北美机器人，开始“叛逃”汽车叙事了？

机器人行业最资深的美国人，跑到北京说了一句让很多人坐不住的话：北美上半年55%的机器人订单，来自非汽车产业。

说这话的是美国自动化促进协会主席杰夫·伯恩斯坦，在机器人行业深耕45年。8月19日，2026世界机器人大会在北京亦庄开幕，他做了一场题为《北美机器人产业发展趋势洞察》的演讲。

这句话的分量在哪？要知道，工业机器人这六十年的叙事，几乎就是一部汽车工业史。机器人去汽车化，等于行业换了底层操作系统。而就在第二天，宇树科技的王兴兴在主论坛上给出另一个判断：具身智能迈过ChatGPT时刻，核心挑战是AI模型和真实机器人的对齐。

一边是老钱换赛道，一边是新钱找钥匙。2026年的机器人产业，两条叙事线在亦庄撞了个满怀。

📈 55%，一个悄然改写的数字

要理解机器人产业，得先理解汽车。

伯恩斯坦在演讲中把美国机器人史从头捋了一遍：从工业机械臂、汽车制造场景起步，到协作机器人、移动机器人，再到人形机器人和家用机器人。这套演进路径，全球通用——日本如此，德国如此，中国也大体如此。汽车工厂曾是机器人唯一像样的雇主，焊装、喷涂、搬运，四大工艺养活了几代机器人公司。

但现在，账本变了。北美上半年，55%的机器人订单来自非汽车产业。也就是说，汽车作为机器人第一客户的时代，在北美已经正式翻篇。

这背后是一整套产业逻辑的迁移：当自动化需求从少数巨头的流水线，扩散到物流、食品、电子、医疗等长尾行业，机器人市场的天花板才真正被打开。汽车行业是脉冲式的、周期性的；长尾行业是弥散式的、持续性的。后者养得活更多公司，也扛得住经济周期。

佐证是生态规模。伯恩斯坦给出的数字：今天北美机器人生态系统中已有500多家公司，覆盖人工智能、机器视觉、运动控制、机器人制造商、系统集成商、终端用户和教育机构。这个数字放在十年前不可想象——那时候北美机器人圈的饭局，一桌就坐得下。

用一张图看这个生态的结构：

注意最后一环：教育机构。伯恩斯坦特意点了教育，这在以往的行业演讲里不多见。生态扩容到非汽车行业后，人才断层会成为最先暴露的瓶颈——汽车行业自己培养工艺工程师，长尾行业没这个能力，只能靠学校和协会补课。

🤝 协作机器人，正在吃掉长尾

长尾市场谁来接？答案是协作机器人和移动机器人。

伯恩斯坦在演讲中明确判断：协作机器人和移动机器人正在持续扩展应用边界。这话翻译过来就是——过去机器人必须待在围栏里，现在它走进了没有围栏的车间、仓库甚至实验室。

协作机器人的商业逻辑很朴素：中小客户买不起百万级的自动化产线，但买得起一台十几万的协作臂，配上一个懂行的集成商，几个月就能回本。电子装配、食品分装、质检上下料，这些场景单体规模小、品类切换快，传统工业臂水土不服，协作臂刚好卡位。

移动机器人则是另一个故事。AMR在仓储物流的渗透已经不需要证明，真正有想象空间的是制造业内部物流——产线之间的物料搬运，过去靠人推车，现在是移动机器人的主场。协作臂管操作，移动机器人管搬运，两者组合起来，就把非汽车工厂80%的重复性劳动覆盖了。

据多位接近北美集成商圈子的人士透露，这两年集成商的订单结构变化非常明显：汽车项目占比肉眼可见地下滑，仓储物流和电子行业的项目排队排到半年后。

值得玩味的是伯恩斯坦对“家用机器人”的态度——他称之为“尚未完全兑现的长期梦想”。一个深耕45年的老兵，用最克制的话术给最火热的赛道降温。扫地机器人算兑现了吗？在他看来不算。这个判断和资本圈对人形机器人进家庭的狂热，形成了微妙的温差。

🧠 王兴兴：具身智能还差一把钥匙

如果说伯恩斯坦讲的是工业机器人的现在，那王兴兴讲的就是具身智能的未来——以及未来离现在还有多远。

8月20日，2026世界机器人大会主论坛上，这位宇树科技董事长、总经理兼首席技术官给出了一个技术含量极高的判断：具身智能迈过ChatGPT时刻最核心的挑战，是AI模型的输入输出和真实机器人的对齐。

这句话值得展开说说。

大语言模型为什么有ChatGPT时刻？因为文本数据的输入输出天然对齐——你给它一段话，它回一段话，模态统一、格式统一、互联网级的训练数据管够。机器人呢？输入是摄像头、力矩传感器、关节编码器，输出是电机指令、全身动力学，物理世界的数据又贵又慢又脏。模型再聪明，接不到真实躯体上，就还是个聊天机器人。

具身智能的ChatGPT时刻，不会诞生在算法论文里，只会诞生在数据闭环里。谁的机器人跑量大、场景真、数据回流快，谁就先摸到对齐的那把钥匙。

这个判断也解释了当下产业界的一个分裂：为什么资本疯狂涌向人形机器人，而工业界还在按部就班地买机械臂？因为两条曲线的斜率不同。工业机器人曲线平缓但确定，每一年都在涨；具身智能曲线陡峭但未验证，可能三年质变，也可能八年长跑。伯恩斯坦提到“人形机器人吸引大量资本投入”，语气是中性的——他见过太多轮热潮了。

一个合理的推演是：工业机器人的规模化部署，恰恰是具身智能数据飞轮的起点。今天在工厂里搬物料的移动机器人、做上下料的协作臂，每一次抓取和避障，都在为未来的通用模型积累对齐数据。老钱和新钱，底层其实是一笔账。

🏭 亦庄的10万台套，是口号还是路线图？

看完了美国的现在和行业的未来，再看中国的地方打法。

就在大会开幕当天，北京亦庄在“开放合作”主论坛上放出了一组目标。北京经开区工委委员、管委会副主任李全发布了“北京机域”——人机共融具身智能新社会建设构想，具体数字如下：

四个数字，一环扣一环：产品落地是前提，场景渗透是过程，规模量产是结果，零部件产能是底盘。这个顺序本身就说得很明白——亦庄押注的不是某一款爆品，而是整条产业链的密度。

100万套核心零部件这个数字尤其值得注意。行业里私下流传的一种看法是：中国机器人产业真正卡脖子的从来不是整机组装，而是高精度减速器、力矩传感器、灵巧手这类核心零部件的良率和成本。整机能靠堆料堆出来，零部件的工艺积累堆不出来。亦庄把零部件产能写进目标，说明地方决策层对产业的认知在加深——不再追风口号，开始啃硬骨头。

10万台套量产目标搭配1000种细分场景，逻辑上也自洽：具身智能要解决王兴兴说的“对齐”问题，前提就是足够的量、足够散的场景。万台级出货才能摊薄成本，千种场景才能喂饱数据闭环。地方的产业目标和技术路线图，罕见地咬合上了。

再看时间线，这场大会本身就是一个产业节奏的注脚：

一天谈全球市场结构，一天谈技术奇点条件，中间夹着一份地方量产计划——工业的、智能的、政策的，三层叙事在同一个会场完成了对表。

回到开头那个数字：55%。

它意味着机器人产业第一次真正意义上走出了汽车工业的影子，意味着长尾市场的自动化需求被验证，也意味着——无论具身智能的ChatGPT时刻何时到来，工业机器人这边已经先赚到了钱。

伯恩斯坦的45年经验、王兴兴的对齐命题、亦庄的10万台套，其实指向同一个判断：机器人产业的下一阶段，不再由单一场景或单一技术定义，而是由生态密度定义。谁的数据闭环转得快，谁的零部件成本降得狠，谁的场景渗透铺得广，谁就拿到下一个十年的门票。

家用机器人的梦想还在路上，但工厂和仓库里的革命，已经不需要等待了。