8月下旬的北京，第二届世界人形机器人运动会上，机器人在100米、1500米竞速里接连刷新赛道成绩，把“运动能力”的讨论推上热搜。近两个月后，热度换到了资本市场：10月19日宇树科技股价大涨16.15%，次日收于526.03元，总市值重回2100亿元上方；而在情绪最高点，公司递出的却是一份风险提示——经营正常、无应披露而未披露的重大信息，同时提醒市场关注商业化进度。新华网36氪
赛场的热与工厂的冷并存，并不矛盾：翻跟头与进厂干活本就是两种能力。前者可以靠预设编排和反复调试完成，后者要求长时间稳定、算得过投入产出、嵌得进生产系统。从“会翻跟头”到“会干活”，人形机器人面前横着三道现实门槛：持续稳定、经济回报、系统集成与复制。
第一道门槛：产线不认98%的“演示成绩”
10月中旬，乐聚机器人与兆丰机电披露了杭州萧山一家汽车零部件工厂的成绩单：15台人形机器人执行上料，连续无故障运行超过2个月、累计约1000小时、协助生产超过6万个零部件，上料成功率稳定在98%，当前适配15个工位、10余种零件。但同一动作还有另一个时钟：机器人完成一次上料约40秒，熟练工只需要约15秒；把节拍压到人手水平，被项目方列为未来半年到一年要实现的目标。知乎知乎
98%放在演示里足够亮眼，放在连续产线上却未必：每一次掉落、卡滞都要人来收拾，失败成本会传导给整条线。众擎机器人创始人赵同阳的判断是，99%的成功率意味着机器人走出去100次就有1次可能掉链子。新华网
这也是为什么行业把真正的能力线画在小数点之后——新华网总结，将成功率从99%提升至99.99%，意味着工程化能力和产业生态的全面升级。新华网
争议的边界也在被划清。10月上旬的特斯拉得州工厂活动上，马斯克谈到行业演示时说，许多复杂演示仍依赖事先编排，“那不是真正的AI”，机器人必须能处理从未见过的情况。翻跟头证明的是极限工况下的运动控制，而不是面对陌生任务时的可靠性——这正是产线要的第一样东西。36氪
第二道门槛：真正掏钱的还不是工厂
出货量确实在暴涨，但钱大多没有流向工厂。中国信通院《具身智能发展报告（2026年）》显示，今年上半年全球人形机器人出货超过2.2万台、同比增长近300%；按场景拆分，文娱商演与科教数采合计拿走超过60%，导览导购约19%，智能制造只有13%，仓储物流仅5%。36氪
总量口径里也藏着结构：沙利文报告显示上半年全球人形机器人销量3.6万台、收入5.4亿美元，双双超过2025年全年，但按同一报告细分，全尺寸具身智能产品只卖了约5800台——留在展厅和柜台里的小型机型，才是销量的大头。36氪
头部公司的客户名单印证了同一件事。宇树招股书显示，2025年1至9月其人形机器人收入约5.95亿元、占营收51.53%，首次超过四足业务；但其中超过七成来自科研教育采购。高校和开发者买的是算法平台，工厂要的是合格产出，两套采购逻辑并不相通。36氪
“进厂”自身的账也还没算平。优必选2026年上半年营收翻倍、全尺寸人形业务收入5.90亿元，但公司同期仍录得3.39亿元期内亏损。乐聚与兆丰机电的部署同样未披露采购价格和合同模式，省不省钱目前无凭无据。36氪
价格的下行倒是先一步发生：租赁市场上，日租金从几千上万元跌到几百元。锌刻度
深圳华强北有柜台让一台机器人顶下夜班，日租600元，加上电费和维护分摊每天不到800元，替代的是一名月薪加社保超过7000元的夜班店员。但这笔账发生在零售场景，制造产线的验收更苛刻：优必选副总裁焦继超直言，工业客户看重2至3年的投资回报。36氪新华网
资本与实体的温差此刻最直观。一边是新华网9月引述的统计：国内人形机器人累计交付到客户的整机约1.5万台、市场规模20余亿元，而传统工业机器人的出口额早已突破百亿元。另一边，截至10月20日，宇树滚动市盈率达388.25倍，通用设备制造业平均只有39.51倍。预期与兑现之间的落差，也解释了为什么10月10日蓝鲸新闻曝出部分“进厂”订单存在水分后，“哪些单子真的在干活”会迅速发酵成行业争论。新华网36氪知乎
第三道门槛：会一个动作，不等于会一套产线
极客公园曾总结过人形机器人最尴尬的姿态：大多数所谓“干活”的演示，也大多老老实实待在平地上——走到某处，定在原地，再小心翼翼地伸手。双腿负责“到场”，双手才刚开始工作，而进厂必须补上的一课，是把机器人接进生产流程：让机器人从数控机床取件，动作只是抓取搬运，真正难的是它要知道机床是否完成加工、设备是否允许开门、下一道工序是否就绪。36氪
10月21日，三菱电机宣布开发人形机器人与CNC机床协同加工系统，由AI加工任务规划器、具备Physical AI能力的数控机床与通用人形机器人组成，希望减少机器人接入机床所需的定制通信与控制开发。
奥迪在同一天宣布与Agile Robots、达索系统和英伟达合作，在英戈尔施塔特工厂验证移动人形机器人分拣零部件，其按需物料供应流程每天约100万次拣选，单次错误率不高也会被海量重复放大。两项技术目前都停在演示与概念验证阶段：前者要等10月26日JIMTOF展会上的系统演示，后者未披露连续无故障运行数据，也没有给出相对传统自动化的成本优势。
国内产线同样在补这门课。乐聚把上料技能拆成30余个基础模块，通过重新组合适配不同零件和工位，标准技能同步到多台设备后，部署时间从天级缩短到小时级。截至10月16日，公开信息里还没有同一方案成规模复制到第二家工厂。知乎知乎
被验证的工序本身也被压缩得足够窄——只做上料一道工序、只处理内径80—120毫米的小型零件。知乎
真实产线同时在生产另一种资产：15台机器人并线作业，单月可采集真实作业数据超过4万条，双方已把回流数据集捐赠给开源社区。知乎
但数据缺口仍然巨大——开放原子开源基金会方面测算，训练通用泛化具身模型通常需要千万小时级真实交互数据，全球合规可用的目前仅约50万小时。知乎
政策在给行业定时间表：工信部与国务院国资委今年6月联合启动2026年度人形机器人与具身智能实景实训专项行动，提出到2026年底，重点产品在一批代表性场景率先完成应用验证和常态部署。机器人进厂买的不是一台设备，而是一套会持续更新的系统——数据归属、模型升级、停线约定，都会写进下一批采购合同。知乎
翻跟头是起点，不是终点
宇树科技创始人王兴兴给过一把更冷的尺子：具身智能的“ChatGPT时刻”——在80%的陌生场景里靠自然指令完成80%的任务——快则两三年，慢则五到十年。按这个尺度检验，判断行业是否跨过门槛不必盯着赛场，盯三个信号就够：上料节拍能否从40秒逼近15秒；同一方案能否在工程师不驻场的情况下复制进第二家工厂；以及客户在首单之外，愿不愿意复购。新华网
新华网在9月为行业写过一句接近验收标准的结语：具身智能机器人的临界点不是某一场赛事的纪录，而是一份份能够复购的订单、一条条算得过账的产线。三道门槛没有被逐条推倒之前，“能翻跟头”与“能进厂”之间，隔着的正是从运动表演到生产力的全部距离。新华网
