“賽博工人”造車，噱頭還是真需求？

“賽博工人”進廠打工，正從概念變成車間里的日常。

日前，小米公布了其人形機器人在汽車工廠的最新進展：自攻螺母上件工站的雙側作業(yè)成功率已提升至98%，與人工作業(yè)合格率僅差1%；機器人同時在總裝物流區(qū)嘗試中控臺側蓋板排序與料箱折疊回收，兩項任務均達到90%成功率。

6月底，銀河通用也公布了其人形機器人在寧德時代(300750)產(chǎn)線的最新應用進展。據(jù)悉，自今年 3 月在寧德 HX 基地完成驗收至今，銀河通用 Galbot S1已在寧德時代智慧產(chǎn)線的物料搬運、揀選等高強度工序，直接替代人工。

幾乎同期，智元宣布自今年3月將其與上汽通用聯(lián)合研發(fā)的“能仔1號”投入別克至境E7電池量產(chǎn)線，憑借±0.1mm的高精度定位能力，目前“能仔1號”可在1秒內完成多片電芯的二維、三維混合數(shù)據(jù)處理，達成約2秒/件的作業(yè)效率。

放在兩年前，這樣的場景大多還停留在Demo里。

如今，隨著越來越多的機器人開始站在真實產(chǎn)線邊、物流通道里，和普通工人同處一個空間，按節(jié)拍完成生產(chǎn)任務，標志著汽車制造，正逐漸從“人機隔離”走向“人機共造”。

“賽博工人”的進廠邏輯

近日，在蓋世汽車主辦的2026具身智能產(chǎn)業(yè)場景融合大會上，UQI優(yōu)奇戰(zhàn)略與產(chǎn)品負責人萬昕預測，目前全國汽車制造從業(yè)人員超過500萬，按照15%的替代率估算，未來3-5年僅中國汽車市場就將產(chǎn)生至少75萬臺的人形機器人需求，全球需求將超過500萬臺。

更長遠來看，萬昕認為人形機器人會成為和電腦、手機、新能源汽車類似的顛覆性產(chǎn)品，產(chǎn)業(yè)規(guī)?？蛇_汽車市場的10倍以上。

圖片來源：優(yōu)奇

優(yōu)奇是優(yōu)必選與天奇股份(002009)合資創(chuàng)立的智慧物流子公司，目前已在全球數(shù)百個汽車制造工廠實現(xiàn)近萬臺機器人交付部署，客戶包括比亞迪(002594)、極氪、領克、本田等，在汽車行業(yè)落地實戰(zhàn)方面積累頗深。

萬昕的判斷，建立在汽車制造的兩重困局上：人力缺口在擴大，傳統(tǒng)自動化卻填不上。

“汽車行業(yè)的人力缺口，主要集中在組裝、分揀和檢驗這三個環(huán)節(jié)，這三類工作包含大量重復勞動，需要頻繁彎腰、長時間站立，身體消耗很大，目前普遍面臨招工難、人力成本持續(xù)上漲的問題。”萬昕指出。

而傳統(tǒng)自動化方案，如機械臂、無人物流車、AGV小車等雖在汽車行業(yè)已是標配，但面對組裝、分揀、檢驗這類非結構化崗位，卻難以勝任。

更何況，無論汽車電子還是3C電子行業(yè)，產(chǎn)線迭代都在加快，每一次換型，都可能意味著傳統(tǒng)非標設備的一輪重改，以及更高的改造成本。

“舉個典型例子：給不同車廠供貨，哪怕是同一規(guī)格的電池包，標簽位置這類細節(jié)都會有差異。在這種需要靈活調整的場景下，傳統(tǒng)非標自動化很難適配，而改一條產(chǎn)線不僅周期很長，往往產(chǎn)品利潤還沒回本，下一次換型就來了。”北京銀河通用機器人副總裁、工業(yè)事業(yè)部總經(jīng)理倉玉表示。

圖片來源：一汽模具

中國第一汽車集團有限公司總裝技術主任魯鵬也認為，傳統(tǒng)的工業(yè)自動化技術更像是一個“循規(guī)蹈矩的執(zhí)行者”，在實際應用中局限明顯。

“第一，泛化能力弱，通常只能適配單一場景，并且依賴預設程序與固定軌跡，很難適應汽車總裝等復雜多變、不斷迭代的生產(chǎn)局面；第二，感知維度單一，缺乏環(huán)境理解能力；第三，協(xié)作受限，當前傳統(tǒng)工業(yè)機器人乃至協(xié)作機器人，要么單獨搭建封閉區(qū)域作業(yè)，要么需限速而犧牲效率，與真正意義上的人機協(xié)同仍有很大差距?！濒旟i表示。

比較之下，具身機器人作為融合感知、決策、執(zhí)行、反饋的一體化架構，無論在環(huán)境適應性、任務泛化能力，還是人機協(xié)作優(yōu)勢及持續(xù)學習進化能力上，都展現(xiàn)出傳統(tǒng)方案不具備的優(yōu)勢。

特別是現(xiàn)階段汽車制造工廠的數(shù)字化基礎非常成熟，MES、ERP、WMS等系統(tǒng)的應用已經(jīng)十分廣泛?！皺C器人進入工廠，靠的不是單點智能，而是群體智能。這些成熟的數(shù)字化系統(tǒng)，也為機器人的協(xié)同作業(yè)打下了非常好的基礎。”萬昕表示。

甚至在中國車企及供應鏈出海過程中，具身機器人也將扮演關鍵角色，銀河通用與寧德時代的合作便是實證。

“不管在歐洲、墨西哥還是北美，中國企業(yè)都會遇到同一個問題：人力。比如歐洲制造業(yè)大量用工來自土耳其和阿拉伯地區(qū)，這些工人會涉及宗教習俗等問題，墨西哥工人則普遍是日結薪酬制，比如世界杯期間墨西哥贏球，第二天整個工廠都沒人上班?！眰}玉指出。

這已經(jīng)不單純是成本問題，而是直接影響產(chǎn)能交付的供應鏈風險。

進廠能干什么？

“賽博工人”打工，進廠只是第一步。這些機器人到底能干什么、能干到什么程度，是接下來真正需要回答的問題。

一個越來越清晰的路徑是：先接盤"人最不想干的活"，再向"人干不好、甚至干不了的場景"延伸。

物流搬運，是第一類被廣泛提及的場景。

圖片來源：銀河通用

比如寧德時代產(chǎn)線上的銀河通用 Galbot S1、一汽的人形機器人“旗小智”、上汽通用別克至境E7電池量產(chǎn)線上的“能仔1號”、東風猛士智能制造車間里的“荊楚”人形機器人、寶馬工廠的Figure 03等，都是從物流環(huán)節(jié)起步，承接物料轉運、零部件搬運、倉儲分揀等重復性高強度作業(yè)。

這背后的邏輯很直接：搬運任務相對標準化，環(huán)境復雜度低，對精度的要求不像裝配那樣苛刻，即便失誤，后果也相對可控。換言之，這是一個“容錯空間較大”的切入點。

有業(yè)內人士建議，先挑簡單場景切入，比如小件搬運，選那些即便零件脫落也不影響零件質量的任務，先把項目跑起來、穩(wěn)定運行?！爸挥邢扰芡?、能穩(wěn)定運行了，后續(xù)提升節(jié)拍、全場景推廣才有基礎，說白了就是要有成功案例才能推廣，說一萬次不如實實在在做一次?！?/p>

更何況在物流場景，人形機器人也能帶來實實在在的降本。

在東風奕派科技AI產(chǎn)品總監(jiān)徐宇涵看來，通過人形機器人進行柔性搬運，可以減少通過AGV+磁軌、二維碼等對于工廠進行改造的額外成本，而在分揀與碼垛環(huán)節(jié)，依托人形機器人對島式生產(chǎn)時的設備來料進行分揀，則可以降低機器人程序切換成本。

當然，這個前提是人形機器人的價格需要在合理的區(qū)間內。

質檢，是另一個被反復提及的方向。

比如整車車身間隙面差檢測，由于對精細度要求很高，1名工人檢測一輛車通常要花1~2個小時，全檢在人力上根本不現(xiàn)實，因此很多主機廠在這一環(huán)節(jié)都只做抽檢?！叭绻挠脵C器人來做，整體效率會提升很多?！敝袊L安汽車(000625)副總工程師譚穎聰指出。

一汽集團總裝工藝主任宋偉佳也認為，在一些與質量強相關、直接影響客戶體驗的環(huán)節(jié)，如果能用具身智能替代，將是重要突破。

如果說搬運和質檢，是"人也能做但機器人更好"的場景，那么還有一類則是人干不了或最好別干，安全風險高、人機工程條件差的崗位。

圖片來源：上汽

上汽通用動力科技有限公司智能設備技術負責人徐嘯順將這類場景歸納為“臟、危、難、悶”，比如電芯這類高壓帶電元器件的操作，總裝環(huán)節(jié)的帶電作業(yè)，以及涉及化工原料的作業(yè)。

“我們接觸過一些供應商的測試案例：部分膠水材質特殊，需要工人現(xiàn)場涂覆，還得佩戴防毒面具、配套排風設備，這類作業(yè)換成機器人來完成會更好?！毙靽[順表示。

宋偉佳同樣指出，無論是總裝車間，還是沖焊涂環(huán)節(jié)，有不少和安全強相關的場景，比如總裝電車的強電連接環(huán)節(jié)對人是有危險的，另外底盤裝配工人長期仰頭作業(yè)對身體傷害很大，如果能用具身智能替代這些場景，將是比較大的突破。

“總結下來就是兩個方向：機器人能做的事，盡快推廣機器人去做，人沒法做的特殊場景，一定要開發(fā)機器人來完成。”FMC3 Robotics 聯(lián)合創(chuàng)始人COO樊堅強直言。

不過，盡管人形機器人在汽車制造場景應用場景廣泛，其最終目標并非取代傳統(tǒng)工業(yè)機器人，而是與之互補，在傳統(tǒng)方案夠不著的地方，填補空白。

在徐嘯順看來，隨著大模型技術的進步和產(chǎn)業(yè)鏈的完善，人形機器人將逐步從“最強實習生”成長為獨當一面的“金牌員工”，與人類共同構建高效、安全的智能制造新生態(tài)。

“從長遠來看，未來工廠中工業(yè)機器人、復合協(xié)作機器人、人形機器人和人工的占比預計將呈現(xiàn)7:1:1:1的格局?！毙靽[順預測。

但即便場景有了，方向對了，具身機器人在汽車制造場景大規(guī)模落地的大門，還沒真正打開。

為什么還沒鋪開？

進入2026年，盡管具身機器人已在眾多場景落地應用，今年人形機器人整體出貨量大概率仍在萬臺級別，難以突破十萬臺大關。

甚至一些踏踏實實推進工業(yè)應用的團隊，今年出貨量可能不升反降。

“因為行業(yè)已經(jīng)轉為靠市場驅動了。產(chǎn)品要真正投放市場，需要完成大量研發(fā)和驗證，還有標準、認證的問題，比如我們?yōu)榱诉M入歐洲市場，正在辦理歐洲和英國的相關認證，這類認證周期都很長?！眰}玉表示。

而去年，全球人形機器人出貨量雖首次突破萬臺，不可否認其中很大一部分并非來自真實市場需求。

“部分由政府買單，或者通過給供應商壓貨來沖量，所以去年泡沫其實非常嚴重。今年，一方面政府建設熱情已經(jīng)消退，頭部廠商的招商布局也基本完成，而腰部廠商政府也看清楚了，很難突圍，所以這塊需求直接砍掉了，但這部分恰恰占了去年出貨量的大頭?！毕嚓P業(yè)內人士透露。

需求端虛火消退，技術端要啃的“硬骨頭”也不少。

數(shù)據(jù)缺乏，是當前行業(yè)面臨的首要難題。

據(jù)測算，要實現(xiàn)具備通用自主能力的具身大模型，至少需要千萬小時級的高質量真實交互數(shù)據(jù)。然而截至2026年初，全球高質量真實物理交互數(shù)據(jù)總量也不過50萬小時，距離行業(yè)公認的千萬小時級數(shù)據(jù)需求量，缺口超95%。

“為什么數(shù)據(jù)如此急缺？原因主要有兩點：首先，這個領域本身就沒有現(xiàn)成的數(shù)據(jù)積累。其次，目前也沒有任何工廠愿意公開自己的工藝制程數(shù)據(jù)。”倉玉指出。

因此，面對數(shù)據(jù)荒漠，不少企業(yè)將希望寄托于仿真生成。

但在徐宇涵看來，這條路也并不平坦：由于工業(yè)精密裝配依賴微米級位移與非線性摩擦力的精確模擬，而現(xiàn)有物理引擎難以還原這些細節(jié)，導致仿真中表現(xiàn)完美的策略，在真機部署時成功率會出現(xiàn)斷崖式下跌。

“具身智能模型訓練還高度依賴海量、高多樣性的失敗樣本，以此優(yōu)化決策邊界。然而，工業(yè)制造的核心法則是‘一次做對’與‘零缺陷容忍’，追求極致的生產(chǎn)穩(wěn)定性，這從根本上與AI的試錯學習模式形成對立。”

圖片來源：小米技術

數(shù)據(jù)燃料不足，模型訓練受限，認知決策與作業(yè)控制便成了短板。

魯鵬指出，在多模態(tài)感知、動態(tài)決策以及算力層面，目前的能力還和車企需求、現(xiàn)場復雜環(huán)境的要求存在一定差距。軟件方面，在復雜環(huán)境適應性與作業(yè)過程安全風險兩方面，也存在不可靠因素，比如機器人仍會出現(xiàn)摔倒情況，存在和人類磕碰、發(fā)生干涉的風險。

硬件層面的挑戰(zhàn)，同樣不容回避。本體的穩(wěn)定性、故障率，靈巧手的柔性，以及整機續(xù)航能力，都是落地中繞不開的現(xiàn)實問題。

“這些問題，導致我們的工藝設計在精度、效率和可動率三方面受到制約?！濒旟i表示。

尤其靈巧手，已成為制約具身機器人發(fā)展最突出的硬件瓶頸。

目前商用的靈巧手，要么成本居高不下，難以規(guī)?；?；要么在自由度、觸覺感知和負載能力上，無法同時滿足工業(yè)裝配的復雜需求。

"現(xiàn)在的靈巧手，沒法給大模型提供觸覺和高精度力的反饋。很多企業(yè)宣傳的是實驗室數(shù)據(jù)，真正商品化時，成本和可靠性都是繞不開的坎。"有業(yè)內人士透露。

負載同樣是硬傷。"人手可以拿10公斤的東西，拎18公斤的水都沒問題。但現(xiàn)在的靈巧手，不管是腱繩、連桿還是其他結構方案，單手指出力基本在30N左右，對應約三公斤，這還是理想環(huán)境下的數(shù)據(jù)。實際抓取出現(xiàn)一點偏載，手就無法承受，很容易損壞。"

除了這些共識性難題，還有一些問題尚未形成統(tǒng)一答案。

比如：產(chǎn)品形態(tài)是否必須是人形？

早期，人形機器人的發(fā)展邏輯之一是，人類的生產(chǎn)場景都是按人形設計的，換成其他形態(tài)很難適配產(chǎn)線。但實際落地中，不少工業(yè)場景完全可以根據(jù)任務需求定制非人形結構，成本更低、效率更高。硬做人形，反而可能為了形態(tài)犧牲性能，抬高落地門檻。

因此，越來越多的觀點開始質疑：在汽車制造這類場景里，雙足人形或許并非最優(yōu)解，尤其雙足人形機器人在導航、任務規(guī)劃和運動控制等方面，雖已有成熟技術支撐，但續(xù)航能力和平均無故障時間仍有待優(yōu)化。相比之下，輪式雙臂機器人反而更容易落地。

更有觀點提出：與其為場景找人，不如為人改場景。

“目前整個工廠的運作模式，還是按照過去人類裝配、制造的邏輯設計的。而機器人不管是檢測精度、裝配精度還是運行效率，未來都會比人類更出色。在這個前提下，從焊裝、涂裝到總裝，各個工段的布局和動線設計，還會是現(xiàn)在的樣子嗎？我覺得到2027年，說不定就會有企業(yè)率先做出改變。"

換言之，“機器人適配現(xiàn)有場景”這條默認路徑可能也會被改寫：不再只是技術向場景妥協(xié)，場景也會因技術的進化，而被重新設計。

不過，盡管挑戰(zhàn)重重，行業(yè)對未來的判斷卻出奇一致：具身機器人要真正大規(guī)模應用，可能還需要等待兩三年，大約五年之后，具身機器人將開始走進家庭，承擔家務、養(yǎng)老康養(yǎng)等服務工作。

這并非一個激進的預言，而是一個務實的共識。從“進廠打工”到“入戶服務”，中間隔著的是數(shù)據(jù)積累的厚度、硬件迭代的精度、場景驗證的深度，每一項都急不得，每一項也都繞不開。

這不是一場關于速度的競賽，而是一場關于耐心的長跑。

本文來自和訊財經(jīng)，更多精彩資訊請下載“和訊財經(jīng)”APP