从实验室到工厂：人形机器人“进厂打工”的进度条走到哪了？

人形机器人进工厂的“元年”概念已被反复提及，但真正实现规模化落地仍面临多重挑战。从实验室验证到商业闭环，行业普遍认为需要跨越五道关键门槛：实验室验证、实景实训、常态部署、规模复制、商业闭环。目前，国内最快的一批企业仅完成第二步，正在叩响第三步的大门。

在北京昌平的福田康明斯发动机工厂，两台人形机器人已测试近一年。天工2.0双足机器人和天轶2.0轮臂机器人从首届世界人形机器人运动会的赛场直接进入工厂，承担物料搬运任务。工厂选择这两款机器人并非偶然——前期调研中，团队对比了国际头部企业Figure的参数，并与国内多家具身智能企业沟通，最终基于场景契合度、配合度和落地能力做出选择。这两台机器人沿用实验室版本本体，仅针对工况开发了两套末端夹具：窄型夹具应对狭小货位，钩型夹具处理15公斤以上料箱。目前，它们已能完成2至5千克物料的搬运，后续将逐步迭代至十几千克。

旧工厂的复杂环境成为机器人最大的考验。服役多年的料架变形、倾斜，拖料车上的凸起结构常触发激光雷达避障。研发团队驻场调整，为变形料架增加“推箱”动作，确保料箱归位。如今，天轶2.0将六个周转箱放上货架全程不到四分钟，天工2.0搬一箱仅需一分半钟，节奏已初步匹配产线。北京人形产业应用负责人解释，发动机零部件易碎，机器人优先保证“稳”而非“快”。支撑这一能力的是“慧思开物”具身智能平台，其“大小脑协同”机制通过具身大脑理解任务、具身小脑执行动作，实现了“不用示教”的泛化能力——只需设置料堆观察点，机器人即可自主挑选料箱抓取转运。

工厂对智能装备的评估标准聚焦两点：质量改善和人员工作环境改善。福田康明斯相关负责人黄运保认为，机器人进厂的首要价值是解决人机工程痛点，将工人从弯腰、高位搬料的繁重劳动中解放出来，同时通过接入工厂业务系统形成信息流闭环，降低装配出错率。但他也冷静指出，续航、负载、定位精度仍是硬坎，现阶段机器人仅适合节拍压力低、负载精度要求宽松的岗位。他建议行业“小步快跑，大胆想象，小心求证”。

行业大会的技术迭代正加速向产线零容错要求靠拢。第二届世界人形机器人运动会上，2056台机器人完成全部赛项，工业装配上料岗成为核心看点；2026世界机器人大会上，373家企业首发311款新品，工业场景方案占绝对主角。然而，工业应用占比仍低——宇树科技超70%的人形机器人收入来自科研和教育，工业应用仅占9%。星动纪元联合创始人席悦承认，大量机器人仍处于实训、工艺验证或小批量试运行阶段，批量化部署仍属少见。

工业场景对机器人的要求被具象化为三步：第一步到第二步回答“能不能干活”，第三步回答“能不能天天干活”，第四、五步回答“干活能不能算得过账”。按此标准，多数企业仍在第一步，头部企业卡在第二步至第三步之间。福田康明斯的案例中，机器人虽能干活，但尚未进入产线正式编制；银河通用在宁德的机器人已7×24小时运行三个月，智元在龙旗工厂的机器人连续直播6天、每天10小时，完成6.4万余次作业，任务成功率99.99%，但这些仅是单条产线、单一工段的实证。

规模复制的信号今年才零星出现：智元三季度大幅扩编，Figure年内从40台扩至200台，苏州博银合创拿到荻捷工业近2000台战略采购协议。但商业闭环尚未实现。成本是主要障碍——以特斯拉Optimus为基准，关节模组与灵巧手占整机成本近一半，其中丝杠占线性执行器成本的67%，六维力矩传感器占传感器成本的66.7%，灵巧手占整机约14%。中科慧灵董事长张正涛直言，单只高自由度触觉灵巧手售价超十万元，工业连续作业寿命仅数周至两三个月。降本路径包括核心部件自研自产、垂直整合加规模化摊薄，以及国产替代——谐波减速器国产化率已达60%至70%，价格较海外低30%至50%。

机器人“大脑”的路线分野日益明显。通用派以北京人形为代表，其发布的Pelican-Unify模型集成视觉语言理解、动作操控和世界模型，宣称打通“理解—推理—预演—执行”闭环，并在天轶真机上跑通；具身大脑模型Pelican-VL 2.0已商用，成为国内首个通过网信办备案的具身大模型。务实派则聚焦世界模型——优必选将基座模型、世界模型和行动模型集成到单颗芯片，深耕工业垂域；自变量机器人押注端到端的世界统一模型WALL-B，强调用通用智慧的大脑完成复杂任务。苏州博银合创选择垂直训练路径，其Bolt模型仅聚焦工业制造与物流场景，通过复刻产线挑战性工位采集带力反馈的完整操作序列数据。

清华大学交叉信息研究院助理教授赵行提醒，工厂需要的是能在真实产线上稳定运行的确定性，而非演示级产品。当前，行业落地场景高度收敛在搬运、上下料、分拣、插接质检等“笨活”上。光象科技创始人张涛分析，企业选择这些场景是因为技术能力有限。工业场景对成功率、节拍和寿命的要求极高：成功率需达99%以上，部分场景要求100%；节拍需匹配前后工序，灵巧手连续作业寿命以周计；仿真环境学到的技能迁移到真实产线的精度需控制在“一毫米以内”。京东的解法是建设数据基础设施，计划两年内采集超1000万小时真实场景数据。