人形機器人進廠上班 效率與回報仍未過關

人形機器人開始走進工廠,作業速度卻仍落後熟練工人。能否提高效率、交出投資回報,將決定它們能否成為產線上的常駐員工
財聯社Marketwatch專欄
現代製造業車間里,一場關於「人」的替代正在悄然推進。隨著部分製造企業開始把人形機器人納入常態化生產流程,行業關注點也隨之從「能不能做」轉向「值不值得用」。這一轉變背後,既有用工結構變化帶來的現實壓力,也有具身智能技術迭代與數據積累的支撐。
從試點到上崗
隨著機器人技術日益成熟,部分製造場景已開始把人形機器人作為日常生產的員工。據預測,2026年國內人形機器人出貨量有望從2025年的約1.8萬台增至6.25萬台,而工業製造是切入的首選領域。汽車輪轂軸承龍頭企業兆豐股份(300695.SZ)與樂聚智能合作部署的車間內,15台「誇父」人形機器人已承擔常態化上料作業,經過一年磨合,累計運行約1,000小時,完成超過6萬件零件生產,作業成功率穩定在98%以上。
當前,人形機器人承接的崗位集中在上下料、搬運及分揀等環節,而汽車線束裝配、焊接、噴塗、打磨等強工藝環節預計還需8年以上才可能由人形機器人承擔。由此可見,現階段具備落地條件的均為偏弱工藝環節,其中柔性上下料的需求最為迫切。
一個由此產生的疑問是:既然固定機械臂節拍可達10秒,為何還要引入速度更慢的人形機器人?實際上,在中小企業及頻繁切換工序的產線中,傳統機械臂更換工具後無法直接適配,仍依賴大量人工上下料;涉及軟包等柔性材質處理時,普通機械臂也難以替代人工,而人形機器人部署更快、泛化性更好。同時,潛在的用工瓶頸正積極促進工廠培養人形機器人。
追趕工人速度
然而,人形機器人進廠並非即插即用,其還需要抓取穩定性、作業節拍與場景適配三個層面的成本磨合。以兆豐股份車間為例,15台機器人已適配15個工位、覆蓋10余種零件,可穩定抓取內徑80至120毫米的零件。但機器人剛進車間時手部無法穩定抓取零件,僅抓取訓練就做了約1.5萬次,反復調整力度和算法模型。
事實上,實驗室條件下將成功率做到95%以上並不困難,但車間地面存在油污,加之人員穿行與光照變化,團隊必須持續修正數據集並與自動化產線節拍對齊,才能將產線成功率穩定在98%以上。這表明真實環境的擾動因素是實驗室條件難以完全模擬的,產線數據具有不可替代性。
節拍是下一個待突破的關口。誇父機器人單次上料耗時35至40秒,而產線熟練工人僅需約15秒。目前機器人的準確度和平均無故障工作時間(MTBF)均已達標,下一步目標是將單件上料時間壓縮至與生產節拍相匹配的15秒。除此之外,兆豐股份還在探索跨時段的多技能包調度。該公司一條產線有26至28個工位,若讓機器人在非開工時間提前完成點位調校,每天可多出2至3小時生產時間,直接轉化為新增產能。
產線也是訓練場
人形機器人批量進廠除分擔產線工序外,另一重作用是獲取生產環境中的作業數據,正如高質量產線真機數據的稀缺是行業共性瓶頸。將車間收集的真機數據與仿真數據結合,部署到本體上微調,再將作業數據回流訓練模型,是機器人向高難度工藝進階的基礎。
仿真數據只能把模型訓到30至60分,訓練場真機數據能帶到80分左右,只有依靠包含油污、光照變化及異常擺放的產線回流數據,才能把模型成功率推向98%以上。然而。訓練通用具身基礎模型通常需要千萬小時級別的真機交互數據,而全球合規可用的同類數據僅約50萬小時。
從兆豐股份的車間實踐可以看出,人形機器人開始進入以節拍、成功率、投資回報為衡量標準的常態化階段。此外,今年以來資本市場對人形機器人整機本體及關節模組的投資明顯減少,資金正集中投向靈巧手、具身大模型、觸覺傳感器等靈巧操作領域。綜合來看,人形機器人要在工廠實現大範圍常態化部署,需在商業層面的投資回報率、工程層面的整機壽命週期、技術層面的作業節拍三個維度同時取得突破。
財聯社Marketwatch專欄提供有關中國各行業的洞察與分析。他們的聯絡方式:liujingyi@cls.cn
欲訂閱咏竹坊每周免費通訊,請點擊這裏