達 25 億美元。這些數字不是說它們會跌，而是說「顯而易見的故事」往往已反映在價格裡。
真正有意思的機會在三個地方。
第一層：關鍵零組件。 力控傳感器（Force/Torque Sensor）、諧波減速機（Harmonic Drive）、六軸力矩傳感器 — — 這些是讓機器人「感受到力道」的核心元件。沒有它們，機器人就是個蠻力執行器，不是具身智能。這個領域的競爭邏輯跟半導體很像：能做到特定精度和良率的供應商不多，護城河相對寬。台灣的上銀科技（HIWIN）、台達電（Delta Electronics）已在布局這個方向，值得持續追蹤。
第二層：合成資料基礎設施（Synthetic Data Infrastructure）。 光輪智能代表的模式 — — 用高保真物理模擬批量生產訓練資料 — — 在 2025 年還是很小眾，但這個賽道的戰略重要性正在快速提升。根據光輪的技術對比，採用物理正確合成資料訓練的模型，在真實世界的部署成功率可從接近零提升至 90% 以上。這個數字如果成立，它控制的是整個具身智能產業的訓練瓶頸。
第三層：機器人即服務（RaaS, Robots-as-a-Service）。 這是最貼近中小企業的切入口。不需要買一台幾十萬的機器人，按月訂閱，機器人幫你做倉儲分揀、藥品揀選、物料搬運。商業模式現在才剛起步，在台灣還不成熟，但未來兩到三年有機會爆發。台灣的系統整合商（SI, System Integrator）如果現在開始累積場景知識和客戶資源，有機會成為在地的 RaaS 服務商。
台灣上班族，你在哪裡？
直接說。
PwC 的調查顯示，21% 的台灣企業因採用生成式 AI 而增聘人力。這說明 AI 確實在創造新職位。但另一面是：核心技能的有效期從過去的 4 到 6 年，壓縮到 AI 時代的 1 到 2 年。影響最大的不是工廠作業員 — — 自動化這件事早在進行 — — 而是坐辦公桌的白領。
客服、資料輸入、基礎財務分析、倉儲排程、初階法律文件整理 — — 這些工作不是有一天「會被機器人取代」，是現在、這幾年，一份一份地消失，或是需要的人手從三個變成一個。
台灣 2026 年的就業數據已在顯示壓力：超過一成的企業計劃減少員工人數，是近五年首次突破這個比例。3.7% 的兩千大企業預計在台投資負成長，創下十年新高。
這些不是因為企業主變壞了。是因為自動化的成本下降速度，超過了大多數人想像的快。
對上班族而言，最直接的建議不是「學 AI」 — — 每個人都說這個，但學什麼 AI、學到什麼程度才有用？更清晰的問題是：你現在做的工作，有多少部分是「可被標準化」的？ 如果超過一半，你的職位受到的壓力就比你感覺到的更大。如果你的工作需要大量判斷、客戶關係、跨部門協調、非結構化問題處理，你的護城河仍然存在，但你需要主動把它說清楚，並持續強化它。
台灣中小企業的「不做也死，做了未必活」困境
台灣有將近 150 萬家中小企業，佔全體企業數的 98% 以上，僱用超過八成的就業人口。它們的韌性很強，但它們面對自動化的處境是一個雙重困境：導入門檻仍然不低，不導入的競爭劣勢卻越來越大。
導入一套協作機器人（Cobot）系統，加上整合費用，通常要數百萬新台幣。這對年營收三千萬的工廠是很重的投資。而同行裡規模更大的廠商，早就在做了。
更根本的問題是商業模式。台灣中小企業長期在「接單製造（Contract Manufacturing）」模式下運作 — — 利潤薄、彈性高，幾乎沒有餘裕做長期技術投資。這不是企業主不努力，是商業邏輯決定了行為。
RaaS 理論上是個出口，但在台灣還不成熟：缺乏足夠多的在地服務商，缺乏適合本地場景的應用套件，缺乏可靠的維修支援體系。機器人壞掉的第一天，你才知道那個維修工程師有多重要。
但換個角度看，台灣中小企業真正的機會，不一定是「用機器人」，而是**「供應機器人」**。如果你在做精密加工、特殊材料、小批量客製化零件，具身智能崛起對你是訂單，不是威脅。前提是主動切入供應鏈，而不是等政府補助。台灣在精密機械的製造能力是真實的優勢。問題是有多少中小企業主動走出去，接觸人形機器人廠商，把自己的能力轉化成供應鏈的一部分。
台灣經濟的結構性問題，比機器人更早到
最後要說一件更大的事。
台灣的具身智能競爭力問題，背後是一個更長期的結構性困境：台灣在半導體上的優勢，並沒有自動轉化為具身智能的競爭力。
台積電（TSMC）生產的先進製程晶片，是 NVIDIA 和特斯拉機器人背後的計算基礎。這條鏈子是確定的，也是台灣最紮實的護城河。但在機器人軟體平台、具身智能應用系統、機器人場景整合這幾層，台灣的存在感相對模糊。
日本選擇了「工業機器人老大哥」路線，Fanuc（發那科）、Yaskawa（安川電機）的精密機械底蘊是幾十年累積。南韓有 Hyundai（現代）加 Boston Dynamics（波士頓動力）的整合。中國打的是量產速度和成本。台灣呢？
台灣政府「AI 新十大建設」方案裡，AI 機器人列為關鍵技術，國發會編了 100 億新台幣的十年預算。拿來算：平均每年 10 億新台幣。宇樹科技一家公司，2025 年年營收突破 10 億人民幣，約等於 46 億新台幣。
一個國家的全年預算，比一家機器人新創的年營收還少。這個對比不是要說台灣政府不努力，而是要說明差距的量級。
具身智能的技術成熟曲線，有人說會比自動駕駛快，因為工廠場景比街道更可控，更容易定義成功標準。如果這個判斷對的，商業規模化的時間點會在 2027–2029 年之間。台灣能在這個窗口裡找到明確的切入點嗎？
結尾：不做選擇，也是一種選擇
梅爾茨去杭州，和機器人握手，拍了照，回柏林繼續處理德國的財政赤字和聯合政府談判。但他去了這一趟。
這件事的意義不在於中德要合作什麼具體項目。意義在於：一個西方主要經濟體的最高領導人，判斷中國的機器人技術已經到了值得親自評估的程度。
對台灣而言，具身智能不是遙遠的科幻，也不是可以「等等看」的議題。它正在影響的不只是工廠的就業崗位，還是整個產業鏈的競爭力格局，以及下一個十年台灣在全球分工體系中的位置。
問問自己：「我的工作、我的企業，在具身智能的產業地圖上，是被取代的點，還是能創造更多價值的節點？」
這兩個位置的差別，不是天份，也不是政策，是現在就要開始的選擇。
機器人的成本正在快速下降。到 2028 年，可能跌破讓大多數服務業和製造業都能負擔的門檻。到那個時候，問題從「要不要自動化」，變成「同行都自動化了，你現在怎麼辦？」
德國總理提前去看了。你呢？