人形机器人，真的去打工了？

去年还在展会上翻跟头、跳舞的人形机器人，今年悄悄换了片场——直播间开进仓库，产线上拧起了螺丝。

这不是叙事升级，是商业逻辑切换：从'证明我会动'，转向'证明我能干活'。但当我们核查真实落地的行业，会发现一个尴尬的事实——真正招'机器人员工'的领域，其实只有三个：汽车制造、3C电子、仓储物流。

人形机器人是真能打螺丝，还是又一场精致的表演？答案比想象中更有意思。

📺 30小时直播：一场不加剪辑的'入职考试'

金句先行：演示可以剪辑，直播不能。

今年5月，一家美国机器人公司把直播间开进了仓库。镜头前，一台人形机器人站在分拣台前：抓起包裹、翻转、把条码朝下放上传送带。一模一样的动作，连续做了30多个小时——不休息、不喊累，没电了自己回去充电，换另一台接着上。

这不是产品发布会上的高光混剪，是全程公开的直播。

懂行的人知道这有多难。抓取-翻转-放置，这套动作对人类是肌肉记忆，对机器人是感知、规划、执行的每秒级闭环。连续30小时意味着什么？意味着成功率必须压到极高，否则直播就是大型翻车现场。机器没电自己回去充电、同伴无缝接力，这背后是自主导航、充电对接、任务调度的系统性能力。

而在大洋彼岸的中国，落地速度甚至更快。过去一年，优必选的人形机器人Walker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，它甚至拿下空客100台订单，第一次踏进航空制造领域。

航空制造是什么门槛？公差要求严、产线节拍紧、认证流程长。能进航空供应链，意味着'人形机器人只是Demo'的论调，开始站不住了。

梳理这一年的人形机器人'入职档案'，脉络已经很清晰：

人形机器人正在从'被观看'走向'被雇佣'。但雇佣它的，为什么偏偏是车企？

🏭 宝马的84秒：车企是第一个认真的甲方

金句先行：甲方认不认你，看的是秒表，不是掌声。

2025年，Figure AI的Figure 02走进宝马南卡罗来纳州斯帕坦堡工厂，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。

宝马没给面子分，给的是KPI——三条硬指标：节拍、放置精度、需要人插手的次数。

一个完整循环84秒，其中上料只用37秒。十个多月里，两台Figure 02累计跑了1250个小时，把9万多块钣金件放上工装，参与生产了3万多辆BMW X3。

把这几个数字翻译成人话：

注意，宝马专门挑这个工位给机器人，挑得很实在：这个工位既拼速度和精度，又对工人的腰肩极不友好。换句话说，车企没有把'最难的活'扔给机器人立人设，而是把'人最不想干、机器又刚好能干'的环节交出去。

这才是工业采购的真实逻辑：不看你能不能跳舞，只看你能不能在节拍内稳定地干完一个班次，以及替我省了多少工位损伤和人力成本。

据多位接近车厂的人士透露，产线级验证的周期动辄以季度计，机器人一旦在真实节拍下跑通一个完整车型周期的工位，后续复制到其他工位的谈判难度会骤降。第一个84秒，比一百个展会视频都值钱。

📈 车企集体下场：机器人成了第二增长曲线

金句先行：造车的钱越来越难赚，机器人的故事刚刚开盘。

还有一个容易被忽略的信号：跳进人形机器人这个赛道的，一大批是车企本身。

海外研究已经点名：技术进展正在鼓励一批新公司跳进来，赌机器人是下一个大的利润机器——而它们全是中国车企。这本质上是follow了特斯拉的打法：用Optimus把'造车的能力复用到机器人'写成资本市场愿意买单的叙事。

逻辑其实不神秘。车企手里握着三样东西，恰好是机器人的刚需：

• 供应链复用：人形机器人身上，关节电机、电池、电控、结构件，和电动车的BOM表高度重叠。造车攒下的成本控制能力，可以直接平移。
• 场景自持：车企自己的工厂就是第一批客户。自己先用，先验证，先迭代——Walker进极氪蔚来产线，某种意义上就是'自家场景先跑通'。
• 融资叙事：当整车价格战把利润打到地板上，一个足够大的新品类，是资本市场愿意重新估值的理由。

所以别把车企造机器人简单理解为'跟风'。对车企来说，这是一场用旧资产赌新曲线的对冲。赌输了，损失可控；赌赢了，估值逻辑整个换掉。

但问题也埋在这里：当大家都急着讲人形的故事，落地的形态真的只能是'人形'吗？

💡 一脑多体：人形可能只是答案之一

金句先行：买机器人之前，先问一句——这个岗位真的需要五根手指吗？

2026世界机器人大会上，越疆展示了一条'一脑多体'产线，把一台'全能机器人'的工作，拆给了三种本体：

越疆的空弈DobotWAM具身大模型作为统一认知底座，处理全局任务理解和动态角色分配，各类机器人保留自己的运动与控制系统。

按照过去几年的人形叙事，这三项工作本可以交给一台双足、双臂、配灵巧手的机器人：先分拣，再抱着零件走到下一工位，最后完成装配。越疆偏不。它把任务拆开，每种本体只干适合自己的环节——

分拣需要识别与操作，转运需要通过性，装配需要稳定和精度。三个工位，没有必要同时购买双足、双臂和灵巧手。

这条产线提供了一个更具体的产品判断标准，叫'最低充分形态'：不追求外形完整，只要求机器人以尽可能少的硬件冗余，完成一个岗位或一条工作流的全部任务。

回头想想，人形为什么曾经成为资本和媒体的共同语言？三个原因：一是人类的工厂、家庭和工具都按人的身体设计，一副接近人的身体天然对应'进入所有人类环境'的想象；二是完整人形适合承载通用机器人的技术叙事，视觉、语言、规划、全身控制都能装进同一款产品；三是人形适合传播——跑步、跳舞、递水，观众不需要参数也能看懂。

但进入具体岗位后，完整人形的每一项能力，都可能变成账单上的冗余。通用性是愿景，账本是现实。

⚠️ 冷判断：别急着宣布'打工人下岗'

金句先行：机器人先抢走的，不是饭碗，是工位上最伤腰的那部分。

回到开头那个扎心的问题：人形机器人，真能取代人类打螺丝吗？流水线上的饭碗怎么办？

从目前的事实看，答案需要拆开说：

第一，落地行业高度集中。核查过去一年的真实引进案例，主要集中在汽车制造、3C电子、仓储物流三个领域。这三个行业的共同点是：场景结构化程度高、动作可拆解、投资回报可计算。开放环境下的通用劳动，还远没到被替代的临界点。

第二，先被吃掉的是'苦活'而非'技术活'。宝马挑给Figure 02的工位，是'拼速度精度、对工人腰肩不友好'的环节。换句话说，机器人当前的角色更像产线上的'护腰神器'，而不是全面替代者。

第三，形态之争才刚开始。人形是通用性的上限选项，但不是每个岗位的成本最优解。'一脑多体'给出的启示是：未来工厂里更可能出现的画面，是人形、四足、机械臂各司其职，共享一个大脑——而不是一台全能人形包打天下。

pie title 真实落地场景分布(定性判断)

"汽车制造" : 40

"仓储物流" : 35

"3C电子" : 20

"其他领域" : 5

（注：上图为基于公开案例的定性示意，非精确统计）

给行业的从业者一句实话：2026年看人形机器人，别再看翻跟头的视频了，去看三个数——工位节拍、连续无故障时长、需要人插手的次数。谁能把这三个数做到客户账本上划算，谁才真正上桌了。

人形机器人确实去打工了。但打工这件事，从来不在乎你长什么样，只在乎活干得漂不漂亮。

'最低充分形态'的时代，可能比'全能人形'的时代，来得更快。