宇树科技从3月20日获受理到7月1日注册生效，全程仅104天，创下科创板预先审阅机制落地以来最快审核纪录。拟募资42.02亿元，对应发行估值约420亿元。这家2025年人形机器人出货量超5500台、全球市占率超30%的公司，正以“保送生”般的速度奔向“A股人形机器人第一股”。
宇树的极速IPO，无疑再次点燃了资本市场对人形机器人的热情。但热潮之外，也迫使我们思考：人形机器人的价值，究竟在哪里？
过去几年，一台双足机器人在舞台上踱步几分钟，就能换来数亿美元的估值溢价。如今，行业正从“通用想象”转向“专用落地”。宝马、特斯拉、比亚迪、微软、小米、现代、海克斯康、雷诺、舍弗勒、西门子等企业，通过自研、投资、合作纷纷入局，制造工厂正被机器人接管。
2026年6月，工信部与国资委联合印发通知，要求人形机器人在真实生产生活环境中常态部署、应用验证，到年底带动形成“万台级”规模落地能力。
人形机器人的价值，在于脱离展品身份，成为深度集成于产线的协作型智能设备。
形态优势，到底该服务什么场景？
人形机器人之所以值那个溢价，是因为有些事只有长成人的样子，才能在为人设计的生产空间里完成。
现代工厂里早已布满机械臂、AGV、视觉检测系统、流水线传送带。按节拍精准重复同一动作，是传统自动化最擅长的事，也是它统治制造业四十年的根基——一台六轴机械臂的可靠性、节拍与单位产能成本，今天没有任何人形机器人能正面比拼。但它们被设计用来在高度受控的环境中执行预设轨迹的重复任务，一旦离开这个前提，“智能”便急剧衰减：无法自主移动，无法处理非标工况，更无法在产线切换时快速适应新任务。
与此同时，全球制造业正从“大规模标准化”转向“多品种、小批量、快迭代”。汽车产线尤为典型，同一平台可能衍生出燃油、混动、纯电多种车型，配置组合成百上千。换型时大量工位需要重新布局，固化的天地轨、上下料台难以调整，AMR能搬运却不能操作，大量“夹缝中的工位”只得退回人工。
人形机器人的潜力，恰恰在于轻松融入现有流程：双足或轮式底盘赋予移动能力，双臂结构同时完成搬运与装配，仿人灵巧手指向传统夹爪无法胜任的精细操作。工厂的过道宽度、工位高度、工具把手、零件箱尺寸，全部按“一个170厘米左右的两足生物”来设计，任何非人形态进入此空间都要付出环境改造的代价，而人形机器人理论上可“原地接班”。
这一逻辑已在头部车企落地。宝马把海克斯康的AEON人形机器人引入德国莱比锡工厂，用于高压电池装配与零部件制造，这是它继美国斯帕坦堡工厂（用Figure机器人完成三万余辆整车、装载九万个零件）之后，首次在欧洲产线部署人形机器人。宝马选择人形机器人的核心原因就在于，其能够直接适配现有生产体系，无需大规模改造产线。
哈工大教授李瑞峰与雷诺的判断类似：某些场合机械臂在速度与精度上更优，但人形机器人胜在智能程度、场景学习与识别能力，这是传统工业机器人无法比拟的。
“智能程度”与“场景学习”，最终都要落到一个具体能力上——手。一台人形机器人大脑再聪明，手做不了精细活，在工厂里的天花板就是搬运工；而一旦手的问题解决，它就从“可移动的夹具”跃迁为“可重构的工人”。从搬运到分拣，从质检到装配，每向上突破一档操作精度，就打开一整片新的工位市场。
进产线的最大障碍，卡在哪里？
马斯克曾断言：“手和前臂，占了整台机器人一半以上的工程难度。”
拧一颗螺丝，人凭手感就能判断力矩与对位。换成机器人，则需要指尖力觉传感器感知接触力、手腕六维力传感器判断力矩方向、视觉系统锁定位置，再由控制算法在线调整姿态，任何一环偏差都会导致滑牙或损伤工件。演示可以NG，产线不行。
于是过去两年，头部玩家的研发资源大规模向“手”倾斜。2025年11月，小米从特斯拉Optimus灵巧手团队挖来工程师卢泽宇。此后仿生手体积缩小60%，实现成人手部1:1还原；北京达奇月泉的“应手”灵巧手做到38个自由度、单指指尖重复定位精度0.04毫米，能捻扑克、穿针引线。
但精密动作的真正难点从来不是“能不能做到”，而是“能不能在成本可控的前提下，在工厂工况里稳定可靠地做到”。能同时兼顾实验室级精度、工业级可靠性与量产级成本的玩家，寥寥无几。
为什么灵巧手又贵又难稳定？
瓶颈之一是力觉传感器的标定。人拿起鸡蛋靠的是毫秒级触觉反馈：指尖感知微凉的表面、壳体的弹性变形，大脑即时调整握力。复现这一过程，需要指尖力觉传感器实时感知接触状态，问题出在“标定”。
市场主流六维力传感器采用贴片工艺，把应变片贴在弹性体表面，而贴片位置、胶层厚度、材料微差难以一致，每只都需单独标定。这种高度依赖人工的环节，直接卡住了供应链的规模扩张。没有规模化，成本与一致性都降不下来。
傅利叶改用光学式方案，通过光学结构直接测量受力形变，不再依赖贴片一致性，标定可在自动化设备中完成，单只制造成本降低五成以上、定价压到5000元以内，而同类产品普遍在万元级。
类似的成本陡降也发生在占整机成本近50%的关节模组领域。2018年一个120 N·m/kg的关节电机几乎无处可寻；到2025年，这一指标已超过200 N·m/kg，单个关节成本从五六万元骤降至五六百元。
但隐忧也随之而来：百元级关节能否支撑精密装配？力觉反馈的精度与稳定性，能否经受成千上万次重复？成本下降不能以可靠性为代价，而可靠性恰是工厂最在意的东西。
就算硬件问题解决，人形机器人还有一道更深的坎：还不够聪明。
这里的“不聪明”不是不会聊天，而是对物理世界的理解与适应严重不足。传统产线上机械臂执行确定性任务：零件永远在同一坐标，力矩永远是同一数值。人形机器人面对的产线却是流动、变化、充满不确定的——它要理解“这堆零件有几种型号，分别放进不同料箱”，要判断“这个工位有人，等一下再过去”，要在抓取失败时自己诊断并调整，而不是直接停机报警。
这些能力只能靠数据的积累，而数据获取又陷入两难：工厂数据采集远比实验室复杂，不同产线的工位布局、物料规格、工艺流程差异巨大，每进一家新工厂都要重新采集、训练、适应。东风柳汽就直言，实训数据采集是制约人形机器人大面积投产的关键问题之一。
头部玩家给出的答案，是让机器人尽早“进厂”，在真实产线上积累真机数据。2026年3月，小米人形机器人首次进汽车工厂“实习”，在压铸车间的自攻螺母上件工站连续自主作业3小时，安装成功率90.2%，满足76秒的产线节拍；支撑它的，是基于真实工厂数据训练的Xiaomi-Robotics-0基座模型与自研触觉方案。波士顿动力的新一代Atlas则把“数据”写进产品：单台机器人学会的技能可复制到整个机群，并依托现代汽车的数据驱动验证体系持续迭代。
精密动作与数据飞轮，其实是同一枚硬币的两面：硬件决定机器人能做什么动作，数据决定它能做多好、面对未知能否应变。前者是产业化的门槛，后者是规模化的钥匙，两者咬合，才能真正打开产线的大门。
从单机精度，到系统集成
一旦具备基本的精密操作与一定的算法泛化，下一步就不是“单台机器人在一个工位干活”那么简单。真正的产线价值来自系统集成——让机器人不再是孤岛设备，而是与MES、其他自动化设备乃至其他机器人协同作业的智能终端。
这正是国内3C精密制造场景先行一步的内在逻辑。3C产品生命周期短、换型频繁，传统机械臂往往要定制专用工装，换型动辄数周。而人形机器人凭一机多用的泛化能力，场景标定与换型重训更快、设备复用率更高，这是对产线柔性的系统性升级。
群体智能，或被称为“多机协同”，则进一步打开集成空间。
越疆在2025年工博会推出“超级工厂”方案，在统一调度下让协作机器人、双足与轮式人形机器人、多足机器人分工协作，完成抓取、检测、搬运、精密组装的全流程作业。中联智慧产业城则集成了数千台工业机器人，从钢板入库到出库、下料、焊接、机加、涂装、总装，整个流程通过二维码实现全生命周期追溯。用一句话概括其形态：几千台自适应机器人是乐手，工业互联网平台是乐团指挥。
这个比喻揭示一个事实：人形机器人进厂打工，本质不是“添加一台设备”，而是“融入一套系统”。它要与MES对接、接收工单，与WMS通讯、知道物料位置，与机械臂、AGV、传送带连通并精确协调节拍，还要把自身状态实时回传给上层系统。
对计量行业而言，这一转变意义重大。机械臂的智能上限是“单机精准重复”，人形机器人的上限是“群体动态协作”，而后者的实现难度呈指数级增长：每台机器人的动作时序、空间占位、任务交接，都要在统一调度系统中实时计算。与此同时，随着人形机器人承担越来越多工厂任务，它们与检测系统的交互将日益频繁，从而推动机器人技术与测量技术更紧密地集成，尤其是能让生产流程随质量数据动态响应的实时反馈系统。
因此，人形机器人的产业化不能只看机器人公司，还需要计量企业、工业互联网平台、MES厂商与系统集成商从第一天起就深度参与。单机能力决定产品下限，集群调度决定生产力上限。这恰与智能手机产业早期相似：决定最终格局的，不是谁先做出最惊艳的原型，而是谁能最快建起一个让上下游都愿意参与的价值网络。
产线人形机器人离“百万千万台”，还有多远
如果说2025年是人形机器人的“进厂试点元年”，2026年最核心的变化，就是一场从试点走向量产的艰难跃迁。
Humanoid的HMND 01轮式Alpha人形机器人，已在西门子位于德国埃尔兰根的电子工厂完成运行测试。优必选工业版Walker S系列，已进入吉利汽车、比亚迪、富士康等多家工厂实训。雷诺在未来18个月内将向工厂部署350台与Wandercraft合作开发的人形机器人；德国轴承和汽车零部件巨头舍弗勒宣布到2032年，要在全球产线里部署至少1000台海克斯康的AEON人形机器人，可用于自动零件检测；特斯拉已在弗里蒙特工厂设立试点产线，计划2026下半年启动量产，得州工厂则计划于2027年夏季正式投产。
当一台机器人开始生产另一台机器人，产业便形成自我再生的闭环，这是规模化的标志性节点。随着工业应用走向成熟，初期市场规模预计就将超过百万台。
不过，还有两个关键变量。
其一是成本与资本。长期可靠性、运维成本、安全合规成本、产线改造成本，这些尚未被大规模验证的隐形成本，最终将决定落地节奏。与此同时，2024—2025年赛道融资超150亿元，主要靠“技术叙事”驱动；而从2026年起，二级市场开始盯订单落地，估值体系从市销率（PS）向市盈率（PE）切换，资本逻辑从“相信可能性”转向“验证确定性”。无法在产线交出部署成果的玩家，很可能被淘汰。
其二是数据飞轮能否真正转起来。如前所述，工厂数据采集远比实验室复杂，每进一个新场景都要重新采集、训练、适应，这既是技术问题，更是产业协同问题。
这也是为什么人形机器人“进厂”是必要的，却急不得。制造业引入每一种新的劳动力形态，从来都不是一句简单的“机器换人”。人形机器人最终能不能成为产线上值得信赖的“同事”，取决于整个行业能否真正理解它的价值，把它变成为制造业提供真实生产力增量的协作型智能设备。
那一天的到来，不需要机器人再翻一个跟头。它只需要稳稳地拧好一颗螺丝，并能与其他“同事”默契配合。
