工厂不敢大规模上人形机器人，最核心的原因很直接：账算不过来。 一台能进厂干活的人形机器人，实际总拥有成本可能接近50万到60万元，而一个熟练工人的年薪大约在12到15万元。花三到四年的工人工资买一台机器，它干的活却远不如人稳当，这笔投资在大多数工厂的财务模型里根本过不了关。
第一本账：买得起，但“用不起”
很多人只看到机器人的标价在降，比如有产品已经降到10万元级别，但工厂算的不是这个数。整机采购只是成本的一小部分，场景改造、调试和运维会占到总拥有成本的40%到60%。
一台机器人进厂，后面跟着一串看不见的账单：产线要改、安全要评估、工艺要重新验证、工人要培训，减速器和传感器坏了还没有成熟的备件网络和维修体系，停机风险很高。如果试点工位需要机器人公司的工程师驻场两周，产线自己的人也要陪着改流程、换夹具，同时原岗位的工人还不能撤，降本就会变成人力和机器人的成本叠加。
工业客户普遍能接受的投资回收期是18个月，最多不超过3年。但伯恩斯坦的测算显示，工厂物料搬运场景在中国的回本周期长达6.7年，远超能接受的上限。回本周期这么长，根源在于中国制造业工资相对较低，而机器人的售价却降得不够快。

第二本账：演示“能用”和产线“可靠”是两码事
工厂对设备的要求不是“能完成一次动作”，而是数万小时的平均无故障时间（MTBF），以及±0.1mm以上的重复定位精度，人形机器人在真实工况下距离这个标准还差着数量级。
更具体的差距体现在成功率上：小米汽车工厂实测，人形机器人连续3小时拧螺母，成功率只有90.2%，而同工位的熟练工人和传统工业机器人稳定在99%以上。90%在实验室里叫“基本能用”，在产线上意味着一百个产品里有十个要返工，整条线的节拍和良率都会被拖垮。
而且这种能力极不稳定。宇树科技创始人王兴兴的说法很直白：固定场景训练后成功率可以接近100%，但环境和物品发生微小变化，执行效果立刻断崖式下滑。一个在A工厂学会的技能，换到B工厂大概率失灵。
第三本账：人机混流比“无人”更难
工厂里最危险的假设，是以为机器人会和人各干各的。真实产线上，人机协作是常态，而人形机器人在这一点上暴露了最深的短板。
某新能源电池巨头引入50台机器人后，发现机器人能完美执行预设流程，但当工人因疲劳调整节奏，或者工艺临时变更物料摆放时，机器人会频繁触发安全急停，导致该工段整体设备综合效率反而下降了12%。工人伸手扶正一个零件，机器人可能误判为“抢夺物料”而锁死关节；工人动作慢下来，机器人仍然按原节拍逼近，造成压迫感和碰撞风险。


人形机器人是双足、高大、笨重的物理存在，在安全上带来的隐患和传统固定式工业机器人完全不同。而工业场景的碰撞力阈值、人机协作等级等安全标准，尚未形成行业共识与国家标准，工厂如果要用，就得自己承担安全认证的风险。市场端的顾虑很直接：“不敢用、怕用坏、赔不起”。
第四层：续航、触觉和人的断层，都在拖后腿
续航撑不满一个班次。 高强度作业下，人形机器人通常运行数小时就需要充电，难以覆盖完整的8小时班次。如果配一台备用机轮换，初始设备投入直接翻倍。
触觉缺失让精细操作不可靠。 工业场景里很多活靠的不是“看见”，是“手感”。纯视觉方案的机器人在拿鸡蛋、翻书页这类精细任务上的成功率有限，而高精度触觉传感器量产良率不足60%，能做到工业级循环耐用标准的企业全球不超过5家。一只高自由度灵巧手市场价超过十万元，但在连续作业环境下实际寿命只有数周到两三个月。
运维的人跟不上。 行业极度稀缺同时懂制造工艺和人形机器人运维的复合型人才，多数工厂没有搭建起适配的运维组织架构，机器人坏了，等工程师来的时间本身就是损失。
工厂不是不用，是在等一个“算得平”的节点
人形机器人在工厂的真实处境，不是“完全不能用”，而是“能用”和“值得大规模用”之间，隔着一整套还没跑通的系统。已经有企业在焊接、分拣、上下料等标准化程度高的工位上做小批量试点，但定位是“柔性补位”，不是替代主力。

真正的拐点，取决于三件事能不能同时发生：硬件成本降到工厂能在18到24个月内回本的水平、机器人在真实扰动环境下的可靠性从“90%”跨到“99%以上”、以及安全标准和运维体系从空白变成可用的基础设施。在这三件事凑齐之前，工厂的沉默不是保守，是算账之后最理性的选择。
你所在的工厂或者你了解的产线，有没有开始试用过人形机器人？你觉得“回本周期”和“干活可靠性”这两条，哪一条是工厂真正下决心大规模采购的第一道门槛？欢迎在评论区聊聊你看到的一线情况。