文 | 舒泽品牌手记

人形机器人被送进工厂、门店和展厅以后，很容易被当成商业化信号。

过去两年，比亚迪、小鹏、优必选、宇树、智元、乐聚这些名字不断出现在车企产线、科研机构、地方项目和商业展厅里。机器人走路、搬运、分拣、导览，行业也越来越习惯用“B端落地”概括这些进展。

进场当然有价值。问题是，机器人走进一个场景，只说明它被允许试一试。它停机以后谁顶上，搬错物料谁返工，导购答错参数谁负责，调试两周还跑不稳时谁继续付工程师的钱，这些账算不清，商业化就还停在试点阶段。

比亚迪入局人形机器人，焦点不该只停在车企为什么下场。车企有供应链、有工厂、有工程团队，这些已经被讨论很多。更值得看的，是它手里有一套能把机器人失败吞进去、拆开、再喂回研发系统的流程。工厂、门店、工程师、质量体系、售后网络合在一起，才构成机器人早期最需要的东西：一个能长期试错的真实现场。

行业已经有足够多展示场景。稀缺的是那种愿意把机器放进真实流程里、陪它反复出错的客户。

“B端”这个词太粗。科研机构、数据采集中心、政府示范项目、展厅、4S店、仓库、工厂，都可以算B端，但它们买机器人的理由差得很远。

科研机构买的是研究对象，数据采集中心买的是未来模型的素材，展厅和导览场景买的是形象和互动，地方项目买的是产业符号。工厂最冷，它只问几件事：能不能稳定干活，能干多久，坏了多久能修好，换一个任务要调几天，停机损失谁承担。

把这些都装进“B端落地”里，商业化问题会被说浅。一个机器人被买走，距离成为劳动力还很远。意向订单、示范订单、科研教育订单、数据采集订单，都能支撑行业往前走，但它们和“在真实流程里稳定替代一部分人工”之间，还有很长一段距离。

宇树科技的数据能说明问题。公开报道里，2025年前三季度，它的人形机器人收入中，科研教育占73.60%，商业消费占17.39%，行业应用只有9.01%；在行业应用收入里，企业导览又占了相当比例，真正用于智能制造、智能巡检等明确工业场景的收入占比很低。

科研教育、数据采集、导览展示，都是早期市场的一部分。行业不能把这些收入都讲成“人形机器人正在上岗”。机器人站在展厅里，和机器人在产线里稳定工作，中间隔着一笔工程账。

采购合同上写的是本体价格，工厂后面还会继续收到几张看不见的账单。有报道提到，2026年一季度人形机器人单台成本已经降到10万元左右，但落到具体工艺段以后，总体拥有成本会被运营、维保、调试和场景适配拉高，能进工厂“打工”的实际总成本可能接近50万到60万元。

工厂不会只问这台机器人多少钱。它会问这个试点工位需要几个工程师陪，多久能独立运行，原来的工人要不要继续保留，备件谁备，返厂期间谁顶上，停机半小时会影响几个后续工序。采购价最容易算，难算的是机器人还没稳定前，它持续占用多少工程资源。

一个试点工位如果需要机器人公司工程师驻场两周，产线工程师配合改流程，末端夹具重新适配，班组还要保留原有人力兜底，那这台机器人在账上就不再是一台10万元设备。它会变成一个持续消耗管理注意力和工程资源的小项目。人还撤不掉，机器又要养，降本就会变成成本叠加。

很多机器人订单看起来是收入，后面可能跟着一笔服务负债。机器卖出去以后，工程师要驻场，任务要拆，夹具要改，模型要调，故障要修。客户付的是一台机器的钱，机器人公司后面花的是一整段工程服务的钱。订单越大，任务边界越不清，后面的服务负债也越大。

这和传统工业机器人差别很大。工业机械臂也会坏，也要维修，也会造成停机。可它大多绑定固定工位、固定动作、固定节拍。焊接、喷涂、码垛、搬运这些任务，被定义得足够清楚，失败模式相对可预期。合同里可以谈备件、维修响应、验收标准、停机责任。行业花了很多年，才把这些边界慢慢磨出来。

人形机器人经常被期待去处理那些“不够标准、又有点像人能处理”的边角任务。今天搬物料，明天做导览，后天巡检，再过几天尝试拧螺丝。换了物体，换了光线，换了地面，换了人流密度，原本看起来会做的动作，可能又变成新问题。

出了问题以后，表层争议是“谁修”。更难的，是现场有时根本说不清这算不算故障。

电机坏了，关节坏了，传感器坏了，这些还好谈。另一类情况最难定责：机器人没有坏，只是做了一个不在预期里的动作。它把物料放到了相邻位置，没撞人，也没报警；它识别到了异常，但把异常等级判低了；它在门店导购时没有胡说，只是把一个参数说得过于确定；它在巡检时没有漏检，只是把某个变化当成正常波动。

这种情况很难写进维修手册。它既不属于典型硬件故障，也很难算人为误操作；现场更常见的说法，是任务漂移。工程师会说模型要继续优化，本体厂商会说场景数据不足，集成商会说流程定义不清，场景方会说自己买的是机器人，不是一个长期实验项目。任务漂移这笔责任账，可能比停机维修更难算。

很多场景现在看起来需求很强。养老缺人，餐饮缺人，医院缺服务，物业缺巡检，商场缺导购。需求强烈，不代表早期适合落地，因为这些场景的失败成本很容易外溢。

工厂里测试一个搬运机器人，搬错一箱零件，损失可以留在内部。工程团队可以复盘，产线可以调整，机器人供应商可以继续驻场。医院里答错一个用药指引，养老院里摔倒一个老人，餐饮店里把热汤送错位置，公共空间里挡住行人，这些失败会直接碰到安全、责任和舆论。

早期占优势的企业，往往未必最缺机器人。它们真正强的地方，是能把失败留在内部消化。比亚迪、小鹏、特斯拉这类公司被反复提起，不单因为它们有钱、有工厂、有供应链。它们有能力把机器人失败后的问题拆回自己的工程系统里。机器人搬错、识别失败、停机、调参、换夹具、换工位，至少可以在一个相对封闭的体系里反复试。小工厂也缺人，也想降本，但它未必能承受一个还在学习的机器每天折腾自己的流程。

“自用场景”看起来不性感，却很关键。比亚迪如果真在自己的工厂、门店和供应链里长期测试机器人，它得到的就不只是一个应用案例。一个错误动作留下来，一次维修留下来，一个工位适配失败留下来，这些东西都能进入下一轮设计。对纯机器人公司来说，这种真实现场很难获得。客户愿意试一次，不代表愿意陪你试半年。

乐聚团队进工厂调试的细节，比很多发布会更能说明商业化到底长什么样。公开报道里提到，乐聚技术团队深入70多家工厂实地调研，跟随工人记录每一道工序，系统梳理了数百个场景的SOP。真正进场以后，机器人最初的作业测试时间只有20分钟，而且很不稳定。团队在工厂里蹲点，视觉模型迭代了5个版本，采集了超过3万张现场照片，核心算法迭代了几十次。

这类故事的价值在于，工程团队蹲在现场，一次次把机器的失败过一遍。

工人怎么拿，怎么放，怎么绕开小障碍，怎么判断异常，这些过去由人顺手补掉的细节，都要被拆成机器人能理解的流程。一次失败要记录，一次误判要复盘，一个夹具不适配要改，一个动作慢了要重新调。等机器人终于能连续工作更久，背后通常是一堆脏活被消化掉了。

人形机器人行业现在喜欢说“具身智能”，说“通用能力”，说“未来入口”。这些词没有错，但客户最后会把它翻译成很土的几句话：今天能不能干，能干几个小时，坏了谁来，换任务要多久，出了事故谁签字。

这几句话回答不了，场景就很难从试点变成订单，从订单变成复购，从复购变成稳定的商业化。

优必选的一些公开材料里提到过搬运、分拣效率、单任务成功率这些进展。类似信息对行业当然是好事。可换到工厂的账本里，还要继续追问：它是在什么环境下测出来的，任务序列有多长，换物料以后能不能保持，是否需要工程师在旁边调，异常情况怎么恢复。单一任务跑得好，只是第一步；一个班次、一条线、一个月的稳定运行，才是客户愿意持续付费的理由。

“进厂打工”这个词有时会把问题说轻。人打工，可以临时判断、沟通、绕开小障碍，也会在不明确的时候问一句。机器人打工，场景方要先把很多过去默认由人处理的灰区写出来。这个盒子放哪里，这个零件卡住怎么办，这个托盘颜色变了还能不能识别，地面有水渍要不要停，旁边有人经过要等多久。很多工厂流程本来并没有写得这么细，因为人能补位。机器人进来以后，这些没写下来的东西都会变成调试成本。

有些公司以为自己买的是机器人，最后发现自己先买了一次流程体检。

这也不全是坏事。流程被重新拆开，长期看可能提高标准化程度，也可能逼企业把一些边角岗位重新定义清楚。短期内，这些工作都要有人做。机器人公司做，场景方做，集成商做，还是三方一起做，决定了项目到底是产品销售，还是工程服务。

很多人形机器人订单，短期内更像工程项目。一个客户如果只买本体，很快会发现任务落不下去。一个机器人公司如果只卖本体，也很快会发现收入覆盖不了后续折腾。真正能跑通的，很可能是“本体+解决方案+驻场服务+维保”的混合模式。只是这样一来，毛利、交付周期、复制效率都会变得没那么好看。

很多订单的叙事大于任务本身。新闻里会写“亿元订单”“进军工厂”“进入某大型客户”，但读者很少能看到这批机器人到底负责什么任务，每天干多久，成功率怎么验收，后续维修谁负责。21世纪经济报道曾提醒，人形机器人亿元级订单背后，采购方真实性、意向订单转化、产能和应用场景披露不足，都会影响订单含金量。

如果一个订单只证明机器人出库，却不能证明它在哪条流程里稳定跑了多久，那它更像融资材料，不像商业化成绩单。商业化不怕任务小。先搬一个箱子，先巡一段路，先拧一种螺丝，先回答一种问题，都可以。怕的是任务说得很大，现场却没有清晰验收。

B端客户并不傻。一个机器人能不能稳定干活，几天就能看出来。客户愿意试，是因为它相信未来；客户愿意继续付费，是因为它看见今天的账能慢慢算平。

人形机器人第一批真实客户，未必最需要机器人。它们更像一批能承受机器人不够好的企业。很多新技术早期都靠这种客户往前走。他们未必需求最强，却有空间给错误、给数据、给反馈，也愿意拿出一部分预算陪技术长大。等失败成本被反复压低，技术才有机会走向更广的市场。

比亚迪们的价值也在这里。它们能提供一种承接失败的容器。工厂、供应链、工程师、质量体系、维修体系、管理流程，会把机器人的错误吞进去，拆开，再喂回研发系统。

纯机器人公司最难的地方也在这里。它可以做出一个好看的本体，可以拿到融资，可以签下订单，也可以在展会上演示一套动作。可只要没有足够多愿意长期陪它折腾的真实现场，它就很难知道机器到底差在哪里。实验室里的错误和工厂里的错误不是一回事。展厅里的互动和客户现场的稳定运行，也不是一回事。

客户最终不会为“像人”付太久的钱。客户会为稳定、可用、可维护、责任清楚付钱。

这里没有一个干净的分配办法。机器人早期如果没人愿意试，行业走不出来；可如果失败成本完全推给场景方，客户也很快会失去耐心。机器人公司需要客户的真实场景，客户需要机器人公司的持续服务，集成商可能要承担中间的大量脏活，保险和合同也会慢慢被卷进来。谁多付一点，谁少承担一点，不可能靠一句“生态共创”解决。

早期合作至少要把三件事写清楚：什么叫任务成功，什么叫设备故障，什么叫场景不适配。

任务成功要有验收口径。一次、一天、一周、一个月，标准完全不同。设备故障要有响应和责任。关节坏了、传感器坏了、系统停了，谁修、多久修、备件谁备，要提前说清。场景不适配也要被承认。有些任务不值得硬上机器人，有些流程本来就不清楚，有些工位改造成本会吞掉替代收益。

这三件事不写清楚，项目一出问题，各方都会觉得自己没有错。机器人公司会说客户现场太复杂，场景方会说设备没有达到承诺，集成商会说需求定义一直在变。最后谁都没有说谎，项目照样很难继续。

人形机器人商业化现在还没到“卖标准品”的阶段。它更像一段很长的工程关系。机器人公司带着机器进场，场景方拿出一小块流程让它试，双方一起看它哪里摔、哪里卡、哪里误判、哪里不值得继续做。每一次失败都要有人记账，每一次修复都要有人付钱。

行业现在最容易把进场当成商业化，把订单当成收入质量，把试点当成可复制能力。真正难的地方没有那么热闹：机器人进场以后，谁陪它改任务，谁承担停机，谁养维修队，谁为责任边界签字。

没人愿意吞下这几笔账，机器人就只能继续在展厅里显得很接近未来。