16.8万的人形机器人，终于开始在工厂挣钱了

人形机器人正在从展台展示品转向工厂和物流场景中的生产力工具，核心变量是物理AI。通过全仿真训练、世界模型和强化学习，机器人开始具备适应真实环境的常识与应变能力。宇树G1单价从59万元降至16.8万元，智元Go-2在工厂8小时完成近3000次任务，Figure 03则实现33小时无人工干预连续作业。与智能戒指等AI硬件追求“降低技术存在感”类似，人形机器人的竞争也正从动作展示转向体系能力和真实场景落地。

东京羽田机场的行李转运区里，一台宇树G1不再像展会上那样只会挥手、转身、做几个标准动作。它开始接管行李装卸、货物转运这样的地勤作业。另一边，美国Figure AI做了一场几乎带着“验货”意味的无剪辑直播，Figure 03连续工作33小时，分拣了4万件快递包裹，效率做到人工的1.8倍，中途还能自己换电池、做故障检测，全程零人工干预。把时间线拉近到这个月，人形机器人最明显的变化，已经不是“能不能站稳”，而是“能不能上岗”。

真正的分水岭，是物理AI。

如果把前两年的人形机器人当成一类产品样机，它们更像按脚本演戏的演员：工程师提前把动作角度、力度、路径写死，环境一旦发生偏移，机器人就会立刻暴露短板。桌子挪了10厘米，杯子换了个尺寸，地面多了一块障碍物，都可能让整套动作失效。软件世界里，出问题可以在线修补、灰度发布；硬件的世界里，代码只是冰山一角。芯片选型、结构设计、力控精度、现场部署和长周期运维，每一个环节都会把“看起来能跑”的Demo，变成“根本没法交付”的项目。

这也是为什么，过去很长一段时间里，人形机器人总在展台上热闹，在工厂里沉默。

物理AI改变的，不只是算法名字，而是机器人理解现实世界的方式。全仿真训练系统把大量试错前移到虚拟环境中，重力、摩擦、碰撞反馈尽可能逼近真实世界，训练成本被压低了约60%，虚实误差控制在10%以内；世界模型负责让机器人形成预判，知道端着一杯水时为什么要微调手腕，遇到倾倒物时优先扶稳什么；强化学习则让它不再依赖一次性写死的动作库，而是在不断试错中形成更稳定的行为策略。

说白了，就是给机器人补“常识”。

这种变化最先体现在“怎么买”和“怎么用”上。

宇树就是一个足够直观的样本。采用物理AI技术后，其核心力控成本降低了80%，人形机器人单价也从2023年的59万元压到了现在的16.8万元，毛利率还维持在60%以上。价格被打下来，意义远不只是“更便宜了”——它意味着原本只能停留在头部客户测试预算里的产品，开始进入更大规模的采购视野。对工厂、物流园区、机场、园区物业来说，一台设备能不能部署，从来不是“酷不酷”的问题，而是算不过账就不会下单。

人形机器人整体外观展示，展示其仿人设计结构

智元给出的则是另一种答案。在龙旗科技工厂实测中，Go-2模型8小时完成近3000次任务，成功率做到100%。这组数字的价值，不在于它听起来多漂亮，而在于它终于指向了一个制造业熟悉的指标：稳定性。工厂不怕新技术贵一点，怕的是节拍被打乱、良率被拉低、整条产线为了适配机器人反过来重新改造。巴克莱的测算里提到，物理AI第一次让人形机器人有机会进入酒店、养老等非结构化场景，逻辑也在这里——不用再让人类去改造环境适应机器，机器开始主动适应人的空间。

这是商业化成立的前提。

过去很多人讨论人形机器人，会把焦点放在跑步、翻跟头、空翻这些高难度动作上。但对B端客户来说，真正关键的从来不是动作上限，而是任务下限：能不能连续工作，能不能在误差里把动作做对，能不能在突发情况下不“死机”。Figure 03那场33小时的直播之所以引发关注，也不是因为它完成了多么惊艳的表演，而是它把“可重复、可验证、可计算”的能力直接摊开了。

有意思的是，在这个AI技术狂飙的2026年，机器人赛道和智能穿戴赛道，正出现一条很像的产品演进路径。另一边，追觅的AI智能戒指在618成了穿戴市场里讨论度很高的产品，2.5mm厚、约2.6g重，把设备做得更像饰品而不是设备；震动交互、ECG心电监测和长期健康趋势分析，核心也不是炫技，而是尽量降低技术存在感，让用户在运动、通勤、休息时持续佩戴。真正好的体验是应该寻找确定性，并且不断地去降低技术的存在感。

人形机器人也一样。

它从展台走向工厂，并不是因为它更像人了，而是因为它终于学会在真实环境里少打扰人、多替代人。追觅智能戒指能从小众科技单品走向大众消费，靠的是“无感佩戴”和“隐式交互”；人形机器人开始从展示品变成生产力工具，靠的则是“少预设、多适应”。两条赛道的共同点，都是硬件形态退到后面，体系能力走到前面。

底层看，决定这场竞争的，也越来越不是单点动作能力，而是仿真、感知、控制、数据闭环能不能形成护城河。当前全球具备自研物理AI核心仿真引擎能力的企业不足5家，这意味着很多公司看上去都在做人形机器人，真正拉开差距的，还是底层训练系统和模型能力。高工机器人数据显示，2026年国内人形机器人出货量预计达到6.25万台，同比增长247%；沙利文则预测，到2030年中国物理AI仿真市场规模将突破1800亿元。今年一季度，具身智能赛道融资额已经达到681亿元，超过2025年全年总和。把时间线拉长，会发现这不是孤立事件。

资本和产业链都在同步前移。

更残酷的竞争也才刚开始。因为一旦价格降到16.8万元这个区间，一旦工厂里出现“8小时3000次任务、成功率100%”这种可复用样本，行业比拼的就不再是样机视频拍得多漂亮，而是谁能更快进入真实场景，拿到更多现场数据，再反过来喂给仿真系统和强化学习。入口一旦成立，竞争焦点随之前移，硬件参数退到次要位置，体系能力成为分水岭。谁能让机器人在更多真实工位中持续学习并沉淀为组织资产，谁就更接近生产力链路的起点。

去年初，很多人还把人形机器人看成“AI硬件里最像秀场道具”的品类；到了这个月，它已经开始在机场、工厂和物流场景里算投入产出比了。下一步最有意思的问题也许不是“它能不能进家庭”，而是当一台16.8万元的机器人能稳定替代掉一部分重复劳动后，最先被重构的，会是哪一类岗位流程。

作者声明本文无利益相关，欢迎值友理性交流，和谐讨论～