智元和优必选，怎样把机器人送进工厂

2025 年全球人形机器人的需求仍然较多地集中在文娱表演、教育科研、数据采集和导览导购等场景。真正进入工业制造和仓储物流的机器人仍然只是一部分，而且大多处在试点、实训和小批量部署阶段。

国内公司中，智元和优必选披露的工厂应用相对较多。但从现有项目看，人形机器人进入的上料、测试上下料、搬运、分拣和质检等工序，并不是过去无法自动化的环节。传统方案通常使用六轴机器人、桁架机械手或者专用设备，配合固定夹具、固定行程和预先编写的程序完成作业。

人形机器人的不同之处，是希望利用接近人的身体结构和视觉能力，在尽量不改造原有产线的情况下完成这些任务，并让同一台设备覆盖更多工位。但在智元和优必选已经公开的项目中，机器人仍然主要在限定产品型号、固定来料方式、预设光照和明确工艺流程的条件下运行。不同工位通常要分别采集数据、训练模型、调整末端执行器，并与现场设备和控制系统重新对接。

因此，这些案例首先证明的是，人形机器人已经能够进入真实工厂，在具体工位上达到可统计的节拍和成功率；但它们还没有充分证明，机器人可以不经重新训练和现场调试，直接从一条产线复制到另一条产线。现阶段体现出来的优势，更多是机器人能够使用人类工位、减少部分产线改造，并在同一种本体上持续增加新任务，而不是已经具备明显的跨场景泛化能力。

Figure 在快递流水线上的包裹处理提供了另一种参照。其机器人能够面对尺寸、形状、重量和软硬程度不同的纸箱与软包，根据物品状态调整抓取和翻转方式，并把条码转向指定方向，不需要为每一种包裹设置专用夹具。这已经体现出一定的物体泛化能力。

不过，包裹处理的任务目标相对单一，对装配位置和尺寸公差的要求也低于汽车零部件上料、电子产品测试和精密装配。它证明了机器人可以处理具有较大外观差异的物品，但还不能等同于机器人已经能够泛化到不同的工业工艺。

智元在均胜电子的项目，是汽车零部件上料，精灵 G2 需要抓取安全带卷收器外壳，再把它准确放入模具。卷收器外壳表面高度反光，机器人还要完成三个定位销的精确对准。在单工位测试中，G2 最快节拍达到 12.97 秒，比人工快约 30%，强化学习放置成功率达到 99.33%，视觉抓取成功率达到 100%。

这组数据是在固定来料、预设光照和限定 SKU 的条件下获得的。模型训练完成后，可以向同类工艺和相近设备迁移；跨工厂、跨产线时，通常仍要围绕工装、视觉布局和工艺参数进行训练或微调。机器人进入整条产线，还要与制造执行系统 MES、可编程逻辑控制器 PLC 和安全系统协同。

智元在龙旗科技南昌工厂选择的是平板电脑测试工站。精灵 G2 从流水线上取出平板，放入测试设备，完成测试后再送回流水线，并将测试失败的产品放到指定区域。

2026 年 4 月的 8 小时直播中，机器人整体作业成功率超过 99.5%，单道工序耗时 18 至 20 秒，每小时可以完成 310 件产品。项目先在实验室通过数字孪生和真实模拟完成开发验证，再进入副产线调试，适应现场光照和设备条件，随后利用主产线空闲时间进行压力测试，最后正式并线。

6 月，龙旗工厂又有 8 台精灵 G2 连续直播作业 6 天，覆盖多媒体、音频、辐射杂散发射和耦合测试等平板质检工序，累计作业超过 64 小时，产线累计生产 17625 件产品，机器人作业成功率达到 99.99%。智元计划先把这一方案复制到龙旗内部的相同产线，再扩展到不同型号的平板和手机。

优必选从 2023 年开始集中探索工业场景，最初尝试过分拣、质检、搬运、组装和涂胶等多个工位。经过大量验证以后，逐渐把重点收敛到搬运、分拣和质检。这三类工位的任务边界相对清晰，同时普遍存在工作重复、人员流动率高和招工困难等问题，也比较容易计算投资回收期。

优必选的 Walker S1 进入现场以后，暴露出作业空间和续航等不足。为了覆盖从地面到 1.8 米高度的作业范围，Walker S2 增加了腰部自由度；为了满足工厂连续生产的需要，又加入自主换电能力。从启动研发到首台样机下线，这一轮迭代用了大约 8 个月。实训过程中还出现过仿真阶段没有暴露的整机域控制器过热等问题。优必选研究院院长焦继超介绍，除质检外，人形机器人目前的单次作业效率仍然很难超过人类，但机器人可以保持稳定节奏连续工作 10 至 20 小时。按照全天工作时长计算，他预计机器人效率有望在两三年内达到人力平均水平。

这些项目目前都从任务明确、工况相对稳定的工位切入，再逐步增加连续工作时间、机器人数量和覆盖工序。

工业机器人为什么始终离不开定制化

今天人形机器人面对的问题，中国工业机器人已经经历过一次。工业机器人本体可以批量制造，但进入工厂后并不能直接使用。

一台六轴机械臂进入汽车工厂以后，需要配套焊枪、夹具、视觉系统、PLC 和安全围栏，还要根据车身结构设计运动轨迹，并与前后工序保持一致节拍。汽车焊接、喷涂、搬运、码垛，看起来都是机器人动作，背后却对应完全不同的工艺知识。

因此，中国早期大量机器人企业并不是从制造本体起步，而是从系统集成起步。在国内近 5000 家机器人相关厂商中，系统集成商占比超过 65%。系统集成商的工作，就是站在机器人本体与客户工厂之间，把一台通用机械臂改造成能够完成具体生产任务的设备。

不同客户的产品、厂房和生产流程不一样，自动化方案就要重新设计。项目开始以前，工程师需要理解工艺；设备进场以后，需要安装和调试；正式投产以后，还要解决节拍、良率和故障问题。

即使工业机器人已经成为成熟产品，这种项目制也没有消失。2024 年，中国在役工业机器人已经超过 200 万台，系统集成仍然是机器人进入生产线的必要环节。

工业机器人规模化的过程，是把项目中能够重复使用的部分逐渐标准化。焊接项目做得足够多以后，厂商把焊接参数、轨迹规划、抖动抑制、焊缝跟踪和质量控制沉淀成焊接工艺包；码垛项目做得足够多以后，抓取、堆叠和路径规划也可以形成标准方案。下一家客户仍然需要集成，但不必从零开始。

工业机器人的工作方式也建立在确定环境之上。物料固定摆放，动作预先编程，人员与机器人通过围栏隔离，一个工作站通常长期完成同一种工艺。换一种产品、工装或者生产流程，系统集成商就要重新调整夹具、轨迹、程序和工艺参数。

人形机器人试图减少对固定环境的依赖。测试机的按钮、料架的高度、通道的宽度和操作台的位置都以人的身体为标准。如果为了自动化重新改造整条产线，投入可能高于节省的人工。人形机器人的价值，在于尽量不改变现有环境，利用泛化能力适应物料位置变化、产品换型和任务调整。

但当前的人形机器人仍然要围绕具体项目部署。机器人的身高、负载和作业范围要与工位匹配，视觉系统要适应现场光照，末端执行器要适配物料，模型还要根据工艺数据训练。进入生产线以后，它同样要连接 MES、PLC、安全系统和其他自动化设备。

与传统工业机器人相比，人形机器人希望减少产线改造和重新编程，但还没有取消系统集成。它仍然是 " 相对通用的本体 + 具体场景的工程化 "。

人形机器人怎样从一个项目复制到下一个

所以，人形机器人真正要改变的，不是让项目制消失，而是降低进入下一个项目的成本。

如果每进入一座工厂，都要重新驻场几个月，重新采集数据，重新训练模型，重新改造本体，那么人形机器人只是更复杂、更昂贵的非标自动化。

从目前的项目看，人形机器人商业化正在经历三个阶段。

第一个阶段，是一个客户、一个工位地完成交付。机器人公司需要与客户联合开发，解决能不能用的问题。

第二个阶段，是在同一行业复制相似工位。项目仍然需要适配，但部署时间不断缩短，开始解决能不能形成经济回报的问题。

第三个阶段，才是本体、任务包、接口和部署工具逐渐标准化。一台机器人更换软件和少量末端工具，就能进入新的任务，商业模式开始从项目交付转向平台和生态。

今天的人形机器人，大多仍然处在第一阶段，少数公司正在尝试进入第二阶段。万台下线解决的是本体能不能批量制造，百台进入同类产线才开始验证应用能不能复制。

因此，判断机器人公司的落地进度，需要继续观察新工位的部署周期是否缩短，同一方案能否复制到更多产线，客户能否从试用一台扩大到采购几十台，以及首批交付之后是否出现复购。

如果每增加一个客户，都要重新派出同样规模的工程团队驻场数月，收入增长仍然依赖同步增加交付人员，业务的项目制属性就没有改变。只有当任务包、接口、仿真环境和部署工具逐步标准化，项目增加快于交付成本增加，机器人的规模效应才会出现。

大模型让人们习惯了以月为单位观察技术变化。一次模型发布以后，全球用户打开网页就能同时使用新的能力。机器人却仍然生活在物理世界里。

一个关节要经历磨损，一根线缆要反复弯折，一项任务要在真实产线上运行几万次，一个客户也要在看到节拍、良率和投资回报以后才会继续采购。

算法可以按照软件的速度迭代，产业化仍然要按照硬件和工程项目的速度推进。这意味着，即使具身智能迎来自己的 GPT 时刻，机器人也不会在第二天同时进入全球工厂。它仍然要被一台一台制造，被送进一个个陌生现场，在一次次碰撞、停机和返工中学会真正工作。

软件的革命发生在服务器里，机器人的革命最终要发生在每一个工位上。