工业制造 / 产线装配（汽车 · 3C） · 场景档案

证据分级：✅=库内数据/研报/播客已核实 · 🧭=Talos 判断/综合 · ⬜=待补证据。反 YY：未核实的明确标注，不拍脑袋。

真实痛点（谁 · 为什么痛 · 多痛）

汽车和 3C 工厂的产线装配是人形机器人当前最密集落地尝试的场景之一，但背后的需求逻辑并不单一。

汽车厂的痛点来自两端：一是「人体工学不友好」的工位——弯腰钻底盘上螺丝、头顶举重装车门内饰——伤病率高、招工难；二是柔性换型需求，燃油→电动转型加速后，同一工厂要在数年内混产多款车型，固定自动化产线的改造成本极高。🧭 车厂自己最懂这个账，主动找方案信号强。

3C 工厂（手机/电脑/平板）的痛点不同：SKU 多、换代快（18 个月一代），产品精度要求高（PCB 装配容差在毫米以下），现有刚性自动化设备跟不上换代节奏。🧭 真实需求，但对机器人灵巧度要求比汽车厂更苛刻。

两类场景共同的底层痛点：重复性高但又没高到值得整套定制自动化的「中间地带」工位——人来做嫌贵，专机来做嫌改造成本高，恰好是通用人形的切入口。

ROI 账（成不成立）

🧭 工厂场景的 ROI 逻辑在理论上是成立的：

省人力：装配工位人力成本（含工伤、招聘、培训翻滚）在成熟制造基地是持续上涨曲线，尤其中国沿海和欧美工厂。
柔性溢价：能在多款车型间切换的通用机器人，为车厂节省专机改造成本——🧭 这个溢价是否足以支撑人形 TCO，当前没有公开核实的对比数字。
24h 连续运行：✅ 优必选披露 Walker S2 效率达人工 45%（MERICS 2026-05 报道），意味着当前 pilot 里机器人效率尚未追平人工。
⬜ 汽车/3C 工厂场景下人形机器人的实际回本周期，尚无公开核实数字，不拍。

ROI 成立的前提：选定「对灵巧度要求中等、重复性够高」的工位，机器人节拍速度需达到人工的相当比例，且 TCO（租赁或购置+维护）能摊薄到可接受水平。当前证据指向：车厂正在以「战略投资+pilot」逻辑入场，而非「算清 ROI 再付款」。

需求信号（有没有人主动找方案）

✅ 信号明确且来自多个独立信源：

✅ 奔驰（Mercedes-Benz）：2024-03 启动 Apptronik Apollo 制造 pilot；2025-03 正式入股 Apptronik（Reuters 报道），将合作方升级为战略投资者——这是车厂「主动找方案」的最强信号之一。
✅ BMW：与 Figure AI 合作，Figure 02 在 Spartanburg 工厂 11 个月部署中参与生产 30,000 台车（官方披露 2025-11-19）。
✅ 丰田 TMMC：2026-02 与 Agility 签署商业协议，首批 7 台 Digit 在 RAV4 工厂卸载零部件 tote。
✅ 优必选已披露客户含 BYD 比亚迪、蔚来 NIO、极氪 Zeekr、一汽大众（青岛）、东风柳汽——中国车厂侧需求信号同样强（来源：MERICS 2026-05 + 21 经济网 2026-01）。
✅ Jabil（全球 3C 代工巨头）：2025-02 与 Apptronik 达成 pilot+制造合作，Apollo 执行 inspection、sorting、kitting、lineside delivery、sub-assembly——3C 代工侧有真实合作，但处于受控区域 pilot 阶段。
✅ Schaeffler（汽车供应商）：2024-11 入股 Agility 并承诺至 2030 年在全球 100 家工厂部署——战略意图明确，短期落地节奏仍待验证。

🧭 综合判断：汽车厂是当前需求信号最集中的人形落地场，3C 代工次之。但需求信号≠付费规模化，两者之间仍有工程验证的鸿沟。

行业级难题（核心坑）🧭

力控精度（最硬）：装配工位对力反馈的要求远超搬运——上螺丝需要精确扭矩、插接头需要感知配合阻力、压装需要力位混合控制。现有人形的力控体系仍处于早期，🧭 绝大多数 demo 场景选的是「力控要求相对低」的工位（搬运 tote、上下料），真正高精度装配尚无规模验证。
节拍速度 × 可靠性：工厂产线有严格的节拍要求（Takt Time），机器人需在规定时间内完成动作且几乎不停机。✅ 优必选披露 Walker S2 当前效率约达人工 45%，离产线节拍要求仍有差距。⬜ 其他公司在真实装配工位的节拍达成率未公开。
长尾工位多样性：汽车工厂有数百乃至上千个工位，每个动作序列各异。通用人形要「不改产线就能干」，必须能快速泛化到新工位。🧭 这是当前「学习效率」的核心难题——单工位验证容易，批量泛化难。
安全认证 + 人机协作规范：工厂安全体系（ISO/TS 15066 人机协作标准、CE/UL 认证）对新型机器人是真实门槛，不只是工程问题，更是法务和采购审批问题。🧭 欧美车厂对供应商认证的要求尤其严格，这会拖慢实际部署节奏。
供应链和集成成本：接入工厂 MES（制造执行系统）、与现有 AGV/PLC 协同、处理物料跟踪——集成工程量往往不低于机器人本身的成本。
量产成本曲线：当前人形机器人价格⬜（各家公开报价不一致），能否在大规模部署时将 TCO 降至工厂可接受水平，是决定「规模化」能否发生的根本约束。

可行技术路径（各自解决什么 · 挑战/局限）🧭

路径	解决什么	挑战 / 局限
人形本体 + 端到端学习（VLA/扩散策略，大量遥操作数据）	灵活适应多工位、学习新动作快	力控泛化仍弱、长尾工位需大量数据、节拍速度未达人工
人形 + 专用末端执行器（针对特定工位换手爪）	在选定工位提升精度和可靠性	灵活性降低，换型成本上升，部分消解「通用」价值
固定臂 / 协作臂（已成熟，非人形）	高精度装配工位有成熟方案，ROI 清楚	工位固定，不能跨工位，柔性差；人形是对其「柔性升级」的押注
双臂人形承接「物料配送 + 辅助装配」（kitting/lineside delivery）	不触碰核心精度工位，先做物料流转	ROI 逻辑相对清楚但价值量低；难以证明「人形 vs AMR」的差异化
Sim-to-Real + 大规模仿真（减少真实工厂数据依赖）	加速新工位泛化，降低数据采集成本	仿真与真实物理的差距（sim gap）在高精度力控场景尤为突出

谁在走哪条路（公司 ↔ 路径 · 真实 vs demo）✅库内

Figure（figure-ai）：走端到端 Helix 模型路线。✅ Figure 02 在 BMW Spartanburg 工厂完成 11 个月部署、参与生产 30,000 台车（官方披露）——这是目前西方人形在汽车工厂最具体的真实部署证据。Figure 03 已交付 350+ 台，BotQ 工厂产能提升显著。判断：工厂场景早期真实验证，工位类型以「非高精度装配」为主，距离核心产线节拍仍有距离。
Apptronik（apptronik）：走「车厂/3C 代工实用主义」路线。✅ Apollo 已在 Mercedes-Benz pilot（Mercedes 2025-03 正式入股）、Jabil pilot（kitting/lineside delivery/sub-assembly）、GXO 仓储——三条真实部署链条，但均在受控区域，尚未开放式全工位协作。判断：工业场景早期真实验证，Mercedes+Jabil 组合是当前工业侧证据链最完整的西方人形之一。
特斯拉 Optimus（tesla-optimus）：✅ Musk 承认约 300 台 Optimus 在 Fremont + Giga Texas 工厂内运作，定性为「学习与数据采集阶段」，「not doing useful work」（Q4 2025 财报，2026-01）。产线第一代在 Fremont 安装中，V3 推迟至 2026 年夏季。判断：资源最充裕，但当前工厂部署仍是数据采集性质而非生产性质——「自家工厂是训练场」是最诚实的定位。
Agility（agility-robotics）：走「无需重构 floor plan，适配人工工作环境」路线。✅ 丰田 TMMC 2026-02 签署商业协议，7 台 Digit 在 RAV4 工厂执行 tote 卸载；Schaeffler 承诺至 2030 年全球 100 家工厂部署（战略意图，短期量待验证）。判断：工业场景有真实商业协议，工位聚焦「物料搬运/配送」而非精密装配，ROI 逻辑相对清晰。
优必选（ubtech）：走「中国车厂网络 + 批量实训」路线。✅ 已披露客户含 BYD、蔚来、极氪、一汽大众、东风柳汽、Foxconn、Airbus——覆盖汽车/3C/航空。✅ MERICS 报告（2026-05）披露 Walker S2 效率约达人工 45%。判断：中国区车厂覆盖广度最强，但「实训」与「规模付费部署」之间的边界需区分；45% 效率意味着与产线节拍仍有差距。
智元（zhiyuan-robotics）：走「3C 产线上下料 + 自建数据工厂」路线。✅ 精灵 G2 在龙旗南昌平板制造工厂完成 8h 连续作业直播，零重大异常，310 件/小时；HT-Tech + 英特尔产线日均处理芯片 10 万颗，掉盘率 <0.001%。判断：3C 上下料场景有最具体的量化公开数据，是目前库内 3C 制造场景证据最扎实的一家。
银河通用（galaxy-general-robotics）：已在宁德时代电池工厂全自主作业，进入上汽柔性产线、中信高端制造基地；Galbot S1 海外已进入博世全球产线。判断：电池/汽车供应链侧有真实部署信号，Bosch 海外产线是国内人形少有的海外工业落地案例；规模仍小。

各家「真实进展 vs PR/demo」详细判断挂到对应公司页「判断卡」。

验证状态

物料搬运/配送类工位（tote 卸载、lineside delivery、kitting）：早期真实部署——Agility（丰田）、Apptronik（Jabil/Mercedes）有商业协议。
3C 上下料/检测：早期真实验证——智元（龙旗/HT-Tech）有最具体的公开量化数据。
汽车工厂实训/pilot：早期真实验证——Figure（BMW）、优必选（BYD/蔚来等）、Tesla Optimus（自家工厂学习阶段）。
高精度装配核心工位：⬜ 尚无公开核实的规模验证案例；当前 pilot 集中于「力控要求相对低」的辅助工位。
规模付费、稳定产线替代：未达到——所有在产公司均处于 pilot / 早期商业协议阶段，未见规模盈利报道。

一句话判断（给两类人）🧭

创业者：别把「进了车厂」等同于「场景验证完成」——真正的门是「力控精度 + 节拍速度 + 工厂安全认证」同时过关。切入口选「物料配送/kitting」比「精密装配」ROI 逻辑更清楚，先活下来；如果做 3C，精度要求更高，但换代节奏给了「柔性」更大的溢价空间，值得深挖。
投资人：判断一家工业人形公司的关键三问：① 它在哪类工位（物料搬运 vs 精密装配）——两者技术难度和时间线差一个量级；② 合作方是「战略投资入股」还是「真实付费合同」，两者信号权重截然不同；③ 有没有节拍速度/良率/持续运行时长的第三方可验证数据，还是只有官方 demo 视频。当前阶段，西方看 Figure+Apptronik，中国看优必选+智元，各有不同的证据链完整度。