最贵人形机器人，栽在一块毛巾上

导语

390 亿美元估值的 Figure AI，把机器人送进了 30 个陌生家庭，420 次测试、237 次成功——56% 的成功率，换来的是同行罕见的公开拆台，而不是例行的「了不起的工作」。同一时间，万元级人形机器人正在电商平台上热卖，买家却发现它只会跳舞和聊天。最热的叙事和最冷的现实，正在同时发生。本文的判断是：泛化仍是悬在头上的剑，灵巧手卡住所有人的脖子，而真正的考场不在客厅，在工厂。

🧪 30 套房子，420 次测试，56% 成功率

每一条技术路线，最终都要被扔进真实的房间里检验。

「这是 Figure AI 成立以来最重要的项目。」在 Helix 2.5 的发布视频里，创始人 Brett Adcock 把话说得很满。

过去几代 Helix 留下的画面确实有记忆点：两台机器人合作拉平被子，腾不出手时用屁股顶上洗碗机。但围绕这些 demo 的最大诟病从未消失——机器人总在一个光线良好的样板间里工作。

这一次，Figure AI 想跨过这一步：在旧金山湾区租下 30 套住宅，把机器人直接运到现场，让它整理客厅、铺床、折叠毛巾。按官方说法，没有针对这些住宅和物品做任何训练或适配，30 套住宅里都出现了成功案例。用 Brett 的话说：「Helix 2.5 要在一套从未进入过的房子里，折叠它从未见过的毛巾。」

随后公布的技术博客数据相当坦诚：420 次测试，成功 237 次，完整任务成功率 56%。

• Helix 早期：两台机器人合作拉平被子
• Helix 前代：自主工作，但场景始终是「样板间」
• Helix 2.5：30 套陌生住宅零适配，56% 完整任务成功率

平心而论，这是实打实的进步。机器人不再只会重复某个实验室里学过的动作，而是把经验带到了陌生地方——这正是机器人领域追逐多年的「泛化」开始出现的信号。

但 56% 这个数字摆在那里：机器人接近一半的时间在失败。行业里流传一句私下的话：demo 视频决定估值，成功率决定生死。Figure AI 觉得自己摸到了机器人版 scaling law，反对者看到的却是另一回事——这正是下一节的故事。

⚔️ 同行为什么这次不鼓掌了

在机器人行业，公开拆台比公开点赞罕见得多。

以往的行业惯例是：同行点一句「了不起的工作」，回自己实验室暗暗较劲。这一次，情况变了。

Sunday Robotics 联合创始人 Tony Zhao 直接指出：237 次成功，也意味着机器人接近一半时间会失败。Stealth CEO Nikolai Ensslen 的说法更尖锐：这组数据恰恰证明，Figure AI 使用的模仿学习系统不能泛化。

据多位接近人士透露，争论的焦点其实不在 56% 本身，而在它的解释权：

• Figure AI 的叙事：换到 30 个陌生家庭、零适配还能成功，说明规模扩大带来了泛化，这是机器人版 scaling law 的证据；
• 反对方的叙事：56% 的失败率说明模型并没有真正理解任务，只是在统计意义上的近似模仿——换环境就掉链子，恰恰是不泛化的表现。

这背后的产业逻辑值得掰开看。大语言模型的 scaling law 成立，靠的是互联网规模的文本数据——数据天然存在、边际获取成本趋近于零。机器人没有这个红利：每一条真机数据都要用物理时间和硬件损耗去换，数据规模上不去，「规模产生智能」的路线就先天缺一条腿。模仿学习能不能靠堆数据补上这块短板，正是当前具身智能最大的路线分歧。

把目前的玩家放进一张四象限图，格局会更清楚：

Figure AI 用真金白银押注「数据规模换泛化」，国内厂商则更多从价格和场景两端夹击。但无论哪条路线，都绕不开同一个硬件瓶颈——手。

🖐️ 灵巧手，卡住所有人脖子的零件

机器人的天花板，往往不是模型决定的，是手上那几十个零件决定的。

一个正在行业内形成共识的事实是：中国的人形机器人厂商可以做出很漂亮的 demo，但大多数机器人在普通抓取和精细操作上仍然吃力。而精细操作，恰恰定义了「真实的工作」——流水线上拧一颗螺丝、仓库里捡一件不规则的商品、餐桌上叠一条毛巾，靠的都是手，不是腿。

这条链条上的每一个环节都是硬骨头：微型电机的功率密度、腱绳传动的寿命、触觉传感的成本，任何一环掉链子，灵巧手整件就不合格。目前行业里已经在发生的动向是：灵巧手专业厂商正在扩产，而最先愿意为之买单的，不是家庭用户，是工厂——工厂成了灵巧手乃至整个人形机器人最主要的中试场。

这不难理解。工厂场景结构化、任务重复、容错率可以靠流程兜底，是当前技术能力够得着的商业价值洼地；家庭场景开放、非结构化、一次失败可能就是打碎一个杯子，56% 的成功率放进客厅是完全不可接受的。

把当前的堵点和解法放在一起看：

手的问题短期靠硬件迭代，长期还是靠数据。而数据的来源，决定了下一个话题：卖出去的机器人，到底在干什么。

🛒 万元机器人卖出去了，但没人指望它干活

厂商卖的不是工具，是一张通往未来的门票——买家其实也心知肚明。

2026 年被行业定义为人形机器人「量产兑现元年」，这个判断正在落地。过去几年，产品大多只用于展会、高校科研和 B 端试点；2025 年下半年起，多家国产厂商陆续发布支持现货或预定交付的量产机型，人形机器人第一次真正面向个人消费者售卖。

数据印证了扩张速度：调研机构 Smart Analytics Global 数据显示，2026 上半年全球人形机器人出货量约 1.91 万台，同比增长近 3 倍，中国厂商占据 97% 以上份额，智元、宇树 两家合计占全球出货量的四分之三。

价格曲线同样在快速下探：

但打开电商评论区、B 站测评视频和玩家社群，真实的画面和发布会截然不同：尝鲜用户很少有人指望机器人「解放双手」，更多是把它摆在客厅跳舞、对话、编程调试、拍短视频。

这就是当前消费级人形机器人最拧巴的地方：厂商描绘的图景是家务与陪护，用户实际买到的是一个可编程的贵价玩具。9998 元买一台会跳舞的双足机器人，作为极客玩具成立；作为家政工人，不成立。预期错位本身不可怕，可怕的是错位积累成口碑反噬——「人形机器人不能干活」一旦成为大众标签，未来真正能干活的产品反而要花更高的成本去扭转认知。

那么，真正能干活的产品，应该先去哪里兑现？

🏭 工厂才是主战场，家庭还早

判断一个赛道，不看发布会看订单，不看视频看返修率。

把三条线索拼在一起，结论其实已经浮出水面：

1. 技术侧：56% 的完整任务成功率，放进开放家庭不可用，放进结构化流程里可以用「限定任务+人工兜底」消化；

2. 硬件侧：灵巧手扩产，最先落地的需求来自工厂；

3. 商业侧：1.91 万台的出货里，真正干活的增量在 B 端，C 端卖的是门票。

也就是说，2026 年的人形机器人行业，正在形成一个「双层市场」：表层是热闹的消费电子故事，里层是 quietly 推进的工厂验证——在产线上跑单点任务、攒真机数据、喂模型、再回头改硬件。这个数据闭环才是决定谁能笑到最后的引擎，而家庭场景，是这个闭环跑通之后才配谈的终局叙事。

对从业者的启示很直接：短期看灵巧手和真机数据能力，中期看在工厂场景里的成本回收账能不能算平，长期才看泛化。对消费者的启示更直接：如果你想买一台帮忙叠衣服的机器人，现在还不到时候；如果你想买一台能编程、能折腾、能陪孩子入门机器人的设备，市场已经准备好了。

小结

Figure AI 的 56% 成功率引发的全行业争吵，本质是好事——说明行业开始用数据而不是视频对话了。万元机器人热卖揭示的预期错位，也需要厂商诚实管理。人形机器人的下一个里程碑不会出现在客厅里，而会出现在某条产线的返修率报表上：当灵巧手能在工厂里稳定处理那些「小而不规则的物体」，当真机数据闭环把成功率从 56% 推过 90%，家庭场景才真正开门。在那之前，所有的家庭叙事，都还是门票。