过去一年，人形机器人的新闻重心悄然转移：从实验室里的后空翻、端咖啡，转向汽车与电子工厂的车间。多家企业把双足或轮式机器人送进产线，承担搬运、分拣、上下料与质检等任务。动作从“能走”变成“能干活”，背后是具身智能——用大模型驱动机器人身体——这条技术路线逐渐收敛。
从演示到产线，考核标准变了
过去评价一台人形机器人，多半看它能否跑步、翻跟头。这类演示依赖提前编排的动作脚本，环境稍有变化就会失败。进入产线后，考核指标直接换成节拍、良率、连续工作时长与故障间隔。工厂不关心动作是否优雅，只看它能否在八小时甚至更长时间里稳定完成重复任务。这种变化倒逼技术调整：视觉—语言—动作模型成为主流选择，机器人在理解指令的同时输出关节动作；力控与触觉反馈被重新重视，因为抓取不同软硬度的物体需要实时调整力度。
数据仍是最大瓶颈
大模型靠互联网文本喂养，机器人却没有现成的“动作语料”。要让模型学会开抽屉、插线束，通常有三条路径：
- 遥操作采集：人穿戴动捕设备示范，逐条积累真机数据，质量高但成本高昂；
- 仿真训练：在虚拟环境中并行生成海量轨迹，再迁移到真机，存在“仿真到现实”的落差；
- 视频学习：从人类操作视频中提取动作先验，数据量大但标注困难。
目前多数团队采取组合策略，真机数据用于精调，仿真数据用于预训练。业内普遍认为，谁能以更低成本规模化采集动作数据，谁就掌握下一阶段的主动权。
成本与供应链的硬约束
整机价格是量产的另一道坎。早期人形机器人单台成本动辄数十万元，核心成本集中在关节模组、减速器、灵巧手与传感器。近两年国产供应链快速补齐，行星滚柱丝杠、谐波减速器、无框力矩电机的价格明显下探，部分厂商把整机价格压到十万元级别，为小批量进厂创造了条件。不过硬件降价不等于商业闭环。工厂采购讲究投入产出比：一台机器替代几个人工、多久回本，都需要真实运行数据支撑。目前的实训多为试点性质，合同规模有限。
场景选择比技术炫技更重要
业界逐渐形成共识：人形不一定是所有场景的最优解。在固定工位上，机械臂效率更高；在仓库里，轮式底盘更稳定。人形机器人的价值在于适配为人设计的环境——楼梯、门把手、货架间距。因此短期落地更可能出现在分拣、上下料、质检等半结构化岗位，而非全流程无人车间。真正决定成败的，是能否把单点能力变成可复制的交付方案。
具身智能正处在从技术演示走向工程交付的过渡期。模型能力、数据规模、硬件成本三条曲线同时改善，才可能迎来真正的量产拐点。接下来一两年，值得关注的不是又一段惊艳视频，而是有多少台机器人真正在产线上连续运行了数千小时。