小米机器人“进厂实习”四个月：98%成功率，离“转正”还差什么？

近日，小米创始人雷军在社交媒体上晒出了一份特殊的“实习报告”——小米自研人形机器人进驻北京亦庄汽车工厂已满四个月。在自攻螺母上件工站，双侧作业成功率从90.2%提升至98%，距离熟练工人99%的合格率仅差1个百分点。机器人同时拓展至中控台侧盖板排序和料箱折叠回收两项新任务，成功率均达90%。

“差1%就能转正”——这个被雷军轻轻带过的数字，恰好卡在了行业最敏感的神经上。

过去一年，人形机器人企业密集展示产品跑步、翻跟头、跑马拉松的能力，而如今，焦点正在从展台转向工厂。工信部与国务院国资委联合启动的“实景实训专项行动”明确提出，到2026年底要带动形成万台级规模落地能力。摩根士丹利将2026年国内人形机器人出货预测从2.8万台大幅上调至5万台。

但热潮之下，一个更冷静的问题正在浮现：从98%到规模化部署，中间到底隔着什么？

一、“进厂”已成共识，但落地仍是少数派的游戏

小米并非孤例。几乎在同一时间，大洋彼岸的宝马美国斯巴达堡工厂正式部署了Figure AI的Figure 03人形机器人，在装配与物流区域承担物料搬运、零部件运输及仓储分拣等作业。此前的Figure 02已在宝马工厂10个月内参与超过3万辆宝马X3的生产。智元机器人的8台精灵G2则进驻龙旗科技江西工厂，开启了6天全程无剪辑的产线直播。优必选的工业人形机器人Walker S2在智能搬运、上下料等任务中成功率已达99%。特斯拉则用46天拆除了弗里蒙特工厂的Model S/X生产线，为Optimus量产让路。

汽车工厂正在成为全球人形机器人竞争的“第一战场”。

但“进厂”和“落地”之间，尚有相当距离。Gartner调研数据显示，行业里仅1.64%的企业实现了机器人实际投产落地，超过98%仍处于方案探索阶段。人形机器人的真实落地比例，仅为1:60。即便是被奉为行业标杆的特斯拉Optimus，马斯克在2026年1月也不得不承认，工厂里还没有一台Optimus在做“有用的工作”。

上汽通用动力科技有限公司智能设备技术负责人徐啸顺在2026具身智能产业场景融合大会上点出了一个更具体的尴尬：“人形机器人现场100多斤东西说倒就倒，安全工程师看到汗都要下来了。”他10年前就接触过通用北美的人形机器人项目，彼时主要用于太空站，“那时候不成熟，现在国内产业链非常完善了，条件具备了”。但条件具备不等于问题解决——双足人形的稳定性和平均故障间隔时间仍是最大痛点，换电需要专业人员操作，遥操作信号丢失可能导致电机过载。

二、技术能造出来，但工厂用得起吗？

小米机器人用4个月把成功率从90.2%推到98%，进步不可谓不快。但从98%到99%这最后1个百分点，以及从99%到“万台级规模落地”，是性质完全不同的挑战。

首先是成本账算不过来。现阶段，一台工业级人形机器人的单台采购成本，基本对齐甚至超过工厂一线工人两年到三年的综合人工成本。若叠加设备折旧、年度维保、零部件更换等隐性支出，全生命周期总拥有成本将严重挤压工厂利润空间。更关键的是，当前人形机器人的实际作业效率仅为熟练工人的30%到60%，花两到三年的人工成本，买一台只能干一半活的机器，ROI逻辑目前还无法闭环。

行业头部玩家的整机物料成本正在逼近10万至15万元人民币的临界点。一旦跌破15万，长三角、珠三角工厂的投资回收期有望缩短至1.5到2年。但“逼近”不等于“达到”，而工厂等不起概念验证。

其次是“泛化能力”这道硬门槛。上海人工智能行业协会秘书长钟俊浩指出，具身智能泛化能力仍然不足，机器人进入新场景还需要预训练和部署调试，离“直接下工厂干活”还有相当距离。龙旗科技机器人业务部总经理李龙以手机生产为例，精密装配环节机器人尚能胜任，但理线这类需要多人协作、手持镊子将细软电线嵌入模具缝隙的工序，“以机器人目前的技术水平，短期内还难以胜任”。

智元合伙人、具身业务部总裁姚卯青给出了一个更审慎的判断：不少人将当下机器人比作GPT-2或GPT-3时代，但当前具身智能远未达到这种水平，“更像是2018年的谷歌BERT模型”。若参照BERT到ChatGPT约四年的演进节奏，机器人进工厂的“GPT时刻”预计在2030年到来。

国家地方共建人形机器人创新中心首席科学家江磊则提出了更系统性的判断：“未来有竞争力的人形机器人公司，需要硬件能力、模型能力、数据能力和训练场能力四位一体。”在他看来，这四项能力缺一不可，而目前能同时具备的企业寥寥无几。

三、“轮式”还是“双足”?

人形机器人进工厂，首先要面对一个根本性问题：为什么非得是“人形”？

徐啸顺的观点代表了制造业务实派的立场：未来工业机器人、复合协作机器人、人形机器人和操作工的比例可能是1:1:1:1。但从当前阶段看，轮式人形是更好的过渡选择，“双足和轮式在新国标中都会定义为人形机器人。从工厂角度，轮式效率更高，对现场环境和人员心理都有缓冲。”

上汽通用的路线图是：虚拟台架、仿真训练、实体测试、POC验证、现场验证、多台迭代，最终实现人机协作。新能源电芯上料场景已在量产线成功上线，机器人每天单班生产超1000个电芯，达到人工产能的80%。

Gartner研究副总裁高挺则给出了更激进的提醒：人体生理结构并非工业作业最优形态，盲目复刻人形不符合商业化逻辑。亚马逊Digit膝盖反向弯曲、1X Eve搭载平衡轮等异形机器人，在仓储下蹲、快速转运场景中的稳定性与性价比远超仿人机型。“机器人研发的核心是改良人体结构短板、适配作业需求，而非照搬人类外形。”

这是一个在2026年越来越被行业正视的问题：当“人形”成为一种技术信仰而非商业必要，行业是否在为一个并不存在的完美形态支付过高的溢价？

四、就业替代：焦虑真实，但拐点尚远

“差1%就能转正”这个表述本身，就暗含着一个让数百万产业工人不安的潜台词：机器人正在逼近人类的工作水平。

优必选创始人周剑的警告最为直接：如果未来10到20年人形机器人在所有岗位都能实现，“的的确确能够弥补像欧美一些国家产业人口缺失的情况，同时它让制造业成本进一步下降”。但他同时也指出，人形机器人首先替代的是招工难、环境困难的岗位。

全国人大代表、海尔集团董事局主席周云杰在2026年两会期间提出了一个更精确的表述：具身智能在制造业的应用不是简单的“机器换人”，而是“机器成人”。这个表述的微妙之处在于，它既承认了替代的必然性，又试图将叙事从“消灭岗位”转向“升级人机关系”。

但无论叙事如何包装，一个结构性趋势已经清晰：人形机器人被看中的，不只是替代几个工位，而是有机会成为制造业的下一代通用生产工具。而当一种工具具备了“通用”属性，它对就业结构的冲击将是系统性的，而非局部性的。

工信部信息通信经济专家委员会委员盘和林的态度更为直接：“人形机器人如果再不探索应用场景，那么未来必将沦落为一个概念性技术，而非实用性技术，投资人也会逐步失去耐心。”

五、拐点前的冷静

回到小米的“实习报告”。98%的成功率确实是一个值得肯定的进步——4个月时间，从90.2%到98%，在真实产线上完成柔性工件的长时作业，这放在一年前还难以想象。

但行业需要警惕的是把“98%”等同于“即将替代”。正如雷军自己所坦承的，生产节拍是实验室与工厂之间难以跨越的鸿沟——真实工厂要求任务达到“万次任务次次成功”。98%意味着每50次操作就有1次失败，在汽车工厂的节拍下，这1次失败可能意味着整条产线的停顿。

人形机器人正从“会跳舞”走向“能干活”，这是一个真实的产业进步。但从“能干活”到“规模化部署”，从“技术验证”到“商业闭环”，中间还隔着成本、泛化、稳定性、数据、标准等多道关卡。2026年被视作“部署态元年”，但“元年”的本质是起点，而非终点。

那个“机器人只在展台上跳舞”的时代确实已经过去了。但“机器人全面接管工厂”的时代，也远未到来。行业正处于两者之间的漫长过渡期，技术持续迭代，成本缓慢下降，场景逐步拓展。这更像一场马拉松，而非百米冲刺。

而在这个过渡期里，最需要被追问的或许不是“机器人什么时候替代人类”，而是“在技术真正成熟之前，行业如何避免被过度期望反噬”。

毕竟，Gartner那条“1:60”的落地比例，和雷军那条“差1%”的社交媒体动态，共同构成了2026年人形机器人产业最真实的剖面：一面是资本的狂热与政策的推力，一面是落地的迟缓与技术的边界。中间的裂隙有多大，决定了这个行业离真正的“拐点”还有多远。