人形機器人“進廠打工”，走到哪一步了？

產量的狂歡，落地的大考 人形機器人進工廠打工，“元年”已經被宣告了好幾輪，但那份真正的困難清單，很少有人把它說全：成功率要到99%以上，節拍不能拖產線後腿，一隻靈巧手的連續作業壽命只有幾周，數據缺口高達百倍。從實驗室驗證到實景實訓、常態部署、規模複製、商業閉環，隔著五步——行業最快的一批，到底走到了哪一步？帶著這個問題，《科創板日報》記者近日走進北京昌平的福田康明斯發動機工廠——這裡運行著國內進廠最早的人形機器人之一；在此前後，記者也在剛落幕的2026世界機器人大會（WRC）和第二屆世界人形機器人運動會上做了大量密集採訪。工廠車間和兩個會場合在一起，給出了一個比“元年”敘事誠實得多的答案。

如今，“能幹活”已經解決，“天天干活”剛開了頭，“算得過賬”還沒有人做到。從實驗室到商業閉環的五步裡，中國最快的一批機器人用了整整一年，走完了第二步，正在敲第三步的門。一家發動機工廠裡的“新工人” 福田康明斯的工廠裡，AGV小車早已大規模應用，缸體缸蓋靠激光SLAM導航輸送。但真正的痛點在“最後一米”：物料從拖料車向料架的舉升搬運，一直沒有成熟的柔性方案——傳統專機換個料箱就得換夾爪，拆垛、轉運、上架要好幾臺設備分工，而多品種、小批量的產線最缺的就是柔性。據悉，這是工廠選擇人形和輪臂機器人的根本原因。《科創板日報》記者從現場獲悉，現在，北京人形機器人創新中心的天工2.0雙足機器人和天軼2.

0輪臂機器人已在廠內測試了近一年。它們也是國內最早從運動會賽場直接走進工廠的人形機器人：福田康明斯在首屆運動會上提出物料搬運、進排氣門物料整理兩大工業測試場景，賽後雙方迅速對接落地。選擇北京人形，工廠是做過功課的。據福田康明斯相關負責人黃運保告訴《科創板日報》記者，前期調研中，工廠翻遍了Figure的公開參數、穩定性和可靠性資料，也與國內的一線具身智能企業都做過初步溝通，最終按場景契合度、配合度和落地推進能力，選了北京人形機器人創新中心。

上述負責人介紹，兩臺機器人無人自主作業，整機不做定製改造，本體沿用實驗室版本，只針對工況開發兩套末端夾具——窄型夾具對付料箱與架體間只有兩三公分餘量的狹小貨位，鉤型夾具負載更強，覆蓋15公斤以上的料箱。現階段的目標是2到5千克物料搬運，後續逐步向十幾千克迭代。真正的考題來自舊工廠本身：服役三五年的料架變形、傾斜，拖料車上的凸起結構觸發激光雷達避障；變形的料架得臨時增加一個”推箱”動作，才能保證料箱完全歸位。這些實驗室模擬不出的工程細節，靠研發人員駐場逐條磨掉。如今，天軼2.0把六個週轉箱放上貨架全程不到四分鐘，天工2.0搬一箱壓到一分半鐘，節奏已初步匹配產線節拍。

北京人形產業應用相關負責人對《科創板日報》記者解釋，箱子裡裝的是易碎的發動機零部件，機器人的優先級是“穩”，不是“快”。支撐這一切的是“慧思開物”具身智能平臺的大小腦協同：具身大腦基於大模型完成任務理解、拆解和編排，生成完整任務鏈路；具身小腦負責把每一步動作執行出來。據瞭解，落到現場，最直觀的變化是“不用示教”——不需要逐個對料箱、貨位點位編程，只設一個料堆觀察點，機器人靠頭部相機感知全局，算法自主挑選合適的料箱抓取轉運。新場景落地前，還可以先用世界模型做仿真測試，成功率達標再進場，壓縮調試周期。

福田康明斯產線上收集的各類料箱工況，回到平臺做泛化訓練，後續新工廠落地可以用低代碼方式快速適配——這是”經驗可複製”的關鍵一環。在黃運保看來，“機器人進廠的首要價值不是替代人力，而是解決人機工程痛點——把工人從彎腰、高位搬料的繁重勞動裡解放出來；其次是接入工廠業務系統形成信息流閉環，降低裝配出錯率，提升發動機質量。工廠評估智能裝備就兩條：質量改善、人員工作環境改善。” 對行業瓶頸，他的判斷較為冷靜：續航、負載、定位精度是三道硬坎，現階段機器人只適合節拍壓力不高、負載精度要求寬鬆的崗位，還不能完全頂替一名工人。他給同行的建議只有九個字：小步快跑，大膽想象，小心求證。雙方的合作還在往深走。

據悉，除現有搬運工位，工廠內部還有多個待開放場景；福田康明斯正在打造行業”未來工位”，人形機器人是其中的重要組成部分。如果把“進廠”拆成五步——實驗室驗證、實景實訓、常態部署、規模複製、商業閉環——福田康明斯這兩臺機器人，走了近一年，正站在第二步邁向第三步的門檻上。這在國內已經是最快的進度之一。談及人形機器人“進廠打工”的感想，黃運保告訴記者：未來已來。產量的狂歡，落地的大考 近期，兩場行業大會接連落地：第二屆世界人形機器人運動會落幕，2056臺機器人完成全部賽項，工業裝配上料崗成為核心看點；2026世界機器人大會上373家企業首發311款新品，工業人形場景方案成絕對主角。

賽場與展臺的技術迭代，正快速向真實產線的零容錯要求靠攏。但截至2025年前三季度，宇樹科技超過70%的人形機器人收入來自科研和教育，工業應用僅佔9%。“在工廠裡真幹活的人形機器人仍佔少數，大量機器人仍處於實訓、工藝驗證、小批量試運行階段。” 星動紀元聯合創始人席悅在WRC期間接受《科創板日報》記者採訪時也承認：工業場景裡批量化、大規模去部署的還比較少見，整個行業還在這個過程中。

聆動通用創始人季超對“進廠”的標尺說得具體：工業場景對機器人的要求，不是能否一次性達到人類水平的100%，而是經過一段時間以後，能否從人類水平的30%提高到60%、80%，最後在某些標準工位上超過人工——並且這一能力能夠在100臺機器人上覆用。一位頭部具身企業算法負責人告訴《科創板日報》記者，上述那五步，其實可以精簡成三句更直白的話：第一步到第二步，回答“能不能幹活”；第三步，回答“能不能天天干活”；第四步、第五步，回答“幹活能不能算得過賬”。

按這個標尺看2026年8月的行業：絕大多數具身企業還在第一步；頭部企業集體卡在第二步到第三步之間——“能幹活”已經證明，“天天干活”正在證明；第四步剛出現零星信號，第五步目前還無人走通。福田康明斯之外，還有兩個樣本值得記錄。今年6月，銀河通用的重載機器人Galbot S1也進了寧德：雙臂載重50公斤、續航8小時，承擔物料搬運與揀選。自3月完成驗收後，Galbot S1已在寧德量產線上7×24小時運行約3個月。智元的8臺精靈G2在南昌工廠連續併線6天、每天10小時全程直播。據介紹，在龍旗工廠的6天連續直播中，8臺機器人完成6.4萬餘次作業，任務成功率99.99%。

三個案例拼起來，進度條上的位置就清晰了：福田康明斯是“第二步走滿一年、正在叩第三步的門”——機器人幹活沒問題，但還在測試軌道上，沒有進入產線的正式編制；銀河通用在寧德的7×24三個月、智元在龍旗的105天，是業內僅有的兩個“第三步實證”，但也還只是單條產線、單一工段。《科創板日報》記者觀察到，第四步的信號今年才零星出現：智元三季度大幅擴編、Figure年內從40臺擴到200臺、蘇州博銀合創拿到荻捷工業近2000臺的戰略採購協議——訂單和擴編是規模複製的前奏，不是規模複製本身。至於第五步，商業閉環還沒有人真正走通。

《科創板日報》記者從多名具身智能從業者處獲悉，成本大頭在執行器系統，以特斯拉Optimus為基準的拆解顯示，關節模組與靈巧手合計佔整機成本近一半，其中絲槓佔線性執行器成本的67%，六維力矩傳感器佔傳感器成本的66.7%，靈巧手佔整機約14%。中科慧靈董事長張正濤則直言靈巧手“貴而不穩”：單隻高自由度觸覺靈巧手售價超十萬元，工業連續作業壽命僅數週到兩三個月。降本路徑上，宇樹創始人王興興的答案是核心部件自研自產、垂直整合加規模化攤薄；國產替代也在奏效——諧波減速器國產化率已達60%—70%，價格較海外低30%—50%。

機器人背後的工業大腦 進廠進到哪一步，一半取決於本體可靠性，另一半取決於“大腦”。而今年，行業在大腦路線上的分野已經擺上了檯面。通用派的代表是北京人形。本屆WRC上，其發佈大一統具身智能模型Pelican-Unify，把視覺語言理解、動作操控和世界模型集成進同一套表徵，宣稱打通”理解—推理—預演—執行”閉環，已在天軼真機跑通；同步宣佈具身大腦模型Pelican-VL 2.0正式商用，稱其為國內首個通過網信辦備案的具身大模型。福田康明斯產線上“不用示教”的泛化能力，正是這套全棧技術在工業場景的直接兌現。務實派的世界模型也在成型。

優必選把基座模型Thinker、世界模型Thinker-WM、行動模型Thinker-VLA三合一，全部集成到單顆芯片控制板上；優必選首席品牌官譚旻告訴《科創板日報》記者，公司不直接做泛化通用世界模型，而是先深耕工業垂域，有點像拼圖——落地一百個不同工位之後，機器人對物理空間、操作指令、工序的理解能力會由弱變強。自變量機器人則把寶押在端到端的世界統一模型WALL-B上，其路徑宣示得很直白：用更通用智慧的大腦，而不是堆砌更昂貴的硬件身體，去完成更復雜的產業任務。這條“通用基座+場景後訓練”的路徑上，也出現了更聚焦的垂類玩家。

蘇州的博銀合創由銀河通用與博世旗下博原資本2025年共同孵化，其自研的Bolt模型不追求通用，只做工業製造與物流兩大場景的垂直訓練，並在蘇州設立真機數據採集中心，復刻產線上最有挑戰性的工位，採集帶力反饋的完整操作序列數據——用工業場景的“專業課”，補通用模型的“通識課”。據悉，銀河通用的“銀河星腦”AstraBrain與“銀河星數”數據基礎設施，為博銀合創面向工業場景構建垂直模型能力提供了底層支撐。對博銀合創而言，銀河通用提供了底層具身大模型、數據基礎設施的共同支撐。而博銀合創則是把這些底層能力進一步轉譯為面向製造業的落地能力，讓具身智能機器人真正進入工位、適應節拍和生產流程。

熱鬧之外有一句冷靜的提醒。清華大學交叉信息研究院助理教授趙行在WRC期間說得直接：工廠要的不是演示級的產品邏輯，而是能在真實產線上穩定運行的確定性。確定性三個字，判了通用敘事一半的死刑——工廠的容錯率，是以停線損失計價的。三道沒有捷徑的門檻 把各方說法放在一起，“進廠”的門檻其實非常清晰，而且一道比一道硬。先看落在門檻之前的那個問題——場景。光象科技創始人兼CEO張濤對《科創板日報》記者的分析一針見血：“為什麼大家都去搬箱子？本質上是因為做不到更難的事。

”這位清華大學車輛學院出身的創始人，把公司第一站押在對節拍、精度、可靠性要求最嚴苛的汽車製造，理由是要讓機器人幹”真實的生產力”，而不是做演示。搬運、上下料、分揀、插接質檢——當前落地的場景確實高度收斂在這幾類“笨活”上。第一道是成功率。優必選副總裁焦繼超判斷：工業場景普遍要求成功率在99%以上，部分更嚴格的場景要求百分之百準確。蘇度科技CEO韓錚的標準更高：單次執行或有限糾錯後的成功率應達到99%乃至99.9%，否則很難進入產線。第二道是節拍與壽命。“工業現場前後都有生產節拍。上一道工序15秒給你一個零件，你不能30秒才完成操作，零件的位置、姿態、光照發生變化，也不能馬上停機。”季超認為。

《科創板日報》記者注意到，壽命問題則藏在更細處：靈巧手連續作業壽命以周計；WRC大會展館內，不少進行作業演示的機器人持續運行後機身明顯發熱，部分展臺不得不限定演示時長、把演示安排在固定時段,而這些展館裡的小心翼翼，到了工廠都會一筆一筆算進成本。工程部署也在形成行業經驗值。譚旻對記者給出的節奏是：成熟標準場景“第一天完成建圖、導航定位和工序配置，第二天調試觀察，兩到三天工作人員就可以離場”，全新定製任務也只需兩到三週——前提是仿真驗證充分，“仿真度達到90%以上才會到現場，前期仿真定義SOP的工作量大於現場調試”。第三道是數據。

此前，業內有觀點認為，把作業能力稱為行業最大的“卡脖子”環節：機器人在仿真環境中學到的技能，如何零偏差遷移到真實產線，是行業公認的難題—不是“一公里”的距離，而是“一毫米以內”的精度”。而這個難題落點則在數據，針對實際工作場景的有效數據嚴重不足，採集成本過高。京東的解法是把數據當基礎設施來建，京東零售具身智能業務負責人鄭小丹此前披露，京東計劃兩年內建成全球最大的真實場景數據集，累計採集超1000萬小時真實場景數據。三道門檻有個共同點：都沒有捷徑。成功率靠一次次真機作業磨出來，節拍和壽命靠硬件迭代熬出來，數據靠一小時一小時採出來——這正是”從演示驗證轉向常態化作業”這句話的全部重量。

至於行業最關心的那筆賬，一個明顯的變化是客戶開始算賬了。“以前給客戶做POC、做數據採集，沒有更多考慮價格的問題；現在，尤其是對有機會做小規模部署的場景，越來越多的客戶開始願意真實地探討——他會算他的ROI。”席悅說。他給”跑通PMF（產品市場匹配）“定了三個硬信號：解決的是不是真實需求、有沒有批量復購、經濟模型是否跑通，”三個都滿足，才叫跑通”。但也有不同聲音，譚旻表示，人形機器人屬於長週期技術，頭部企業更多是希望佈局下一代智能製造範式——現在大量500強企業主動找來，並不是衝著便宜來的。如此看，賬開始算得過來，還沒完全算過來。