--- title: "当中国拿下全球97%机器人、训练10万亿参数大模型，\"卡脖子\"叙事正在被改写" date: 2026-08-11 category: AI大模型 site: 脑机网 canonical: https://aiai.cafe/a/njw-5d7b6d language: zh-CN --- # 当中国拿下全球97%机器人、训练10万亿参数大模型，"卡脖子"叙事正在被改写 > 8月7日，英国《金融时报》援引三位知情人士报道：字节跳动正在训练一款参数规模最高可达10万亿的AI模型。同一周，市场研究机构SAG给出另一组数字：2026年上半 8月7日，英国《金融时报》援引三位知情人士报道：字节跳动正在训练一款参数规模最高可达10万亿的AI模型。同一周，市场研究机构SAG给出另一组数字：2026年上半年，中国厂商拿下了全球人形机器人出货量超过97%的份额，其中上海的智元一家就占44%，把宇树甩在身后。两件事摆在一起，像两面镜子，照出一个正在发生的范式切换——那个讲了五年的"中国科技被卡脖子"的故事，正在被另一种叙事悄悄替换。 不是喊口号，是数据在说话。而数据的有趣之处，在于它不站队，只记录谁先把事情做成。 第一组数字：从84.7%到97%人形机器人这条线，中国的爬坡曲线很说明问题。2025年全球人形机器人本体企业超300家，总出货约1.7万台，中国占比84.7%，已经稳居第一。到2026年上半年，份额进一步提升到97%以上，出货从约5100台跳到1.91万台，同比增长近300%。智元上半年8400台、宇树5900台，两家加起来就占了全球四分之三。出口侧更猛：2026年上半年中国机器人出口额248.5亿元，同比增长359%。 这条曲线最值得玩味的，不是"大"，而是"快且全"。从核心零部件到整机，从算法到量产，中国把一条产业链在几年内拼齐了。天眼查的数据：我国现存机器人相关企业超116.5万家，2026年新增约14.4万家，广东、江苏、山东三省加起来超过43.8万家，占37.7%。产业密度本身就是一种壁垒——它意味着任何一个环节掉链子，旁边就有十家能补上。这种"冗余韧性"，是单点突破的国家学不来的。 第二组数字：10万亿背后的"非对称竞争"大模型这条线，故事更复杂。字节的10万亿参数，规模被认为超过Anthropic的旗舰。但真正值得注意的是打法：它明确拒绝用蒸馏小模型去追别人的成绩，坚持从预训练底座自己做。这意味着中国头部玩家不再满足于"跟随式微创新"，而是直接赌最重的那块——底座能力。 这和机器人是一个逻辑：不在别人定义好的赛道里做性价比，而在自己能定义标准的领域里做重投入。比亚迪把刀片电池技术迁移到机器人，解决续航、安全、成本；小米把机器人拉上自家产线啃螺母安装，用真实场景反哺算法。当"场景+制造+数据"三者闭环，定义标准的权力就从"谁先发明"转向"谁先规模化落地"。 把全球视角拉进来：当海外团队还在为"首例人体植入""单个demo"发通稿时，中国的机器人已经用97%的份额把"产业标准"悄悄焊死在自己这边。标准未必写在一份红头文件里，它写在某家工厂的采购清单、某条产线的接口协议、某批出货的默认配置里。谁的量最大，谁的默认就是标准。 我提出的框架：从"追赶者"到"标准定义者"的切换我想给这股势头一个自己的判断：中国科技正在经历的不是简单的"国产替代"，而是一次"范式切换"——从追赶者，变成某些赛道的标准定义者。 过去三十年，"卡脖子"叙事成立的前提是：核心技术在别人手里，我们擅长的是应用和制造。但人形机器人和大模型正在打破这个前提。机器人这边，中国用"产量+产业链+真实场景"三重优势，直接改写了全球出货的份额结构；大模型这边，头部公司开始从底座较劲，而不是只在应用层修修补补。 更关键的是"标准"。上海牵头制定国内首个脑机接口医疗器械行业标准，累计立项6项国家标准；机器人领域中国企业的数量密度，让供应链标准天然向中国倾斜。当你的产量占全球97%，你的工程选择就是全球行业的默认选择。这才是"定义标准"的真正含义——不是写一份文件，而是用规模把习惯焊死。 必须说清边界：这不是"全面领先"的狂欢。在底层算力、部分高端芯片、某些基础软件上，差距仍在。但范式切换的意义恰恰在于：在那些"场景密集、制造密集、数据密集"的赛道，中国已经拿到了定义权。这不是要否定短板，是要把视野从"我们缺什么"挪到"我们已赢了什么"——两种叙事，导向两种完全不同的决策。 第三组数据：窗口期也属于普通人这股浪潮不是只属于巨头。2026年春招AI领域岗位量同比增长8.7倍，具身智能赛道暴增15倍，具身智能岗位平均月薪61625元。北京AI岗位渗透率30.17%，每10个新岗约3个与AI相关。智元第15000台机器人下线那天，工厂里站着的，是一大批三年前还不存在的"机器人运维""智能产线调度"岗位。 机会在"交叉处"：懂制造又懂AI、懂医疗又懂数据、懂内容又懂模型的人，正被疯抢。这类复合能力，恰恰是巨头供应链之外的空白地带——大公司造底座，小团队做"把底座翻译成生意"的桥。 一个必须说清的提醒：范式切换不等于全面领先写到这里，必须踩一脚刹车，免得这篇文章被读成盲目的乐观。范式切换发生的前提，是"场景密集、制造密集、数据密集"的赛道——机器人、脑机、部分应用层，中国确实拿到了定义权。但在底层算力、部分高端芯片、某些基础软件与科学计算工具上，差距依然存在，且短期内不会被97%的机器人份额抹平。 真正健康的认知是"双线并行"：一条线，为已领先的事高兴、下注、把红利吃到；另一条线，对仍落后的事保持清醒、持续补课。把"我们赢了"和"我们还有短板"放在同一个大脑里，不矛盾，反而更稳。那种要么妄自菲薄、要么妄自尊大的叙事，都会误导决策——前者让人错失窗口，后者让人踩空泡沫。 这也给普通人一个具体的提醒：选赛道时，优先选"中国在定义"的；补能力时，优先补"仍被卡"的环节相关的复合技能。比如，既懂机器人应用、又懂供应链合规的人，会在出海时极稀缺；既懂大模型、又懂底层算子优化的人，会在算力受限时极值钱。把"领先"和"短板"之间的桥修起来的人，才是这轮范式切换里最稳的受益者。 一个可以记住的对照表把"追赶者"和"定义者"放在一张表里，会更清楚该往哪用力： 追赶者的典型动作是——盯着别人的发布，问"我们差在哪"，然后补课。定义者的典型动作是——用规模把习惯焊死，让别人来适配自己。机器人这边，中国已经在做定义者的事：97%的份额、完整的产业链、真实的产线数据，让"中国默认"成了全球默认。大模型这边，还在追赶与定义之间——底座在追，应用层已在定义。 对普通人，这张表的意义是选择：如果你在"追赶"的赛道里，拼的是补齐短板的速度；如果你在"定义"的赛道里，拼的是把领先变成生意的能力。前者靠努力，后者靠眼光。这轮范式切换里，最舒服的位置，是站在"已经在定义"的赛道里，做那个把定义变成产品的人。 一个给内容创作者的视角如果你是写作者、做AI工作室的，这股范式切换本身就是选题金矿。读者爱看的，不是"中国又突破了吗"的喊口号，而是"我身边哪些行业正在被悄悄改写"的具体故事。把97%的机器人份额，翻译成"你老家的工厂是不是也进了机器人"；把10万亿参数，翻译成"你用的那个App会不会更聪明"。宏大叙事一旦落地到读者的生活半径，完读率和转发率自然高。 在AIGC沙龙里我们反复说：流量基本盘是"情绪价值+实用价值"。范式切换同时给了你两者——民族科技自信是情绪，普通人怎么上车是实用。把这两样拧在一篇文章里，就是今年最容易出圈的素材结构。但记住，拧的时候要诚实：既写领先，也写短板，读者信你，才愿意转给你。 一个读者的提问，值得认真答有人会问：这些宏大叙事，跟我一个普通打工人的日常有什么关系？关系就在"认知红利"。当周围人还用"被卡脖子"的旧框架理解中国科技，你已经用"定义者"的新框架看机会，你在选专业、选城市、选副业时，就会比别人早半拍看到机器人、脑机、AI应用这些赛道的真实机会。半拍，在风口里就是倍数差距。 更实在的：这轮范式切换里，最缺的不是写代码的人，是把"领先技术"翻译成"普通人用得上的产品"的人。前面说的OPC孵化、AIGC沙龙里的团队，干的都是这活。你不必造杠杆，你只要学会把别人的杠杆，接成自己的生意——这本身就是普通人能蹭上的、最稳的一波红利。 落到你身上，三条现在就能走的路第一，重新评估"卡脖子"叙事对你的决策干扰。若你在选专业、选行业、选投资，别只盯着"被限制"的悲情，也看"已领先"的事实。机器人、脑机、部分大模型应用层，中国已经是定义方之一。把认知从"防御"切到"进攻"，你会看见完全不同的机会清单。 第二，往"交叉能力"靠，别只练单一技能。在OPC孵化里跑通的案子，几乎都有一个共性：人负责定方向，AI负责填细节。能把"产业know-how"和"AI杠杆"拧在一起的人，是这一轮最稀缺的。 第三，普通人参与这场范式切换的最低成本方式，是做"应用层的搬运工"——把领先的技术能力，用最低门槛包装成别人用得上的产品。AIGC沙龙里我们见过太多这样的团队：不训练模型，只把模型变成小生意。这波红利，属于会用杠杆的人，不唯属于造杠杆的人。 97%不是一个终点，是一个信号：当规模开始替你说话，叙事就该换写了。而换写叙事的人，不一定是巨头，也可以是每一个早早把杠杆扛上肩的普通人。 脑机派对 2026.08.11 --- 来源：脑机网（https://aiai.cafe/）｜原文：https://aiai.cafe/a/njw-5d7b6d 本内容仅供参考，不构成投资建议。