【一线数智资讯】

2026 年 10 月 22 日，杭州，2026 世界物理 AI 大会暨宇树合作伙伴生态大会。展台上站着前一天刚发布的 H2-X：身高约 170 厘米，体重约 65 公斤，31 个自由度，站立工况续航约 8 小时。工作人员演示的场景是家庭安保和交通事故救援，围观的海外客商举着手机拍。

图：2026世界物理AI大会暨宇树生态大会_杭州

同一天，另一组数字躺在行业报告里：2026 年上半年全球出货的人形机器人中，科研教育、表演展示、政府数据采集三项合计仍占 69%（IDC 口径）；工业制造、零售、物流这些能产生现金流的方向，“大多还停留在方案验证、小规模试点阶段”。

两个画面放在一起，就是具身智能今天的全部真相：会表演的机器人在展台上，能算账的机器人在工位上。

宇树是杭州最亮的一张名片。2025 年人形机器人出货 5511 台，全球第一，份额 32.4%；2026 年 8 月 19 日登陆科创板，成为 A 股“人形机器人第一股”；2026 年前三季度营收 18.17 亿元，同比增长 55.7%。放到城市尺度，全球每卖出 10 台人形和四足机器人，有 4 台来自杭州。

但真正值得制造业老板记住的，是宇树自己给出的那笔账：巡检和高危作业替代场景，投资回收周期通常 12 至 24 个月；而产线操作场景，成本收益模型“仍在探索”。它划出了一条线：具身智能已经能替人冒险，但还不能替人干所有的活。

图：领益智造超级工厂整机调试

12 月 5 日，制造业 AI 场景应用生态大会第七站落在杭州市萧山区。这篇文字想说的，就是这条线画在哪里，以及线这边——车间里——正在发生什么。

一、机器人上的不是“产线”，是“工位”

要理解具身智能为什么忽然进了工厂，得先看清工厂里还剩下什么活。

中国汽车整车四大工艺，冲压自动化率超过 90%，焊装超过 80%，涂装 60% 到 80%，总装普遍在 50% 以上。标准化、高强度、重复性的工序，过去三十年已经被工业机械臂吃得干干净净。

剩下的是“长尾非标工序”：物料摆放不规则、加工对象不标准、作业流程柔性变动。传统机械臂是无感知的固定设备，必须依托定点工位完成单一标准动作，一旦来料歪了三厘米，它就抓空了。这类活过去只能靠人。

上海坤元跃动机器人 COO 刘博的判断是：人形机器人和传统机械臂是互补关系，不是替代关系。它真正瞄准的，是自动化体系始终无法覆盖的零散、非标、柔性作业的人工工位。

这带来一个容易被忽略却极重要的变化：自动化的“最小投资单元”，正在从“一条产线”降到“一个工位”。

过去上自动化是以产线为单位的工程：几百万起步，产能要稳定，产品要定型，两三年回本。这对浙江面广量大的中小企业是一道很难跨的门槛——不是不想上，是赌不起。

人形机器人的价格把这道门槛拆了。宇树 G1 售价约 9.9 万元起，工业级的 H1 是另一个量级，但两者都能按“工位”部署：一台机器顶一个岗，只改一个环节，试三个月不行就撤。H1 的一个设计取向很说明问题——搭载激光雷达与深度相机融合感知，无需大规模改造产线即可适配现有工业场景。

翻译成工厂语言：不用为了机器人去改车间。

对中小企业，这才是真正的入口。不是“我要建一个智能工厂”，而是“我这条线上有个岗位，招不到人、留不住人、还容易出事，能不能让一台机器先顶上去”。

二、为什么是杭州：一条“工字型”的产业链

具身智能这件事，杭州的位置很特殊。

2026 年 5 月，《杭州市促进具身智能机器人产业发展条例》施行，是全国首部聚焦该领域的地方性法规。同月，国家人工智能应用中试基地（具身智能）在滨江启用，是全国唯一面向该领域的国家级中试基地，已入驻 130 多台机器人、落地 30 多个职业技能训练场景。

2025 年杭州该集群产值 1068 亿元，四足、人形机器人的国内市场份额分别占 80%、50%；2026 年上半年出口的智能仿生机器人拿下全国 56.9% 的份额。

杭州还把这条产业链摆成了一个“工”字：滨江做整机与国家级中试（宇树制造基地建成后年产 7.5 万台人形、11.5 万台四足），西湖做中试与检测，余杭做大脑与灵巧手，萧山做供应链与规模制造。

萧山这一横，分量不轻。以萧山机器人小镇为核心载体，已集聚机器人及相关企业 282 家，凯尔达、行思无界、旗晟智能、千寻智能在列；欧洲领先的物理 AI 企业 NEURA Robotics 也于 2025 年 10 月把中国总部落在萧山经开区机器人小镇，计划总投资 1.35 亿欧元（总部已落地，生产基地仍在规划阶段）。更值得琢磨的是萧山的老本行——汽车零部件企业集体跨界做机器人零部件：万向钱潮凭 57 年精密制造的底子，把精密轴承、滚柱丝杠、关节万向节做成了第三大战略板块，部分产品已进入头部整机企业供应链。当地媒体的说法很直白：一张图纸造出整台机器人。

图：萧山机器人小镇实景

而萧山最不缺的是场景。全区规上工业企业 1800 家，机器人小镇之外，是一片等着被改造的车间。10 月中旬，长三角（杭州）AI 赋能新型工业化能力中心发布 35 项工业具身智能场景需求清单，每一项都来自企业真实痛点，萧山一家贡献 15 项，荣盛这样的龙头带头出题。

萧山区经信局局长王艳萍有句话，是这轮浪潮里最实用的判断：“能不能在复杂的车间环境里干活，才是机器人真正的考场。”

三、宇树这个样本，我们拆开看

把宇树当热闹看会看错，当样本拆能看出不少东西。

先看它的账。 2026 年前三季度，营收 18.17 亿元、同比增长 55.7%，研发投入 2.63 亿元、增长 191.5%，存货 10.19 亿元（年初 3.68 亿元），经营现金流 1.94 亿元、同比下降 54.7%。四个数字，四种压力：需求在放量，技术在加码，备货在膨胀，回款在承压。这个行业已经从“能不能做出来”，进入了“能不能稳定生产、快速交付、及时回款”。

把行业摆上来对照：2026 年上半年国内整机产品突破 400 款、产量超 4 万台，全年有望站上 10 万台（工信部口径）；全球出货约 1.91 万台，中国厂商占比超过 97%，宇树与智元合计约 75%。量产是真的，结构也是真的偏。

再看它卖什么。 答案是“不卖整机卖底盘”，对标智能手机的安卓逻辑：底层是标准化硬件底座，中层是软件工具链，上层开放给开发者做场景化方案。核心零部件自研率超过 90%。

这对制造业的含义比“宇树很强”重要得多：整机不是稀缺品，场景方案才是。 工厂真正需要的不是一台会翻跟头的机器人，而是有人把“上丝”这道工序拆成动作、标好点位、训练到能连续跑三个月。这件事只有贴着车间的人能做。

然后看它的落地清单。 蔚来汽车工厂，H1 承担物料搬运、零部件分拣、辅助质检；浙江变电站，H1 承接高压环境设备巡检与状态探测；中东石油化工园区，做有毒气体探测和管线巡检。三处场景一个共性：人不想去、或者去了有危险的地方。

王兴兴的判断是：伴随 GPT-6 推出，物理 AI 已显现突破苗头，乐观 1 至 2 年有望质变，保守 2 至 3 年。他也给了一句更冷静的话——模型在固定场景、经足量专项训练后成功率可接近 100%，但一旦更换作业环境或操作物品，成功率会大幅下降，场景适配通用性极差。

行业里还有另一种声音：宇树本质是“硬件公司”，本体不稀缺。这个争论这里不做结论，但有一点值得制造业记住——当本体变得不稀缺，场景的稀缺性就上升了。 这恰好是萧山的机会，也是这场大会存在的理由。

四、车间里的真账本

判断一个技术走到哪一步，最靠得住的不是发布会，是车间里的数。

读这两张表，要读出三件事。

第一，没有一个案例是“整条产线无人化”。小米汽车攻的是中控台盖板的柔性件长时连续作业，宁德时代攻的是动力电池车间的自主搬运，舍弗勒太仓是 5 台轮式机器人跑通从料箱搬运到打标包装的全流程。全部是“逐工位”推进。

第二，节拍和良率的改进幅度都在三成上下。均普智能 G2 把汽车安全产线的攻丝节拍从 18 秒压到 12.9 秒；在 3C 头部企业做到 8 小时 2283 次任务零失误。这不是“革命”，是“改善”——但足够算账。

第三，回收周期已有可参考区间：宇树的巡检类场景 12 至 24 个月，艾图的服装柔性工序约 18 个月，已经接近传统自动化改造的投资回收期。

而在萧山，有一个更值得本地企业去看的样本：恒远新材料的化纤制造具身智能上料。以前上丝是实打实的苦差事，工人每天搬运丝锭近 20 吨、重复上千次挂丝。上了具身上丝机器人之后，一个车间从 6 个工人缩减到 1 人值守，人力成本下降 83%，原丝碰伤率降低 90% 以上，全年开机率稳定在 99% 以上。这个场景入选浙江省首批“AI+制造”标杆场景，验证后预计全区需求超过 3000 台。

恒远新材料总经理毛佳枫讲了一句关键的话：“机器人就在产线上不断试错、采集数据，一遍一遍优化视觉识别。真实车间丝架歪歪扭扭、物料位置忽左忽右，实验室根本复刻不出这种复杂环境。”

这句话，是整件事的经济学底座。

五、制造业会变成什么样？会务组有七条研判

第一条：边界之变——机器人上的不是产线，是工位。
 投资颗粒度从“一条线”下移到“一个岗”。数字化不再是自上而下的整体规划，而是自下而上的工位渗透。

第二条：需求之变——第一波真需求不是“替人”，是“补人”和“替险”。
 浙江艾图娄灵通的说法很实在：服装行业每年自然退休、流失的工人数量，远大于机器人替代数量。招工难是比裁员压力更硬、更真实的驱动力。人形机器人今天补的，是那些招不到人、留不住人、还容易出事的岗位。把它理解成“抢饭碗”，既高估了技术，也误判了动机。

第三条：账本之变（上）——不能只算减了几个人。
 最典型的算错账，是只核算减少了多少人工，不核算集成、维护、停机、软件升级和安全合规成本。真实拥有成本要按“岗位全成本”重新建模。这笔账算不清，样板间就永远只是样板间。

第四条：账本之变（下）——车间正在变成“数据矿”。
 恒远那句“机器人就在产线上不断试错、采集数据”，点出了一个正在形成的资产类别：真机作业数据。它不在 ERP 里、不在报表里，只在每一次抓取、每一次对位、每一次失败重试里。谁先把这类数据沉淀下来，谁就握住了下一轮模型迭代的燃料。萧山已有底子：1 个省级高端数据标注基地、5 个全省首批工业领域高质量数据集、14 个省级人工智能行业高质量数据集重点项目，均居全省第一。长三角能力中心常务副主任汪婵媛的判断是：“具身智能落地，大多数卡在底层数据上。”

第五条：组织之变——从“班组”到“人机混编单元”。
 2026 年 9 月，人社部等部门发布 11 个新职业，“具身智能机器人应用技术员”入列。这个岗位的核心职能已不是“操作设备”，而是“驱动和保障机器人完成学习—成长闭环”：数据采集、遥操作、模型迁移训练、本体调试、传感器标定。

用管理学的语言说：能力第一次被显性地标准化、计量化、可调用了。 一个工位过去由一个人靠经验承担，现在由“人＋若干台机器人”靠参数、数据和流程承担。这对班组管理、绩效考核、技能等级、工艺知识沉淀都是全新命题。美的集团的参照是：导入机器人后，原岗位员工经 6 个月再培训转向设备运维或工艺优化，薪酬从计件制转为技能等级制。

第六条：分工之变——产业竞争换轴。
 中国兵器杭州智元研究院副总工程师令狐选霞的判断值得记：制造业的比较优势会从依赖劳动力成本，转向工程师红利、完整供应链、丰富场景数据和柔性制造能力；分工逻辑将由“谁的人工更便宜”转向“谁能更快把技术、工艺和组织协同起来”。

对萧山这种以汽车零部件、化纤纺织、装备制造为底盘的区县，含义很直接：你的优势不再是便宜，而是“有真实的车间可试”。 那 15 项场景需求清单，比任何招商政策都有吸引力——愿意让你进车间试错的客户，比补贴值钱。

第七条：节奏之变——别把 2030 年的事说成今年的。
 娄灵通给的时间表是：2026 至 2028 年是单工序能力的验证期，2028 至 2030 年才进入“多工序协同”的规模化期。这个判断与 IDC 的出货结构、与宇树的 ROI 口径、与所有公开案例的形态完全吻合。

六、三盆冷水

行业热的时候，冷静的人才有价值。

第一盆：69%。 2026 年上半年全球出货的人形机器人，仍有近七成流向科研教育、表演展示和数据采集。比例在降（2025 年是 83.8%），基本盘没变。短视频里看到的机器人，绝大多数还没有、也不能创造工业价值。

第二盆：97.3%。 富士康郑州园区的实测：人形机器人在 iPhone 主板螺丝锁附工序的良率为 97.3%，低于熟练技工的 99.1%，且无法处理 0.5% 的物料变形异常。0.5% 听起来很小，放到百万级产量上就是五千个需要人来救的异常。今天的能力天花板是“小脑发达、大脑受限”——精细操作依赖大量示教数据，跨品种切换要重新编程数小时，非结构化异常仍需人工介入。

第三盆：提前无人化。 没做流程标准化和数据治理就追求全流程无人化，是当下最常见的错法。更稳妥的路径是从高危、重复、缺工的环节切入，以人机协同逐步验证，再扩大范围。

这三盆水不是让人打退堂鼓，而是让人算对账。制造业最怕的从来不是技术不成熟，是在错误的时间、用错误的方式、投了错误的钱。

七、回到萧山：12 月 5 日要算的是账，不是看表演

萧山之所以适合讨论这件事，是因为它同时握着三样东西：真实的车间、真实的场景需求、真实的数据底座。

机器人小镇 282 家企业里，有人在造本体，有人在造零部件，有人在写算法；区经信局那句话把政府角色摆得很清楚——“每一个场景都是一个研发项目”。

12 月 5 日，制造业 AI 场景应用生态大会萧山站，这一站要谈的不是机器人能做多少个后空翻，是四个问题：

替代谁——你的车间里，哪个岗位招不到人、留不住人、还有风险？
多久回本——按岗位全成本算，12 个月、18 个月还是 24 个月？
谁负责——方案谁驻场，参数谁调，异常谁救，结果谁签字？
怎么验收——良率、节拍、开机率，用哪个数说话？

这四个问题，展台上答不了，只能在车间里答。

最后回到开头那个画面。

恒远新材料的化纤车间，以前一天搬 20 吨丝锭、重复上千次挂丝的是 6 个人。现在，1 个人守着。

那个人在干什么？他不再是上丝工。他成了这个车间的机器人管理者——看屏幕上的识别置信度，处理卡丝的异常，把新来的丝锭规格录进去，决定明天这个工位要不要调参数。

从 6 到 1，少掉的是 5 双手；多出来的，是一个以前不存在的岗位。

这就是具身智能正在制造业里做的事：它不制造无人车间，它重新分配“人干什么”。

那台真正上工位的机器人，其实已经在萧山的车间里了。

12 月 5 日，萧山见。#企业AI #企业级AI #数智化 #数字化 #一线数智 #企业AI应用场景 #企业AI工具 #制造#高质量发展