车企车间，成了人形机器人的练兵场

人形机器人行业正在发生一次安静的转向：讲故事的少了，进车间的多了。

10月8日，优必选宣布与一汽-大众达成战略合作，双方将共同推进具身智能机器人在物流领域的场景开发与测试。几乎同一时间，海外一项名为Workhorse的研究展示了另一种可能——不靠机器人遥操作，仅凭人类演示数据，就让Unitree G1学会了用双手和一脚完成分拣、接箱、推倒并爬上行李箱。

一边是真金白银的商业合同，一边是论文里的技术突破。两条线索指向同一个判断：人形机器人的落地叙事，正在从『会跳舞』切换到『能干活』。物流和搬运，成了这场切换的第一个战场。

📦 车企物流，为什么成了首选场景

先看一个已经跑起来的案例。

在这次合作之前，优必选的Walker S Lite已经进入一汽-大众青岛分公司的国家级智能制造示范工厂，执行车辆质检实训。更关键的一个细节是：它与工厂的自动化控制系统实现了无缝集成对接。

这句话的含金量，做工业自动化的人最懂。传统工厂的产线是围绕PLC、AGV和固定工位设计的，任何一台『新机器』想接入，都要过接口、协议、节拍这三关。一个人形机器人能跟工厂控制系统对接上，意味着它不再是参观日摆拍的道具，而是被当成产线上的一台『设备』来管理。

据接近双方合作的人士透露，从质检到物流的拓展，本质上是把已经验证过的部署能力，复制到节拍要求更宽松、容错率更高的场景。质检要求精度，物流要求的是搬运、转运、上下料这类高频重复动作——这恰恰是人形机器人『双腿+双臂』形态最边际收益的地方：不需要改造产线，就能穿行于为人设计的通道、使用为人设计的工位。

产业逻辑很直白：

• 改造产线要停工、要花钱、要重新验证；
• 人形机器人理论上『即插即用』， night shift 先替人顶上；
• 车企有真实工况、真实数据、真实买单方，比实验室月度采样丰富几个数量级。

优必选为此构建了四大核心技术集群：具身大脑、仿人小脑、高性能本体、群体智能。具身大脑层面，他们搭建了『基座模型-世界模型-行动模型』的全栈自研体系，对应的表述是让机器人具备『理解世界-预测世界-决策行动』的完整链路。

车企不是最早的买家，但可能是最挑剔的陪练。陪练越挑剔，选手涨球越快。

🧠 不用机器人采数据，人形机器人先学『人』

再看技术侧的最新进展，这篇来自 arXiv 的Workhorse论文，解决的是人形机器人最难啃的骨头之一：基于自我中心视角的 RGB 图像和本体感知，做接触丰富的全身操作（loco-manipulation）。

它的架构拆开看并不复杂，但每一步都踩在痛点上：

核心设计有三点值得展开。

第一，纯人类数据，零机器人采集。视觉规划器和强化学习跟踪器这两个策略，都在同一批录制的真人姿态数据上分开训练，不需要动作重定向（retargeting）。这意味着数据获取成本从『遥操作员时薪+机器人折旧』降到了『找个工人演示一遍』。在数据采集仍是具身智能最贵环节的当下，这是结构性降本。

第二，互相模拟对方的错误。训练时，每个策略的数据都被增广，用来模仿对方在部署时会犯的错。这是很工程师思维的解法——上游规划器的抖动、下游跟踪器的滞后，互相在训练里『打过预防针』，部署时才不会互相甩锅。

第三，真机表现超出演示范围。在真实的Unitree G1上，Workhorse完成了用手分拣箱子、抬脚踢箱子、接住抛来的箱子、推倒行李箱并爬上去。更硬核的是扰动恢复：分拣过程中，有人推机器人、有人把箱子抢走，系统能恢复继续干活。

数据也交代得很诚实——模拟复刻的演示房间中，分拣任务完成率77%；在40 N·s 冲量推力下降到64%；而用同一批演示数据从零重训策略的第二台人形机器人，无扰动完成率是83%。

77%离工业级可用还有距离，但『被推一把还能接着干』这件事，比『完美完成一次』更接近真工厂的日常。车间里没有理想工况。

📈 出货量第一之争，取决于你怎么数

商业侧的数据，今年出现了一组耐人寻味的对照。

优必选2025年全年业绩报告显示：总营收20.01亿元，同比增长53.3%，位居全球人形机器人公司之首。在全尺寸具身智能人形机器人这一细分品类——非遥控、非玩具、身高160cm以上、大脑芯片算力≥200T——实现收入8.2亿元，同比暴增2203.7%，销量1079台，收入与销量双双全球第一。

2203.7%这个增速，基数低是客观原因，但它对应的阶段性事实是：全尺寸工业人形机器人，已经从『有没有人买』走到了『有人批量买』。

但换一个口径，画面立刻不同。据IDC报告，2025年全球人形机器人出货量接近1.8万台，宇树科技以超5500台的出货量位居前列——远超优必选的1079台。

两个数字谁才是『第一』？关键在于统计边界：

一位业内投资人的私下点评很传神：『一个在数设备，一个在数营收，都有道理，也都各取所需。』

这不只是统计游戏。它暴露的是行业分化出了两条商业路径：一条走高客单、重交付、贴着工业场景的『设备销售+解决方案』路线；一条走标准化本体、放量摊薄成本、以开发者生态反哺的『平台硬件』路线。2025年的1.8万台全球出货，量级上还很小——但方向上，两条路都已经有真实现金流了。

🏭 万台产能落地，『用机器人造机器人』

卖出去，还要造得出来。这一环过去常被讨论忽略。

2026年9月12日，优必选柳州工业人形机器人超级智慧工厂正式投产。按广西壮族自治区政府门户网站的报道，这座工厂占地面积1.4万平方米，主要生产Walker S系列和Cruzr系列具身智能工业人形机器人，定位为全球首个适配万台级产能的人形机器人智能制造标杆工厂。

两个细节值得放大：

• 每10分钟下线1台机器人，对应年规划产能超万台——这个数字与IDC统计的2025年全球人形机器人出货总量（近1.8万台）放在同一个坐标系里看，就不是产能爬坡，而是产能押注：他们在赌未来几年需求曲线会陡峭上扬。
• 『用机器人造机器人』的智造模式已经落地。机器人工厂里部署机器人，第一受益人是自家产线的节拍与良率，第二重价值是真实制造场景的数据回流——这又是一份别人拿不到的训练素材。

把今年的几条线索串成一条时间线，节奏就出来了：

从卖设备、到建产能、再到绑定头部车企拓展场景——这是一条标准的工业设备公司成长路径，只是主角换成了人形机器人。

⚠️ 冷水时刻：77%完成率离车间还差几步

热闹之下，得把冷水泼在明处。

Workhorse在模拟环境的77%完成率，意味着每四次任务就有一次失败。在演示视频里这是『鲁棒性亮点』，在一汽-大众的物流仓里，一次失败可能是倒了一垛箱子、堵了一条通道。工业客户买的是确定性，这个gap需要靠冗余设计、人工接管机制和长期数据迭代来填。

其次，从『会推箱子』到『会理货』之间，隔着任务泛化的鸿沟。论文里机器人能踢箱、接箱、爬行李箱，这在灵巧性上是真突破；但真实物流场景需要的是跨SKU识别、多点位调度、与WMS系统的任务级协同——后两者，恰恰是优必选强调『与工厂自动化控制系统无缝集成对接』的原因。硬件在上游论文里进步，交付能力在下游客户现场进步，两边缺一不可。

再者，纯人类数据训练虽省了采集成本，但真人演示里天然没有机器人的动力学约束。Workhorse用互相模仿错误的方式打了补丁，这能覆盖常见误差，未必覆盖极端工况。真机上的长尾，最终还是要靠部署中的真实数据闭环来收。

小结

把两条新闻放在一起看，结论并不复杂：人形机器人的产业化，正在同时从『场景端』和『技术端』向中间收拢。优必选绑定一汽-大众、柳州工厂压上万台产能，是在用商业合同倒逼工程成熟；Workhorse这类工作则把数据成本从机器人侧挪到人类侧，让『教会一个新任务』的边际成本持续下降。

77%的完成率、1079台的销量、1.8万台的全球出货——这些数字单拎出来都不算大，但它们第一次同框出现。当学人的机器人开始进车企的车间，流水线上下一个被讨论的岗位，可能真的要换主角了。