造机器人，比造车难20倍？

造车十年，何小鹏说自己又回到了创业初期的那种痛苦。

9月18日，小鹏G9L发布会后的媒体对话上，小鹏董事长何小鹏抛出一个让在场记者愣了几秒的判断：做机器人的难度，大约相当于造车的20倍。同一周，大洋彼岸的Figure发布了Helix 2.5模型，租下30栋陌生房子让机器人零样本做家务；而UBTech（优必选）刚刚点亮全球首座机器人造机器人的工厂——每10分钟下线一台，年产目标一万台。

三条路径，一个信号：人形机器人正在从“发布会演示”走向“产线交付”和“陌生客厅作业”。这才是产业真正的分水岭。

📈 20倍难度，钱是怎么烧出来的

造车的难度是工业级的，机器人的难度是“工业级+AI级”的叠加。

场景回到那场对话。何小鹏的表述很直白：过去一直不愿意把机器人拿出来，主要原因是不能量产，“市面上很多机器人能力演示，都是通过剪辑之后放出来的。”这句话几乎是对全行业的点名。真正让他愿意亮出产品的底气，是小鹏机器人研发已经走了8年，开始逐步量产，预计今年四季度到明年一二季度，机器人能力会出现跳跃式提升。

拆开看小鹏的打法，有几个关键事实值得记住：

• 机器人研发已历时8年，远早于大多数入局者；
• 8月底完成首轮融资，金额超过9亿美元，这笔钱大概率是新造车潮之后机器人领域最大规模的单轮融资之一；
• 围绕具身智能，自主设计了AI原生硬件平台和全部核心零部件，涵盖芯片、控制器、运动模组及灵巧手；
• 基于智能电动车体系搭建供应链和制造能力，硬件、软件、设计、供应链全部自持。

时间线上看得更清楚：

产业逻辑其实不复杂：造车给了小鹏三样别人短期内拿不出的东西——车规级的供应链管控能力、大规模精密制造的经验、以及一套已经跑通的电机与电池动力体系。但机器人在这之上又叠加了具身智能这个变量：灵巧手要几十个自由度，运动控制要从轮式底盘升级到双足全身协调，还要在开放环境里做实时决策。难度确实不是线性的叠加，而是乘法。

何小鹏此前还提过一个让资本市场兴奋的判断：高阶通用人形机器人的单台毛利贡献，有望远超汽车。9亿美元的融资，买的就是这个未来。

“据多位接近人士透露，头部车厂系机器人团队普遍把2026-2027年视为“量产资格赛”，谁先稳定下线，谁才有资格谈场景。

💡 Figure用30栋房子喂出了一个模型

机器人的智能，最终是拿真实世界的米喂出来的。

再看Figure这场堪称行为艺术的实验。当地时间9月17日，Figure发布“最先进”神经网络模型Helix 2.5。为验证它，公司在旧金山湾区租了30栋陌生房子，用人类行为数据集Index预训练三种行为：整理客厅、折毛巾、整理床铺。然后把Figure 03人形机器人直接拎进房子里干活。

关键在于：在此之前，Figure从未针对这些房子的内部环境或物体做过任何数据采集、微调或适配。

结果出乎意料地硬：搭载Helix 2.5的机器人实现了零样本全身自主作业——进到陌生环境，不用额外训练，就能在狭小杂乱的空间里调整身体位置，观察、够取并操作物体。实测数据更值得细品：Index预训练让任务成功率从8%提升到了56%；与前代Helix 02相比，Helix 2.5只用了一半的任务专用数据，就把行为泛化到了30个前所未见的新环境。

更重要的细节是自我纠错：机器人会在陌生环境中后退重新定位、改变站姿，甚至绕着整张床移动去修正折叠。这种“从错误中恢复、持续推进任务”的能力，正是Index预训练带来的效果。

背后是一场算力军备竞赛。Index每秒生成约35分钟全新人类行为数据；Figure已承诺投入价值35亿美元的算力资源训练Helix，本月与AI基础设施供应商Nscale签署多年期协议，锁定约10万块英伟达Vera Rubin系列GPU，合同总规模最高有望达到60亿美元。

数据飞轮的形状大概是这样：

产业判断在这里变得清晰：具身智能的竞争正在从“模型架构”转向“数据×算力×场景验证”的综合国力比拼。国元证券指出，AI基础设施与具身智能研发有望协同深化，长期训练资源、实机数据积累与场景验证能力，将构成头部企业的核心护城河。“是时候扩大规模了”——Figure这句话，本质上是宣布军备竞赛升级。

🏭 10分钟下线一台，产能先卷起来

没有量产线，再炫的演示视频也只是视频。

镜头拉回国内。UBTech近期开启了全球首座机器人制造机器人的工厂：14000平方米，无人化设备自主运转，年产能目标10000台，下线节奏是每10分钟一台。

这个数字单看平平无奇，放到行业坐标系里就完全不同了。当前绝大多数人形机器人公司的交付量还停留在三位数甚至两位数的“手工时代”——小批量试产、工程师驻场调试、单价高企。而“10分钟一台”意味着UBTech已经开始用消费电子乃至汽车工业的节拍器，来对待人形机器人的生产。

一个场景能说明差别：在传统试产模式下，一台人形机器人出厂后往往还要工程师陪伴式调试数周；而当产能爬到万台量级，出厂检验、一致性管控、售后网络都必须是工业化的——这正是从“能造”到“能量产造”之间的鸿沟。

“每10分钟一台”还有一个容易被忽略的隐喻：机器人参与造机器人。这既是降本手段，也是自家产品最好的早期验证场景——工厂环境结构化、任务重复度高，是业内公认最先跑通商业闭环的落地场景。

产业逻辑很朴素：万联证券的判断是，当前人形机器人产业正处于从技术突破迈向规模化商业化的破晓时刻，将从B端走向C端。而B端订单的前提是交付能力，交付能力的前提是产线。产能就是门票。

⚖️ 三条路线，殊途同归

这一周的三件事，其实是同一个产业问题的三种答案。

把小鹏、Figure、UBTech放在一张表里看，路线差异一目了然：

三条路线的底层张力在于：硬件出身的团队先解决“造得出”，AI出身的团队先解决“用得好”，制造出身的团队先解决“交得快”。但产业终局要求三者合一——既要造得出，又要用得好，还要交得快。

据多位接近人士观察，接下来12个月行业的关键指标会从“演示视频惊艳度”切换为三个更冷的数字：单台成本、场景任务成功率、月交付量。演示时代正在退潮，交付时代正在开始。

🔮 下一个十年，车和机器人是一家公司

何小鹏那句“痛苦但快乐”，说的不只是小鹏，是整个行业。

回到何小鹏的判断：未来10年，汽车与机器人将会逐步融合，小鹏在AI和智驾领域积累的能力，是切入机器人赛道的核心基础。这个逻辑不只属于小鹏——特斯拉的Optimus背后是FSD，几乎所有车厂系玩家都在重复同一个叙事：智能汽车就是“装了四个轮子的机器人”，技术栈高度同源。

而“单台毛利远超汽车”的判断，则解释了为什么车厂愿意在价格战最惨烈的当下，往机器人这个“20倍难度”的赛道里砸钱。当汽车利润率被卷到地板上，机器人是肉眼可见的第二增长曲线。

小结： 这一周，何小鹏给出了难度的度量衡（造车的20倍），Figure给出了智能的度量衡（8%到56%的泛化跃升），UBTech给出了产能的度量衡（10分钟一台）。难度、智能、产能——人形机器人产业的三个支点已经同时到位。2027年前后，随着小鹏等玩家正式上市产品，我们将第一次有机会用真金白银检验：这个人形机器人的“破晓时刻”，到底是黎明，还是又一个凌晨四点的路灯。