【导语】人形机器人正从“表演”迈向“实干”的新阶段，行业大订单频现标志着商业化进程加速。然而，技术成熟度、安全规范及实际应用场景的挑战仍待克服，人形机器人(rén)进(jìn)工(gōng)厂(chǎng)的(de)真(zhēn)正(zhèng)时(shí)机(jī)尚(shàng)未(wèi)全面(miàn)成(chéng)熟(shú)。
人(rén)形(xíng)机(jī)器(qì)人(rén)要(yào)从(cóng)“表(biǎo)演(yǎn)”过(guò)渡(dù)到(dào)“干(gàn)活(huó)”，如(rú)今(jīn)已(yǐ)成(chéng)为(wèi)行(xíng)业(yè)共(gòng)识(shi)。近(jìn)期(qī)，工(gōng)厂(chǎng)千(qiān)万(wàn)级(jí)订(dìng)单(dān)正(zhèng)在(zài)密(mì)集落地。
8月11日，智元创新（上海）科技有限公司与富临精工股份有限公司达成数千万元标的的项目合作，近百台远征A2-W将落地富临精工工厂。
智元方面称，这是国内首个工业领域具身机器人规模化商业签单案例，更是该品类在全球智能制造场景的首次规模化落地，标志着工业具身智能从技术验证阶段正式迈入规模化商用新纪元。
但千万订单并非行业孤例。
摩根士丹利预计，到2028年，中国机器人市场规模将以年均23%的速度增长，达到1080亿美元。业内人士认为，这场由大订单驱动的商业加速度短期内能提振市场信心，不过也有人认为，当前人形机器人拿下工厂千万订单只是为了满足投资方的规模需求，在技术路线尚未收敛，安全规范还没成形的当前阶段，机器人实际落地还有很多难题。
360集团创始人周鸿祎和“加速进化”的人形机器人踢足球。图片来源：加速进化
人形机器人商业化进程提速
整个行业的交付和拿下工业订单的节奏，都明显进入提速阶段。
在日前刚刚落幕的2025世界机器人大会（WRC）现场，越疆科技首席科学家朗需林发布全新一代具身智能人形机器人DOBOT Atom Ⅱ，此外同时推出“机械臂+人形+多足”具身智能平台多形态机器人产品，覆盖工业、商用、科研教育、家庭陪伴多场景应用。越疆科技相关负责人告诉澎湃科技，目前(qián)越(yuè)疆(jiāng)的(de)具(jù)身(shēn)智(zhì)能(néng)机(jī)器(qì)人(rén)应(yīng)用(yòng)已(yǐ)经(jīng)获(huò)得(de)了(le)全球(qiú)头(tóu)部(bù)客(kè)户(hù)的(de)多(duō)场(chǎng)景(jǐng)验(yàn)证(zhèng)，拿(ná)下(xià)数(shù)十(shí)家(jiā)全球(qiú)客(kè)户(hù)订(dìng)单(dān)，客(kè)户(hù)订(dìng)单(dān)包(bāo)括(kuò)马(mǎ)扎(zhā)克(kè)、ASKA、Aurotek、AI Korea等(děng)国(guó)际工业与商业巨头。
8月(yuè)12日(rì)，另(lìng)一(yī)家(jiā)机(jī)器(qì)人(rén)公(gōng)司(sī)智(zhì)平(píng)方(fāng)的(de)相(xiāng)关负(fù)责(zé)人(rén)也(yě)透(tòu)露(lù)，他(tā)们(men)已(yǐ)收(shōu)货(huò)近(jìn)千(qiān)台(tái)通(tōng)用(yòng)智(zhì)能(néng)机(jī)器(qì)人(rén)订(dìng)单(dān)，涵(hán)盖(gài)工(gōng)业(yè)和(hé)公(gōng)共(gòng)服(fú)务(wu)场(chǎng)景(jǐng)，已(yǐ)经(jīng)在(zài)东(dōng)风(fēng)柳(liǔ)汽、晶能微电子、华熙生物等工厂落地，并将在上海虹桥机场投入运营。
同日，人形机器人第一股优必选（09880.HK）宣布，该公司人形机器人正在成批量地“转正上岗”，预计今年交付500台工业版人形机器人，面向汽车、3C半导体等行业客户，其中以汽车客户为主。
早(zǎo)在(zài)7月(yuè)18日(rì)，根(gēn)据(jù)中(zhōng)国(guó)招(zhāo)标(biāo)投(tóu)标(biāo)公(gōng)共(gòng)服(fú)务(wu)平(píng)台(tái)发(fā)布(bù)的(de)《机(jī)器(qì)人(rén)设(shè)备(bèi)采购(gòu)项(xiàng)目(mù)中标公示》，优必选成功中标觅亿（上海）汽车科技有限公司总额 9051.15万元的机器人设备采购项目，主要采购优必选的Walker S工业人形机器人系列产品，这是目前公开信息中，全球人形机器人企业披露的单笔最大金额中标订单。但另有公开数据显示，优必选2024年仅出货10台人形机器人。
尽管工业订单好消息频传，但据人形机器人场景应用联盟统计显示，截至2025年上半年，从国内公开披露的人形机器人订(dìng)单(dān)来(lái)看(kàn)，采购(gòu)主体(tǐ)仍(réng)以(yǐ)高(gāo)校(xiào)、科(kē)研(yán)院(yuàn)所(suǒ)、职(zhí)业(yè)院(yuàn)校(xiào)等(děng)教(jiào)育(yù)科(kē)研(yán)机(jī)构(gòu)为(wèi)主，占(zhàn)比(bǐ)高(gāo)达(dá)75%。项(xiàng)目(mù)金(jīn)额(é)结(jié)构(gòu)，中(zhōng)小(xiǎo)单(dān)仍(réng)是(shì)主旋(xuán)律(lǜ)，合(hé)同(tóng)金(jīn)额(é)在(zài)100万(wàn)元(yuán)以(yǐ)下的项目占比60%，千万元级订单以上仅占6%，显示绝大多数买家仍处于试点和验证阶段，采购规模与预算较为谨慎。
越疆在WRC上发布新品DOBOT AtomⅡ。图片来源：越疆科技
技术仍未收敛
近期密集拿下工业“大订单”，是否意味着(zhe)人(rén)形(xíng)机(jī)器(qì)人(rén)进(jìn)工(gōng)厂打工时机已经成熟？还有哪些问题暂未形成共识？
智平方相关负责人认为，暂且不论时机是否成熟，但可以明显感受到的是，人形机器人商业化进程正在提速，这对整个行业也是利好消息。“因为人形机器人最终还是要找到实际的场景落地，才能拿到真实的订单。”
在这届WRC上，人形机器人企业“加速进化”的人形机器人在场馆内展示踢足球的场景吸引了不少观众注意，甚至360集团创始人周鸿祎在与该公司的机器人比拼足球技能。
但该公司副总裁赵微晨明确告诉澎湃科技，他们不做工业场景，在他看来，机器人进工厂只是为了满足投资人的期待。从实际落地来看，现在人形机器人进工厂实际落地角度很难。
赵微晨指出，目前工业场景里80%以上的任务已经被协作机器人解决了，而“轮加双臂”的机器人早在五年前就已经有性价比很低的成熟解决方案，比如小车加工业臂。剩下的工业(yè)应(yīng)用(yòng)场(chǎng)景(jǐng)，要(yào)么(me)技(jì)术(shù)太(tài)难(nán)，五(wǔ)年(nián)内(nèi)落(luò)不(bù)了(le)地(de)，要(yào)么(me)市(shì)场(chǎng)规(guī)模(mó)太(tài)小(xiǎo)，ROI（投(tóu)资(zī)回(huí)报(bào)率(lǜ)）不(bù)足(zú)。赵(zhào)微(wēi)晨(chen)表(biǎo)示，人形机器人的终极目标是进入家庭场景，现阶段在人形机器人大脑层面技术还未收敛，等三年后公司有了一定收入体量再投入。
穹彻智能联合创始人、上海交通大学人工智能学院副院长卢策吾在接受媒体采访时也明确指出，所有人形机器人进工厂都得面临成(chéng)本(běn)能(néng)不(bù)能(néng)更好，良品率能不能更好，或者能不能更柔性。人形机器人如果在这几个方面体现出优势是有空间的。
当前，人形机器人进入工厂还有哪些问题需要解决？
多位采访对象(xiàng)指(zhǐ)出(chū)，现(xiàn)在(zài)的(de)问(wèn)题(tí)是(shì)搭(dā)载(zài)于(yú)人(rén)形(xíng)机(jī)器(qì)人(rén)的(de)AI技(jì)术(shù)尚(shàng)不(bù)成(chéng)熟(shú)，VLA技(jì)术(shù)模(mó)型(xíng)技术还未收敛，此外安全和稳定性也是一大考验。
据媒体报道，早在2024年，富士康科技集团曾在其国内大陆的工厂试用优必选机器人，富士康期待机器人可以进行组装和焊接作业，但机器人“尚不能完成复杂工作”。
场景应用方上汽通用动力科技有限公司智能设备高级技术经理徐啸顺此前在接受澎湃科技采访认为，人形机器人进工厂工作挑战一方面集中在稳定性上，不能突然有意想不到的动作，以及程序不能出现突发状况，另一方面在于机器人对整体的场景要适配。“现在的很多工作还集中在消除用户或使用人员对人形机器人产品的理解上，这个过程可能有点困难。”徐啸顺说。
徐啸顺称，工厂环境考虑的是质量和安全，但非专业用户很难理解模型的决策机制。目前多家人形机器人公司采用的技术路线—VLA模型（视觉、语言、动作）技术尚未完全收敛，在现场部署中仍然存在一定风险。他认为，在现阶段，“能跑起来”已经很不错了，但要做到可信任可负责，可能还需要一段时间。
智元机器人通用事业部总裁王闯告诉澎湃科技，VLA模型关键在于泛化性要求非常强。即使从未见过的场景，也能迅速做出正确的反应。它依赖大量数据构建基座能力，确保在千差万别的任务中也有成功率。
王闯指出，VLA模型的难点在于，行业内现在到底需要什么样的数据并没有形成共识，导致大家采集数据不一，此外数据量是否足够现在未有定论。这些新的数据会对VLA模型有什么影响，也暂时未知。另外从VLA模型效果来看，它与人类的泛化能力仍然有显著的差距，要实现强泛化、高成功率，这非常不容易。