1. 看数据之外80%订单争议背后人形机器人到底走到了哪一步过去半年关于人形机器人的讨论几乎形成了两个极端。一边是发布会视频里越来越流畅的行走、抓取、叠衣服另一边是行业里流传的“80%订单是假的”这类说法。很多开发者、投资者和关注 AI 落地的读者都在问同一个问题人形机器人到底是真突破还是资本叙事我的判断是人形机器人确实已经从“实验室原型”进入“小批量验证”阶段但距离真正的规模化商用还有明显距离。所谓“80%订单是假的”更准确的理解是——大量订单属于意向订单、样机订单、联合开发订单和展示性订单真正“打款—交付—验收—复购”的商业闭环订单并不多。这不是骗局而是任何新品类从 0 到 1 过程中必然出现的订单结构特征。这篇文章不打算复述发布会参数而是想从三个层面帮助大家建立判断框架第一为什么“订单真假”会成为焦点订单结构背后的行业真相是什么第二谁在真金白银掏钱采购不同客户的采购逻辑有什么差别第三人形机器人当前的技术边界和产业链成熟度尤其是芯片、运控、数据三块你作为开发者或技术决策者应该怎么看、怎么选、怎么避坑。如果你是做机器人应用开发、具身智能算法研究、硬件选型或者在评估是否要引入人形机器人做自动化改造这篇文章会给你一套可落地的分析框架。如果你只是关注行业趋势看完也能明白为什么人形机器人的商业化节奏比很多人想象的要慢但方向比很多人想象的更清晰。2. 人形机器人的核心概念与订单争议本质2.1 人形机器人到底是什么人形机器人英文叫 Humanoid Robot指的是外形接近人体结构、具备双足或轮式移动能力、通常拥有双臂和灵巧手的机器人。它的核心价值在于能适应为人类设计的物理环境比如楼梯、窄通道、门把手、工具手柄而不需要对环境做大规模改造。这里要区分两个概念人形机器人Humanoid Robot强调“人形”结构常见形态是两条腿、两只手、一个躯干头部可以有传感器。具身智能Embodied AI强调机器人通过传感器和执行器与物理世界交互并从中学习。人形机器人是具身智能的重要载体但具身智能不一定要人形机械臂、四足机器人、轮式移动机器人同样可以具备具身智能能力。从产业链角度看人形机器人涉及的关键环节包括核心零部件减速器、电机、传感器、芯片、本体制造、运动控制算法、AI 大模型、数据采集与仿真训练以及面向场景的整机集成和运维服务。2.2 “80%订单是假的”这句话怎么理解行业里流传的“80%订单是假的”并不是说有公司伪造合同、虚假宣传而是订单的“含金量”差异巨大。综合行业公开信息和产业链调研来看当前人形机器人订单大致可以分成四类订单类型典型特征客户类型含金量意向订单 / MoU框架协议无预付款无明确交付节点政府平台、大型企业战略部门低样机采购 / 联合开发订单采购几台到几十台用于联合开发车企、3C 工厂、科研院所中演示性订单用于发布会、展厅、展会不进入生产流程品牌方、展会方、科技园区低商业化小批量订单有合同、有预付款、有验收标准、有复购计划制造工厂、物流仓库、商业服务场所高所以说“80%订单是假的”更容易被接受的理解是80%以上对外公布的“订单”都不是能立刻转化成规模化收入的实际交付订单而是带合作性质的意向或小批量验证订单。这里真正值得追问的不是真假而是——从意向订单到规模化复购中间还差什么。2.3 判断订单真实性的硬指标作为技术从业者我们不需要做财务审计但可以通过几个硬指标来判断一家机器人公司的商业化进度是否披露了实际交付数量而不只是“订单金额”是否有公开的验收案例客户名称和场景是否可查是否有重复采购记录也就是客户用完之后追加订单是否有售后运维、远程监控、数据回传的真实链路是否有来自客户的付费调试服务而不是免费试点。一个更稳妥的判断是当前人形机器人行业真正完成“交付—验收—复购”闭环的订单可能不足总订单量的 20%但这不是造假而是新品类商业化早期的正常状态。就像早期电动汽车一样前几千台车必然服务于品牌展示、技术验证和种子用户规模化交付是后面的事情。3. 谁在真金白银掏钱买人形机器人拆掉“假订单”的迷雾之后真正有价值的问题是哪些客户真的在掏钱而且掏得合理综合行业公开信息和产业链动态当前人形机器人的真实买家集中在四类。3.1 制造业巨头买的是“未来产线入场券”汽车制造和 3C 电子制造是目前人形机器人订单最密集的领域。代表性逻辑是整车厂和消费电子代工厂拥有大量工位这些工位要么是自动化设备不好覆盖的柔性工位要么是人工劳动强度大、招工难的工位。人形机器人如果能在这些工位上跑通哪怕一开始效率只有人工的 50%也是有意义的因为它意味着产线不需要改造明天就能上岗。制造业巨头采购人形机器人通常不是买“今天的生产力”而是买“明天的产线适配权”。它们支付几十万到上百万的资金本质上是一笔研发费用目的是让机器人公司根据自家产线需求做适配为将来规模化部署做准备。这类客户对价格不敏感但对稳定性和数据安全有极高要求。3.2 科技巨头与 AI 公司买的是“数据采集入口”对 AI 大模型公司来说人形机器人的价值不在本体硬件而在数据。具身智能大模型需要海量的“视觉—语言—动作”对齐数据这些数据无法只从互联网爬取必须通过真实机器人操作获得。人形机器人是最接近人类操作方式的数据采集载体。所以我们看到很多 AI 公司与机器人公司合作采购少量整机用于数据采集和模型训练。这类客户买的不是机器人而是数据入口和算法迭代的物理载体。它们的采购数量不大但愿意高价支付并愿意与硬件厂商深度绑定联合优化传感器布局、数据接口和控制协议。3.3 科研院所与高校买的是“研究平台”高校和科研机构是人形机器人最早的一批客户。它们采购的目的包括运动控制算法研究、多模态感知研究、人机交互研究、具身智能算法开发等。科研客户的特点是预算来自纵向或横向课题对开放性和可编程性要求极高对售后响应也相当敏感。科研采购的订单额通常不大但胜在稳定。而且科研客户的背书效应对人形机器人公司的后续融资和商业化拓展很有价值。很多机器人公司愿意用较低价格甚至免费提供设备给顶级实验室换取学术声誉和人才输送渠道。3.4 地方政府与产业园区买的是“产业名片”地方政府和产业园区也是重要买家。采购形式包括展厅展示、公共测试平台设备、示范应用项目采购。这类采购更看重“科技感”和“展示效果”对机器人能否真正完成复杂任务要求不高但对外观、稳定性、讲解演示流畅度有较高要求。从行业健康度来看政府订单有正面作用它为人形机器人公司提供了初期现金流支撑公司完善供应链和售后体系。但也要清醒看到政府订单很难长期维持一旦地方财政收紧或政策热点转移这类需求会快速回落。所以一家健康的人形机器人公司最终必须靠制造业订单和商业服务订单建立第二增长曲线。4. 技术边界为什么订单还没法大规模兑现即使有真实的客户需求人形机器人目前依然无法大规模交付原因集中在技术端。理解这些瓶颈才能对订单争议有更清醒的判断也才能在做技术选型时避开不切实际的预期。4.1 运动控制与稳定性双脚落地是最大的门槛双足行走一直以来都被看作人形机器人最难的技术点之一。虽然当前算法已经能让机器人在平地上稳定行走、上下斜坡、跨越障碍但面对真实工厂地面的油污、电线、坡度、台阶边缘双足机器人依然时不时会出现步态失稳。相比之下轮式底盘在室内场景更可靠但牺牲了跨越复杂地形的能力。从工程实践角度运动控制的难点还在于“摔倒后的恢复”。现在很多机器人可以演示高难度动作但一旦摔倒自动起身的成功率依然不够高。在工厂场景里一个机器人摔倒可能会砸到设备、伤到人员或者需要人员干预这会让自动化改造的价值大打折扣。4.2 灵巧手与抓取手比脚更难如果说双足是“腿的难题”那么灵巧手就是“手的难题”。人手有 20 多个自由度可以实现精细、柔顺的抓取。目前的灵巧手普遍提供 6 到 12 个自由度配合触觉传感器可以完成一些预设动作但泛化能力仍不足。同一个动作换一种物体形状、换一个光照条件可能就要重新调试。在制造业场景里很多工作看似简单——拿起一个零件、放上夹具、拧一颗螺丝——但对机械手来说每一个动作都涉及视觉定位、轨迹规划、力控反馈和容错处理。一台机械臂在结构化产线上可以做到 99.9% 的良率但人形机器人目前还很难在非结构化工位上达到同样水平。4.3 算法泛化与大模型能力演示很惊艳产线很脆弱人形机器人的“智能”来自 AI 大模型与运动控制的结合。当前比较成熟的应用方式是用视觉语言模型理解环境用大模型输出动作意图再用底层运动控制算法执行。然而大模型在开放世界里的表现和工业场景对稳定性的要求之间存在明显差距。在实验室里机器人可以通过几十次演示学会一个新任务在工厂里同样一个任务可能需要连续运行几千个小时不能出错。这就要求算法不仅“会做”还要“稳定地做”“超时地做”“异常时能自动回退”。当前的人形机器人算法在“演示成功率”上已经很高但在“产线节拍”“长时运行”“异常恢复”上还达不到工业级标准。4.4 续航与整机可靠性机器人也得吃饭睡觉人形机器人整机功耗通常在一千瓦以上电池续航普遍在 2 到 4 小时之间。这意味着一台机器人如果真要在工厂工作 8 小时需要中途换电或者充电而换电和充电都会打断产线节奏。同时减速器、电机、传感器在长期高频运行下的寿命指标目前公开数据也不够充分。更现实的约束是成本。当前一台人形机器人的整机售价普遍在几十万元人民币区间部分高端配置接近百万。这个价格意味着如果它不能替代至少两到三个工人的全年成本同时稳定运行两年以上ROI 就很难算过来。所以制造业客户目前的真实采购逻辑是“先买一两台验证再谈规模”。5. 产业链观察芯片、核心零部件与全志科技的信号意义5.1 人形机器人的芯片需求与产业热度最近“全志科技 人形机器人芯片”成为科技热议话题这背后其实透露出一个重要信号人形机器人产业链正在从“整机概念热”向“核心零部件热”扩散而芯片正是具身智能落地的关键底座。人形机器人需要的芯片不是单一的一颗 SoC而是由多类芯片构成的异构计算平台芯片类型作用典型场景主控 SoC应用处理器运行操作系统、AI 推理框架、上层应用人机交互、视觉语言模型推理运动控制芯片/MCU执行关节电机控制、力控算法、实时指令关节伺服、步态控制传感器信号处理芯片处理激光雷达、深度相机、IMU 数据环境感知、SLAM 建图电源管理芯片管理电池充放电、功率分配整机供电、节能控制通信芯片支持 Wi-Fi、5G、内部总线通信远程运维、多机协同全志科技本来就是国内智能应用处理器和模拟芯片领域的重要厂商产品覆盖智能硬件、车载、工业控制等多个市场。如果人形机器人芯片成为它新的增长方向这说明产业链已经把“主控算力”当做人形机器人成本下降和功能增强的关键突破口。5.2 芯片选型对开发者的实际意义对做机器人应用开发的团队来说芯片选型直接影响三件事开发效率、量产成本、算法迁移难度。开发效率芯片生态是否成熟SDK 是否齐全是否支持主流 AI 框架决定了团队从原型到量产需要投入多少人月。量产成本消费级芯片和工业级芯片价格差异很大但工业级芯片的可靠性、供货周期、温度范围更适合机器人长期运行。算法迁移难度如果芯片不支持某些算子或者 NPU 性能不足原本在大算力平台上训练好的模型到了机器人端侧可能跑不动。目前人形机器人主控芯片的主流路径包括NVIDIA 的 Jetson 系列算力强、生态好但功耗和成本偏高高通等手机芯片衍生平台能效比好以及国产 SoC 平台成本有优势生态还在成熟中。全志科技等国内芯片厂商进入人形机器人赛道对产业链的意义是降低整机 BOM 成本让更多中低端场景有可能实现商业化。5.3 核心零部件的成本结构从整机成本构成看人形机器人的核心零部件占比极高。业内通常认为减速器、伺服电机、控制器三大零部件合计占整机成本的比例可以超过 50%其中精密减速器谐波减速器、行星减速器是成本和技术壁垒最高的环节。此外传感器力觉、触觉、视觉的成本占比也在显著提升。这意味着人形机器人的降本路径主要不靠“省材料”而是靠“供应链国产化”和“规模效应”。当国产芯片、国产减速器、国产传感器的可靠性和性能逐步提升整机价格才有机会从几十万元级别降到十几万元甚至更低那时候才谈得上真正规模化进入工厂和商业场景。6. 开发者视角如何判断一款人形机器人值不值得接如果你正在评估人形机器人平台是做应用开发、算法研究还是企业自动化选型下面这套判断框架可以帮你少走弯路。这套框架的核心是不要被演示视频迷惑要回到“开发接口”“数据闭环”“售后体系”三个基本面。6.1 看开放接口是否完整人形机器人如果要做二次开发必须关注以下接口是否对外开放运动控制 API能否通过 ROS、ROS 2 或其他 SDK 下发目标位置、速度、关节力矩指令视觉感知接口能否实时获取深度相机、IMU、关节编码器的数据流AI 推理能力板载算力是否支持导入自定义模型还是只能运行厂商预装模型仿真环境是否提供与真实机器人一致的高保真仿真方便先在仿真里调试再部署到实机。如果一个平台只提供遥控器操作不支持编程接口那它本质上还是一个“高级遥控玩具”不是开发平台。做技术选型一定要先确认 SDK 文档、示例代码和社区支持力度。6.2 看数据闭环是否打通人形机器人最有价值的地方不只是“能走路能抓东西”而是“能在运行中产生数据并用数据反哺算法”。一个合格的平台应该具备数据采集能力能同步记录图像、点云、关节角度、力矩、电机电流和外部指令数据标注与存储能方便地对采集数据进行语义标注并按时间戳对齐模型训练与部署支持离线训练模型并快速部署到实机验证远程监控与 OTA 升级能远程查看设备状态支持算法热更新。没有数据闭环的人形机器人本质上是一台昂贵的自动化设备无法随使用时间变聪明。而具身智能的竞争最终拼的就是谁的数据闭环跑得最顺、数据质量最高。6.3 看售后与工程化支持人形机器人不是手机坏了不能直接换新。售后能力直接影响项目能否落地。要在签约前确认是否提供本地化技术支持团队响应时效是多少是否提供备机服务设备维修期间项目能否继续是否提供算法升级服务多久一次是否收费是否开放故障日志和自诊断工具方便团队自己做第一层排查。制造业客户尤其要重视这一点。一个机器人卡在产线上如果厂商 24 小时内无法响应整个自动化改造项目就会面临巨大压力。售后能力不是加分项而是必选项。7. 人形机器人常见技术疑问与排查思路在实际开发和使用人形机器人的过程中有几个高频问题值得单独说明。这些问题也是很多团队“买了样机之后发现跑不起来”的主要原因。问题现象可能原因排查方式解决方案机器人频繁摔倒或步态不稳控制器参数与地形不匹配或 IMU 标定不准检查 IMU 数据是否漂移查看关节力矩曲线重新标定 IMU调整步态参数降低速度先跑平路抓取成功率低同一个物体时好时坏视觉定位误差、光照变化、触觉传感器未校准对比图像识别输出的坐标与实际位置偏差校准相机外参增加多视角视觉或加装力控反馈电池续航明显低于标称值整机功耗高于预期或电源管理策略不合理查看各关节电流、主控芯片功耗、传感器功耗优化运动轨迹降低峰值电流调整主控功耗模式运行一段时间后关节异响或过热减速器润滑不足或电机过载查看电机温度和关节电流日志按厂商建议维护减速器限制关节峰值力矩仿真中运行正常实机上动作变形仿真模型与实机动力学参数不一致对比仿真和实机的关节角度、力矩曲线对仿真模型做动力学参数辨识引入域随机化无法接入自己的 AI 模型芯片 NPU 算子兼容性不足或 SDK 未开放查看 SDK 文档是否支持自定义模型推理转换模型格式或选择支持 PyTorch/TensorRT 的平台如果你第一次接触人形机器人开发建议遵循“先在仿真里跑、再在实机上跑”的原则不要在实机上直接调试高难动作。先把基础动作做稳定再逐步增加视觉感知和 AI 决策模块可以减少很多不必要的硬件损耗。8. 人形机器人的最佳实践与工程建议8.1 从轮式开始别一上来就做双足如果你的目标是开发上层应用不研究腿足控制本身建议优先选择带轮式底盘的人形机器人或者双足轮式混合方案。轮式方案在室内场景的稳定性和成本都更友好开发精力可以集中在抓取、感知和 AI 决策上。双足步行是令人兴奋的方向但也是硬件损耗和调试成本最高的方向除非你的核心目标就是研究腿足控制。8.2 建立数据采集规范从第一天开始很多团队买回人形机器人后第一反应是让它跑起来表演几个动作。更好的做法是第一天就建立数据采集规范。约定数据格式、存储路径、时间戳对齐方式、标注标准、版本管理方法。这就像写代码要开始就建好 Git 仓库一样后面做模型迭代会省非常多的时间。推荐的数据管理结构robot_data/ ├── yyyymmdd_task_name/ │ ├── rgb/ # 相机彩色图 │ ├── depth/ # 深度图 │ ├── pointcloud/ # 点云 │ ├── joint_states/ # 关节角度/力矩/速度 │ ├── imu/ # IMU 数据 │ ├── actions/ # 专家动作标签 │ └── metadata.json # 任务描述、传感器参数、备注8.3 仿真与实机结合不能偏废纯仿真会陷入“仿真里很完美实机上一团糟”纯实机会面临数据量不足、实验成本高、安全风险大的问题。更务实的路径是先搭建基座仿真环境比如基于 MuJoCo 或 Isaac Sim 的工具链在仿真里大规模生成数据、验证策略然后用真机做小规模精调。仿真环境要引入域随机化让模型在仿真里见过足够多样的物理参数变化提升迁移到实机后的鲁棒性。8.4 安全边界是硬约束人形机器人一旦进入真实场景安全就是第一优先级。工程上至少要做以下工作在机器人身上配置急停按钮且放在操作者容易触达的位置在软硬件层面都设置关节角度、速度、力矩的安全阈值部署安全围栏或激光雷达避障确保机器人在靠近人员时自动降速所有远程控制指令要经过权限校验禁止未授权访问每次运行前检查固件版本、传感器状态和电池电量并保留运行日志。如果要做自主决策还要考虑“机器人遇到无法处理的状况时如何安全停机并请求人工介入”。这比让机器人多走几步路重要得多。8.5 用 ROI 模型倒推需求边界对企业用户我强烈建议在采购决策前先做 ROI 测算。不要只看机器人能干多少活还要算总拥有成本硬件价格、运维成本、开发成本、停机风险、人员培训成本。比较务实的判断是如果机器人只能完成产线上 10% 的工位任务那大概率不划算如果能覆盖 30% 以上工位且单台成本低于两个工人一年的人工成本才值得真正试点。9. 总结人形机器人的确定性、不确定性与你的行动清单回到开头的问题80%订单是假的吗我的答案是如果“假订单”指的是“意向订单和演示订单占比极高”这句话在今天基本成立但这不意味着人形机器人是泡沫更不意味着这个方向不值得投入。它真正说明的是人形机器人正处于从“技术验证”到“场景验证”的关键转折期订单结构必然从大量意向单逐步转化为小批量验证单再到规模化采购单。真正确定的事情是制造业缺工、非结构化场景自动化需求、AI 大模型带来的具身智能能力增强这三个驱动力都是长期且真实的。人形机器人也许不会像智能手机一样指数级爆发但会在工厂、物流、商业服务的某些特定岗位上先跑通闭环然后逐步扩大覆盖范围。真正不确定的事情是哪一家整机厂商能活下来哪些传感器方案能成为标配双足还是轮式会成为室内主流芯片和核心零部件的成本下降速度能有多快。这些不确定性恰恰是开发者和工程师的机会——你现在进入这个领域积累的经验会在行业真正放量时变成稀缺能力。如果你想进入这个赛道建议从三件事开始第一先选一个具体的应用场景不要泛泛地“做人形机器人”。哪怕是“在仓库里搬运小件包裹”或“在车间里做外观检测”都比“做一个通用人形机器人”容易落地。第二选择一款开源或开放接口完整的人形机器人平台跑通一个“感知—决策—执行”的最小闭环产出一套自己的数据采集和模型迭代流程。第三关注产业链上游变化尤其是芯片、减速器、传感器和运控解决方案的迭代这决定了未来三年人形机器人整机的性能和价格走向。人形机器人是一个长周期赛道不适合抱着短期套利的心态入场但它值得有耐心的开发者和企业认真投入。那些现在掏钱的客户买的不是一台机器而是一个能跑通未来产线的可能性。而这个可能性正在一步步变成现实。
人形机器人订单真假之争：技术边界与产业真相
1. 看数据之外80%订单争议背后人形机器人到底走到了哪一步过去半年关于人形机器人的讨论几乎形成了两个极端。一边是发布会视频里越来越流畅的行走、抓取、叠衣服另一边是行业里流传的“80%订单是假的”这类说法。很多开发者、投资者和关注 AI 落地的读者都在问同一个问题人形机器人到底是真突破还是资本叙事我的判断是人形机器人确实已经从“实验室原型”进入“小批量验证”阶段但距离真正的规模化商用还有明显距离。所谓“80%订单是假的”更准确的理解是——大量订单属于意向订单、样机订单、联合开发订单和展示性订单真正“打款—交付—验收—复购”的商业闭环订单并不多。这不是骗局而是任何新品类从 0 到 1 过程中必然出现的订单结构特征。这篇文章不打算复述发布会参数而是想从三个层面帮助大家建立判断框架第一为什么“订单真假”会成为焦点订单结构背后的行业真相是什么第二谁在真金白银掏钱采购不同客户的采购逻辑有什么差别第三人形机器人当前的技术边界和产业链成熟度尤其是芯片、运控、数据三块你作为开发者或技术决策者应该怎么看、怎么选、怎么避坑。如果你是做机器人应用开发、具身智能算法研究、硬件选型或者在评估是否要引入人形机器人做自动化改造这篇文章会给你一套可落地的分析框架。如果你只是关注行业趋势看完也能明白为什么人形机器人的商业化节奏比很多人想象的要慢但方向比很多人想象的更清晰。2. 人形机器人的核心概念与订单争议本质2.1 人形机器人到底是什么人形机器人英文叫 Humanoid Robot指的是外形接近人体结构、具备双足或轮式移动能力、通常拥有双臂和灵巧手的机器人。它的核心价值在于能适应为人类设计的物理环境比如楼梯、窄通道、门把手、工具手柄而不需要对环境做大规模改造。这里要区分两个概念人形机器人Humanoid Robot强调“人形”结构常见形态是两条腿、两只手、一个躯干头部可以有传感器。具身智能Embodied AI强调机器人通过传感器和执行器与物理世界交互并从中学习。人形机器人是具身智能的重要载体但具身智能不一定要人形机械臂、四足机器人、轮式移动机器人同样可以具备具身智能能力。从产业链角度看人形机器人涉及的关键环节包括核心零部件减速器、电机、传感器、芯片、本体制造、运动控制算法、AI 大模型、数据采集与仿真训练以及面向场景的整机集成和运维服务。2.2 “80%订单是假的”这句话怎么理解行业里流传的“80%订单是假的”并不是说有公司伪造合同、虚假宣传而是订单的“含金量”差异巨大。综合行业公开信息和产业链调研来看当前人形机器人订单大致可以分成四类订单类型典型特征客户类型含金量意向订单 / MoU框架协议无预付款无明确交付节点政府平台、大型企业战略部门低样机采购 / 联合开发订单采购几台到几十台用于联合开发车企、3C 工厂、科研院所中演示性订单用于发布会、展厅、展会不进入生产流程品牌方、展会方、科技园区低商业化小批量订单有合同、有预付款、有验收标准、有复购计划制造工厂、物流仓库、商业服务场所高所以说“80%订单是假的”更容易被接受的理解是80%以上对外公布的“订单”都不是能立刻转化成规模化收入的实际交付订单而是带合作性质的意向或小批量验证订单。这里真正值得追问的不是真假而是——从意向订单到规模化复购中间还差什么。2.3 判断订单真实性的硬指标作为技术从业者我们不需要做财务审计但可以通过几个硬指标来判断一家机器人公司的商业化进度是否披露了实际交付数量而不只是“订单金额”是否有公开的验收案例客户名称和场景是否可查是否有重复采购记录也就是客户用完之后追加订单是否有售后运维、远程监控、数据回传的真实链路是否有来自客户的付费调试服务而不是免费试点。一个更稳妥的判断是当前人形机器人行业真正完成“交付—验收—复购”闭环的订单可能不足总订单量的 20%但这不是造假而是新品类商业化早期的正常状态。就像早期电动汽车一样前几千台车必然服务于品牌展示、技术验证和种子用户规模化交付是后面的事情。3. 谁在真金白银掏钱买人形机器人拆掉“假订单”的迷雾之后真正有价值的问题是哪些客户真的在掏钱而且掏得合理综合行业公开信息和产业链动态当前人形机器人的真实买家集中在四类。3.1 制造业巨头买的是“未来产线入场券”汽车制造和 3C 电子制造是目前人形机器人订单最密集的领域。代表性逻辑是整车厂和消费电子代工厂拥有大量工位这些工位要么是自动化设备不好覆盖的柔性工位要么是人工劳动强度大、招工难的工位。人形机器人如果能在这些工位上跑通哪怕一开始效率只有人工的 50%也是有意义的因为它意味着产线不需要改造明天就能上岗。制造业巨头采购人形机器人通常不是买“今天的生产力”而是买“明天的产线适配权”。它们支付几十万到上百万的资金本质上是一笔研发费用目的是让机器人公司根据自家产线需求做适配为将来规模化部署做准备。这类客户对价格不敏感但对稳定性和数据安全有极高要求。3.2 科技巨头与 AI 公司买的是“数据采集入口”对 AI 大模型公司来说人形机器人的价值不在本体硬件而在数据。具身智能大模型需要海量的“视觉—语言—动作”对齐数据这些数据无法只从互联网爬取必须通过真实机器人操作获得。人形机器人是最接近人类操作方式的数据采集载体。所以我们看到很多 AI 公司与机器人公司合作采购少量整机用于数据采集和模型训练。这类客户买的不是机器人而是数据入口和算法迭代的物理载体。它们的采购数量不大但愿意高价支付并愿意与硬件厂商深度绑定联合优化传感器布局、数据接口和控制协议。3.3 科研院所与高校买的是“研究平台”高校和科研机构是人形机器人最早的一批客户。它们采购的目的包括运动控制算法研究、多模态感知研究、人机交互研究、具身智能算法开发等。科研客户的特点是预算来自纵向或横向课题对开放性和可编程性要求极高对售后响应也相当敏感。科研采购的订单额通常不大但胜在稳定。而且科研客户的背书效应对人形机器人公司的后续融资和商业化拓展很有价值。很多机器人公司愿意用较低价格甚至免费提供设备给顶级实验室换取学术声誉和人才输送渠道。3.4 地方政府与产业园区买的是“产业名片”地方政府和产业园区也是重要买家。采购形式包括展厅展示、公共测试平台设备、示范应用项目采购。这类采购更看重“科技感”和“展示效果”对机器人能否真正完成复杂任务要求不高但对外观、稳定性、讲解演示流畅度有较高要求。从行业健康度来看政府订单有正面作用它为人形机器人公司提供了初期现金流支撑公司完善供应链和售后体系。但也要清醒看到政府订单很难长期维持一旦地方财政收紧或政策热点转移这类需求会快速回落。所以一家健康的人形机器人公司最终必须靠制造业订单和商业服务订单建立第二增长曲线。4. 技术边界为什么订单还没法大规模兑现即使有真实的客户需求人形机器人目前依然无法大规模交付原因集中在技术端。理解这些瓶颈才能对订单争议有更清醒的判断也才能在做技术选型时避开不切实际的预期。4.1 运动控制与稳定性双脚落地是最大的门槛双足行走一直以来都被看作人形机器人最难的技术点之一。虽然当前算法已经能让机器人在平地上稳定行走、上下斜坡、跨越障碍但面对真实工厂地面的油污、电线、坡度、台阶边缘双足机器人依然时不时会出现步态失稳。相比之下轮式底盘在室内场景更可靠但牺牲了跨越复杂地形的能力。从工程实践角度运动控制的难点还在于“摔倒后的恢复”。现在很多机器人可以演示高难度动作但一旦摔倒自动起身的成功率依然不够高。在工厂场景里一个机器人摔倒可能会砸到设备、伤到人员或者需要人员干预这会让自动化改造的价值大打折扣。4.2 灵巧手与抓取手比脚更难如果说双足是“腿的难题”那么灵巧手就是“手的难题”。人手有 20 多个自由度可以实现精细、柔顺的抓取。目前的灵巧手普遍提供 6 到 12 个自由度配合触觉传感器可以完成一些预设动作但泛化能力仍不足。同一个动作换一种物体形状、换一个光照条件可能就要重新调试。在制造业场景里很多工作看似简单——拿起一个零件、放上夹具、拧一颗螺丝——但对机械手来说每一个动作都涉及视觉定位、轨迹规划、力控反馈和容错处理。一台机械臂在结构化产线上可以做到 99.9% 的良率但人形机器人目前还很难在非结构化工位上达到同样水平。4.3 算法泛化与大模型能力演示很惊艳产线很脆弱人形机器人的“智能”来自 AI 大模型与运动控制的结合。当前比较成熟的应用方式是用视觉语言模型理解环境用大模型输出动作意图再用底层运动控制算法执行。然而大模型在开放世界里的表现和工业场景对稳定性的要求之间存在明显差距。在实验室里机器人可以通过几十次演示学会一个新任务在工厂里同样一个任务可能需要连续运行几千个小时不能出错。这就要求算法不仅“会做”还要“稳定地做”“超时地做”“异常时能自动回退”。当前的人形机器人算法在“演示成功率”上已经很高但在“产线节拍”“长时运行”“异常恢复”上还达不到工业级标准。4.4 续航与整机可靠性机器人也得吃饭睡觉人形机器人整机功耗通常在一千瓦以上电池续航普遍在 2 到 4 小时之间。这意味着一台机器人如果真要在工厂工作 8 小时需要中途换电或者充电而换电和充电都会打断产线节奏。同时减速器、电机、传感器在长期高频运行下的寿命指标目前公开数据也不够充分。更现实的约束是成本。当前一台人形机器人的整机售价普遍在几十万元人民币区间部分高端配置接近百万。这个价格意味着如果它不能替代至少两到三个工人的全年成本同时稳定运行两年以上ROI 就很难算过来。所以制造业客户目前的真实采购逻辑是“先买一两台验证再谈规模”。5. 产业链观察芯片、核心零部件与全志科技的信号意义5.1 人形机器人的芯片需求与产业热度最近“全志科技 人形机器人芯片”成为科技热议话题这背后其实透露出一个重要信号人形机器人产业链正在从“整机概念热”向“核心零部件热”扩散而芯片正是具身智能落地的关键底座。人形机器人需要的芯片不是单一的一颗 SoC而是由多类芯片构成的异构计算平台芯片类型作用典型场景主控 SoC应用处理器运行操作系统、AI 推理框架、上层应用人机交互、视觉语言模型推理运动控制芯片/MCU执行关节电机控制、力控算法、实时指令关节伺服、步态控制传感器信号处理芯片处理激光雷达、深度相机、IMU 数据环境感知、SLAM 建图电源管理芯片管理电池充放电、功率分配整机供电、节能控制通信芯片支持 Wi-Fi、5G、内部总线通信远程运维、多机协同全志科技本来就是国内智能应用处理器和模拟芯片领域的重要厂商产品覆盖智能硬件、车载、工业控制等多个市场。如果人形机器人芯片成为它新的增长方向这说明产业链已经把“主控算力”当做人形机器人成本下降和功能增强的关键突破口。5.2 芯片选型对开发者的实际意义对做机器人应用开发的团队来说芯片选型直接影响三件事开发效率、量产成本、算法迁移难度。开发效率芯片生态是否成熟SDK 是否齐全是否支持主流 AI 框架决定了团队从原型到量产需要投入多少人月。量产成本消费级芯片和工业级芯片价格差异很大但工业级芯片的可靠性、供货周期、温度范围更适合机器人长期运行。算法迁移难度如果芯片不支持某些算子或者 NPU 性能不足原本在大算力平台上训练好的模型到了机器人端侧可能跑不动。目前人形机器人主控芯片的主流路径包括NVIDIA 的 Jetson 系列算力强、生态好但功耗和成本偏高高通等手机芯片衍生平台能效比好以及国产 SoC 平台成本有优势生态还在成熟中。全志科技等国内芯片厂商进入人形机器人赛道对产业链的意义是降低整机 BOM 成本让更多中低端场景有可能实现商业化。5.3 核心零部件的成本结构从整机成本构成看人形机器人的核心零部件占比极高。业内通常认为减速器、伺服电机、控制器三大零部件合计占整机成本的比例可以超过 50%其中精密减速器谐波减速器、行星减速器是成本和技术壁垒最高的环节。此外传感器力觉、触觉、视觉的成本占比也在显著提升。这意味着人形机器人的降本路径主要不靠“省材料”而是靠“供应链国产化”和“规模效应”。当国产芯片、国产减速器、国产传感器的可靠性和性能逐步提升整机价格才有机会从几十万元级别降到十几万元甚至更低那时候才谈得上真正规模化进入工厂和商业场景。6. 开发者视角如何判断一款人形机器人值不值得接如果你正在评估人形机器人平台是做应用开发、算法研究还是企业自动化选型下面这套判断框架可以帮你少走弯路。这套框架的核心是不要被演示视频迷惑要回到“开发接口”“数据闭环”“售后体系”三个基本面。6.1 看开放接口是否完整人形机器人如果要做二次开发必须关注以下接口是否对外开放运动控制 API能否通过 ROS、ROS 2 或其他 SDK 下发目标位置、速度、关节力矩指令视觉感知接口能否实时获取深度相机、IMU、关节编码器的数据流AI 推理能力板载算力是否支持导入自定义模型还是只能运行厂商预装模型仿真环境是否提供与真实机器人一致的高保真仿真方便先在仿真里调试再部署到实机。如果一个平台只提供遥控器操作不支持编程接口那它本质上还是一个“高级遥控玩具”不是开发平台。做技术选型一定要先确认 SDK 文档、示例代码和社区支持力度。6.2 看数据闭环是否打通人形机器人最有价值的地方不只是“能走路能抓东西”而是“能在运行中产生数据并用数据反哺算法”。一个合格的平台应该具备数据采集能力能同步记录图像、点云、关节角度、力矩、电机电流和外部指令数据标注与存储能方便地对采集数据进行语义标注并按时间戳对齐模型训练与部署支持离线训练模型并快速部署到实机验证远程监控与 OTA 升级能远程查看设备状态支持算法热更新。没有数据闭环的人形机器人本质上是一台昂贵的自动化设备无法随使用时间变聪明。而具身智能的竞争最终拼的就是谁的数据闭环跑得最顺、数据质量最高。6.3 看售后与工程化支持人形机器人不是手机坏了不能直接换新。售后能力直接影响项目能否落地。要在签约前确认是否提供本地化技术支持团队响应时效是多少是否提供备机服务设备维修期间项目能否继续是否提供算法升级服务多久一次是否收费是否开放故障日志和自诊断工具方便团队自己做第一层排查。制造业客户尤其要重视这一点。一个机器人卡在产线上如果厂商 24 小时内无法响应整个自动化改造项目就会面临巨大压力。售后能力不是加分项而是必选项。7. 人形机器人常见技术疑问与排查思路在实际开发和使用人形机器人的过程中有几个高频问题值得单独说明。这些问题也是很多团队“买了样机之后发现跑不起来”的主要原因。问题现象可能原因排查方式解决方案机器人频繁摔倒或步态不稳控制器参数与地形不匹配或 IMU 标定不准检查 IMU 数据是否漂移查看关节力矩曲线重新标定 IMU调整步态参数降低速度先跑平路抓取成功率低同一个物体时好时坏视觉定位误差、光照变化、触觉传感器未校准对比图像识别输出的坐标与实际位置偏差校准相机外参增加多视角视觉或加装力控反馈电池续航明显低于标称值整机功耗高于预期或电源管理策略不合理查看各关节电流、主控芯片功耗、传感器功耗优化运动轨迹降低峰值电流调整主控功耗模式运行一段时间后关节异响或过热减速器润滑不足或电机过载查看电机温度和关节电流日志按厂商建议维护减速器限制关节峰值力矩仿真中运行正常实机上动作变形仿真模型与实机动力学参数不一致对比仿真和实机的关节角度、力矩曲线对仿真模型做动力学参数辨识引入域随机化无法接入自己的 AI 模型芯片 NPU 算子兼容性不足或 SDK 未开放查看 SDK 文档是否支持自定义模型推理转换模型格式或选择支持 PyTorch/TensorRT 的平台如果你第一次接触人形机器人开发建议遵循“先在仿真里跑、再在实机上跑”的原则不要在实机上直接调试高难动作。先把基础动作做稳定再逐步增加视觉感知和 AI 决策模块可以减少很多不必要的硬件损耗。8. 人形机器人的最佳实践与工程建议8.1 从轮式开始别一上来就做双足如果你的目标是开发上层应用不研究腿足控制本身建议优先选择带轮式底盘的人形机器人或者双足轮式混合方案。轮式方案在室内场景的稳定性和成本都更友好开发精力可以集中在抓取、感知和 AI 决策上。双足步行是令人兴奋的方向但也是硬件损耗和调试成本最高的方向除非你的核心目标就是研究腿足控制。8.2 建立数据采集规范从第一天开始很多团队买回人形机器人后第一反应是让它跑起来表演几个动作。更好的做法是第一天就建立数据采集规范。约定数据格式、存储路径、时间戳对齐方式、标注标准、版本管理方法。这就像写代码要开始就建好 Git 仓库一样后面做模型迭代会省非常多的时间。推荐的数据管理结构robot_data/ ├── yyyymmdd_task_name/ │ ├── rgb/ # 相机彩色图 │ ├── depth/ # 深度图 │ ├── pointcloud/ # 点云 │ ├── joint_states/ # 关节角度/力矩/速度 │ ├── imu/ # IMU 数据 │ ├── actions/ # 专家动作标签 │ └── metadata.json # 任务描述、传感器参数、备注8.3 仿真与实机结合不能偏废纯仿真会陷入“仿真里很完美实机上一团糟”纯实机会面临数据量不足、实验成本高、安全风险大的问题。更务实的路径是先搭建基座仿真环境比如基于 MuJoCo 或 Isaac Sim 的工具链在仿真里大规模生成数据、验证策略然后用真机做小规模精调。仿真环境要引入域随机化让模型在仿真里见过足够多样的物理参数变化提升迁移到实机后的鲁棒性。8.4 安全边界是硬约束人形机器人一旦进入真实场景安全就是第一优先级。工程上至少要做以下工作在机器人身上配置急停按钮且放在操作者容易触达的位置在软硬件层面都设置关节角度、速度、力矩的安全阈值部署安全围栏或激光雷达避障确保机器人在靠近人员时自动降速所有远程控制指令要经过权限校验禁止未授权访问每次运行前检查固件版本、传感器状态和电池电量并保留运行日志。如果要做自主决策还要考虑“机器人遇到无法处理的状况时如何安全停机并请求人工介入”。这比让机器人多走几步路重要得多。8.5 用 ROI 模型倒推需求边界对企业用户我强烈建议在采购决策前先做 ROI 测算。不要只看机器人能干多少活还要算总拥有成本硬件价格、运维成本、开发成本、停机风险、人员培训成本。比较务实的判断是如果机器人只能完成产线上 10% 的工位任务那大概率不划算如果能覆盖 30% 以上工位且单台成本低于两个工人一年的人工成本才值得真正试点。9. 总结人形机器人的确定性、不确定性与你的行动清单回到开头的问题80%订单是假的吗我的答案是如果“假订单”指的是“意向订单和演示订单占比极高”这句话在今天基本成立但这不意味着人形机器人是泡沫更不意味着这个方向不值得投入。它真正说明的是人形机器人正处于从“技术验证”到“场景验证”的关键转折期订单结构必然从大量意向单逐步转化为小批量验证单再到规模化采购单。真正确定的事情是制造业缺工、非结构化场景自动化需求、AI 大模型带来的具身智能能力增强这三个驱动力都是长期且真实的。人形机器人也许不会像智能手机一样指数级爆发但会在工厂、物流、商业服务的某些特定岗位上先跑通闭环然后逐步扩大覆盖范围。真正不确定的事情是哪一家整机厂商能活下来哪些传感器方案能成为标配双足还是轮式会成为室内主流芯片和核心零部件的成本下降速度能有多快。这些不确定性恰恰是开发者和工程师的机会——你现在进入这个领域积累的经验会在行业真正放量时变成稀缺能力。如果你想进入这个赛道建议从三件事开始第一先选一个具体的应用场景不要泛泛地“做人形机器人”。哪怕是“在仓库里搬运小件包裹”或“在车间里做外观检测”都比“做一个通用人形机器人”容易落地。第二选择一款开源或开放接口完整的人形机器人平台跑通一个“感知—决策—执行”的最小闭环产出一套自己的数据采集和模型迭代流程。第三关注产业链上游变化尤其是芯片、减速器、传感器和运控解决方案的迭代这决定了未来三年人形机器人整机的性能和价格走向。人形机器人是一个长周期赛道不适合抱着短期套利的心态入场但它值得有耐心的开发者和企业认真投入。那些现在掏钱的客户买的不是一台机器而是一个能跑通未来产线的可能性。而这个可能性正在一步步变成现实。