人形机器人进厂，这回是来真的？

今年5月，一家美国机器人公司把直播间开进了仓库：一台人形机器人站在分拣台前，抓包裹、翻转、条码朝下放上传送带，同样的动作连做30多个小时，没电了自己回去充电，换另一台接着上。不是剪辑，是全程公开直播。

过去我们看惯了展会上翻跟头、跳舞的人形机器人，默认它们离工厂还远。但把过去一年的公开信息摊开看会发现：宝马、极氪、蔚来、吉利、空客、中石油这些名字，已经真金白银地下单了。人形机器人进厂打工，这回是来真的。

📦 30个小时直播背后，是一份"工牌"

先看那场直播的主角所在的赛道。过去一年，真正在引进人形机器人的行业其实不多，主要集中在三个领域：

最有含金量的样本，是Figure AI的Figure 02进宝马南卡罗来纳州斯帕坦堡工厂。它领到的第一份工在车身车间：从料架上搬起金属钣金件，一块块放进焊接工装，再由旁边的机械臂焊接、送上主线。

宝马给机器人定了三条硬指标——节拍、放置精度、需要人插手的次数。结果相当扎实：

十个多月的连续生产，Figure创始人后来晒出"退役"机器人的照片——机身满是划痕和油污。这张照片比任何发布会PPT都有说服力。

宝马专门挑这个工位给机器人，逻辑很实在：这个工位既拼速度和精度，对工人的腰肩又极不友好。换句话说，车企不是在找"全能工人"，而是在找那些"人不愿意干、传统自动化又不好覆盖"的工位。

据多位接近车厂的人士透露，这类工位正是当前人形机器人最容易被"验货"的切入点——动作单一、节拍明确、验收标准可以量化。直播里30小时不歇的那台机器人，本质上是把产线验收过程做成了公开直播。这是一份货真价实的"工牌"。

🚗 车厂为何抢着让机器人拧螺丝

车厂是人形机器人第一批正经雇主，这不是巧合。

在中国，优必选的Walker过去一年陆续进了极氪、蔚来、吉利等车厂，在产线上拧螺丝、搬料箱、上下料；今年1月更是拿下空客100台订单，第一次踏进航空制造领域。

与此同时，据海外财经媒体报道，中国车企正在跟进特斯拉押注的同一叙事——机器人是下一个利润机器，一批新公司因此入场，而且它们清一色是汽车厂商。

为什么是车厂先行？三层逻辑：

第一，场景高度同构。车厂产线本身就是半结构化环境，工位、料架、工装都是标准件，机器人迁移成本低。Figure 02能在宝马的84秒节拍里站稳，靠的不是万能，而是环境配合了机器人。

第二，人形形态的真实价值在这里兑现。产线是按人设计的，不改线体就能上下料、开阀门、拧螺丝，这恰恰是人形相对传统机械臂的差异化——不是更强，而是更"兼容"。

第三，车企本身有双重心事。一边用工，一边造机器人，既能降本，又在卡位下一个利润曲线。特斯拉带头，中国车企跟进，这条路径正在形成产业共识。

时间线上看，节奏明显在加快：

💰 从POC到批量采购，账终于算得过来了

判断一项技术是不是真趋势，就看客户是"试试看"还是"批量买"。

最近的一个信号来自特危化场景。36氪报道，特种具身智能机器人公司玄创机器人完成数千万元A1轮融资，投资方包括前海方舟、光洋股份和西湖科创投，资金将用于数据管线搭建、VLA模型与JEPA世界模型的训练部署，以及标准化产品备货与生产。

这家2022年12月成立、核心团队出自哈工大的公司，拿到了一个更关键的验证——中石油体系超百台订单。创始人及CEO傅喆透露："今年中石油从去年的POC项目采购转向了批量采购，这说明POC结果得到了相关运营单位的认可。"

POC转批量，是工业客户采购体系里最硬的投票。

驱动转变的有两股力：

一是需求侧的紧迫性。油气、化工等特危化场景，传统人工方式效率低、风险高，行业还面临严重的人员老化与劳动力缺口。叠加"十五五"规划推动，高危作业场景无人化已成明确趋势。

二是算得过来的经济账。傅喆给出过一个落地案例：在某化学企业，客户一年半即可回收成本。

一年半回本，对工业客户来说就是及格线以上。只要这条账成立，采购就会从"示范工程"变成"产能配置"。化工企业开始正式部署特种机器人，不是观念变了，是账变了。

⚠️ 聪明的大模型，过不了安全这一关

大模型很聪明，但高危工厂不奖励聪明，只奖励可靠。

特危化工业的设备资产规模大、装置密集、运行连续性强，对机器人的实时性与确定性有极高要求。传统巡检机器人靠预设程序和固定轨道，能干标准化的重活，但应付不了复杂的非结构化环境——这正是具身智能要补的位。

问题是，大模型直接上产线是行不通的。玄创机器人研发负责人陶金博士的观点很直白：大模型虽然聪明，但无法直接满足高危工业场景对可靠性的要求。

玄创的答案是自研的AEGIS系统架构，核心是三层分工：

翻译一下：上层负责理解任务并做决策，中间层对动作进行推演，底层是一道安全屏障——一旦大模型发出不合理指令，系统能在毫秒内拦截。三层解耦，让决策的"慢"和控制的"快"互不干扰。

这套架构背后是一个行业级的判断：在工厂里，AI不是越自主越好，而是要被关进确定性的笼子里。决策可以慢下来想清楚，控制必须快到毫秒级兜底。哪一层出问题，责任边界也清楚——这对签约"巡操一体"高危项目的甲方来说，比模型跑分重要得多。

在数据侧，玄创在做三件事：用已部署的机器人采集真实场景数据并结合业主操作数据；搭建自有仿真平台，用仿真数据弥补真实数据不足；部署VLA执行模型，同时基于开源JEPA世界模型做测试，为后续自研基座模型做准备。

这基本代表了当前工业具身智能的数据方法论——真实数据拿准入、仿真补量、开源基座降启动成本。谁能先在高危场景里滚出数据飞轮，谁就能把"一年半回本"的账做得更好看。

📈 叙事换了：从翻跟头到算ROI

人形机器人的故事，正在从"它多像人"换成"它替人赚了多少"。

把三条线索放在一起看，脉络很清楚：

• 在欧美，Figure 02和Agility Robotics的Digit进了宝马工厂和美国物流巨头，用1250小时、9万块钣金件、30小时直播这样的硬数据完成验收；
• 在中国，优必选Walker从车厂产线走到空客订单，车企一边用机器人一边下场造机器人，跟进特斯拉的利润叙事；
• 在特种场景，玄创机器人们证明了高危无人化的经济性，用中石油体系的批量订单撬开了一个此前被传统巡检机器人占据的存量市场。

共同点只有一个：客户都在按工业品的逻辑验货——节拍、精度、人工介入次数、回本周期。没有一项指标和"像不像人"有关。

这也意味着行业分水岭出现了：能在真实产线上把节拍和回本跑通的公司，将拿到批量订单和数据飞轮；只停留在展会表演的公司，融资故事会越来越难讲。接下来的看点很明确——车厂场景能否从单工位扩展到多工位连续作业，特危化场景的"巡操一体"能否从巡检升级到真正操作，以及这批进厂的机器人能否反过来喂养出可复用的工业基座模型。

翻跟头的时代结束了，算账的时代开始了。流水线上的饭碗不会一夜消失，但产线对"能干活且账算得过来的机器"的需求，已经从概念变成了订单。这一轮，人形机器人是拿着工牌进的厂。

小结

从宝马的84秒节拍，到空客的100台订单，再到中石油体系从POC转向批量采购，人形机器人进厂不再是噱头，而是一条能算清ROI的产业路径。短期看，三大场景——汽车制造、3C电子、仓储物流——仍是主战场，特危化场景则靠经济性快速放量；中长期胜负手，在于数据飞轮与安全架构能否沉淀出可规模化的工业具身基座模型。真正进厂打工的机器，才配讲下一代工厂的故事。