人形机器人一年百万台？工厂里的真实交付率只有不到 5%

适用读者：机器人硬件、具身智能、工业自动化与智能制造从业者

结论先行

9月12日，UBTECH在广西柳州投产了一座14000平方米的人形机器人超级工厂，设计节拍为每10分钟下线一台工业人形机器人，规划年产能超过1万台。这被多家媒体称为“全球首座”同类工厂。与此同时，行业统计显示，2026年上半年中国人形机器人出货量已超过4万台，全年预计突破 10 万台。但另一组数据同样重要：这些机器人中，真正进入工厂产线做生产工作的比例不到 5%。demo能力和量产交付，是两个完全不同量级的工程问题。

本周硬数据

为什么“10分钟下线”不等于“10分钟造好”

10分钟节拍是精益生产术语takt time，指产线满负荷运转时相邻两台完工产品之间的设计间隔，不是对全年不间断产出的实测验证。按10分钟节拍换算，1万台年产能大概需要1667小时实际生产时间，双班制在常规工业日历下可以实现，但能否被真实商业需求填满仍是行业待解的问题。更值得注意的是，UBTECH自身财报显示，Walker S2的作业效率约为人类工人的50%，公司内部目标是2027年提升到80%。

“机器人造机器人”的说法也需要拆开看：柳州工厂里，UBTECH自家的Cruzr机器人只负责物料搬运——上下料、码垔、工位间转运；Walker机组真正的机械与电气装配工作，由协作机械臂、助力搬运机械手、无人叉车和AGV完成，并非由人形机器人本体完成精密装配。真正的工程亮点，是把人形机器人用作一种传统固定自动化难以胜任的“柔性移动物流工”角色。

Demo和量产之间，差的是“可重复性”

行业观察者的说法很直接：一段90秒的演示视频证明的是“能力”，而工厂里连续运转的产线证明的是“可重复性”，这是两类完全不同的问题。小米某电动车工厂的真实案例很能说明问题：一台负责拧螺母的人形机器人连续运行3小时，成功率90.2%；经过4个月迭代后提升到98%，仍比人类基准低1个百分点——而且这只是单一工序的结果。

把这道鸿沟拆成可核查的硬件与工程指标，大致是这五项：

1. 热管理：密闭腔体内的计算单元与多颗电机驱动器持续负载后会出现降频；刚开机的机器人和已运行45分钟的机器人，在工程意义上是两台不同的机器。
2. 线束与关节寿命：每一次步态循环都会让线束弯折受力，高自由度灵巧手单只成本超十万元，高端配置可达百万元级，精密触觉传感器的量产良率仍低于60%，全球能满足工业级循环耐久标准的厂商不到 5 家。
3. 故障容错与恢复：演示视频只展示成功动作，量产部署必须回答：能否检测并捡回掉落物体？能否从抓取偏差中恢复？人员进入路径时能否安全停止？多数当前型号自主化水平仍偏低，一步意外就可能中断整条任务链。
4. 节拍匹配：汽车产线对节拍要求极为严格，人形机器人的装配速度与灵巧度目前仍不及人类工人，demo里的“单次成功”在真实节拍面前意义有限。
5. 持续作业时间：高强度负载下，人形机器人通常几小时后就需要充电，难以覆盖完整 8 小时班次；配备备用机轮换，又会让初始资本支出翻倍。

投资回收期：账算不过来，工厂就不会买

工厂采购经理关心的KPI从来不是后空翻，而是完成周期数、稼动率、人工介入频率、恢复时间、吞吐量与故障频率。高盛估算2025年人形机器人整机BOM成本约2.77万美元，整机售价约4.18万美元，在工业场景下的等效人力成本回收期约2.8年；国泰君安测算，若要在两年内追平一名年薪8万元工人的成本，整机含维护成本需控制在约16万元人民币，而当前机型价格大致在30万至50万元人民币区间。概率性的可靠能力，很难被写进一张工业财务报表——一次意外停机与重新部署，可能就抹平数月的人力节省。

真正跑通的部署，都从“窄任务”开始

目前公开报道中相对扮实的案例，都不是“通用管家”，而是被严格限定边界的专用工人：Figure AI的Figure 02在宝马斯帕坦堡工厂完成 11 个月部署，周一到周五每天 10 小时班次，目标为单班次99%以上放置精度与84秒节拍，累计完成超120万步机器人动作，但任务被限定在车身车间的具体工序内。Agility Robotics的Digit已在GXO物流仓库累计搬运超 10 万个料箱，意义不在数字本身，而在于它代表长时间、非脚本化的连续运转。国内AgiBot的G2机器人在某3C检测工位完成 2283 次精密上下料任务且单班次零错误记录，但一旦被换到 9 类陷生场景，泛化能力的差距立刻显现出来。UBTECH的Walker S2用三分钟自主换电应对24小时连续多工序作业，2026年已交付超500台。这些机器人能被采购的共同原因，恰恰是它们没有去尝试演示视频里的炫技动作。

规则真空：安全认证还没跟上产能

行业讨论最少的一个盲点是：进入工厂的机器人，目前几乎没有统一的“交通规则”。当算法错误造成财产损失或安全事故时，责任在制造商、系统集成商与操作方之间往往难以清晰划分。欧盟《机械新规》（2023/1230）将于2027年1月20日起适用，但如何认证一台动态不稳定的双足机器人仍是行业刚开始面对的问题；面向动态稳定工业移动机器人的新安全标准ISO 25785-1仍在制定中。在缺乏统一性能指标、功能认证与质量控制标准的情况下，没有工厂负责人愿意把真实产线赌在一个“概率性产品”上——这也是数据飞轮迟迟无法完成第一轮转动的根本原因。

对硬件与工程团队的启示

1. 不要把演示成功率当作采购依据：要求供应商提供平均故障间隔时间（MTBF）、连续运行时长、人工介入频率等真实运维数据，而不是演示视频的单次成功片段。
2. 先做窄任务试点，再谈通用化：参照Figure 02、AgiBot G2的路径，把首个部署严格限定在边界清晰、失败模式可预期的单一工序，再逐步扩展场景。
3. 把热设计、线束和灵巧手寿命纳入选型硬指标：密闭腔体散热、关节线束疲劳、触觉传感器良率直接决定实际可用寿命，不能只看峰值性能参数。
4. 用两到三年投资回收期做财务筛选：把整机采购、维护、备用机轮换和停机损失都算进总成本，再与实际人力成本对比，而不是被单价或补贴价格吸引。
5. 关注认证与责任框架的滞后风险：在功能安全标准、责任划分规则尚不完善的阶段部署人形机器人，需要企业自行补齐内部安全评审与应急预案，而不能完全依赖行业标准。

写在最后

人形机器人行业正在经历一次典型的“工程祟魅”：从demo舞台上的惊艳后空翻，到工厂产线上枯灾但可重复的拧螺丝、搬料箱。真正决定这个行业走向的，不是哪家公司先造出一台机器人，而是谁能先造出一万台完全一致、可维护、可预测地工作一整年的机器人。对硬件与嵌入式从业者而言，现在最值得投入精力的，不是追逐单点技术炫技，而是把热管理、线束寿命、传感器良率和运维数据管道，做成一套真正可规模化的工程系统。

信息来源

• China Humanoid Factory Hits 10-Minute Production Pace, US Bans New Robot Imports，2026-09-20
• China's Humanoid Robots Ace the Demo Floor. The Factory Floor Is Another Story，2026-09-16
• UBTECH柳州人形机器人超级工厂投产报道，2026-09-16