人形机器人，开始按工时收费了

第二届世界人形机器人运动会刚闭幕，智元用18金16银12铜、且全部是量产机的成绩拿下了双榜第一；同一周，越疆科技交出营收翻倍却增亏163.8%的半年报；摩尔线程则宣布打通具身智能从数据到部署的完整链路。

三条消息看似无关，其实指向同一件事：具身智能的下半场，比的不是谁的设备卖得多，而是谁能把机器人变成可持续交付的“工时”。

🏅 运动会变了，从“样机秀”变成“量产机盲考”

比出来的金牌不值钱，考出来的通用性才值钱。

先看一个具体场景。运动会场景赛的图书馆项目里，机器人要在书架间来回穿梭：看清书脊上的书名和索书号，判断该不该抽、抽哪一本，再稳稳抽出、走到正确架位、插回原位，遇到错架的书还得顺手纠正。

这事对人来说不叫事，对机器人是地狱难度——书脊字体小、相邻书本紧贴到几乎没缝隙、抽书力度稍大就会带倒一整排、放回去时角度歪几度就塞不进。任何一环断掉，任务就停在半路。

这次跑通全流程的，是智元的精灵G2——精灵系列面向工业与商用场景的交互式具身作业机器人，靠7自由度高精度力控机械臂，兼具力控、位控与柔顺控制。同样的能力据称已经落到了龙旗科技南昌平板工厂的真实产线上。

再看这届运动会的规格变化：

• 项目从首届26项扩到51项、1301场比赛；
• 新增跳远、举重、拔河、乒乓球等高强度对抗项目；
• 场景赛从6项扩到21项，覆盖家庭清洁、酒店服务、工业生产、应急救援、图书管理、商超零售、办公服务、园林巡检、车辆充电九类真实环境；
• 仅灵巧手环节就单独设了8个专项：钉钉固定、打螺丝、线缆连接、粉末称量、镊子夹豆、开瓶撬盖、拆箱拆包、积木搭建——专门考末端的“微操”。

这就是奥运会式的逻辑：公元前776年第一届古代奥运会只有一个约192米的短跑，后来为适配城邦的军事与生活需要，才逐步加入中长跑、摔跤、拳击、标枪、射箭。运动会新增项目，对应的是产业要解决的痛点，考验的是通用性与泛化能力。

智元这次的关键不是奖牌数，而是——全部参赛机型均为正在交付的量产机，没有一台为比赛专门定制的样机。这相当于一个运动员未经任何单项训练，用同一副身体同时拿下短跑、举重、体操和乒乓球冠军。据多位接近厂商的人士私下说，各家赛前最怕的就是这种“不带定制改装的盲考”，因为样机可以堆参数，量产机只能拼真实技术底蕴。

产业判断很清晰：当赛事评分标准从“完成任务”转向“泛化完成”，量产一致性+通用软件栈，开始替代单点性能，成为具身智能公司的核心资产。

💰 全球销量第一，为什么越卖越亏

机械臂的价格战里，没有赢家，只有失血速度的差别。

把时间拨回2015年7月。硕士毕业一年的刘培超，带着几位山东大学校友，在深圳南山区一间不到40平方米的公寓里创立越疆科技。白天他在医疗器械企业做研发，晚上和团队挤在客厅调试机械臂样机，常常忙到凌晨三四点。当年10月，第一代桌面级智能机械臂登上众筹平台，筹得62万美元。

十年过去，“协作机器人全球销量第一”的桂冠戴在了头上，但报表很难看：

这就是“卖设备”模式的典型困境：营收翻倍、亏损同步翻倍，规模不产生利润，只产生现金流消耗。协作机器人赛道同质化严重，价格战一开打，单价两年跌三成，为了维持“全球第一”的销量，销售费用还得翻着花地砸。

资本市场用脚投票。半年报发布后股价连跌多日。眼下越疆科技正卡在从港股回A的关键窗口——7月22日刚通过深交所创业板上市委审议，拟募资12亿元。全球第一的销量、失血的报表、12亿的募资需求，三者摆在同一张桌面上。

有协作机器人行业的人私下直言：单纯卖硬件的窗口期正在关闭，设备价格只会继续往下走，必须在报表恶化前找到新的收入模型。

💡 下半场的账：从一次性买卖到按小时收钱

设备是成本，工时才是收入。

把两个故事拼起来看，产业逻辑就浮出水面了。运动会证明了机器人可以在图书馆、工厂、酒店这些真实工位上跑完长流程作业；越疆证明了单纯卖硬件会被价格战拖死。两个事实交叉验证出同一个方向——具身智能的商业模型，正在从“卖设备”转向“卖工时”。

这个模型的好处是双向的。对客户：不用一次性掏几十万买设备、养团队，而是像雇临时工一样按作业量付费，图书馆理书、产线上料、酒店送物，干多少活结多少钱，还能用真实工位数据持续优化模型，越用越顺手。对厂商：收入从一锤子买卖变成持续现金流，毛利率不再被硬件BOM锁死，软件和运维能力成为定价权来源。

精灵G2这类“劳动生产力”定位的产品，正是这个模型的具体载体——主攻真实工位上的长流程作业，而不是展会上的跳舞握手。这也解释了为什么智元坚持让量产机去“盲考”：只有量产机的真实作业能力被验证，“按工时收费”的报价单才有人敢签。

但卖工时有一个隐含前提：部署规模必须足够大、单位交付成本必须足够低。一台样机在图书馆表演一次很贵，一万台机器人在一千个场景里持续干活才叫基础设施。而要做到这一点，先得解决数据和算力的成本问题。

🔧 卖工时之前，先把数据和算力的账算平

真机试错一次的钱，够仿真里跑一万次。

9月3日，摩尔线程在2026年半年度业绩说明会上给出了一块拼图：公司已打通具身智能从合成数据生成、大模型训练、仿真验证到端侧硬件部署的完整链路。

具体动作有三：一是MT Lambda全栈具身智能仿真平台；二是开源了基于MUSA架构的GPU加速物理仿真后端MuJoCo Warp MUSA；三是完成了四足机器狗和两足人形机器人的Sim2Real真机验证——仿真里练会的技能，直接迁移到真机上跑通。

生态侧同步铺开：在无锡设立工业具身智能创新中心，联合生态伙伴共建；与国家具身智能应用中试基地成立“具身智能算力与仿真联合实验室”。

这件事对“卖工时”模式的意义在于成本结构。具身智能的技能训练如果全靠真机采集数据，一台机器人一天只能采一个场景的数据，成本高到无法规模化；而“合成数据生成→仿真验证→Sim2Real部署”的链路，把大量试错搬进虚拟世界，真机只做最后一步验证。GPU同时承担AI计算、物理仿真、图形渲染和端侧推理，这正是摩尔线程强调全功能GPU差异化优势的原因——一个芯片把具身智能开发全流程的算力账算平。

至此，拼图完整了：量产机盲考验证作业能力（硬件可用），全链路仿真把训练成本打下来（规模可复制），剩下的问题只是商业模式（怎么收钱）。答案越来越清晰——不按台卖，按时卖。

📊 结语：基础设施的入场券，是“工时报表”

当一家机器人公司的财报里，出现了“本月交付工时数”“单工时毛利”这样的科目，而不是只有出货量，具身智能才算真正落地。

运动会考的是机器人能不能干活，越疆的困境说明光卖设备干不成事，摩尔线程的链路说明规模化的成本正在被技术压下来。三条线索汇合在同一个判断上：具身智能的下半场，是卖工时，是把自己变成新的基础设施。

对从业者来说，接下来值得盯的指标不是谁又发布了新机型，而是谁先在真实工位上跑出可复制的工时账本——那才是从“会表演”到“能上岗”的分界线。