本週人形機器人有兩件事幾乎同時發生，方向卻剛好互補：一邊在賭「機器人怎麼學」，一邊在賭「機器人怎麼賺錢」。
法國新創 UMA 在 2026 年 7 月 7 日的 Machina Summit 上，發表首款人形機器人 Northstar 與 Real-Time Learning 學習架構；幾天前，美國的 Agility Robotics 宣布走 SPAC 上市，估值約 25 億美元、成為首家純人形機器人上市公司。
把這兩件事放在一起看，比單獨看任何一則都更有訊息量：人形機器人的競爭，正在轉到「學習架構」與「營收模型」兩個新戰場。 這篇不做模型參數量或單機規格排名；更適合拿來看機器人公司怎麼把學習、交付能力和訂閱稼動率變成商業指標。
事件 A：UMA 用「示範式學習」對撞 Optimus
UMA 的賣點落在方法論，規格表只是配角。
創辦人 Rémi Cadène 的履歷本身就是背書：他在 Tesla Autopilot 團隊待了約三年、參與 Optimus 的 AI 系統，2024 年初轉到 Hugging Face，主導開源機器人函式庫 LeRobot——一年內從 0 衝到超過 12,000 個 GitHub star，成了這個領域的共用基礎建設。用一句話說，他是「LeRobot 之父」。
Northstar 主打的 Real-Time Learning，核心主張是「Nothing is scripted」：不寫死軌跡、不手動編程，靠人類示範加上機器人自己練習來學會任務。定位鎖定製造、物流、醫療與照護場景，並在 2026 年跑多個試點。UMA 說已在和 50 個潛在客戶接觸，用「歐洲缺工、要靠機器人補上退休勞動力」當敘事主軸。募資部分，外界傳這輪 seed 約 4,000 萬美元、投資人名單傳有 Yann LeCun 等人，但 UMA 未正式確認最終金額，這裡就先標「傳」、不當定數。
這跟 Tesla、Figure 那種「先做出一台很像人的機器人」的路線不同。UMA 賭的是：真正的護城河在能不能把一個任務，變成可複製到更多機器人的能力——資料與學習會比關節本身更關鍵。這正是 physical AI 這一年最關鍵的分歧。
事件 B：Agility 上市，把 RaaS 寫成營收模型
如果 UMA 談的是「怎麼學」，Agility 談的就是「怎麼收錢」。
Agility Robotics 宣布與 Michael Klein 主導的 Churchill Capital Corp XI 合併、pre-money 估值約 25 億美元、募資逾 6.2 億美元（含信託帳戶約 4.2 億），未來以 AGLT 掛牌，號稱人形機器人史上最大單筆募資。
但真正的重點是它的訂單結構。執行長 Peggy Johnson 揭露公司已握有逾 3 億美元、約 1,000 台的多年期「機器人即服務（RaaS）」訂單，客戶包含 GXO、Amazon、Toyota 加拿大廠與德國 Schaeffler。它的 Digit 機器人在 GXO 倉庫已搬運超過 10 萬個料箱。
Johnson 講得很白：她不承諾機器人短期內會進你家，家庭場景「還要 10 年以上」，因為家裡太不可預測；公司策略是「一個客戶、一台機器人」慢慢交付，並採 LLM-agnostic、同時用 Claude 與 Gemini 做語意翻譯。
這裡有個容易被忽略的信號：Agility 的收入核心是訂閱，賣出幾台機器人只是前段指標。這讓評價一家機器人公司的指標，從「出貨量」換成了「稼動率」——機器人有沒有在客戶現場持續幹活、持續產生月費。
對照組：Unitree 在上海 STAR 上市
同一時間，中國的 Unitree 也在 2026 年 7 月 3 日拿到 STAR Market 上市批准、募資約 6.2 億美元，估值傳上看數十億美元。三件事放在一起，剛好是三條路線的縮影：
| 路線 | 代表 | 主打 | 賭的是 |
|---|---|---|---|
| 學習架構優先 | UMA（歐洲） | 示範式學習、資料飛輪 | 軟體與泛化能力 |
| RaaS 商用落地 | Agility（美國） | 訂閱、稼動率、倉儲物流 | 營收模型與交付 |
| 低成本量產 | Unitree（中國） | 出貨速度與價格 | 規模與供應鏈 |
三條路線都還沒分出勝負，但它們共同宣告：光有一支很炫的 demo 影片，已經不夠了。
台灣角度：不管誰贏，關節與組裝都繞不開亞洲
先講一個結論：無論歐、美、中哪一極勝出，關節模組都繞不開台廠與亞洲供應鏈。
一台人形機器人最貴、最難的地方在關節：諧波減速器、無框力矩馬達、六軸力覺感測器，加上精密組裝與散熱。這些正是台灣製造業的基本盤，也是 AI 走進製造現場 時最直接的受益點。UMA 用「歐洲缺工」當賣點，其實恰好對照台灣製造業同樣嚴重的缺工結構——需求是真實的。
但這兩件事也帶來兩個我必須直說的提醒。
第一，價值重心正在從馬達往感測與資料端移動。 當競爭主軸從硬體轉到學習架構，示範式學習若成主流，機器人只會「動得順」還不夠；「感知得準、資料回得快」才會拉開差距。力覺、觸覺、視覺感測器，以及資料標註與訓練基礎建設的價值會被拉高；純粹賣馬達、賣結構件的毛利，長期會被壓。這跟 AI 運算從訓練往推理外溢、推理晶片挑戰者拿到大額融資 是同一種味道——真正的錢，往往在大家沒盯著的那一層。
第二，RaaS 讓「稼動率」變成新指標，這對台廠是機會也是提醒。 Agility 證明訂閱、不賣硬體才是可持續營收模型。對習慣「賣零組件、賣整機、一次性收款」的台廠來說，這是提醒：客戶未來買的是「機器人幫我幹了多少活」，不是「我買了幾台機器人」。誰能切進維運、備品、稼動率保證、資料服務這些長尾生意，誰才吃得到訂閱財；而這也需要更省電、更耐操的邊緣推理與客製晶片 撐在機器人本體裡。
Mason 觀點
我不押哪一家會贏，因為現在押單一贏家太早。
但我確定的是趨勢方向：人形機器人的估值故事，已經從「這台像不像人」升級成「它學得多快、賺得多穩」。UMA 補上了「學習」，Agility 補上了「營收」，Unitree 補上了「量產」，三塊拼圖同一週補齊，不太像巧合。
對台灣，我的建議很簡單：別再只用「又一家機器人公司」的眼光看這些新聞。要看的是——你的產品是站在「被壓毛利的硬體那一層」，還是「被拉高價值的感測與資料那一層」？這個問題的答案，會決定台廠是這波的零件供應商，還是規則制定者的一部分。
FAQ
UMA 的 Northstar 和其他人形機器人差在哪？
差在方法論。Northstar 主打 Real-Time Learning，強調靠人類示範加自我練習來學會任務、不手寫死程式（Nothing is scripted）。相較 Tesla Optimus、Figure 走「先做出擬真硬體」，UMA 賭的是學習架構與資料飛輪，主張把一個任務變成可複製到更多機器人的能力才是護城河。
什麼是 RaaS（機器人即服務）？為什麼重要？
RaaS 指客戶不買斷機器人硬體，而是按月/多年期訂閱，付費換取機器人持續幹活。Agility 靠這個模型握有逾 3 億美元訂單。它重要在於改變了評價指標：從「賣出幾台」變成「稼動率有多高」，讓營收更可預測，也讓維運、資料與稼動保證變成新的生意。
Agility Robotics 上市有多特別？
它是首家純人形機器人公開上市的公司，透過與 Churchill Capital Corp XI 的 SPAC 合併、pre-money 估值約 25 億美元、募資逾 6.2 億美元，未來以 AGLT 掛牌。這代表資本市場開始給人形機器人「可交付、可收費」的估值，而不只是題材。
這對台灣供應鏈是好消息還是壞消息？
兩者都是。好消息是關節模組（諧波減速器、力矩馬達、力覺感測器）與精密組裝繞不開台廠，缺工需求真實。提醒則是價值重心正從馬達往感測與資料端移動，且客戶要的是稼動率而非出貨量；只做一次性零件買賣的毛利長期會被壓，能切進感測、資料與維運服務的廠商才吃得到成長。
參考來源
- Businesswire：UMA Unveils Its Vision for the Next Generation of Humanoid Robots
- Electrek：Ex-Tesla Optimus scientist unveils European humanoid robot startup UMA
- TechCrunch：This humanoid robotics company is going public（Agility / Peggy Johnson 專訪）
- The Robot Report：Humanoid maker Agility Robotics to go public through SPAC merger
- Agility Robotics：Digit Moves Over 100,000 Totes in Commercial Deployment
- Caixin Global：Unitree Robotics Wins Approval for $618 Million STAR Market IPO