过去几年,人形机器人给很多人的印象,大概是这样的:在实验室里跑步、跳舞、翻跟头,或者拿起几个物品完成简单操作。
这些演示确实很吸引眼球,但也让人产生一个疑问:机器人做这些事情有什么实际价值?它们什么时候才能真正进入工厂,承担人类的工作?
2025年,Figure AI与宝马集团的一项合作,给出了一个值得关注的答案。
Figure 02人形机器人进入宝马位于美国南卡罗来纳州的斯帕坦堡工厂,参与汽车生产中的钣金件搬运和定位工作。
这不是一次简单的实验室演示。根据Figure AI公布的数据,这项部署持续了11个月,机器人累计运行超过1250小时,搬运了超过9万个零件,并参与了超过3万辆宝马X3汽车的生产。
这件事真正值得关注的地方,不是机器人能够完成多么复杂的动作,而是它开始接受真实工厂的考验:每天工作10小时,每周工作5天,面对真实的生产节奏,持续完成重复性任务。
不过,这是否意味着人形机器人已经能够大规模取代工人?
还不能这么说。要理解这项进展的意义,我们需要先弄清楚,人形机器人为什么要长成人的样子,以及它进入工厂后究竟需要解决哪些问题。
一、为什么工厂需要长得像人的机器人?我们先想象一个场景。
一家汽车工厂已经运行了二十年,里面的通道、货架、操作台、工具和设备,都是按照人类工人的身高、手臂长度和活动方式设计的。
现在,工厂管理者希望进一步实现自动化。
最直接的办法是安装工业机械臂。
但问题来了:机械臂通常固定在某个位置,擅长执行预先安排好的重复动作。如果要让它们在不同工位之间移动,或者使用原本为人类设计的工具和设备,可能就需要重新设计生产线。
改造不仅需要投入资金,还可能影响正常生产。
这时候,人形机器人的价值就体现出来了。
它有类似人类的双腿、双手和躯干,可以在一定程度上适应原本为人类设计的工作环境。
比如,工厂里的零件放在普通货架上,人形机器人理论上可以走过去,伸手拿取,再把零件放到指定位置,而不必为了它重新设计整套货架系统。
这里涉及一个重要概念:棕地工厂(Brownfield Factory)。
简单理解,就是已经建成并投入运营的工厂。
与之相对的是绿地工厂(Greenfield Factory),也就是从零开始建设的新工厂。
人形机器人的一个重要发展方向,就是进入这些已经存在的工厂,在尽可能少改造现有设施的情况下承担部分工作。
当然,少改造不等于完全不改造。机器人进入工厂,仍然需要考虑安全设施、网络覆盖、物料供应和设备接口等问题。
那么,人形机器人是不是一定比传统工业机械臂更好?
并不是。
如果一项工作只需要在固定位置反复焊接、喷涂或者搬运,传统工业机器人通常更加成熟,也更容易实现高效率。
人形机器人的优势在于,它希望能够适应更多不同的工作位置和任务,而不是只在一个固定工位上重复同一个动作。
两者并不是简单的替代关系,而是针对不同工作环境的技术选择。
二、Figure 02在宝马工厂到底做了什么?要理解人形机器人距离真正商业化还有多远,Figure 02在宝马工厂的实际表现是一个很好的观察样本。
它承担的工作并不是制造整辆汽车,而是汽车生产中的一个具体环节:将钣金零件取出,并准确放置到指定夹具中,供后续焊接工序使用。
这类工作看起来并不复杂,但对机器人来说并不轻松。
零件有一定重量,摆放位置需要准确,动作必须与生产线节奏配合。如果机器人经常拿不稳、放错位置,或者动作太慢,就可能影响整个生产流程。
根据Figure AI在2025年11月公布的项目总结,Figure 02在宝马斯帕坦堡工厂的部署取得了以下成绩:
指标
项目数据
部署周期
11个月
工作时间
每周5天,每天10小时
累计运行时间
超过1250小时
搬运零件数量
超过90000个
累计行走步数
约120万步
参与生产的汽车
超过30000辆宝马X3
这些数据说明,机器人已经不只是能够在实验室里完成一次动作,而是能够在真实生产环境中持续承担一项具体工作。
尤其值得关注的是1250小时的运行时间。
实验室演示通常只需要展示机器人能不能完成某个动作,但工业生产完全不同。
工厂不关心机器人今天能不能成功拿起一个零件,而关心它能不能每天稳定完成几百次、几千次类似操作。
一次成功没有太大意义,持续稳定地成功才有生产价值。
不过,这组数据也有明确的边界。
参与生产3万辆汽车,并不意味着机器人独立制造了3万辆汽车。它只是参与了这些汽车生产过程中的特定工序。
同样,1250小时的运行记录也不能直接证明它已经达到了所有工业生产要求,更不能证明它在经济上已经全面优于人工。
它证明的是:人形机器人开始具备在真实汽车生产环境中承担特定工作的能力。
这是一个重要进展,但距离大规模普及还有距离。
三、真正困难的不是机器人会不会动,而是能不能一直可靠地工作为什么机器人能走路、能拿东西,却依然很难真正进入工厂?
因为工厂不是实验室。
在实验室里,研究人员可以提前摆好物品,清理周围环境,设计好机器人的行动路线。
但真实工厂有生产节奏、设备变化、物料供应和各种突发情况。
比如:
机器人正在搬运零件,突然发现原本应该出现的零件没有送到。
它应该怎么办?
是停下来等待?还是通知其他设备?如果后面的生产任务已经开始,它又应该如何调整?
这些问题涉及机器人背后的一整套软件系统。
其中一个重要概念叫视觉—语言—动作模型(Vision-Language-Action Model,简称VLA)。
可以把它理解为机器人的大脑与行动系统。
传统人工智能模型主要负责处理文字、图片等信息,而VLA需要进一步把看到的东西与实际动作联系起来。
例如,机器人看到一个零件,理解人类要求它把零件放进指定位置,然后控制自己的手臂、手指和身体完成操作。
但这还只是单个任务。
真正复杂的是,机器人需要在整个工作过程中持续了解自己正在做什么、下一步应该做什么,以及刚才的动作有没有成功。
这就涉及另一个问题:机器人如何与工厂里的其他系统配合?
例如制造执行系统(Manufacturing Execution System,简称MES)。
MES可以简单理解为工厂的生产管理系统,它负责记录生产任务、生产进度、设备状态和相关信息。
假设一台机器人完成了零件搬运,它需要让工厂系统知道任务已经完成。下一道工序才能根据实际情况继续安排。
如果机器人没有及时更新状态,或者接收到错误信息,就可能造成生产流程混乱。
此外,还有设备之间的协同、故障检测、安全管理和异常恢复。
所以,机器人真正进入工厂,并不是把一台机器放在那里就结束了,而是需要让它融入整个生产体系。
机器人能完成一个动作,解决的是单机能力问题;机器人能够长期参与生产,解决的则是整个系统的协作问题。
这也是为什么未来人形机器人的竞争,不仅仅是比谁的硬件更强、动作更灵活,还要比谁的软件系统更成熟。
四、为什么说未来的竞争重点可能从硬件转向软件?过去,人形机器人受到的关注主要集中在硬件上。
例如:
能不能稳定行走?能不能保持平衡?手指能不能灵活抓取物品?电池能不能支撑长时间工作?关节能不能承受高频率运动?这些问题当然重要。
但当机器人逐渐具备基本的行动能力之后,新的问题开始出现。
假设一家工厂部署了十台人形机器人。
其中一台负责搬运零件,另一台负责分拣,第三台负责把零件送到指定工位。
如果其中一台出现故障,其他机器人能不能及时调整任务?
如果生产线临时改变生产计划,机器人能不能理解新的安排?
如果某个零件的位置发生变化,机器人能不能重新识别并完成操作?
这些都不是单纯增加电机功率或者改进机械结构就能解决的问题。
机器人需要有一套能够协调任务、记录状态、处理异常的软件系统。
未来还需要解决多台机器人之间的协同问题,以及机器人与工厂原有设备、物流系统和生产管理系统之间的数据交换。
这意味着,机器人的价值将越来越依赖整个软硬件系统,而不只是单台机器人的运动能力。
从产业发展角度看,这也可能改变机器人企业的竞争方式。
过去,企业主要比拼硬件设计、制造工艺和运动控制能力。
未来,谁能让机器人更容易学习新任务、更稳定地完成工作、更方便地接入工厂系统,谁就可能拥有更大的优势。
当然,这是一种发展趋势判断,并不意味着硬件已经不重要。对于工业机器人来说,可靠的关节、电池、传感器和执行器始终是基础。
五、Figure 02之后,宝马的机器人项目又有什么变化?Figure 02的项目结束,并不意味着宝马与人形机器人的合作停止。
2026年,宝马工厂又出现了新的机器人项目。
这里需要区分两个不同的合作方向。
一方面,Figure AI在2026年6月宣布,Figure 03重新进入宝马美国斯帕坦堡工厂,开始探索更复杂的物流分拣任务。
与Figure 02主要负责将钣金件放入指定位置不同,Figure 03所面对的任务更加复杂:从装有混合零件的大型容器中取出物品,识别并分拣,再将它们放入指定的物流容器,供后续生产环节使用。
这意味着机器人不再只是完成一个固定位置的取放动作,而是需要处理更多不同物品和物流环节。
另一方面,宝马在德国莱比锡工厂开展的项目使用的是Hexagon Robotics的AEON机器人,而不是Figure的产品。
AEON主要用于探索高压电池装配和零部件制造等应用。
这两个项目虽然合作企业不同,但反映出同一个趋势:汽车制造商正在探索让人形机器人承担更多种类的生产和物流任务。
不过,目前这些项目仍然需要通过实际测试,逐步确定机器人适合承担哪些工作,以及怎样部署才能获得合理的经济回报。
六、人形机器人距离真正普及,还有多远?人形机器人已经进入真实工厂,这是值得关注的技术进步。
但如果从企业经营的角度来看,它们还需要跨过几道重要门槛。
第一道门槛:成本。
企业不会因为机器人看起来先进就购买它。
机器人本身的购买成本只是其中一部分,还需要计算部署、维护、维修、能源消耗和软件服务等费用。
如果一台机器人价格昂贵,却只能完成少量工作,那么它就很难获得大规模订单。
第二道门槛:稳定性。
工厂需要的是长期可靠的生产设备,而不是偶尔表现出色的实验产品。
如果机器人每天都需要工作人员重新调整位置、修复错误或者手动恢复任务,那么它实际上并没有真正实现无人化。
第三道门槛:工作适应能力。
汽车工厂里的工作种类很多。
有些任务环境固定、动作简单,有些则需要识别不同物品、处理复杂情况,甚至与其他设备进行协作。
机器人能完成一个工位的工作,不代表它能够轻松适应其他工位。
第四道门槛:投资回报。
企业最终要比较的是:购买机器人之后,究竟能节省多少成本,又能创造多少价值?
如果传统机械臂更便宜、更稳定,那么企业没有理由为了使用人形机器人而放弃成熟方案。
因此,人形机器人未来很可能不会一下子进入所有工作岗位,而是从那些重复性强、劳动强度大、环境相对明确的任务开始,逐渐扩大应用范围。
七、真正值得关注的,不是机器人越来越像人,而是它开始能够承担现实工作回顾人形机器人的发展,我们会发现一个值得注意的变化。
过去,人们主要通过机器人能完成什么动作来判断技术进步。
现在,越来越重要的问题变成了:它能不能进入真实环境,完成具体任务,并且长期稳定地工作?
Figure 02在宝马工厂超过1250小时的运行记录,正是这种变化的一个具体例子。
它没有证明人形机器人已经能够全面替代工人,也没有证明这条技术路线已经取得了商业上的全面成功。
但它证明了一件更有实际意义的事情:人形机器人已经开始从实验室里的技术展示,走向真实工业环境中的任务验证。
未来几年,真正决定这个行业能否继续发展的,可能不再只是机器人能不能跑得更快、跳得更高,而是它能不能降低部署成本、减少人工干预、适应更多工作场景,并且给企业带来可以计算的经济收益。
人形机器人真正的竞争,不是看谁最像人,而是看谁能够像一个可靠的员工一样,把工作长期做好。