人形机器人“上工”记

文｜财联社 王碧微

人形机器人进厂正从单点概念验证（POC）转向产线常态化运行。

近日，财联社记者前往汽车轮毂轴承龙头兆丰股份（300695.SZ）位于杭州的工厂实探。在该公司与乐聚智能合作部署的车间内，15台"夸父"人形机器人已投入常态化上料作业，经过一年磨合，累计运行超过约1000小时，完成超6万件零件生产，作业成功率稳定在98%以上。

兆聚9号机器人在进行上料工作 图源：财联社记者摄

高工机器人产业研究所（GGII）预测，2026年国内人形机器人出货量有望从2025年的约1.8万台增至6.25万台，工业制造是各家厂商切入的首选领域。

不过，财联社记者在车间看到，夸父机器人单次上料耗时35至40秒，而产线熟练工人上料仅需约15秒；与此同时，此次上岗的15台机器人全部采用"轮式底盘+人形双臂"构型。

既然当前作业速度尚不及熟练工人与固定机械臂，制造企业为何还要引入人形机器人？人形机器人进厂普及还需跨过哪些门槛？

轮式人形机器人率先进厂上料

在汽车制造与3C电子车间，人形机器人目前承接的岗位集中在上下料、搬运及分拣等工序。

GGII所长蔡炳贞在接受财联社记者采访时分析，汽车线束装配及焊接、喷涂、打磨等强工艺环节，预计还需8年以上才可能由人形机器人承担；现阶段具备落地条件的均为偏弱工艺环节，其中柔性上下料是需求最迫切的切入点之一。

为何不用10秒节拍的固定机械臂？蔡炳贞解释，在中小企业及频繁切换工序的产线中，传统机械臂更换工具后无法直接适配，仍依赖大量人工上下料；此外，涉及软包等柔性材质处理时，普通机械臂难以替代人工，人形机器人部署更快、泛化性更好。

以兆丰股份为例，该公司总经理孔辰寰对财联社记者表示，固定产线适用于大批量、单一品种生产，而公司部分海外售后订单属小批量、多品种，最小起订量仅250至300套，对高频换产诉求极高，人形机器人能弥补传统刚性连线的不足。

一线用工结构的变化，也是制造企业引入机器人的考量。"现在不是工资高低的问题，是年轻人普遍不愿意干车间的体力劳动，工厂办到明年、后年可能就会遇到用工瓶颈，没人干就只能训练机器人来分担。"兆丰股份董事长孔爱祥向财联社记者坦言。

在兆丰股份车间内，这15台夸父机器人已适配15个工位、覆盖10余种零件，按工人指令完成取料、转运、上料，可稳定抓取内径80至120毫米的零件。孔爱祥告诉财联社记者，机器人进车间经历了漫长磨合。"机器人刚来时手拿不住，光手部抓取这个零件就做了约1.5万次训练，反复调整力度和算法模型。"孔爱祥说。

乐聚智能常务副总裁柯真东补充道，在实验室里把成功率做到95%以上并不难，但车间地面有油污，伴随人员穿行与光照变化，团队必须不断修正数据集，与自动化产线节拍进行对齐，才能将产线成功率稳定在98%以上。

解决了抓得住的问题后，作业节拍成为机器人能否推广的关键。乐聚智能CEO常琳对财联社记者表示，目前机器人的准确度和平均无故障工作时间（MTBF）均已达标，下一步是将单件上料时间压缩至与生产节拍相匹配的15秒。

孔爱祥透露，双方将优化算法以减少弯腰、伸腰等冗余动作，推进双臂单次抓取十四五个零件，同时将推进芯轴零件抓取；预计半年到一年内单次上料节拍有望达到15秒左右，投资回报周期预计大约在3年。

除提升单工位节拍外，兆丰股份还在探索跨时段的多技能包调度。孔辰寰透露，公司一条产线有26至28个工位，切换型号时需3名工程师在开工前花2至3小时逐台调校设备。"如果让机器人在早晨5、6点的非开工时间，通过工人指令提前做完二十几个工位的点位调校，每天就多出2至3小时生产时间，直接转化为新增产能，这笔投资回报更容易算清楚。"孔辰寰表示。

孔爱祥介绍，公司已规划上下料、巡检、装刀片等6个场景，其中巡检已在测试，机器人搭载相机沿产线拍摄簧片等零件外观，回传算力中心当场判定合格或返工，配合实现"黑灯工厂"闭环作业。

针对为何此次方案全部采用轮式机器人，柯真东说："我们认为具身智能的核心是数据驱动人形机器人产业落地，无所谓下半身为人形还是轮臂，核心是通过数据训练让机器人具备更多的场景技能泛化。基于行业现阶段的情况，轮臂能更快完成工业批量落地，双足人形能更快完成室外复杂地形巡检批量落地。随着小脑模型性能的不断提升，人形依然是最终方向。"

蔡炳贞向财联社记者表示，轮式机器人在工厂中的更大价值在于打通跨车间、跨工作站的非结构化流转，将搬运与分拣合二为一；至于双足机器人，中大型工厂地面平整，使用双足必要性不高，只有无法改造厂房的小型企业或非结构化场景才需要双足，但这要求整机成本降低且有大量集成商下沉，预计双足在工厂大规模常态化部署至少还需5年。

产线真机数据反哺模型迭代

对人形机器人行业而言，批量进厂除了分担产线工序，另一作用是获取生产环境中的作业数据。

在蔡炳贞看来，将车间收集的真机数据与仿真数据结合，部署到本体上微调，再将作业数据回流训练模型，跑通这一研发数据闭环，是机器人向高难度工艺进阶的基础。

高质量产线真机数据的稀缺，正成为制约具身大模型泛化能力的共性瓶颈。

开放原子开源基金会副秘书长李博表示，训练通用具身基础模型通常需要千万小时级别的真机交互数据，而全球合规可用的同类数据仅约50万小时，仿真数据虽可规模化生成，却难以跨过从虚拟仿真到产线落地的鸿沟。

为缓解真机数据不足，业内已开始推动实训数据的开源共享。此次兆丰股份与乐聚智能便将15台夸父机器人在产线积累的1000小时上料真机回流数据，向开放原子开源基金会旗下的OpenLET社区开源。

常琳向财联社记者拆解了具身模型落地的三个阶段。第一阶段是基础模型预训练，由头部大模型厂商投入算力，例如LingBot-VLA 2.0 使用约 6 万小时清洗后的预训练数据，包括 5 万小时机器人操作轨迹和 1 万小时人类第一视角操作视频；第二阶段是垂域模型中训练，常琳以乐聚智能基于蚂蚁灵波2.0研发的"夸父VLA 1.0"为例介绍，仅需填入约1000小时训练场真机数据，即可提升场景理解能力。

第三阶段则是决定商业化交付的后训练环节，由二次开发生态团队承担。常琳介绍，开发团队先利用100至200小时真机数据开展模仿学习（BC），可将准确率推升至95%；而最后3%至5%的精度跨越，则必须依赖产线真机强化学习（RL）。OpenLET技术委员会主任王松补充道，仿真数据只能把模型训到30至60分，训练场真机数据能带到80分左右，只有依靠包含油污、光照变化及异常摆放的产线回流数据，才能把模型成功率推向98%以上。

据王松介绍，兆丰股份产线上的15台机器人并行作业，单月可采集作业数据超4万条。常琳表示，过去单机采集的数据只能供单台设备使用，解决跨本体数据互通问题后，第一台夸父采集的数据可直接复用到第一百台、第一千台夸父上；柯真东亦补充，配合将上料拆分为30余个基础模块的工具链，同类工位的复制部署周期已缩短至天级。

作为场景方的兆丰股份也在围绕数据与核心部件延伸业务。孔爱祥透露，公司已将60万张零件缺陷及正常样本图片开放给乐聚智能训练模型。

从本体厂商看，能否跑通产线常态化部署与数据闭环，也关系到资本市场的审视。今年5月，乐聚智能创业板IPO申请获深交所受理。招股书显示，2025年公司营收约2.58亿元，其中夸父系列销售577台，贡献收入约1.78亿元；同年归母净亏损6977.94万元，预计2028年扭亏。此次IPO公司拟募资26亿元，其中23.7%计划投向数据集建设。

蔡炳贞告诉财联社记者，今年以来，资本市场对人形机器人整机本体及关节模组的投资明显减少，资金正集中投向灵巧手、具身大模型、触觉传感器等"最后一公里"灵巧操作领域；与此同时，二级市场上市审核趋严，近期甚至有头部人形机器人企业放出新一轮融资信息，实际上暂缓了IPO进程，缺乏实际落地场景支撑的第二梯队企业推进IPO的可能性已非常低。

在蔡炳贞看来，人形机器人要在工厂实现大范围常态化部署，必须在商业层面的投资回报率、工程层面的整机寿命周期，以及技术层面的作业节拍三个维度同时取得突破。