伯恩斯坦：人形机器人瞄准四个场景，最快1年回本

近日，伯恩斯坦（Bernstein）发布了一份题为《Humanoid robotics: The road to real-world adoption——the market size and ROI of four key applications》的重磅报告，将全球人形机器人的商业化前景聚焦在四个关键应用场景上：城市与工业巡逻、仓库拣选与搬运、工厂物料搬运与巡检、最后一公里配送入户。

报告测算，在这四个场景中，回本周期最短的（城市巡逻）在美国仅需1.0年，最长的（工厂物料搬运）在中国则需6.7年。当回本周期低于2.5年时，采购决策将从“要不要试”转向“为什么不买”。

但就在同一周，2026世界机器人大会的展馆里，另一番景象却让人冷静不少：百米跑进9秒、后空翻、弹钢琴——展台上的表演一个比一个精彩；可一旦走到灵巧手专项赛现场，画风陡然一变——刚刚还在跑道上叱咤风云的机器人，面对积木搭建、镊子夹豆这些“指尖微操”时，瞬间变得缓慢而笨拙。

一快一慢的反差，恰是行业现状的真实写照。当资本和市场都在热切期待人形机器人“进厂打工”时，一个现实的问题浮现出来：伯恩斯坦报告把四个场景的“账”算得清清楚楚，但必须先把横在人形机器人前面的几道坎过了再说！

01泛化能力：离开实验室就失灵

伯恩斯坦报告提到的四个场景，无论是巡逻、拣选、搬运还是配送，都要求机器人在非标准化环境中自主作业——街道的光线会变，仓库的货位会动，配送的楼道有高有低。然而，当前人形机器人的泛化能力远远跟不上。

宇树科技创始人王兴兴在大会上直言：在经过充分标定的固定场景内，人形机器人任务成功率可以接近100%；可一旦环境、物品发生微小改变，执行效果便会断崖式下滑。以仓库拣选为例，货架上同一个型号的纸箱，如果摆放角度偏了5度，或者光照角度发生变化，机器人的抓取成功率可能从90%骤降到不足50%。城市巡逻更是如此，户外有阳光直射、雨天反光、行人遮挡，任何干扰都可能让视觉模型失效。

业内将这种现象称为“泛化能力不足”。目前大多数具身智能模型仍基于单一场景训练，跨场景泛化能力极差。有研究者直言，当前人形机器人的状态更像是 “演示就绪”而非“部署就绪” 。更值得警惕的是，一些看似丝滑的演示视频背后，可能藏着脚本预编程、现场微调乃至远程遥操作。

从“演示级智能”到“真实物理智能”，核心差异在于：前者只能在固定场景中完成预设任务，而后者要求机器人依靠自身感知和模型，面对从未见过的陌生环境也能独立完成任务。宇树科技创始人王兴兴给出的判断标准是：一台机器人在80%它从未见过的“陌生环境”中，用户通过语音下达指令，它能自主完成约80%的任务。这个“双80%”标准被行业公认为通用人形机器人的真正拐点，他预计这个节点快则2到3年、慢则5到10年——而伯恩斯坦报告预测的100万台出货量节点是2031年，两者时间窗口大致吻合。

02数据饥荒：大脑在等米下锅

泛化能力不足，根源在于数据——而且是真实物理世界的数据。伯恩斯坦报告测算的四个场景，每一个都需要机器人执行高精度物理交互：巡逻要开门、按电梯，拣选要抓取不同材质和重量的物品，搬运要稳定托举，配送要敲门、放货。这些动作涉及触觉、力控、视觉融合，互联网上没有一条现成的训练数据。

数据缺口有多大？《2026人形机器人产业发展报告》显示，训练具备强泛化能力的具身大模型，需要千万小时级别的真实物理交互数据，但当前全球可复用的高质量真机数据仅有十万小时量级。两者相差整整两个数量级。

采集真实数据的成本更是惊人。湖北人形机器人中心的相关人士介绍，一个训练师每天训练8小时，最终能用的数据只有两三个小时。杭州湾具身智能创新中心投入运营至今，也只完成了2500小时的数据采集。而要让一个技能点达到交付级，模型需要2000到5000小时甚至过万小时的训练数据。以仓库拣选场景为例，要覆盖不同尺寸、不同材质、不同摆放姿态的数千种商品，所需的数据量几乎是天文数字。

更残酷的是物理损耗。机器人关节电机有寿命，减速器会磨损，灵巧手高频操作容易出故障。一台机器人高强度跑数据，几个月可能就得修一次。大模型的数据是数字拷贝，边际成本几乎为零；可机器人的数据是物理消耗，每一条都要花钱花时间。行业集体撞上了一堵墙：身体已经进入量产时代，大脑还在等米下锅。

03贵而不稳：产线不会买单

即便数据问题暂时搁置，人形机器人要真正进入伯恩斯坦报告所描绘的那四个场景，还面临一道更现实的坎：稳定性和成本。

工业场景对稳定性的要求极为严苛。以工厂物料搬运为例，报告测算该场景在中国回本周期长达6.7年，是四个场景中最长的——一个重要原因就是，产线不允许频繁停机。聆动通用创始人兼CEO季超道出了工业现场的真实要求：“跑10次成功9次，在实验室科研可能是很好的成果，但工厂生产要求的是一天几千次、几万次的长期稳定性。一旦失败，机器人必须知道自己错在哪里，能够自动恢复，而不是每次都叫工程师过来重新启动。 ”

硬件本身也是瓶颈。以灵巧手为例，单只高自由度触觉灵巧手的市场价超过十万元，部分产品可达八十万甚至上百万元，但在工业场景连续作业的环境下，实际寿命仅数周至两三个月。城市巡逻机器人要在户外风吹日晒，仓库搬运机器人要频繁承受重物冲击，配送机器人要上下楼梯——这些场景对关节、电机、传感器的磨损远超实验室环境。

不过，也有一些积极的信号。宁德时代已开始部署具身智能机器人“小墨”，在实际运行中插接成功率稳定在99%以上，作业节拍已达到熟练工人水平。小米人形机器人进厂“打螺丝”，能够自主运行3个小时，安装成功率超过90%。但这些仍是特定场景、特定任务下的突破，距离伯恩斯坦报告所描述的四个场景全面铺开，还有很长的路。Counterpoint数据显示，2026年上半年全球人形机器人出货量突破2.2万台，但智能制造占比仅13%，仓储物流仅5%。真正进入工厂和仓库“干活”的，还不到两成。

泛化能力、数据饥荒、稳定性，每一道都不好走，每一道都需要时间和耐心。正如一位行业观察者所说，当前的人形机器人证明了它们“能干活”，但还远未证明“能干所有活”。

不过，也不必因此否定进步的价值。当社会关注焦点从“能不能跑”转向“能不能干”，这本身就是一个积极信号——意味着人形机器人的高光时刻，正在赶来的路上。

END