人形机器人已经能跳舞、打拳、踢球，但真正放进工厂，它面对的不是掌声，而是连续工作八小时、少出错、能算账。眼下最难跨过的，恰恰是这最后一毫米。
作者声明：该图片由AI生成
动作能学，稳定太难
在广西柳州的一处训练中心，训练员通过头显和控制器，教人形机器人分拣纸箱、包装面条、制作咖啡。
问题是，动作看似简单，却很难重复成功。新手训练员可能要尝试300次，才能得到一次可用动作；即便熟练者，成功率也并不高。物件的位置、光线、角度稍有变化，机器人就可能失手。
工厂更看重“别停”
流水线不关心机器人像不像人，更在意它能否稳定运行、效率够不够高、维护成本能不能接受。
汽车工厂里，工业机械臂早已负责焊接、搬运、装配等任务。它们虽然不如人形机器人灵活，却更便宜、更可靠，也更容易编程。公开信息显示，小米汽车工厂大量采用工业机器人，而人形机器人仍处在部分环节的训练和测试阶段。
产业跑得比需求快
全球去年出货约2万台人形机器人，中国厂商占约95%。中国今年的产能目标已超过10万台，地方政府、国企和产业园区也在采购设备、建设训练场、补贴工厂。
这套路径和早期电动车、光伏产业有些相似：先把供应链和产能堆起来，再通过竞争压低成本、筛出能活下来的企业。
不同在于，电动车和光伏进入规模化之前，产品和市场都已相对成熟；人形机器人的通用工作能力还没有跑通。产能、融资和展示活动很热，真实付费需求却还在起步阶段。
作者声明：该图片由AI生成
不是没用，而是先从窄场景开始
人形机器人并非完全找不到工作。药店拣货、仓储搬运、巡检等规则明确、环境稳定、重复度高的任务，已出现早期应用。
在这些场景里，机器不需要像人一样理解一切，只要持续把一件事做好。真正困难的是让它进入陌生、杂乱、随时变化的环境后，依旧能看得准、拿得稳、判断对。
数据才是下一道门槛
聊天机器人主要学习文字，人形机器人还得学习“看见之后怎么动手”。它需要大量真实世界的数据：不同光线下的物体、不同材质的触感、不同角度的抓取，以及一次次失败后的修正。
硬件可以快速降价，训练数据和可靠性却无法一夜补齐。未来两三年，行业大概率会经历一轮淘汰；留下来的公司，未必是舞台上最吸睛的，而是能让机器人在真实岗位上少出一次错、多干一小时活的那一家。