用机器人造机器人，上桌了吗？

9月12日，广西柳州北部生态新区，优必选工业人形机器人超级智慧工厂正式投产。官方口径很直白：这是全球首个适配万台级产能的人形机器人智能制造工厂，每10分钟下线1台，年规划产能超万台。

同一个夏天，宇树科技董事长王兴兴在世界机器人大会上泼了一盆温水：机器人效率还不如人，大规模推广还得再等等。

一边是产能狂奔，一边是能力仍欠。这两件事撞在一起，恰恰勾勒出当下人形机器人产业最真实的写照：机器造机器的产线已经上桌，但机器人真正干活的能力，还在灶台上炖着。这篇文章想讲清楚的，就是这口锅和这桌菜之间的关系。

🏭 柳州工厂：每10分钟下线一台机器人

先看这场投产仪式本身。

按官方披露的信息，这座超级智慧工厂主要生产两条产品线：Walker S系列和Cruzr系列具身智能工业人形机器人。按照生产设计节拍，每10分钟可下线1台工业人形机器人，年规划产能超过万台。

万台是什么概念？目前全球人形机器人头部厂商的年交付量，大多还在千台级别徘徊。一台机器人的出货周期，业内普遍以周甚至月计。把产能规划直接拉到万台，等于宣告：优必选不打算在原型验证阶段多停留了。

更值得玩味的是工厂本身的角色。这座工厂不只是生产机器人，还承担着'用机器人造机器人'的示范任务——也就是让Walker S系列在自己的产线上干活，实现人形机器人参与自身制造的闭环。

mermaid

注意上面这条'自建产线回流'的路径——机器人下线后回到产线上工位，参与下一台的制造。这是整座工厂最具叙事张力的部分，也是最需要被审慎看待的部分：示范性的参与，和替代人类完成全流程，中间隔着至少一个技术代际。

据多位接近优必选的人士透露，柳州工厂的定位从一开始就不只是产能，更是向车企和3C大客户展示的'样板间'——用真实产线证明自家机器人能进厂干活，比任何PPT都有说服力。这层商业逻辑，比'万台产能'四个字更接近本质。

📊 产能先行：一次典型的中国式豪赌

金句先上：在人形机器人这个行业，产能不是等需求来了再建的，产能本身就是敲门砖。

复盘一下优必选的动作节奏，你会发现这条路径并不突兀：

• Walker S系列此前已陆续进入多家车企工厂开展实训，覆盖搬运、分拣、质检等工业场景；
• 2025年以来，工业人形机器人从'展会秀'转向'进厂实训'成为行业共识，车厂成了最积极的甲方；
• 柳州工厂投产，意味着优必选把'实训验证'往前推了一步，直接押注规模化交付能力。

这背后有一层很现实的商业考量：车企和3C大客户在评估供应商时，产能稳定性是硬指标。你机器人再聪明，客户问一句'你一年能给我交付多少台'，答不上来就出局。万台级产能，本质上是给大客户的信用背书。

但硬币的另一面是：产能建起来了，需求端能不能接得住？如果订单跟不上，万台产线就是万台级的折旧压力。这不是杞人忧天——历史上消费电子、新能源车行业都上演过'产能先建、订单后到、资金链先断'的戏码。

⚠️ 王兴兴的大实话：机器人效率还不如人

就在柳州工厂投产前后的行业讨论里，王兴兴在世界机器人大会上的发言，构成了另一面镜子。

他的原话相当直白。被问到为什么宇树的机器人没有大规模推广到工厂和家庭时，他给出的答案是：'目前整体的效率和它的能力还是不够，虽然目前我们机器人能做一些工作，但是它的效率其实跟人比起来还是低一些。'

更关键的是第二点：现在的人形机器人遇到新任务，往往要重新训练，这让实际部署的效率进一步打折。所以宇树的选择是把技术打磨到更泛化、更精准，再大规模推进。

这番话的可贵之处在于诚实。要知道，宇树自己就是人形机器人整机厂商，卖得多本该是它的核心诉求。老板亲口说'我们的产品效率还不如人，所以不急着大规模卖'，这在任何一个行业都是罕见的。

王兴兴同时给出了他对行业周期的判断：快则两到三年，慢则五到十年，通用机器人领域有望迎来关键突破。这个时间区间本身就说明——即便是行业头部玩家，对突破时点的置信区间也宽得像大海。

把这条时间线和柳州工厂的投产时点放在一起看，问题就来了：产线是为两三年后的爆发预备的，还是为当下的订单建的？如果是前者，优必选赌的是周期；如果是后者，说明工业场景的实际需求已经跑在公众认知前面。

💡 具身智能的'ChatGPT时刻'：80%乘以80%

王兴兴在演讲里给出了一个极具传播力的标准：当一台机器人被带进任意陌生的家庭环境，能依靠语音指令自主完成80%左右的日常任务，具身智能才算迎来实质性突破，通用机器人产业才会迎来爆发临界点。

这个'80%×80%'的标准，指向的是同一个核心瓶颈：泛化能力不足。

他举的例子很具体：当前全球多数AI模型，在固定场景经过充足的数据采集和专项训练后，任务成功率可以接近100%。但只要换一个操作物品、或者稍微改变环境，成功率就会大幅下降。实验室里的完美演示，和陌生厨房里的鸡飞狗跳，隔着一整个技术鸿沟。

而迈向'ChatGPT时刻'的最核心挑战，王兴兴认为是AI模型的输入输出和真实机器人的对齐——模型输出之后，机器人的实际操作存在偏差。纸面上算力堆够了，物理世界里那只手还是抖。

针对这个问题，宇树正在研发'物理AI 机器人自进化V1.0'：让AI模型自行编写机器人的控制代码，先在仿真环境训练验证，再放到真机上做反馈分析。其底层逻辑是一个三段式飞轮：

王兴兴对这个飞轮的总结是：基础模型越强，自进化能力越强；多源数据越规模化，自进化的规模效应越明显；真机部署越多，数据积累和能力迭代越快，最终走向规模化技能生态。

看到这里，两件事终于咬合上了：柳州的万台产能，不仅仅是产能，还是数据采集的规模化入口。真机部署越多、迭代越快，这个逻辑同样适用于优必选。所谓'用机器人造机器人'，某种意义上也是在'用产线养数据'。

🔁 量产与泛化：先有鸡还是先有蛋

把整条逻辑串起来，会发现这个行业正在解一道经典的先有鸡还是先有蛋难题。

泛化能力不足 → 客户不敢大规模采购 → 缺少真机部署 → 缺少真实数据 → 泛化能力难以提升。这个死循环怎么破？

mermaid

优必选的答案是自建产线+车厂实训双管齐下，用'自己就是第一个客户'的方式强行打破循环；宇树的答案是把技术打磨到泛化再放量，避免在能力不足时透支市场信任。两条路线，一个激进一个克制，但都指向同一个终局——真机规模化部署带来的数据飞轮，是具身智能突围的唯一路径。

业内流传的一种说法是：未来两三年，人形机器人厂商的竞争焦点会从'谁的动作更惊艳'转向'谁的真实部署台数更多'。部署量即数据，数据即能力，能力即订单——这个链条一旦转起来，头部效应会比大模型行业更残酷。

写在最后

回到标题的问题：用机器人造机器人，上桌了吗？

答案分两层。作为示范与数据入口，它已经上桌了——柳州工厂的万台产能和产线回流设计，是实实在在的产业动作；作为对人力的大规模替代，它还在锅里——正如王兴兴所说，效率不如人、新任务要重训，这碗汤还得再炖两到十年。

真正的看点在于：当万台级产线运转起来、真机部署形成规模之后，数据飞轮能不能在两三年内把泛化能力推过那个'80%×80%'的临界点。如果能，今天这座工厂就是行业史书上的第一章；如果不能，它就是又一座昂贵的样板间。

产能已上桌，能力在炖煮。这道菜最终的味道，取决于灶上的火候——而火候，只认真机部署和数据积累，不认发布会上的掌声。