8小时，是人形机器人的及格线

最懂机器人的人，先给机器人泼了盆冷水。

2026年8月20日，北京，世界机器人大会主论坛。刚上市一天、身家破千亿的“90后”新首富、宇树科技创始人王兴兴，当着全行业的面说了一句大实话：人形机器人至今没有大规模推广，核心原因是效率仍低于人工，且新任务需要重新训练，泛用性能力不足——“这是目前全球行业共同面临的最大瓶颈。”

三个月后的11月4日，雷军在微博晒出小米人形机器人的最新进展：在汽车工厂里完成8小时连续作业，并直言这个成绩“已经是行业最领先的水平之一”。

一边是首富的冷水，一边是产线的答卷。两件事放在一起，恰好划出了人形机器人产业当前的真实刻度：告别“能不能站起来”的表演赛，进入“能不能替人干活”的考核期。本文就来拆解这道及格线，以及及格线背后真正卡脖子的东西。

🗣️ 首富的冷水，说的是全行业的底牌

“王兴兴现在没必要说场面话了。”一位机器人行业投资人在朋友圈如此点评——上市敲钟第二天，公司账上有钱、市值有数，创始人反而是全行业最敢说真话的人。

先把时间线捋清楚：

• 2016年：宇树科技成立，以四足机器人切入市场
• 2024年5月：G1人形机器人发布，其后成为全球标杆性产品
• 2026年8月19日：宇树科技（688836）登陆A股，成为A股“人形机器人第一股”，王兴兴身家破千亿，成为新晋“90后”首富
• 2026年8月20日：王兴兴在世界机器人大会上坦言效率瓶颈
• 2026年11月4日：雷军公布小米人形机器人8小时连续作业

王兴兴的这番表态，被在场多家媒体实录报道，《证券时报》《科创板日报》均以“效率低于人工是最大瓶颈”为题做了跟进。王兴兴给出的判断有三个关键信息：第一，宇树已在汽车工厂等场景开展测试应用，不是纸上谈兵；第二，效率低于人工是硬伤；第三，新任务需重新训练、泛用性不足，这才是他点名的“最大瓶颈”。

注意措辞的分量。效率低可以靠硬件迭代慢慢磨，但“换个任务就要重新训练”是结构性问题——它意味着客户每上一个新工序，就要支付一遍部署和训练成本。对工厂采购而言，这不是买一台设备，而是养一个团队。据多位接近厂商的人士透露，这几乎是目前所有厂商在真实客户现场反复碰到的同一种质疑：“你这台机器，换条产线还能用吗？”

这一判断与第三方机构的口径高度一致。国际机器人联合会（IFR）在《世界机器人报告》中已将人形机器人单独列为观察品类，并指出其商用化进度落后于此前行业预期；中国信通院发布的《人形机器人产业发展研究报告》同样把“任务泛化能力不足、部署成本高”列为制约规模落地的首要因素。产业逻辑很清晰：人形机器人此前的高估值，建立在“通用性”的想象之上；而王兴兴的话等于承认，通用性目前还停留在叙事层面。真正决定行业能否穿越周期，要看第二件事——能不能在产线上站满一个班次。

⏱️ 8小时：从“表演三分钟”到“上班一整天”

8小时，人类上班的痛苦底线，却是机器人进厂的入场券。

雷军发布的视频里，小米人形机器人与整套产线系统协同配合，自动从配送箱中捡取汽车盖板，插入一旁的排序架上。这是典型的汽车工厂物流工序：重复、高频、对人来说枯燥但对机器人来说处处是坑——工件位姿偏差、光线变化、与AGV和产线节拍的对齐，任何一环掉链子，整班制就是空谈。

关键在于时长的跨越。据雷军透露，此前小米机器人只能持续工作3小时，这次直接拉满到8小时——刚好覆盖工厂一个标准班次。换句话说，机器人第一次具备了“上一个完整班”的物理能力，而不是演示十分钟就下场充电的展品状态。

把这个时间节点放进行业坐标里看会更直观：按宇树的公开节奏，G1自2024年5月发布后进入量产爬坡，到2026年8月完成万台级下线，同时启动汽车工厂测试应用；小米则在2026年9月至11月间完成从数小时演示到8小时整班制的验证。目前行业整体仍处在“可靠性与稳定性打磨”阶段，距离“拓展更多工厂场景”和“泛化能力突破”还有明确的台阶要爬——这不是任何一家厂商单独的进度条，而是全行业共同的爬坡路线。

雷军同时点破了行业现状：长时间稳定运行，是通用人形机器人现阶段最大的难点。这句话值得展开算一笔账——8小时意味着关节、减速器、电机和散热系统要在额定负载下连续工作，故障率、发热、续航全部被拉到极限。从3小时到8小时，表面是时间翻倍多，背后是整机可靠性体系的重做。这也是摩根士丹利在2025年发布的人形机器人产业报告中反复强调的判断：整机可靠性（MTBF，平均无故障时间）将是决定人形机器人能否进入量产环境的先决指标，其重要性高于灵巧手等吸睛部件。

但小米自己也承认，机器人现在还处在“实习”阶段，只是初步验证，距离大规模上岗还有一段路。合理的预期是：后续厂商会继续拉长稳定工作时长、打磨可靠性，再逐步拓展更多工厂场景。8小时不是终点，它是从0到1里那个“1”——证明人形机器人不是只用来展示的玩具，真的有机会走进工厂参与量产工作。

🏗️ 机械臂干得挺好，为什么非要造一个“人”？

雷军那条微博的评论区，有人问了一个尖锐的问题：工厂直接用机械臂不好吗，为什么非要做人形机器人？

雷军的回答，实际上给出了这个赛道存在的第一性原理：这是通用人形机器人，硬件不用改动，可以适应更多不同的岗位和场景；而机械臂大多只能固定在一个位置，做单一重复任务，换工序就要重新改造设备，通用性差很多。

这不是嘴上之争，而是两条技术路线的分野。机械臂是“为工序造设备”，一条产线一种专机，改造即投资；人形机器人是“为环境造工人”，产线不用为人形机器人推倒重来，理论上今天安排它上盖板，明天就能调去理料。前者赢在当下的确定性效率，后者赌的是未来的边际成本递减。

把当前主要玩家放进坐标系里看，格局会更清楚。用“技术门槛×商业价值”两条轴来切分：传统工业机械臂稳居右下靠下的存量位置——技术成熟、商业价值经过几十年验证（IFR数据显示全球工业机器人年装机量已超过50万台），但天花板是通用性；特斯拉Optimus和宇树G1处在技术门槛更高、商业价值正在爬坡的领跑区——前者背靠特斯拉工厂场景与FSD同源算法，后者手握全球最大的人形机器人出货基数；小米则凭借汽车工厂的第一手场景，正在从潜力象限向领跑区移动；大量具身智能初创公司还处在潜力象限，靠融资续命等风来。

而真实世界的答案大概率不是替代，而是分工：确定性高的重复工序归机械臂，环境复杂、任务多变的场景才轮到人形机器人。王兴兴说效率低于人工，恰恰是在这个意义上——人形机器人要去抢的，本来就是那些机械臂装不进去、人又不想干的活。这是一场对存量自动化市场的“补位战”，不是正面战。

📦 一两万台下线：行业第一次有了“保有量”

一两万台，是人形机器人第一次拥有“保有量”这个词。

在2026世界物理AI大会暨宇树合作伙伴生态大会上，王兴兴透露：自2024年5月发布以来，G1已累计生产下线约1-2万台。注意，这里说的是“生产下线”，不是销量口径——但即便打个对折，单一型号万台级的生产爬坡，在全球人形机器人行业也是前所未有的体量。作为对照，高工机器人产业研究所（GGII）此前统计，2025年全球人形机器人出货量整体仍在万台量级以下徘徊；特斯拉Optimus至今仍处于小批量试产阶段，马斯克在特斯拉股东大会上给出的年产百万台目标，官方口径的达成时间也要到2030年前后。也就是说，宇树是目前唯一一个用实打实的产量数字，把“量产”两个字做实的人形机器人厂商。

把关键事实盘在一起看：

万台级下线的真正意义在于数据回流。具身智能的进步逻辑是一条环环相扣的漏斗：从技术演示出发，先在汽车工厂完成测试应用，再通过8小时整班制验证跨过可靠性门槛，随后以可靠性达标换取更大规模部署，部署规模撑起效率追平人工的经济性，最终抵达大规模推广。对照这条漏斗，各家的位置一目了然：宇树已走到“测试应用”且产能爬坡过半，小米刚完成“整班制验证”这一关键台阶，多数初创公司还停在漏斗最上端的“技术演示”。而在这条链路的末端，还横着王兴兴点名的那个终极关卡——

⚠️ 真正的生死题：泛化与数据飞轮

决定人形机器人命运的，不是身高体重，是数据。

把王兴兴的表述拆开看，“效率低于人工”是果，“新任务需重新训练”才是因。一台机器人需要一个月学会捡盖板，再花一个月学会插排序架，工厂的人力部门算完账只会摇头。行业的死循环在这里：新任务需要重新训练，导致换岗部署成本高；部署成本高，导致客户规模化付费意愿低；付费意愿低，导致真实部署数据积累慢；数据积累慢，又反过来让模型泛化能力难提升——一环扣一环，转不出去。

破局的关键，是把这个循环反向转起来：靠万台级设备铺量换取真实作业数据，用数据喂出更强的通用模型，让“新任务免训练”逐步变成“新任务微调”，最终把部署成本压到人力成本线以下。这也是为什么“世界物理AI大会”这个名头耐人寻味——物理AI（让模型理解并作用于真实物理世界）被普遍视为泛化能力的钥匙。英伟达CEO黄仁勋在GTC大会上多次将Physical AI列为公司三大核心方向之一，并断言“未来一切会移动的东西都将自主运行”；国内头部厂商与科研机构也在加码仿真训练和数据采集管线，试图在真实部署数据到来之前，先用合成数据垫高模型的起点。GGII在年度展望中预测，泛化能力将成为2027年人形机器人厂商估值分化的核心变量——参数再漂亮，换条产线就要重训一遍，故事就讲不下去。

对2027年的行业，可以给出三个务实判断：

1. 时长竞赛仍是主战场。8小时是及格线，双班制（16小时）和故障率指标会是下一轮发布会的主角；

2. 汽车工厂仍是首选练兵场。场景标准化程度高、预算充足、且有自动化改造经验，是天然的“实习单位”；

3. 泛化能力将取代硬件参数，成为厂商估值分水岭。谁先做到换产线不换训练，谁就先拿到规模化的门票。

写在最后

从王兴兴的冷水，到雷军的8小时，2026年的人形机器人行业终于学会了用工厂的语言说话：不再比空翻和舞蹈，而是比班次、节拍和故障率。

这条路径已经很清楚——万台级铺量攒数据，整班制验证攒信任，泛化模型攒效率。及格线是8小时，毕业考是“比人好用”。

值得记住的是，2026年这场“泼冷水”本身就是行业成熟的标志。三年前，人形机器人的公共叙事还停留在发布会视频和融资新闻里；三年后，头部厂商的创始人开始主动用效率、泛化、可靠性这些刺耳的词给自己降温。泡沫退潮不一定是坏事——2000年互联网泡沫破裂，反而逼出了此后二十年真正改变世界的那批公司。人形机器人大概率也会走出同样的曲线：先有一批靠叙事起家的玩家出局，再有一批靠产线验证活下来的玩家接管行业。

那一天没到之前，所有的发布会都只是期中考试。而真正值得盯住的信号只有两个：故障率什么时候能被厂商主动写进发布会PPT，“新任务免训练”什么时候能从愿景变成客户案例。

主要参考信源

1. 世界机器人大会2026主论坛王兴兴演讲实录（证券时报、科创板日报、每经现场报道，2026年8月20日）

2. 雷军个人微博，2026年11月4日发布的小米人形机器人工厂作业视频及文字说明

3. 宇树科技招股说明书及上市公告（上交所，证券代码688836，2026年8月）

4. 王兴兴在2026世界物理AI大会暨宇树合作伙伴生态大会上的披露

5. 国际机器人联合会（IFR）《世界机器人报告》历年数据

6. 中国信通院《人形机器人产业发展研究报告》

7. 高工机器人产业研究所（GGII）人形机器人年度产业数据与展望

8. 摩根士丹利人形机器人产业链研究报告（Humanoid Robot 100，2025）

9. 英伟达GTC大会黄仁勋主题演讲中关于Physical AI的公开表态

10. 特斯拉股东大会马斯克关于Optimus量产目标的公开披露