近几个月，从珠三角到长三角，一条条人形机器人产线相继投产。节拍以分钟计，年规划产能以万台计，就连产线上负责搬运、装配的，也开始换成机器人自己。
“能不能把人形机器人大批量造出来”，正从一道难题变成一道有解的工程题。
只是产线节拍越快，越需要回答一个问题：这么多人形机器人批量下线后，真的有人买吗？
毕竟，能造出来，与能真正卖出去，从来不是一回事。
10分钟一台，人形机器人告别“手搓”
人形机器人领域，正在掀起一场产能竞赛。
近日，优必选柳州工业人形机器人超级智慧工厂正式投产。该工厂主要生产Walker S、Cruzr系列工业人形机器人，官方宣称每10分钟即可下线一台人形机器人，年规划产能超万台。
图片来源：优必选
更值得关注的是，在这里人形机器人不只是最终成品，优必选Cruzr Y1、Cruzr S2工业具身智能人形机器人同时在产线上承担了拆垛、码垛、上料、搬运等工序，与工人协同作业，实现“机器人造机器人”。
在此之前，优必选西南首条人形机器人组装线刚刚于8月中旬投产，该产线目前以“AGV物流+人工组装”半自动化为主，预计今年可实现小百台级的生产规模。
就在优必选柳州工厂投产前几天，小鹏集团也宣布启用首条高阶通用人形机器人自动化产线，其人形机器人完成自动化总装并自主走下产线。
据小鹏集团董事长、CEO何小鹏此前在业绩会上透露，小鹏将在2027年年中及下半年加快产能爬坡，根据市场需求将月产能提升至数千台，甚至更高水平。
如果将时间线进一步拉长，宇树、智元、众擎、乐聚等头部企业今年都在积极扩产。
其中，宇树目前拥有杭州和无锡两个工厂。在此基础上，宇树计划通过上市进一步增加7.5万台人形产能。
智元在上海临港、成都郫都（西南基地）和无锡拥有三个基地。其中西南基地主要有“灵犀”和“远征”两个系列的生产线，年产能达数千台，于5月下旬正式投产，无锡基地则于6月投产。
众擎则有深圳红花岭和郑州两个基地，前者今年5月正式启用，可实现每15分钟下线一台人形机器人，首批下线机器人为众擎T800；郑州基地7月下旬投产，用于支持众擎扩产及出海。
而乐聚机器人，今年也已投产两条产线，一条是位于深圳的中试线，年规划产能覆盖500—1000台；一条是位于佛山的自动化产线，规划年产能在万台级别，对应生产节拍为每30分钟下线一台人形机器人。
这些密集投产的产线，标志着人形机器人生产方式正在跨过一道分水岭：从过去两年工程师“手搓”的作坊模式，走向标准化、可复制的流水线。
那么，为什么是现在？
最直接的推力，是人形机器人出货规模正在跨过临界点。
据Counterpoint Research最新统计，2026年上半年全球人形机器人出货量已突破2.2万台，较2025年同期增长接近300%。出货量前五名全部是中国企业，合计占据86%的份额，其中智元以9700台、43%的份额居首，宇树以约7000台、31%紧随其后。
按当前态势，盖世合伙人、研究院副总裁王显斌预测，今年全球人形机器人出货量将达到6万台，其中中国市场约5万台，较2025年的1.8万台增长超过两倍。
AI作图，来源：豆包
在这样的规模下，继续依赖手工或小批量产线，显然已经跟不上需求。
首先，手工产线撑不起大规模交付。
作坊模式下，产能约等于“熟练工程师人数×时间”，想多造几台，就得再多招、再多训一批人，而能把高自由度机器人调到合格状态的工程师本就稀缺，扩产缓慢且有天花板。
比较之下，标准化产线通过把装配、标定、检测等拆成固定工位，扩产只需复制工位、增加班次，产出便能跟着节拍稳定放大。
其次，手工产线保证不了工业场景需要的一致性。
手工搓出来的样机，难免会带有“个人风格”，在实验室里，这些固然是可以接受的误差。但到了汽车厂、3C工厂的产线上，客户要的是数百台甚至数千台机器人跑出同样的节拍、同样的精度、同样的故障率。
一致性缺失，会直接放大为交付风险、停机损失和售后成本。
再者，没有标准化，就没有规模效应。
人形机器人要从“买得起的展品”变成“用得起的工具”，整机价格必须跨过客户的心理阈值。
但在手工模式下，每一台都意味着重复的人工调试、反复的试错返工，管理成本无法摊薄，零部件采购也没有议价权。
只有把产能拉到一定规模，才能通过标准化流程压缩人工、通过集中采购压低BOM成本、通过良率提升减少浪费，推动整机价格下降。
某种程度上，降本和扩产是一枚硬币的两面：不扩产就降不了本，降不了本就没有更大的订单。
这并不是人形机器人独有的考题。一百多年前，汽车同样是少数工匠手工拼装的昂贵物件，正是流水线把它变成了可复制、买得起的工业品。
当人形机器人交付规模从百台、千台迈向万台级别，标准化产线便不是可选项，而是绕不开的门槛。
只是，产线这头每10分钟能下线一台人形机器人了，产线那头的“厂门”，却还没有真正打开。
能造出来≠能卖出去
人形机器人确实已经初步迈入落地阶段，但繁荣的表象背后，其实潜藏着多重矛盾。
最突出的，是规划产能与真实成交之间的落差。
如前所述，如今头部厂商年产能正在纷纷突破万台。按照工信部此前在WAIC上释放的信息：今年中国人形机器人整机产量有望突破10万台。
可作为对照，目前普遍认为今年国内人形机器人实际出货量不过数万台，供需差距显著。
“头部企业像智元、宇树、银河通用、优必选、乐聚等，虽然跑在前面，但出货量其实都不算高，大体在一万台左右或几千台的水平。”王显斌指出。
更何况，即便是已经卖出去的人形机器人，有多少属于真正的市场化订单，也要打个问号。
据王显斌最新披露数据，过去一段时间，人形机器人在3C、汽车和物流等领域的应用虽然有明显突破，出货量占比达到了15%—20%，但娱乐表演、数采和科研等应用依然较高，对应占比分别达35%、20%和10%。
宇树科技工业场景解决方案负责人谢一鹏也披露，宇树公布的数据里约70%的产品卖到了企业研究院、大学和研究所。
这两组口径相互印证：今天愿意为机器人掏钱的主力，仍是科研机构、展会活动和各类试点，家庭C端几乎没有打开。
这类订单虽然短期内能消化一部分产能，却撑不起稳定复购。一旦补贴退坡或试点结束，若产品无法在实际生产中证明经济价值，订单链条就可能断裂，留下产能闲置与库存积压的双重风险。
图片来源：石景山人形机器人数据训练中心
一个颇具代表性的案例，是北京石景山人形机器人数据训练中心。该中心2025年3月在首钢园揭牌，占地约3000平方米，曾部署了百余台机器人，但今年8月突然被曝停止运营，合作方睿尔曼智能撤离，上百台机器人被全部带走。
睿尔曼方面将此解释为数据采集模式升级，从实验室集中遥操转向真实工作场景中的远程遥操。
虽然目前，该训练中心一期已完成升级，在今年服贸会期间改由中关村通力牵头重启，但业内围绕数采中心的讨论并没有结束。
此前，已有机器人公司创始人在公开发言中质疑，部分“攒局型”具身智能创业公司依靠数采中心以及与地方政府、投资方、供应商的关联交易，制造不可持续的收入以谋求上市。
相关指控目前尚无监管结论，但中国信通院数据显示，截至2026年6月底，全国建成启用的训练场已超过70家，另有46家在建或规划。
一旦“左手倒右手”的成分偏高，这种繁荣不仅会掩盖技术落地的真实困境，也会扭曲市场对行业阶段的判断。
值得关注的是，此前已经有业内人士对盖世具身智能表示，由于G端热情消退，今年部分企业的出货量甚至可能不增反降。
需求偏软的另一端，是单台经济账也没有算平。
在已披露财报的人形机器人企业中，整机环节能稳定盈利的屈指可数，多数企业仍处在高投入阶段。一台机器人十几万甚至几十万元的售价，对照它在现场能替代的工时，客户侧的投资回报周期普遍偏长。
正因如此，国家发展改革委政策研究室副主任李超近期再次强调，机器人产业必须因地制宜、健康有序发展，立足本地资源禀赋和产业优势，防止盲目跟风、一哄而上，切实推动行业行稳致远。
这并非发改委第一次提示风险。
2025年11月的例行发布会上，李超就曾表示，“速度”与“泡沫”一直是前沿产业发展过程中需要把握和平衡的问题。当时全国人形机器人企业已超过150家，半数以上为初创或跨行入局，其提出要着力防范重复度高的产品“扎堆”上市。
发改委的反复提示，某种程度上从侧面印证了这一阶段的矛盾。
当下装机更多靠政策示范、数据基建和试点预算拉动，企业算平账目后的持续复购，尚未成为主流。
“有没有人持续需要”答不上来，规划里的万台产能，就可能变成万台库存。
出厂并非终点：系统性挑战仍存
在今年6万台出货预测的基础上，王显斌判断，今明两年人形机器人整体仍处于小范围试点阶段，真正的规模化场景交付要再往后排。
“从机器人真正落地来看，在生产服务、商用、家用和特种领域，确实已经不断有企业在不同场景做POC落地，但并没有像大家想象的那样进入批量化交付，更多还是通过战略合作，先打通某个垂直领域，还没有达到大家所期待的规模化场景交付。”王显斌表示。
为什么即便各方资源蜂拥而至，人形机器人起量还这么慢？
根源在于技术本身，并且卡点不只在某一个环节，而在整条链路。
图片来源：盖世具身智能
日前，在盖世集团主办的“2026具身感知融合与多模态大模型创新研讨会”上，福莱新材AI算法总监廖永兴就指出，当前具身智能规模化的瓶颈，不是某个单一环节出了问题，而是全链路各环节都存在发展阻力。
“如果一定要排序，我认为数据量是当前最主要的瓶颈，具身智能在真实世界交互中获取的数据量目前仍存在不足；其次是算法层面，如何更好地将触觉、力学这类多模态数据融入具身智能的决策层或运动规划层，让它更准确地理解世界，做出‘快’与‘慢’的思考和反应。”廖永兴表示。
光象实验室首席科学家吕尧也认为，当前具身智能在数据、算法乃至本体层面均面临多重瓶颈。
数据层面，目前不仅在总量上面临较大缺口，数采路线如何选择、数据如何分配与使用，行业内也尚未形成统一共识。
模型层面，当具身机器人真正与物理世界交互时，面对的交互实体、应用场景会十分复杂，单个模型需要处理的信息量极大，而目前业内主流的具身智能模型更偏向小模型范畴，甚至很多是面向特定需求定制化开发的。
“因此，如何搭建出一个能同时适配工业、家居、零售等场景的通用具身智能，我认为在模型层面还有很长的路要走。”吕尧表示。
本体层面，技术路线也还没有完全收敛。无论轮式还是双足机器人、用夹爪还是灵巧手，包括本体的易用性、可靠性，都需要持续探索迭代。
谢一鹏提出了一个更现实的约束：功耗会制约具身机器人算力的规模化落地。
一个不容忽略的事实是，目前人形机器人的算力芯片功耗多集中在5—20W区间，机载电池容量却十分有限。如果要在机器人上面搭载类似当前车载千Tops级的算力，很难支撑如此高算力芯片的全时运行。
睿尔曼智能科技（北京）股份有限公司解决方案总监计海锋同样认为，这是一个系统性问题。“不管本体、数据，还包括算力，甚至人才，都有瓶颈。”
更深层的矛盾在于，这是一个系统性的闭环不足：如何把数据用到本体上，通过模型让机器人先拥有基础智能，再进入工厂场景作业，作业过程中采集更多数据，反过来让机器人的智能持续提升。
“如果机器人能真正进入自主学习状态，成长会非常快。”计海锋认为。然而目前的事实是，这一数据闭环尚未真正打通，行业采集到的很多数据往往难以高效反哺模型迭代，导致机器人的智能提升速度远未达到行业预期。
用极佳科技合伙人兼副总裁毛继明的话来说，就是“我们实际上想做一个桶，现在却只是一个盘子，到处都是短板。”
正是因为这些挑战，在王显斌看来，未来一段时间，机器人整体上仍会是小规模试点应用，但会在一些特定的、相对简单的To B端工业场景率先落地。
“这个过程类似于自动驾驶从L2、LCC到高速NOA、再到城市NOA的演进，会从局部、相对结构化的场景，逐步向非结构化场景拓展。”这背后，他认为尽管行业在机器人硬件方面已经取得了不错的突破，但在硬件精度、降本以及与大模型的融合方面，仍有很多工作要做。
结语
以分钟计的节拍、以万台计的规划、机器人造机器人的产线，共同标志着人形机器人正从样机走向工业品。
但账本不会因为产线投产而自动做平。预测的出货量不是收入，签约的订单不是回款，进厂的试点也不代表长期在岗。
接下来值得盯住的，是几个会同时写进财报和现场的数字，产能利用率、连续作业良率、复购订单占比，以及毛利率。
当行业习惯用“下线了多少台”衡量热度，更冷静的标尺或许是，其中有多少台，真正在岗位上持续稳定地运转。