问题：从“能动”到“能用”，人形机器人进工厂仍面临现实门槛 近期，小米披露旗下人形机器人已汽车制造场景参与工位作业，引发产业关注。不同于展示或实验性质的应用，汽车工厂对设备要求更严：需要在连续运行、复杂工况和多人机协作下，稳定满足节拍与质量标准。企业也坦言，现阶段机器人在真实环境中的动作仍显生涩，想真正融入生产体系，必须跨过从“可演示”到“可量产”的门槛。 原因：制造业用工结构变化与技术迭代，共同推动车间引入新型装备 一上，制造业正加快向数字化、柔性化升级，工厂对可扩展、可迁移的通用装备需求上升；另一方面，随着感知、控制和策略训练等能力持续进步，人形机器人开始具备部分工序执行重复操作的可能。以此次披露的工位为例，自攻螺母装配需要完成识别定位、精确对准以及压装或旋拧动作，同时兼顾速度与一致性。企业指出，装配过程中必须与定位销轴精准对齐，而内侧花键结构稳定性、工件公差以及环境扰动等因素都会放大误差，这些“细微不确定性”正是从实验室走向产线时最常遇到的难点。 影响：若能稳定达标，将为产线柔性与工序自动化带来增量空间 据企业披露，该机器人在有关测试中连续自主运行3小时后完成双侧同时安装任务，成功率达到90.2%，并满足最快76秒的生产节拍要求。业内人士认为，关键不在单次数据本身，而在于证明人形机器人在特定工序具备“接近产线节拍”的潜力。若后续在良品率、故障率、维护成本和系统协同上提升，人形机器人有望搬运、上料、装配辅助与巡检等环节逐步形成补位能力，为提升产线柔性、缓解特定岗位劳动强度提供新选择。同时，这类探索也会推动制造系统在标准化工装、数据采集和工位接口诸上补齐短板，带动“设备—工艺—管理”的协同升级。 对策：以生产指标为牵引，强化工程化验证与全链路协同 多位从业者指出，人形机器人在工厂落地的关键不只在单机智能水平，更在工程化与系统集成能力。其一，以产线指标为牵引，围绕节拍、良品率、连续运行时长和异常恢复能力建立严格验证体系，避免“实验室表现好、现场不稳定”。其二，推进工艺与设备联动优化，通过工装治具、定位方式、送料形态等改造降低不确定性，为稳定作业创造条件。其三，把安全与合规放在首位，在人机混行区域完善风险评估、隔离策略与应急机制，确保导入新装备不以增加现场风险为代价。其四，建立数据闭环，在真实工况中持续采集失败样本与环境扰动信息，用于策略迭代与维护预警，逐步提升稳定性和可维护性。 前景：从“试点工位”到“规模部署”，仍需跨越成本与可靠性两道关 雷军提出，未来5年或将有大量人形机器人进入小米工厂。业内认为，规模化落地取决于两点：一是可靠性能否达到工业级要求，包括长周期稳定运行、故障可预测以及快速恢复；二是全生命周期成本是否具备竞争力，覆盖采购、维护、备件、培训以及停线风险等因素。可以预期，短期内人形机器人更可能以“分工协作”的方式进入车间，先在相对标准、重复、可控的环节落地；中长期则有望随着零部件成熟、算法与工程经验积累，向更多装配与物流工序延伸。此外，谁能率先形成可复制的工位解决方案、完善的运维体系与供应链能力，谁就更可能在新一轮智能制造竞争中占据优势。
人形机器人从科研成果走向生产工具，意味着智能制造正在进入新的阶段。小米的实践显示，技术能力与产业场景的结合正在加速落地。未来——随着更多企业加入探索——人形机器人有望在制造业转型升级中发挥更大作用，为传统产业提供新的增量空间，也为人工智能的工程化应用提供更多可验证的样本。