此外，按照WRC 主论坛的《2026 人形机器人产业发展报告》中提供的数据，今年上半年中国人形机器人出货量已经超过 4 万台，在全球占比 97%。

从大会上的表现和出货数量来看，是不是说明机器人的应用已经真的开始普及了呢？

先说清楚什么叫"商用"

判断一个产品是否已经到了商用阶段，需要看三个数字。

第一是单场景部署量。今年行业里经常被拿来证明机器人已经规模化落地的案例，是灵御智能给京东七鲜超市太原门店交付的机器人，据称目前单月量产 是100 台，可以常态化进店作业，并且计划扩展到北京和天津。这个案例之所以被反复引用，是因为它意味着从供应链、产线到终端部署的整条链路能真正跑通了。

虽然目前业内并没有对单场景部署量需要达到多少才算满足商用门槛，但百台数量，明显还是不足，何况目前绝大多数场景还停在个位数到数十台的试点阶段。

第二是连续运行时长。展台上的演示，机器人只要能做几分钟的漂亮动作就能让人眼前一亮，到落实到真实的商用环节，就要看能不能不间断地稳定运行下去了。星海图在 WRC 发布的轮臂人形机器人 Nexo，标称续航 8 小时、可支撑 7×24 小时连续作业，靠快充、换电、自主回充三种补能方式轮替。需要注意的是，要靠轮替才能满足全天运行要求，这说明连续运行本身离不开整套热管理、电源和故障恢复方案的兜底。

第三是回本周期。致同咨询在调研中观察到，这类项目的回本周期普遍要到 18 个月上下才进入可评估区间。买一台容易，买回去能真正覆盖成本并创造价值才能叫商用。目前机器人的售价，能让用户有信心快速回本吗？

综合以上三个现状来看，目前4 万台的机器人出货量只能说是开始能用了，至于是不是已经可以真正商用，还需要仔细掂量掂量。

真要上岗，得过五道坎，少一道都不行

如果把单场景部署量、连续运行时长和回本周期继续拆分，机器人真正大规模上岗，实现商用，得过这五道坎：可靠性、场景结构化、回本周期、数据积累和标准评测。

第一道坎：可靠性。展台上的干冰和液氮意味着什么？

第一道坎是可靠性。算法达标只是入场券，工程化才是商用的生死线。

大会现场有个细节很能说明问题，不少展台给机器人配了干冰和液氮用来降温，因为高负载运转下本体容易过热，甚至发生热失控。一台需要靠干冰续命才能演示完的机器人，显然是不能在无人车间里自己跑完整个流程的。

更深的卡点在"最后几毫米"。宇树科技王兴兴在WRC论坛上提到，很多动作演示时能过、量产时过不了，难就难在收尾那一点精度。演示可以挑成功率最高的一次播，量产要对每一台、每一次负责。

逐际动力赵同阳说得更直白，成功率到 99%，意味着走 100 次还是可能有 1 次回不来。对展演来说这无所谓，但对要在真实环境里作业的机器人，那 1 次可能就是一次事故。

智元机器人程昊的判断是，真正还没收敛的是具身大脑本身。本体造得出、动作能演示，但"大脑"在开放工况下还是不够稳定，这才是机器人能否迈过可靠性这道槛的根源。

也有好消息，乐聚等企业的现场经验是，同一套方案从首次部署到稳定跑完一班，周期正从过去的数月压缩到数小时。这恰是可靠性爬坡的真实写照，比某次演示多惊艳更有参考价值，因为它衡量的是从"偶尔成功"到"每次都成"的距离。

机器人商用的第一个前提是可靠性，就目前来看，虽然也取得了很多进展，但离真正想要的结果，还差了一大截。

第二道坎：场景结构化。秀场？还是仓库和厂区？

第二道槛是场景结构化。和很多人想的不一样，可能最先跑通商用的，往往不是最聪明的机器人，而是最无聊的场景。

物流分拣、拆码垛、厂区巡检，这些场景环境相对固定、动作可枚举、容错空间大，反而先跑通了。极智嘉联合创始人陈曦看得很透彻，"效率是 1，泛化是后面的 0"，没有效率打底的泛化，只是演示品，不是生产力。

一个对照就很能说明问题了。在WRC 展台上，有机器人叠一件短袖衬衫要耗上两分钟，有的叠完一件用了三分多钟，中途折错还得拎起来重来；而这还发生在衣物平整、光线充足、四周无杂物的"考场"里。真到了杂乱堆叠的现场，效率还要再打折。如果不能先把效率做实，后续也就不用再提了。

另一个信号来自封闭、可枚举场景的实战。京东与星海图联合推出的全自主机器人前置仓，从商品抓取、拣选、放置到最难打包的环节全程无人工干预。四足巡检机器人也是少数从试点走到复购的品类，说明客户愿意为它持续买单。这些都印证了一件事，先赢的，是能用数学把环境描述清楚的那些可结构化的场景。

反过来看的话，我们普通人最想要的家庭管家，可能短时期内要实现商用还有很大难度。前面提到的叠衣服那个例子就充分说明了这一点，环境一乱、任务一开放，连"几分钟一件"的效率都保不住。场景越开放、越不可枚举，机器人要应对的可能状况就越多，商用的路也就越长。

找到结构化的场景，这也是机器人要想商用需要迈过的第二道坎，找不到的话，那就得让机器人的大脑更聪明，能像真正的人类那样，应对各式各样的挑战和变化。

剩下的三道坎：回本、数据、标准

这三道坎隐藏在背后，不是业内的人比较难意识到，但却既是商用背后必须迈过的坎，也是支撑机器人商用的地基。

先说回本，它主要卡在成本和规模上。普华永道在《2026 智能机器人产业发展白皮书》里这样测算过，2025 年人形机器人单台成本还在 20 万到 50 万元，而制造业固定资产投资普遍要求约两年回本，照这个标准，售价得压到十万元级别、效率还得提到人工作业水平，这对用户而言才谈得上划算。美国银行预测的几种可能中，最乐观的也要到 2030—2035 年单台才有望降至 10 万到 12 万元，这还没算折旧、能耗、维护、后训练这些隐性开支。

当前大多数场景下只有几十台规模，要想摊薄研发和运维成本，还远远不足；而18 个月回本线是分水岭，只有低于这个周期客户才敢复购。

再说数据，数据这道坎主要卡在真实性和数量级上。仿真和世界模型能合成大量训练数据，缓解 demo 阶段对数据的饥渴，但真正让机器人变聪明、能泛化的，是在真实部署中采集、再回流到模型里的那部分数据。这道坎如果不靠真实场景喂养，是很难走通的。但真实场景下的部署又需要机器人能实现商用，这似乎又是一个经典的现有蛋还是现有鸡的问题。

据称京东正沿着"通用底座加垂直模型"的架构推进真实场景部署，提出 2028 年实现百万级机器人部署的目标。

最后的标准这道坎，卡在不统一上。现在各家都说自己是第一，因为评判标准还四分五裂，没有形成统一的能力坐标系。当然标准的问题也在逐步得到重视，业内也在尝试解决。第二届世界人形机器人运动会闭幕式上，发布了全球首个世界级人形机器人运动会全量数据集，包括2500 小时真实场景操作数据，覆盖工业、家庭等 12 个应用场景，含 44 项作业、百余项技能、万余项精细化任务，由赛迪研究院联合智元、银河通用、星海图等头部企业共同采集，免费向行业开放。更早的 6 月 1 日，工信部批准的首份行业标准《YD/T 6770—2026 具身智能基准测试方法》正式实施，统一了仿真和真实环境下的测试框架，并配套"一机一码"的全生命周期管理规范。

中国信通院魏凯对此评价道：可信的评测体系，是连接技术研究与大规模产业应用的桥梁和标尺。有了数据集和标准，行业才第一次有了可比较的基准和共识。

关键节点：2028 和 2030

对应机器人商用必须迈过的五道坎，外界对进度其实有一张大致一致的时间表。

量级上，主流机构把爬坡曲线画得很陡。摩根士丹利预计 2026 年中国人形机器人出货量约 5 万台、到 2030 年达 44.6 万台、年均复合增速超过 100%；高盛预计 2026 年全球出货 5.1 万台、到 2035 年达 140 万台；IDC 则判断 2030 年全球突破 51 万台。可以看到，大家都认为机器人未来发展的曲线是向上的，分歧只在快慢上。

更值得看的是机构给到的临界点判断。多家把 2028 年定为规模化落地的关键门槛：MIR 睿工业判断 2028 年后商业模式基本成熟、场景可批量复制；知行元界蓝皮书同样将 2028 年视为规模化落地的分水岭，前提是核心零部件国产化、量产良率上来、整机均价回落到 10 万至 30 万元区间。至于家庭这类开放场景，MIR 睿工业与中研普华的预测都一致地推到 2030 年之后。

对于时间线的预估本质上是对五道坎被逐一跨过的乐观估计。一旦某一道卡住，节点就会往后挪。至于是否会提前，也并非没有可能。摩根士丹利提醒行业"洗牌期"临近，千寻智能创始人韩峰涛更直接说 2026 年的机器人就像 2023 年的大模型赛道。

资本的热度虽然不能代替产业把门槛跨过去，但会激发更多的跨过门槛的热情，希望用不了多久，我们能看到这样的画面：

清晨六点，家里的服务机器人已经拖完地、准备好早餐，顺手把昨晚换下的外套洗干净叠好放进衣柜。孩子上学前，它提醒“今天有体育课”，把水杯塞进书包侧袋。

产线上，上一批货刚码好，下一班订单已经通过云端下发。机器人根据实时排程自动切换夹具、调整姿态，全程零卡顿零误抓零报警。

药房里的机器人按处方配齐药品，由另一台机器人送到护士站；病理切片由微型机器人载入全自动检测舱，分析结果已经实时同步到医生的平板和病房终端。

傍晚，工程师收拾东西准备下班，智能眼镜弹出一条推送：今天全国在线机器人累计完成一百亿次真实作业，故障率下降了1%。