2025年新一代“蓝领”：人形机器人如何站上工厂流水线——具身智能产业深度研究（七）

1. 核心观点：工业场景人形机器人优先适配搬运与质检类任 务，商业化重点关注 ROI，自主泛化能力提升后可向更多工 序拓展

工业场景中，人形机器人与工业机器人形成互补定位，从短链条任务起步积累数 据提升能力，轮式形态将成为应用首选。人形机器人与工业机器人根据能力差异 形成互补定位，工业机器人专注于固定工位的高速、高负载、精准重复作业，而 人形机器人以更接近人类的方式参与生产流程，体现出柔性化特点，具备柔性灵 活的移动能力、兼容非结构化场景的环境适应能力、适配小批量、多品类的柔性 化任务能力，以及具备部署维护低门槛的特点。人形机器人在工业场景的最终目 标是执行通用复杂长任务，实现恶劣环境的人工替代并弥补劳动力短缺，初步落 地的阶段先从短链条任务起步，不断积累作业数据进行训练，提升工作能力后逐 步胜任复杂任务。三大应用场景中，工业场景因标准化程度较高成为具身智能的 训练场，采用渐进式部署策略，待技术成熟后再向家庭、商业服务场景延伸。在 不同的下肢形态中，轮式形态具备稳定性、长续航、移动速度快的优势，将成为 工业场景应用首选。

人形机器人优先适配搬运与质检类任务，并向基础组装拓展，商业化核心卡点是 ROI，仍需降本提效，自主泛化能力提升后可向更多工序拓展。以汽车制造和电 池组装产线为例拆解工作流程，分析工序步骤，人形机器人将优先胜任搬运类、 质检类任务。这些任务普遍具有半柔性特征，人工参与度高，尚未被传统自动化 设备全面替代；另一方面又具备短链条、工序相对独立的特征，在具身大脑的发 展现状下人形机器人能够胜任；对于基础组装类任务，如螺丝预拧紧、零件预安 装、车标安装、线束插接等基础装配步骤，人形机器人在初步测试阶段。ROI 决 定商业化落地，要实现 2 年回本的最低目标，机器人售价需降低至十万元级别， 且效率提升至人工同等水平；为了提升效率，需要提升续航、节拍和耐久性。部 分发达国家劳动力短缺、人力成本高，人形机器人的商业化闭环有望率先跑通， 出海或将成为重要方向。具身大脑发展仍然滞后，处理复杂长链条任务能力不足， 泛化性能提升后人形机器人可向更多工序拓展；精细操作能力有待提升，灵巧手 的耐久度、灵活度、力度控制是从演示走向实用的另一大难关。 预计到 2035 年中国工业场景中汽车制造、电子制造、物流仓储三大领域人形机器 人总需求量达到 48.4 万台，市场空间 483.6 亿元。解决劳动力短缺和替代危险环 境作业是人形机器人在工业场景应用的核心驱动。仅考虑汽车制造、电子制造、 物流仓储三大细分领域，预计到 2030 年中国工业场景人形机器人总需求量达到 7.1 万台，市场空间 84.7 亿元；到 2035 年中国工业场景人形机器人总需求量达到 48.4 万台，市场空间 483.6 亿元。特斯拉、小鹏等车企具备技术与场景双重优势， 推动人形机器人在工业场景落地；多家机器人本体企业与车企合作落地，Walker 系列、Figure 等成为典型代表。

2. 工业制造柔性化需求提升，人形机器人从短链条任务起步， 轮式形态将成为首选

2.1. 人形机器人与工业机器人形成互补定位，适配柔性化发展趋势

现代制造业正朝着柔性化方向发展演进。产线多品类混流生产、产品迭代节奏加 快、制造工艺非标化与多样化，已成为制造业发展趋势。这些行业特征，对智能 制造系统的复杂工艺适配能力与制造精度水平都提出了更高的要求。 人形机器人并非要取代工业机器人，目标是取代人工工位，受限于具身大脑发展， 短期内三者仍需配合适配柔性化发展趋势。受限于泛化性能不足，人形机器人短 期内无法完全取代人工，因此与工业机器人、人工配合形成“人工决策+工业机器 人精准执行+人形机器人柔性衔接”的模式，既保留工业机器人的效率优势与人工 的决策能力，又通过人形机器人半柔性的特点进行工序衔接，让产线同时具备高 精度、高柔性、高安全性，适配现代制造业柔性化发展趋势，并代替一部分人工 工位以弥补劳动力缺口。本文探讨的人形机器人不局限于双足，也包括轮式底盘 等各种下肢形态。

人形机器人与工业机器人根据能力差异形成互补定位。传统工业机器人专注于固 定工位的高速、高负载、精准重复作业，而人形机器人以更接近人类的方式参与 生产流程，体现出柔性特点，具体能力差异包括以下几个方面： 移动能力方面，工业机器人在固定工位执行固定轨迹，人形机器人具备柔性灵活。 工业机器人的机械臂通过底座固定在工作台，覆盖限定工作空间，通过编程执行 固定运动轨迹，无法完成移动、转身、弯腰等复合动作；协作机器人在结构上也以单臂为主，尽管能够与人共享空间工作，但自身无法移动，活动范围局限于机 械臂臂展半径。人形机器人采用轮式底盘或双足的移动机构，具备自主移动能力， 且身高和体型接近人类，能够自由穿行于工厂的狭窄通道，攀爬台阶或上下班组 常用的工具设备位置等，这种移动性使人形机器人可以服务于多个工位，胜任生 产线中分散的任务，可穿梭于狭窄工位、跨区域作业，无需专用工装改造。 环境适应能力方面，工业机器人依赖结构化固定场景，人形机器人兼容非结构化 场景。工业机器人高度依赖结构化场景，需固定工位、工装夹具定位工件，环境 参数（如光照、温度、工件位置）需保持稳定。若工件偏移、场地杂物阻挡，工 业机器人易出现故障停机，需人工干预校准。人形机器人支持非结构化场景适配， 通过视觉、力觉、触觉传感器，实时感知环境变化，具备动态调整能力，例如抓 取偏移的工件时可通过视觉识别重新定位；行走时遇障碍可自主绕行等。

任务适配能力方面，工业机器人专注于标准化批量作业，人形机器人适配小批量、 多品类的柔性化任务。工业机器人专注标准化、大批量、单一重复任务，如汽车 焊接、电子元件插件、冲压成型等；换产成本高，若换产需重新编程、调整工装 夹具，因此适合长期稳定的大规模生产。具身智能人形机器人最核心的特点就是 具备自主决策、感知和执行的能力，虽然目前还做不到足够的泛化性能，但相对 更加适配柔性化的小批量、多品类任务，如多品类混流搬运、定制化产品质检等。 部署与维护方面，工业机器人是高门槛专用工具，人形机器人的长期目标是实现 低门槛通用。工业机器人是专用型工具，需专业工程师编程、调试，搭配专用工 装夹具和场地改造，部署周期长，维护门槛高，需定期校准精度、更换磨损部件， 依赖专业技术人员。人形机器人的长期目标是成为通用型工具，无需进行场地改 造快速适配接入现有产线，实现多工位通用作业，并且与 AGV、工业机器人等协 同构成智能制造体系。 作业精度与负载能力方面，工业机器人强于人形机器人。工业机器人在高精度， 高负载场景有明显优势，大型六轴机械臂可搬运数十公斤乃至上百公斤的工件， 重复定位精度达到±0.1 毫米级，在如汽车车身焊接、喷涂等对精度和速度要求高 的工序上具备优势。当前主流人形机器人的额定负载多在 20 公斤以内，动作精度 也低于工业机械臂。因此，对于焊接、涂装这类高度自动化的精细工序，仍将长 期依靠工业机器人完成。 人形机器人与工业机器人的能力差异，体现了二者为互补而非替代关系。综合来 看，人形机器人目前能够实现的性能特点介于人工和工业机器人之间：精度和负 载不及工业机械臂，但胜在灵活通用，具备一定柔性能力。工业机器人依然是执 行高精度、高刚性重复任务的最佳选择；而人形机器人则通过其灵活性去覆盖工 业机器人与人工之间的衔接环节，最大价值不在于和机械臂拼速度、拼精度，而 是在于发挥柔性和通用优势，在产线中打造人机协作、优势互补的智能生产体系。

2.2. 人形机器人从短链条任务开始，提升能力后逐步胜任复杂任务

人形机器人在工业场景的最终目标是执行通用复杂长任务，实现恶劣环境的人工 替代并弥补劳动力短缺。人形机器人可以直接在现有人工工作环境中作业，无需 额外的产线改造或资本开支，灵巧手设计使其具备多用途能力，可以在仓库、生 产线等场景执行多种任务，使用人类现有的工具和设施。在人工作业存在危险的 场合（如高温、喷涂、有毒环境），人形机器人可以代替人工执行操作；在发达国 家制造业普遍面临劳动力短缺和人口老龄化的大背景下，自动化替代的需求更为 迫切，预计到 2030 年全球制造业将出现近 800 万劳动力缺口，人形机器人能够有 效缓解这一压力。

初步落地的阶段，人形机器人从短链条任务起步，不断积累作业数据进行训练， 提升工作能力后逐步胜任复杂任务。AI 的发展高度依赖于数据积累，具身智能的 最大瓶颈在于物理交互数据的短缺，因此人形机器人还不具备足够智能的大脑去 执行复杂长任务，初期将从工厂产线中选择短链条任务起步，承担一些要求介于 工业机器人与人工工位之间的工序任务，逐步积累交互数据，训练模型以提升工 作能力。 工业场景中，具身智能已经能够实现的任务，主要包括柔性搬运、质检等，不断 积累数据提高执行准确率与节拍。物流搬运场景中，人形机器人表现出较高的灵 活性，相比于传统的自动化设备如 AGV，人形机器人在参与工厂内部的物料搬运、 产品存取和物流配送过程中，能够在狭窄通道中自主移动，并与其他设备协同工 作，完成最后一步的物料传递任务。质检场景中，依托于视觉识别和多模态传感 技术，人形机器人可以完成外观，尺寸等质量检测作业，例如在电子元件组装过 程中，检测到表面缺陷或尺寸不符的情况。 未来向已实现任务的上下游环节进行拓展，形成更长的任务链条；工作能力提升 后逐步承担复杂任务，最终实现承担人工工位的目标。装配任务场景中，人形机 器人具备灵活操作能力，适配多变工位，在汽车制造、电子产品生产中具备市场 空间。例如，在汽车装配线上，人形机器人可以承担螺丝拧紧、部件安装等任务， 其优势在于操作灵活性高，适应能力强，弥补了人工或传统机械臂在这方面的不 足。人形机器人从短链条的搬运、质检，逐步拓展到装配，最终实现在工厂中承 担人工工位，执行通用化复杂长任务。

2.3. 工厂成为机器人走进应用的训练场，轮式形态将成为首选

工业、家庭、商业服务三大场景中，工业场景是人形机器人的训练场。首先源于 场景复杂度和标准化程度的差异：现代工厂的作业环境更加结构化，物料、设备 和操作流程都具有相对标准化特征，人形机器人更容易识别物件和遵循流程；而 家庭环境中物品种类繁杂、人与宠物的行为不可预测；商业服务场景空间开阔且 交互对象多元。因此，工厂将成为人形机器人自主智能的训练场，待具身大脑进 一步成熟后，再逐步扩展到家庭服务和商业服务领域。部分商业服务场景，如无 人商店，也符合这一逻辑，因此也将成为率先适用的“机器人训练场”。

未来工业场景的实际部署中，将会采用三步走方式： 第一步是实验室验证与小范围试点。优先筛选出现阶段机器人可以胜任的具体工 种，在小范围内进行试验。例如选取搬运、质检等基础环节，这些任务通常由若 干低复杂度子任务构成。通过在实验室或测试线上的反复调试，确保机器人能够 稳定完成单一任务并达到人工水平。而后进行仿真线或试制线的运营。企业将机 器人部署到无严苛节拍要求的试制线或实验性产线中，让其在接近真实但可控的 环境下执行选定任务。这一阶段机器人可以在相对宽松的节奏下工作，研发团队 通过长期运行来收集数据，逐步优化机器人动作控制和 AI 算法。当机器人能够在 试制线上进行耐久度测试并将成功率提升后，表明其可靠性已接近实际应用水平。 最后逐步扩大真实场景应用。先从次级生产空间开始引入，比如工厂的仓储物流 区域，由机器人承担搬运、物料配送、抽检等辅助性任务。这些区域相对独立， 不会干扰主生产线。随着机器人表现稳定，再演进至核心产线，让其进入总装车 间等关键工序执行经过验证的任务。在这一过程中，工厂将逐步增加机器人投入 的比例和覆盖的工位范围，最终实现机器人在产线的常态化部署。 轮式形态具备稳定性、长续航、移动速度快的优势，将成为工业场景应用首选。 轮式形态机器人相比双足机器人的移动速度更快、稳定性更高、续航更长，在越 障能力方面则显著弱于双足机器人。考虑工业场景的实际需求，工厂多为规则化 铺装地面，对跨越障碍的能力需求较低，但对稳定性、续航的要求高，若稳定性 无法保证则存在跌倒破坏产线的风险，而续航不足又会导致工作时间短的缺陷， 因此轮式形态更适配工业场景的实际需求，将成为落地应用的首选。

3. 优先适配搬运与质检类任务，商业化重点关注 ROI

3.1. 优先适配搬运、质检类任务，逐步拓展至基础组装类任务

以汽车制造和电池组装产线为例，拆解具体工作流程，分析其中适合人形机器人 参与的任务环节。汽车制造分为冲压、焊接、涂装、总装四大车间，在新能源汽 车时代新增了电池组装产线。

冲压车间的工作步骤包括材料预处理、模具安装与调试、核心冲压阶段、质量检 验、零件分拣。 材料预处理：钢卷通过开卷机释放卷材、校平板材翘曲、定尺裁剪、清洗脱脂、 表面覆膜等； 模具安装与调试：按生产车型更换对应模具吊装、通过定位销精准定位固定模具、 试冲样件进行较准； 核心冲压阶段：落料、拉延、修边、冲孔/翻边/整形； 质量检验：测量关键尺寸、检查表面是否有裂纹、褶皱、划痕等缺陷； 零件分拣：合格零件分类码放、通过 AGV / 叉车转运至焊装车间。 冲压车间中，适合人形机器人参与的任务主要包括柔性上/下料、柔性质量检测、 分拣与辅助转运；核心冲压阶段需要高节拍、高精度，仍适合工业机器人。柔性 上/下料方面，人形机器人可以从料架抓取不规则坯料（如冲压阶段拉延后半成型 件，形状非标准化），精准放置到下一道工序模具；或者多车型混线时，切换抓取 不同车型的坯料时无需更换夹具。柔性质量检测方面，人形机器人可以通过视觉 传感器扫描零件表面，识别裂纹、划痕等缺陷；对关键尺寸进行抽样检测。分拣 与转运方面，人形机器人可以应对多车型零件分拣，识别不同车型的零件分类码 放至对应料架；能够辅助物料转运，从检测台抓取合格零件码放至 AGV 料箱，或 从 AGV 取料补充至冲压线的坯料架。

焊接车间的工作步骤包括焊前准备、分总成焊接、总成焊接、焊后处理、质量检 测。 焊前准备：冲压件清洗和预处理、精准定位夹具安装、预固定； 分总成焊接：地板/侧围/车顶等组件点焊、弧焊、激光焊； 总成焊接：各分总成拼装、车身整体焊接、精度校准； 焊后处理：毛刺清理、焊缝打磨、防锈处理； 质量检测：焊点强度测试、气密性检测、外观检查、超声波检测。 焊接车间中，适合人形机器人参与的任务主要包括柔性物料搬运与定位、焊后质 量检测；核心焊接阶段对精度要求高且为固定工序，仍适合工业机器人。柔性物 料搬运与定位方面，人形机器人可以从料架抓取不规则板材，如车门内板、侧围 件等，并放置焊接夹具；多车型混线生产时，可以自动识别并切换不同车型零件。 焊后质检方面，人形机器人可以对焊缝视觉扫描通过 AI 算法进行分析，还可以进 行狭小空间检查，如车身内腔的焊缝检测等。

涂装车间的工作步骤包括前处理、电泳底漆、中间涂层、面漆、后处理、质量检 测。 前处理：脱脂清洗去除污染物和残留油膜、表调活化、磷化处理提升附着力、钝 化封闭增强耐腐蚀性； 电泳底漆：车身浸入电泳槽形成均匀底漆、循环清洗、烘干； 中间涂层：焊缝密封、车底防护、中涂喷涂、打磨平整； 面漆：色漆准备、色漆喷涂、清漆喷涂； 后处理：修饰清理飞漆/毛刺、 修补微小缺陷、抛光打蜡； 质量检测：外观目视/光学检测、膜厚检测、性能（耐划伤、耐化学品）检测。 涂装车间中，适合人形机器人参与的任务主要包括前处理和中涂阶段的柔性物料 搬运、后处理阶段的质检。物料搬运方面，人形机器人可以进行从焊接到涂装的 车身转运定位、小型零部件如保险杠/翼子板等上料和多车型混线的柔性处理。质 检方面，人形机器人可以在后处理阶段进行视觉扫描检测识别、膜厚无损检测、 缝隙检测等。

总装车间的工作步骤包括内饰装配、底盘装配、外饰装配、最终装配、质量检测。 内饰装配：基础内饰包括仪表台、顶棚安装、车门内饰板预装等，功能内饰包括 座椅系统安装、方向盘+转向柱安装等； 底盘装配：动力总成分装、悬架系统组装、制动和转向系统安装、车身底盘合装； 外饰装配：车门系统安装、前后端模块安装、玻璃装配； 最终装配：油液加注、车轮装配、整车电子系统检测调试； 质量检测：静态检测包括外观检查、内饰功能测试、底盘检查等，动态检测包括 四轮定位、道路测试等。 总装车间中，适合人形机器人参与的任务主要包括柔性物料搬运与定位、质量检 测，并初步测试用于装配工作。柔性物料搬运与定位方面，人形机器人可以用于 多车型混线生产中的零部件分拣与配送，从料架中抓取不规则形状零件并放置至 装配位置。质量检测方面，人形机器人可以用于静态检测工作。装配工作方面， 人形机器人可以从事仪表台总成等内饰件、线束、车门、轮胎等的初步安装，不 过由于涉及到更宽泛的物理交互方式，技术实现难度要远大于搬运和质检类任务， 目前还处于初步测试阶段。

电池组装产线的工作步骤包括液冷板安装、电芯拣选、模组安装、气密性检测、 高低压线束安装、上盖安装等。 液冷板安装：液冷板、水管、导热垫安装； 电芯拣选：将电芯进行分类、筛选、分拣； 模组安装：模组成型，安装至底板； 气密性检测：通过加压、保压检测水冷系统气密性； 高低压线束安装：安装高压线、低压线、电池管理系统 BMS； 上盖安装：阻燃隔热防护层安装、上盖安装、上盖紧固。 电池组装产线中，适合人形机器人参与的任务主要包括电芯拣选，并初步测试用 于液冷板、线束等组装类工作。电芯拣选属于柔性化分拣搬运类任务，适配于人 形机器人的能力范畴。组装类工作方面，人形机器人可以从事液冷板管线、高低 压线束、上盖等的初步安装工作，不过由于涉及到更宽泛的物理交互方式，技术 实现难度要远大于搬运和质检类任务，目前还处于初步测试阶段。

通过分析工序步骤，人形机器人将优先胜任搬运类、质检类任务。最先适配搬运 类、质检类任务的原因在于，它们普遍具有半柔性特征，人工参与度高，尚未被 传统自动化设备全面替代；另一方面又具备短链条、工序相对独立的特征，在具 身大脑的发展现状下人形机器人能够胜任这些任务。特别在涉及到工站衔接时， 人形机器人能够实现工位之间的柔性物流衔接，例如与 AGV 小车协同完成最后 一段的零件传送、为装配工位及时递送物料等，这类任务中人形机器人可以利用 自身灵活移动和操作能力，弥补固定传送带和 AGV 在狭窄空间或复杂路线下的 局限。 对于基础组装类任务，人形机器人在初步测试阶段。基础组装类工作指多类型、 低复杂度的初步装配工序，包括总装环节中一些标准化的简单装配作业，例如螺 丝预拧紧、零件预安装、车标安装、线束插接等基础装配步骤。这些任务需要一 定精度，但工序短、重复度高，人形机器人可从此类简单装配起步，逐步积累数 据和经验，再向更复杂的装配工序拓展。

搬运类任务案例（汽车制造领域）：Figure 机器人在宝马集团汽车工厂参与零部件 搬运任务。2025 年 11 月 Figure 公司创始人表示，其第二代人形机器人 Figure 02 在宝马集团斯帕坦堡工厂完成重要里程，过去的 6 个月内参与生产 3 万辆 X3 车 型，累计装载超 9 万个零件，运行时长突破 1250 小时，预计行走距离达 200 英里 （约 322 公里）。在生产过程中，Figure02 的工作任务主要集中在零件的搬运上， 人形机器人从货架或料箱中取出钣金件，准确地将其放置在焊接夹具上，随后由 六轴工业机器人进行焊接。这一流程的精确度和效率在很大程度上依赖于 Figure02 的性能，实现与工业机器人的差异化定位与角色配合。

搬运类任务案例（物流仓储领域）：全球物流巨头 GXO 在物流运营中心部署 Digit 人形机器人。2025 年 11 月，美国机器人企业 Agility Robotics 表示旗下人形机器 人 Digit 已在美国佐治亚州弗劳里布兰奇的 GXO 物流中心完成了超过 10 万个周 转箱的实际搬运任务。Digit 的工作是将货物从移动机器人移载到传送带，完全嵌 入生产场景而非 Demo 展示。此外，Agility 还表示，Digit 现在每天都在亚马逊、 GXO 和舍弗勒等工业物流巨头的仓库中运行。

搬运类任务案例（电子制造领域）：Walker S1 在富士康工厂开展搬运、分拣等实 训工作。2025 年 1 月富士康与 UBTECH 宣布将就人形机器人在智能制造领域的 应用建立战略合作关系，共同推进和验证人形机器人在智能制造领域应用的可行 性。基于富士康工厂实际需求，UBTECH 进行应用场景选择和技术适用性研判， 在搬运、分拣、打胶、质量检查、影响劳工健康或者其他合适工位进行测试及落 地应用。工业人形机器人 Walker S1 已在富士康位于深圳龙华的工厂开展了实训 工作，验证了人形机器人在搬运类任务中的应用可行性。

质检类任务案例（汽车制造领域）：Walker S1 在北汽享界工厂总装车间执行仪表 线物料检测任务。2025 年 3 月的 UBTECH 与北汽新能源联手打造人形机器人新 能源汽车示范产线，在享界工厂 Walker S1 在总装车间执行仪表线物料检测任务， 智能化检测准确率达 99%。通过纯视觉方案精准检测汽车零件的类别及数量， Walker S1 与 AGV 无人小车协同完成自动化检测流程。过程中，针对零件特征被 遮挡、外观相似、摆放位置接近等难点，Walker S1 采用基于跟踪的后处理融合技 术，有效过滤和补全了少量帧的误检测和漏检测，显著提升了检测结果的可靠性。

质检类任务案例（电子制造领域）：智平方轮式机器人用于惠科生产基地，逐步覆 盖 PCB 质检等场景。2025 年 9 月，智平方与面板巨头惠科旗下全资子公司深圳 慧智物联达成全面战略合作。根据协议，未来三年，将有超过 1000 台搭载智平方 具身大模型的机器人在惠科全球生产基地“上岗”。此次合作将以产线上复杂的 PCB（印刷电路板）操作为首个示范场景，逐步覆盖从仓储物流、上下物料、零部 件装配到质检测试等全流程。

基础组装任务案例（汽车制造领域）：Walker S1 在极氪工厂总装车间、仪表区、 车门装配等环节部署。从较为简单的分拣、搬运任务，到更加复杂的装配任务， Walker S1 人形机器人在汽车工厂进行多台、多场景、多任务协同实训。装配任务 中，面对小尺寸且易变形的柔软薄膜物体，Walker S1 通过高精度感知与自适应控 制技术，动态调整抓取力度与姿态，确保薄膜物体在装配过程中无损伤、无偏移。

3.2. 商业化核心卡点是 ROI，仍需降本提效，泛化性提升后可向更多工 序拓展

ROI 决定商业化落地，要实现 2 年回本的最低目标，机器人售价需降低至十万元 级别，且效率提升至人工同等水平。计算回本周期 = 机器人价格 /（效率 * 工 人工资），机器人价格既包含一次性的售价，也包含了日后的维护保养费用；效率 代表人形机器人替代人工工作的能力，目前仍然与人工效率存在较大差距。根据 制造业企业的实际情况，对于固定资产投资的回本周期一般希望控制在 1-1.5 年， 最多不能超过 2 年。按照回本周期 2 年的最低目标反推，工人工资假设为 8 万/ 年，那么需要将人形机器人达到人工效率的同等水平，并且售价（包含维修保养 费用）需要降低至 16 万元，而目前工业场景使用的人形机器人售价多在 30-50 万 区间，仍然存在较大降本差距，需要通过技术提升、规模化量产以及供应链管理 来摊薄成本提高 ROI。

为了提升效率，需要提升续航、节拍和耐久性。续航方面，要达到对标人工的工 作时间，则要求人形机器人的续航至少达到 8 小时，而目前双足人形机器人的续 航多在 4 小时之内，这就意味着有长续航优势的轮式底盘人形机器人将成为工业 场景落地的首要选择。节拍方面，受限于具身大脑的推理速度等原因，目前在大 部分任务场景下节拍仍然较慢，导致整体工序效率较低，与人工效率仍然存在较 大差距。耐久性方面，人形机器人的部分关键零部件环节，如灵巧手等，在高负 载工况下的耐久问题仍然有待解决，导致频繁更换零件，降低工作效率并增加高 额维修保养费用。 部分发达国家劳动力短缺，人力成本高，则人形机器人的商业化闭环有望率先跑 通，出海或将成为重要方向。彭博新闻社曾根据 20000 个工作小时对 Digit 的生命 周期运营成本进行了分析，估计结果为每小时 10-12 美元。与 2025 年美国仓库、 机动车零部件、半导体、锻造冲压等各岗位的生产工人成本相比明显降低。因此， 人形机器人的初期商业化应用将优先发生在高人工成本地，例如北美的仓储、制 造业出现了对人形机器人的积极尝试，当地人工时薪高、用工缺口大，机器人尽 管一次性投入费用高，但考虑生命周期则有望实现经济效益。

具身大脑发展仍然滞后，泛化性能提升后人形机器人可向更多工序拓展。人形机 器人在工厂能落地的环节主要仍为短链条、高重复、工序相对独立的任务，而对 复杂长链条和精细操作类任务的能力不足。以汽车总装为例，完成一项装配工作 需要经历识别零件、搬取、定位、安装、检验等多步操作，并与流水线节拍同步 协调。这对机器人的感知、规划和协同能力提出极高要求。目前的人形机器人在 自主决策和任务泛化方面尚处技术早期，难以在无人干预下完成复杂长流程工序， 可靠性和成功率远未达成生产要求。因此，现阶段人形机器人只能在各工序中挑 选某个具体步骤进行替代，而非取代整条工艺链。复杂任务的拆解、环境变化的 适应仍是瓶颈，需要更先进的泛化学习和决策算法来提升机器人对长链任务的胜 任力，当泛化性能提升后人形机器人才能够实现替代人工处理跨工序、多场景的 长链条复杂工作，真正实现人形机器人大规模投入生产。 精细操作能力有待提升，灵巧手是从演示走向实用的另一大难关。目前大多数人 形机器人的灵巧手在耐久性、灵活度、力度控制等方面与人手仍有巨大差距，很 难胜任微小零件装配、线缆连接、工具使用等需要精准手眼协调的工作，且在负 载工况下需要频繁维护更换。赋予机器人一双如人般灵活的手，要远比教会它行 走困难得多，随着材料、驱动、传感、算法等技术突破，机器人的手部灵活性有 望逐步接近人手，为精细装配和复杂操作奠定基础。

4. 市场空间超 480 亿，车企与机器人企业相互配合推动落地

4.1. 预计 2035 年工业场景三大领域人形机器人需求量 48.4 万台，市场 空间超 480 亿元

解决劳动力短缺和替代危险环境作业是人形机器人在工业场景应用的核心驱动。 一方面，全球制造业和物流业正面临劳动力短缺和成本上升的压力，形成人形机 器人商业化最直接需求：预计 2030 年全球制造业劳动力缺口将近 800 万。在此背 景下，人形机器人因其通用性和长时间工作能力，成为缓解用工紧缺的关键方案。 另一方面，工业现场存在大量危险工作环境的工序，过去难以用固定机械臂自动 化实现而依赖人工，人形机器人具备移动和操作的灵活性，有望填补这一空白。 预计到 2035 年，中国工业场景中汽车制造、电子制造、物流仓储三大领域人形机 器人总需求量达到 48.4 万台，市场空间 483.6 亿元。汽车制造领域，根据第五次 经济普查数据全国从业人数为 557.6 万，预计总体将保持平稳；根据高工测算， 渗透率在 2025 年预计为 0.02%，2030 年有望提升至 2.05%，2035 年有望提升至 13.50%。电子制造领域，根据第五次经济普查数据全国从业人数为 1047.9 万，预 计总体将保持平稳；根据高工测算，人形机器人在电子制造领域短期还无法实现 应用，预计到 2027 年渗透率为 0.02%，2030 年有望提升 0.35%，2035 年有望提 升至 5%。物流仓储领域，根据第五次经济普查数据全国从业人数为 142.6 万，预 计总体将保持平稳；根据高工测算，渗透率在 2025 年预计为 0.02%，2030 年有望 提升至 0.75%，2035 年有望提升至 15%。在汽车制造、电子制造、物流仓储三大 细分领域中，人形机器人的需求量在 2025 年预计约为 0.1 万台，2030 年预计约为 7.1 万台，2035 年预计 48.4 万台。单价方面，目前应用于工业场景的人形机器人 约在 30-50 万元，取均值 40 万元，未来随着技术进步与规模效应有望逐步降本， 预计到 2030 年售价为 12 万元，2035 年售价为 10 万元。

2025 年以来人形机器人大额订单频现。以 UBTECH、宇树科技、智元机器人、越 疆、原力无限、众擎机器人、智平方、星尘智能等为代表的人形机器人企业，在 2025 年以来收获大量订单，下游应用以数据采集、工业制造、仓储物流、巡检、 展演、导览导办等场景为主。

4.2. 特斯拉、小鹏等车企具备技术与场景双重优势，推动人形机器人在 工业场景落地

特斯拉、小鹏等整车企业能够将智能汽车领域的技术积累和供应链优势延申至人 形机器人，并可率先在自家汽车产线中试用验证。目前已有特斯拉、广汽、小鹏、 长安、小米、赛力斯等 20 多家车企入局人形机器人赛道。车企为人形机器人产业 注入了资金、技术、制造能力与应用场景，成为产业变革的重要力量。 特斯拉的量产路径进一步明晰，在工厂及办公场所测试各类使用场景。自 2021 年 8 月马斯克首次公布机器人愿景以来，特斯拉在不到两年内完成多版原型迭代。 2022 年 AI 日上亮相的 Optimus 原型能勉强行走和挥手；到 2023 年 9 月，特斯拉 发布视频展示 Optimus Gen1 机器人已能自主识别并分类摆放彩色积木块、保持单 脚平衡做瑜伽动作等技能。2024 年 5 月，特斯拉展示了 Optimus Gen2 机器人在 工厂环境执行任务的片段：Optimus Gen 2 在障碍物和人类工人之间导航，并能够 迅速识别不同类型和状态的电池，分拣到不同的区域，部分操作已实现全自主。 同年 10 月的“We Robot”技术演示中，特斯拉一次性展示了六台 Optimus 机器人 同步亮相及协同作业。它们有的担当调酒服务生，有的在舞台上齐舞。2025 年 11 月上旬，特斯拉宣布其人形机器人的试生产产线已经在弗里蒙特工厂开始运行， 规模更大的第三代人形机器人的生产线将于 2026 年建成投产。目前公司也正在工 厂及特斯拉办公场所测试各类使用场景，待机器人规模化生产后，成本有望逐步 降低至可接受范围。

小鹏新一代 IRON 拟人步态效果惊艳，代表中国车企在人形机器人领域的技术高 度，已进入工厂参与汽车生产实训。2024 年 11 月，小鹏推出自研 AI 具身智能机 器人 IRON，并已在其广州工厂参与小鹏 P7+车型的生产实训。2025 年 11 月小鹏 科技日上，发布了全新一代 IRON，拥有仿人脊椎、仿生肌肉、全包覆柔性皮肤、 头部 3D 曲面显示、仿生灵动双肩、实现 22 个自由度的灵巧手，搭载 3 颗图灵 AI 芯片，有效算力 2250TOPS，同时首发搭载小鹏第一代物理世界大模型，通过构建 “VLT+VLA+VLM”的高阶大小脑能力组合，实现“对话、行走、交互”三大高 阶智能。同时小鹏宣布计划在 2026 年底实现高阶人形机器人的规模量产。为此已 建立专门的数据工厂采集机器人训练数据，并与国内工业龙头企业展开合作。典 型案例是小鹏与宝钢集团的合作：宝钢将成为 IRON 机器人的生态合作伙伴，允 许小鹏将机器人入驻宝钢钢厂执行巡检等复杂工业任务，共同探索产品落地。

4.3. 机器人本体企业与车企合作落地，Walker 系列、Figure 等成为典型 代表

Walker 系列成为工业场景人形机器人的典型代表，构建产线级任务驱动群体智 能。2025 年 7 月 UBTECH 推出新一代面向智能制造场景的全尺寸工业人形机器 人 Walker S2，身高 1.76 米，可复现拟人步态行走与精细操作能力，集成第四代工 业级灵巧手与仿生手臂，其灵巧手采用类人尺寸设计，可实现亚毫米级的精细操 作，且耐久性经测试超过 8 万次；仿生手臂采用全中空结构与集成走线设计，支 持自主换电等高难度动作。同时，Walker S2 也实现了国内首个头部采用纯 RGB 双目视觉方案，“类人眼”双目立体视觉感知能力有效提升人形机器人对工厂环境 的适应性；52 自由度的仿生躯体配合第四代灵巧手，可在 0-1.8 米全空间范围内 完成 15 公斤负载搬运及±162°腰部灵活转动。Walker S2 搭载了 UBTECH 自研 的工业人形机器人协作智能体 Co-Agent，融合多模态推理大模型、具身交互大模 型、技能类小模型以及类人思维链技术，通过群脑网络 2.0+Co-Agent 构建 AI 双 循环，实现人形机器人产线级任务驱动的群体智能。

海外市场，Figure 与宝马集团的深度合作成为工业场景落地代表。Figure 由美国 企业家 Brett Adcock 于 2022 年创立，专注通用型人形机器人的研发。2024 年 1 月 Figure 宣布与德国宝马汽车达成合作，将在宝马的汽车制造厂测试部署人形机器 人。Figure 02 已经在宝马位于美国南卡罗来纳州的工厂成功完成试点：在为期数 周的试运行中，Figure 02 能够近乎 7×24 小时不间断工作，成功胜任了过去工业 机器人难以完成的汽车钣金件装配任务。宝马对其表现认可，计划从 2025 年起让 一批 Figure 02 正式“上岗”，长期服务于汽车产线。2025 年 11 月 Figure 创始人 兼首席执行官 Brett Adcock 表示在过去的 6 个月内，公司第二代人形机器人 Figure 02 已在宝马集团斯帕坦堡工厂参与生产了 3 万辆 X3 汽车，累计装载超过 9 万个 零件，运行时间超过 1250 小时，预计行走超过 120 万步或 200 英里。为了衡量工 作进展，Figure 为机器人的取放作业设置了绩效指标，包括：工作时长、定位准 确率、干预次数。在宝马工厂的工作也暴露了 Figure 02 的部分问题，如其前臂是 故障率最高的部件。Figure 指出，由于前臂紧凑的封装、对灵活性（三个自由度） 的要求以及热限制，前臂是一个极具挑战性的子系统。随着 Figure 03 的发布，公 司已正式启动 Figure 02 的退役程序，并且已将相关产品从宝马集团召回总部。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）