马斯克说透了：人形机器人进工厂，第一份工作不是替人干活

先说一个可能让很多老板不舒服的结论：

今年这些进厂打工的人形机器人，很多还不是来替代工人的。它们动作慢，效率低，遇到复杂场景会卡壳，离“一个机器人顶一个熟练工”还很远。

但这不代表它们没价值。

恰恰相反，它们正在做一件更贵的事：在真实工厂里收集数据，学习人到底怎么干活。

很多中文报道喜欢盯着一个点：效率只有人工三成，老板是不是被骗了？这个角度没错，但只看到了今天的工资账，没有看到明天的数据账。

特斯拉2025年Q4电话会上，马斯克谈到Optimus时，说得很直白。核心意思是：Optimus还处在研发阶段，在工厂里还不是实质性生产使用，更多是让机器人学习。

这句话才是关键。

人形机器人进厂，第一份工作可能不是“干活”，而是“上学”。

为什么机器人一定要去真实工厂学

Stanford HAI 2026年的人工智能指数里，有一组数字很刺眼。

在仿真环境里，机器人操作任务成功率可以做到89.4%。

到了真实家庭任务里，成功率只有12%。

这就是机器人的“现实鸿沟”。

实验室里，光线是稳定的，地面是干净的，物体位置是提前设计好的。真实工厂不是这样。零件会反光，布料会变形，纸箱会塌，地面会有灰，工人会临时把工具放错位置。

大模型可以吃互联网上的文字、图片、视频长大。

但机器人不行。

机器人要学会“拿起一块软布”“把一个零件放进卡扣”“用多大力气不压坏物体”，必须回到物理世界里碰、抓、推、试错。

所以，人形机器人最缺的不是宣传片，也不是发布会，而是真实场景数据。

谁先进工厂，谁就先拿到这种数据。

这背后是制造业的老规律：学习曲线

这里要讲一个简单但很重要的概念：Wright's Law，赖特定律，也叫学习曲线。

1936年，航空工程师西奥多·赖特研究飞机制造时发现一个现象：累计产量越高，单位成本越低。因为做得越多，工艺越熟，错误越少，供应链也越稳定。

说白了，就是四个字：越做越会。

这个规律后来在太阳能电池、锂电池、芯片制造里都能看到影子。

人形机器人现在也在走这条路。只不过它的“学习曲线”不只发生在工厂车间，还发生在数据里。

今天一个机器人动作慢，明天它会把失败动作上传，模型更新，算法改进，机械结构也跟着调整。下一批机器人就可能更稳、更快、更便宜。

所以，早期那些效率只有三成的机器人，并不只是低效员工。

它们更像第一批试飞飞机。贵，不稳定，但每一次失败都在给下一代机器铺路。

中国工厂为什么愿意试

中国这轮人形机器人进厂，不是空喊口号。

一财报道里，比亚迪高管确认，比亚迪确实在研发人形机器人。但外界流传的“2026年部署2万台”“尧舜禹”等说法，目前我能查到的公开可靠报道里，并没有被比亚迪正式确认，所以不能当成确定事实写死。

能确定的是，汽车、服装、物流这些行业正在试。

比如杰克科技和浙江人形机器人创新中心签约，计划为服装场景定制2000台人形机器人。服装行业为什么难？因为布料不是铁块，它会皱，会滑，会软塌塌。机器手要拿布，还要对齐，这比搬一个规则零件难得多。

报道里提到，相关机器人可以在10秒内完成单步操作，多层布料对齐误差控制在毫米级。

这类场景的意义，不只是“省几个工人”。

更重要的是，机器人一旦能在布料这种复杂物体上练出来，未来去做包装、分拣、装配，能力会迁移。

工厂给机器人提供的不是一份工作，而是一座高强度训练场。

Figure在宝马工厂证明了什么

美国Figure AI在宝马工厂的案例，也很能说明问题。

Figure官方披露，F.02机器人在宝马南卡工厂部署11个月，运行超过1250小时，处理超过9万件零件，参与了3万多辆BMW X3的生产流程。

这里要注意一个细节：这不是说机器人独立造了3万辆车，而是说它参与了这些车辆相关的生产环节。

真正值得看的是另一点。

Figure后来总结说，长时间真实运行暴露了很多问题，比如前臂是硬件故障高发点，散热、稳定性、线束、维护，都需要重新设计。

这就是工厂的价值。

实验室能告诉你机器人“能不能完成动作”。

工厂会告诉你机器人“能不能每天干、连续干、坏了怎么修、哪里最先磨损”。

这才是从演示走向产品的关键一步。

宇树的优势，不只是便宜

国内公司里，宇树很值得观察。

公开报道显示，宇树2025年实际出货的人形机器人超过5500台。它的G1官方起售价是1.35万美元，比很多海外人形机器人低一个数量级。

但这里也要冷静一点：这些机器人不是都在工厂里替人干活，很多用于科研、教育、展示、数据采集和模型训练。

可即便如此，出货量本身依然重要。

因为人形机器人这个行业，早期比的不只是单机性能，还比真实部署数量。机器越多，反馈越多，零部件迭代越快，算法见过的失败案例也越多。

便宜不是终点。

便宜带来更多部署，更多部署带来更多数据，更多数据反过来让机器人更好用。

这条飞轮一旦转起来，就很难追。

经济账会越来越现实

当然，最后还是要回到钱。

IDTechEx预测，人形机器人平均售价可能从2024年的约11.47万美元，下降到2030年的约3.7万美元。高盛也把2035年人形机器人市场规模预测上调到380亿美元。

这些预测不一定百分百准确，但方向很清楚：价格会往下走，场景会越来越窄地先跑出来。

最先落地的，不会是“万能机器人”。

更可能是“只干一个工位、一个动作、一个班次”的机器人。

比如搬运、分拣、上下料、质检、拧紧、取放。

这听起来不酷，但最赚钱。

工厂不需要机器人先学会跳舞，也不需要它先陪人聊天。工厂需要它在一个固定环节里，少出错，多干活，坏了能修，成本能算清。

真正的变化，是工厂变成了机器人学校

所以，人形机器人进厂这件事，不要只看今天的效率三成。

三成效率的机器人，像一个刚入职的新员工。它慢，它笨，它要师傅带。

但如果它每天都在真实工厂里学，每一次失败都能被记录，每一批机器人都比上一批更便宜、更稳定、更耐用，那它就不是普通员工。

它是一个会复制经验的系统。

这才是马斯克那句话的重点。

Optimus进工厂，主要不是为了今天多生产几个零件，而是为了学习。

中国工厂现在愿意试人形机器人，也不只是为了省当下那点人工费，而是为了抢先拿到真实场景数据、工艺经验和供应链位置。

工厂正在变成机器人最贵的学校。

谁先交学费，谁先拿数据。

谁先跑完学习曲线，谁就可能先看到真正便宜、稳定、能干活的人形机器人。

现在看，它们还是学生。

但别忘了，工业史上很多大变化，都是从一个“不划算的学生”开始的