夜雨聆风全球人形机器人上半年卖了1.9万台，中国厂商包了97%。
这个数字不是来自某个创业公司的PPT，而是Smart Analytics Global和Counterpoint Research两家机构同时发布的行业报告。更狠的是，AgiBot（智元）以8400台出货量、44%的全球份额，第一次超过了曾经的"人形机器人第一股"宇树。
但这组数据真正值得聊的，不是谁当了老大。
硬件狂飙，软件拖后腿
先看数据。2026年上半年，全球人形机器人出货量19100台，同比增长272%。前五名——AgiBot、宇树、银河通用、优必选、乐聚——全是中国人。特斯拉的Optimus和硅谷的Figure AI？连前五都没进。
更值得注意的是应用场景的变化。服务引导类机器人占了19%的出货量，无人药店、线下零售场景成了重要的数据训练场。智能制造和仓储物流分别占13%和5%。人形机器人不再只是展会上跳舞的花瓶，它们真的在干活了。
但另一组数据却让人冷静下来。
卡内基梅隆大学（CMU）今年4月发了一篇论文，标题直白得吓人——《GPU集群中执行空闲的能源成本》。研究团队对756块GPU（从A6000到最新的B200）进行了31天的逐秒监控，结果发现：在Agent推理场景下，高达65%的能源消耗浪费在了"等"上面。不是等新任务，而是等系统其他部分跟上。即使是普通的ChatGPT式对话，这个数字也达到了52%。
整体来看，近20%的执行时间和11%的能源被白白烧掉了。
VentureBeat上周的报道更扎心：Gartner估计AI基础设施今年新增支出4010亿美元，但企业级GPU平均利用率只有5%。5%。你花400万美元买的72卡GB200 NVL72机柜，可能有一半时间在"打瞌睡"。
一边是机器人三倍速增长，一边是算力一半在空转
这两组数据放在一起，画面就很清晰了。
中国在硬件制造端已经形成了碾压级优势。人形机器人的核心零部件——伺服电机、减速器、传感器——中国供应链的成本和迭代速度，让硅谷望尘莫及。AgiBot出货量同比暴涨562%，宇树在科创板成功上市，海外客户甚至开始"反向出差"来中国找产品。
但软件层呢？CMU的研究揭示了一个尴尬的现实：我们买得起最贵的GPU，却跑不满它。Agent推理比传统推理更吃调度和通信，而现有的系统软件和服务编排层还停留在"能跑就行"的阶段。
从50%利用率推到90%，效果相当于凭空多出一台几百万美元的机柜。这不是技术问题，是工程问题。
跟你有什么关系
如果你在做AI相关的业务——不管是写标书的Agent、企业知识库、还是任何涉及大模型调用的场景——这两组数据都在告诉你同一件事：瓶颈不在模型能力，不在算力价格，而在怎么把已有的东西用满。
具体来说，三件事值得做：
1. 算一笔账：你的GPU在干嘛？ 如果你在用云GPU跑推理，大概率有30-50%的算力在空转。连续批处理（continuous batching）是最高ROI的单一优化，能让同功率下的token吞吐量提升5-10倍。先审计，再优化。
2. 看硬件趋势：人形机器人进入实用期。 出货量272%的增长意味着什么？意味着数据采集、场景适配、部署经验正在快速积累。如果你所在的行业涉及制造业、仓储、零售，现在是评估"人形机器人能替我干什么"的窗口期。再晚，价格会被炒上去。
3. 重新审视"堆算力"的思路。 CMU论文的核心结论是：堆更多GPU不解决协调和利用率问题，只是扩大了基础设施规模。与其买更多卡，不如先把现有的卡跑满。
结尾
硬件端，中国厂商用三倍增速证明了制造能力；软件端，5%的利用率暴露了工程短板。2026年下半年的AI竞争，不再是比谁的模型更强、谁的GPU更多，而是比谁能把100美元的算力用出90美元的价值。
你的卡在空转吗？去查查。