芯耀
与非AI
435
行家说机器人
2026年8月12日下午，深圳自变量机器人公司做了一场直播。
一台搭载双机械臂和标准夹爪的机器人，面对杂乱堆叠的包裹，开始连续分拣。纸箱、快递软袋、圆柱形快件、泡沫封装件，大小、重量、材质全不一样，摆放姿态完全随机。机器人需要抓起包裹，判断面单位置，把面单翻到朝上的方向，再放到传送带上——全程无人干预。
一小时后，成绩定格：1816件，准确率98%。
美国Figure AI此前公开展示的同场景纪录是1248件/小时，自变量超出45%。而据自变量内部估算，其整套物流分拣系统的硬件成本仅为Figure AI方案的约30%。
更值得玩味的是硬件路线的差异。Figure AI用的是"人形机器人+五指灵巧手"的复杂方案，自变量用的只是"双机械臂+标准夹爪"——没有灵巧手，没有“人形”结构，硬件成本直降70%。
这场直播传递出一个信号：决定机器人能不能干活的，不是手有多灵巧，而是脑子够不够用。自变量背后那颗“大脑”，是今年4月发布的全球首个基于“世界统一模型”架构的具身智能大模型WALL-B，将视觉、语言、触觉、动作和物理预测融在同一个神经网络里，单个包裹的“感知—决策—执行”闭环压缩到几十毫秒。
但自变量的直播再仿真，也只是一场测试。真正值得追问的是：哪些人形机器人已经进入了真实的场景，日复一日地干活？
一份“真干活”名单
以下名单整理自公开报道，筛选标准只有一条：已在真实生产/运营场景中持续性部署，不是展会演示，不是短时实训，不是摆拍。
谁在干活？七个品牌，两种打法
名单里一共出现了七个品牌：优必选、银河通用、智元机器人、星动纪元、中联重科、乐聚机器人、我能具身。
这七家可以粗略分成两类。
第一类是"本体厂商自研大脑"——智元自研启元大模型、星动纪元自研ERA-42、中联重科自研云谷大模型、银河通用自研Grocery VLA。它们的共同点是：既造身体，也养脑子，追求软硬一体。
第二类是"本体+外部大脑"——优必选接入深度求索的DeepSeek-R1（自研小脑负责运动控制），乐聚机器人搭华为盘古大模型，我能具身依托清华交叉信息研究院技术。这类公司选择把大模型能力交给更擅长的AI伙伴，自己专注本体工程与场景落地。
两种路线没有绝对优劣，但有一个趋势已经清晰：自研具身大模型正在成为主流。原因不难理解——工厂场景的数据闭环太重要了，机器人每天干活产生的触觉、视觉数据，必须能反哺自家模型，形成“越干越聪明”的飞轮。
在哪儿干活？四大场景浮出水面
梳理15条部署记录，落地场景集中在四个方向：
汽车工厂是最热门的试验田。 优必选进了极氪、比亚迪、富士康，乐聚进了一汽红旗、北汽、赛力斯，此外小米在小鹏工厂、开普勒在上汽通用、傅利叶在上汽通用——汽车产线几乎成了人形机器人的“必修课”。原因也简单：汽车工厂的工位相对标准化，搬运、质检、装配等环节重复性高，且车企本身有自动化基因，接受度高。
物流分拣是效率跑得最快的场景。 星动纪元在顺丰/邮政十多个物流中心做到峰值1200件/小时，我能具身在广州邮区中心做到峰值1200件/小时、稳定800件/小时——这两个数字已经接近人工稳定分拣的900件/小时水平。再加上自变量直播测出的1816件/小时，物流分拣正在成为人形机器人第一个真正跑通PMF（产品市场匹配）的赛道。
无人零售是唯一做到7×24不间断的场景。 银河通用在北京的无人药店已运营超一年，上岗超150天，完成数万订单，抓取成功率95%。50平方米的空间里5000种商品、10000多盒药品，全靠机器人自主分拣打包。这个场景的特殊价值在于：空间封闭、品类固定、24小时有需求——天然适合机器人。
重型装备自家工厂是“肥水不流外人田”的打法。 中联重科把8款人形机器人搬进自家智慧产业城300多条产线，数十台同时在机加工、物流、装配、质检多工位上岗。先用自家工厂验证，再推向市场——这是装备制造巨头的传统操作，也说明人形机器人已经进入“真刀真枪”的阶段。
干活效率：从20%到90%的爬坡
名单中的效率数据，画出了一条清晰的爬坡曲线：
不到两年时间，优必选从“仅人工20%”爬到了“效率翻番”；乐聚从30%提升到50%；星动纪元在物流场景逼近人工90%——这条曲线的斜率，比很多人预想的要陡。
但也要清醒：除了物流分拣和无人零售，大多数工厂场景的机器人效率仍在人工50-70%区间徘徊。这意味着单台机器人还无法独立替代一个工人，往往需要人机协作才能跑通。智元精灵G2“两台联动可完全替代一名工人”，既是一个里程碑，也暗示了当前单机能力的天花板。
末端执行器：灵巧手主流，但夹爪在逆袭
15条记录中，13条用的是灵巧手，只有银河通用的2条用的是夹爪/吸盘式。
灵巧手的优势显而易见：自由度高，触觉感知精细，能完成拧螺丝、穿针、精细装配等复杂操作。在工厂场景里，灵巧手几乎是标配。
但自变量8月12日那场直播，给灵巧手路线浇了一盆冷水：用更简单的夹爪，靠更聪明的模型，反而做出了更高的效率。自变量合伙人甘如饴说了一句反直觉的话：“用更简单的机械臂+夹爪处理物流分拣，对大模型要求更高。”换句话说，不是灵巧手不好，而是如果你有一个足够强的大脑，就不需要用复杂的手去补偿脑子的不足。
这个逻辑如果成立，灵巧手的高成本、高维护、高故障率就会成为工业部署的负担。至少在物流分拣这类特定场景，“简单硬件+强模型”可能是更具性价比的路线。
风头最盛的宇树，为什么一个进厂的都没有？
这份名单里有一个明显的缺席者：宇树科技。
作为“人形机器人第一股”、估值609.9亿元、2025年人形机器人出货5511台全球第一的公司，宇树在常态化部署名单中一条都没占到。它的机器人在吉利工厂做过测试，在泰山搬过砖，但都停留在试点阶段，没有进入任何一座工厂的日常产线。
这不是疏忽，而是结构性问题。
第一、73.6%的收入来自科研教育，工业场景仅占9%。宇树的客户是高校实验室，不是工厂车间。科研客户买原型机做算法研究，对连续作业的稳定性要求不高；工厂要的是能在真实工况下8小时不间断干活的设备。两者对技术的要求不在一个量级。数据显示，宇树与长城汽车、东京羽田机场的试点项目付费转化率不足10%。
第二、小脑发达，大脑欠费。宇树的技术积累集中在运动控制——后空翻、奔跑、跳舞，这些“小脑”能力确实全球顶尖。但工厂需要的是“大脑”能力：环境感知、任务规划、场景泛化。宇树直到2026年1月才首次开源VLA模型，此前完全依赖外部方案。创始人王兴兴自己坦言，当前大模型能力尚未达到GPT-1水平。年大模型相关研发投入仅为国内头部友商的四分之一。
第三、硬件参数撑不起工业需求。宇树人形机器人手臂最大负载仅3kg，常规续航仅1-2小时——工厂一个班次8小时，它连四分之一都扛不下来。优必选Walker S2虽然续航能力也一般，但它可以3分钟自主换电、15kg负载。在工业场景，这些硬指标就是门槛。
第四、ROI算不过账。宇树主力机型售价约16.76万元，加上部署、维护、算法适配，综合成本可能超过30万元。而国内制造业一线人力年均成本8-10万元。工厂自动化设备通行标准是3年回本——按这个账，宇树机器人需要在3年内替代3个以上人力才能打平，但它的效率只有人工的50%甚至更低。
宇树不是不知道这些问题。它在IPO中募资42亿元，其中20.22亿元投向“智能机器人模型研发”——用硬件赚的钱去补大脑。
回到自变量那场直播。它的意义不只是一次效率纪录，而是证明了另一条路径的可行性：不堆硬件，靠模型能力突破场景上限。当自变量用30%的成本跑赢Figure AI 45%的效率时，整个行业的技术坐标系都在被重新校准。
而这份名单最终告诉我们的是：人形机器人行业正在分化。一端是宇树这样在科研市场赚得盆满钵满、但迟迟跨不进工厂门槛的“运动健将”；另一端是优必选、智元、星动纪元、银河通用这样已经在真实产线和仓库里摸爬滚打、效率曲线持续上扬的“干活选手”。
展台上的后空翻很精彩，但工厂里的搬运分拣才是一桩生意。当潮水退去，谁在干活，谁在表演——这份名单已经给出了答案。
本文基于公开网络信息整理，仅供参考，不构成投资建议。
