
小米汽车工厂总装车间里,两台人形机器人正跟随产线节拍忙碌。它们面对的不是标准化的金属结构件,而是大尺寸、柔性不规则的中控台侧盖板——这些内饰件姿态随机、抓取难度高,需要机器人自主调整姿态后放入对应料架格口。这是小米CyberOne 02近期完成的8小时作业挑战,也是通用人形机器人在真实产线环境中的一次“压力测试”。
中控台侧盖板排序属于汽车总装物流SPS排序供货工位,核心是按上线车型序列完成柔性物料的取放。与定点抓取标准件不同,这项工作同时检验机器人的全身运动能力、视觉感知抗干扰能力和力觉柔顺交互能力。视频记录显示,机器人在作业期间完成两次充电,下半程还出现了一次零件掉落——一台轮式机器人随即上前捡起,最终机器人以8小时5分钟的累计时长完成稳定作业。这一细节恰恰说明,当前验证的重点并非“零失误”,而是机器人在真实扰动下的持续运转与系统协同能力。
小米并非孤例。今年Figure 03在宝马美国工厂承担零部件拾取与排序物流,智元G2在龙旗科技南昌工厂按“早八晚七”作息独立完成MMI测试全链路作业。这些案例的共同点在于:机器人切入的都是传统工业机器人不擅长的非标准工位——需要感知、判断与一定柔性,而非固定轨迹的重复动作。2026年工博会上,傅利叶、优必选、宇树、乐聚等企业也集中展示了分拣、物流、装配等场景的探索,产业正从技术展示向实际应用验证过渡。
雷军对“是否有必要在工厂投入人形机器人”的回应值得玩味:“这是通用人形机器人,硬件不用改动,可以适应更多不同的岗位和场景。”换言之,厂商押注的不是某一工位的效率替代,而是同一硬件平台跨岗位迁移的可能性。当机器人能在不同工位间“换岗”而不需重新改造产线,其经济账才真正开始计算。从8小时作业验证到多厂商接力试水,人形机器人进工厂的故事,正从“能不能干”转向“划不划算”。








