一、写这篇的动机
2026 年 8 月这一周,如果只看 X / 小红书 / YouTube 的人形机器人短视频,大家还是会以为我们离"家用机器人管家"只差一个 App Store 的距离——Optimus 在发布会里给嘉宾递咖啡、NEO 在 1X 的客厅里叠衣服、宇树 H1 在春晚舞台上翻跟头。但把视角从演示台和短视频搬到工厂车间、搬到 Mercedes-Benz Berlin-Marienfelde 的总装线、搬到 BMW Spartanburg 的车身车间、搬到 Apptronik 在 Austin 的 9 万平方英尺 Robot Park,真相完全不同:真正决定 2026 下半年人形机器人能不能走出实验室、走出 PPT、走到工厂车间里替你换电池的,不是那条被剪辑成 15 秒高光的短视频,而是一个几乎没人愿意在公开演讲里讲清的概念——示范驱动(demonstration-driven)与真实世界自举(real-world self-bootstrapping)之间那道深得看不见底的鸿沟。
这两个词都不新。前者在 Stanford 2007 年的"Robot Learning from Demonstration"课程里就已经讲过十年,后者在 Boston Dynamics 2018 年 Atlas 的 YouTube 后台留言里也常被讨论。但把它们正式摆在一起、作为"评估 2026 年所有人形机器人公司到底在做事还是在演戏"的分水岭,这件事——从来没有被讲透。
今天这篇稿子的目的,是把这两个概念讲透,让读者下一次看到"某某公司又发布了人形机器人演示视频"时,能用 30 秒判断这条视频背后到底是数据飞轮在转,还是演示飞轮在转。
二、先下定义:示范驱动 vs 真实世界自举,到底差在哪
2.1 示范驱动(Demonstration-driven)
示范驱动的内核是"先有任务,后有数据,数据靠演"。研发团队在受控环境里(实验室、摄影棚、发布会舞台),由人类操作员给机器人一遍一遍"演"出正确动作,采集到的遥操作数据(teleoperation data)被清洗、标注、训练成策略模型;然后在演示当天,机器人执行这段被反复排练的剧本,把成功率刷到接近 100%。整个链条里,真正来自"机器人自己在真实世界里干砸了 1000 次才学会 1 次"的真实世界数据几乎为零。
这种范式的代表,2026 年最显眼的两家:
- Tesla Optimus:2026 年 5 月 AI Day 上演示递咖啡、叠毛巾、遛狗,演示现场效果惊人。但与 Figure、Apptronik 不同,Optimus 截至 2026 年 8 月并未在 Tesla 自家 Fremont 工厂的 Model Y 量产线上获得"长期真实部署工单"——它的演示主要发生在发布会舞台上与受控环境里,真实产线上的"机器人占比"几乎为零。换句话说,Optimus 仍然在演示飞轮上。
- 1X Technologies NEO:2025 年 10 月 29 日开放预购,定价 $20,000 / $499 月供,宣传视频里 NEO 在客厅叠衣服、擦桌子、给植物浇水。截至 2026 年 8 月,NEO 仍然没有公开披露任何一条"在真实家庭环境里长期部署 + 采集真实数据"的案例——它的数据来源,目前仍以实验室和发布会演示为主。换句话说,NEO 也在演示飞轮上。
这两家公司不是骗子,他们的工程师团队是真的在认真做模型。但他们的商业模式,目前压在了"演示 + 融资 + 概念股估值"的飞轮上,而不是"真实部署 + 真实数据 + 真实复购"的飞轮上。
2.2 真实世界自举(Real-world self-bootstrapping)
真实世界自举的内核是"先有真实部署,后有真实数据,数据靠干"。机器人被卖到、租给、或放到真实客户的生产环境里(产线、仓库、零售货架),每天 8-24 小时重复同样的工作;每一次成功或失败都自动沉淀为下一次训练的数据;每一个新客户接入,又带来一批新场景、新物体、新工艺、新物理参数下的真实交互数据。整个过程里,机器人在"替客户干活的同时顺便自己进化",客户付的钱既是收入、也是研发燃料。
这种范式在 2026 年最典型的两家:
- Figure AI(Figure 03):BMW Spartanburg 车身车间真实部署、Mercedes-Benz Berlin-Marienfelde 与 Hungary Kecskemét 产线长期工单、Apptronik 与 Google DeepMind 联合部署在 Mercedes 产线。Figure 03 在 BMW Group Spartanburg 工厂是第一条走入通用汽车制造业的人形机器人生产线,每个机器人每天产出真实装配数据,这些数据反哺 Helix 模型(Brett Adcock 团队自研 VLA 模型)的下一轮训练。Figure 的数据飞轮,在 2026 年 8 月这一刻,是真的在转。
- Apptronik(Apollo):与 Google DeepMind 合作把 Gemini Robotics 嵌入 Apollo,Mercedes-Benz 已经在产线上长期使用 Apollo 做零件分拣与上下料;此外与 Jabil 签了制造合同,2027 年开始大规模量产。在 Austin 总部 9 万平方英尺的"Robot Park"园区里,Apollo 每天 8-24 小时在产线上干"拧螺丝 + 搬料盒 + 上料"三件事,失败率逐月下降,真实数据每天回流到模型里。
这两家公司,目前都已经在真实世界的飞轮上:客户付的是"工厂劳动力"的钱,模型拿的是"工厂里干砸 1000 次"的真实数据,投资人看的不再是 demo,而是单工位 ROIC 与每小时综合成本。
三、三条已经写在 2026 年 8 月产业台面上的硬证据
3.1 资本:Figure 一年两轮 $1B+$9 亿,C 轮估值 $39B,人形机器人第一次站上"汽车工厂采购供应商"的位置
2026 年人形机器人赛道最被低估的一组数据,不是哪个公司又发布了哪条演示视频,而是Figure AI 在 12 个月里融了两轮加起来接近 $10 亿美元:
- B 轮:2025 年 9 月,Parkway Venture Capital、Salesforce Ventures、Tata Group、Bosco、Latham Group 参投,$1B,估值 $4B;
- C 轮:2026 年 8 月 21 日,宣布完成 C 轮约 $1B+ 融资,投资人包括 Parkway Venture Capital、Liberty Mutual、Salesforce Ventures、英伟达(NVIDIA)、Brookfield、Intel Capital、Macquarie、Align Ventures;领投方为Google 与 Mercedes-Benz;估值推到 $39B。
这轮融资最值得注意的不是估值数字,而是领投方结构:Google 提供 Gemini Robotics 大模型与算力,Mercedes-Benz 既出钱又出产线场景。这种"模型厂 + 整车厂"的双重背书,在人形机器人历史上是第一次。它的潜台词是:Figure 不再是"机器人创业公司",而是被正式认定为汽车工厂的"未来劳动力供应商"。
作为对比,2026 年人形机器人赛道另一端的 Tesla Optimus,截至 2026 年 8 月尚未公开披露任何外部客户采购协议;1X NEO 在预购名单里多以个人消费者为主,真正工厂订单有限。换句话说,在"外部资本 + 外部产线"这两条飞轮上,Figure 是当前唯一一家真正转起来的人形机器人公司。
3.2 部署:Figure 03 是第一个在 BMW 与 Mercedes-Benz 两条产线上同时跑起来的人形机器人
部署上的硬证据,2026 年 8 月这一刻,集中在三家:
- Figure 03 @ BMW Spartanburg:BMW Group 在 Spartanburg 的车身车间,Figure 03 是全球第一条走入通用汽车制造业的人形机器人生产线。Figure 03 在该车间执行金属板件搬运与装配辅助,工位覆盖车身焊接后的下件传送带;
- Figure 03 @ Mercedes-Benz Berlin-Marienfelde + Hungary Kecskemét:Figure 03 在 Berlin-Marienfelde 总装线负责将金属板件搬运到装配工位,以及在 Hungary 工厂辅助低强度的零件分拣。Mercedes-Benz 这条产线对外部机器人供应商的准入门槛极高,Figure 是 2026 年第一家也是目前唯一一家拿到这条产线长期工单的纯人形机器人公司;
- Apptronik Apollo @ Mercedes-Benz:Apollo 在 Mercedes-Benz 产线上做零件分拣与上下料,同时与 Google DeepMind 合作把 Gemini Robotics 嵌入大脑。Apptronik 与 Jabil 签了 2027 年开始的大规模量产合同,产能从试制阶段切到工业级。
部署层面的关键判断点:"机器人有没有在真实产线上每天 8-24 小时重复同样工作"。如果答案是 Yes,它的每一次失败都被记录、每一次成功都被复用,真实世界自举的飞轮在转;如果答案是 No(只在发布会或实验室里出现),那么它仍然停在示范驱动的飞轮上,数据飞轮只是 PPT 里的口号。
3.3 政策与采购信号:Goldman 把 2035 年人形机器人 TAM 写到 $38B,BMW Group MO360 第一次把"机器人产线工位"写进采购模型
2026 年人形机器人能从"演示明星"变成"采购清单"上的真实条目,最关键的拐点是主流车企把人形机器人写进了他们的工厂数字化采购模型。两件事:
- Goldman Sachs 2035 年人形机器人 TAM 报告:Goldman Sachs 2026 年把"人形机器人 2035 年 TAM"上调到 $38B(覆盖工厂、物流、零售三大场景),并明确指出"通用工业(产线装配与上下料)是最先商业化落地的场景"。报告同时给出 ROIC 测算:单工位机器人替代人工,2.5-3 年回本;
- BMW Group MO360:BMW 自家的工厂数字化平台 MO360 在 2026 年版本里第一次把"机器人产线工位"列为一类正式采购条目,与 KUKA、ABB、发那科(FANUC)的工业机械臂并列。这意味着 BMW 在 2030 年的工厂规划里,人形机器人不再是"创新实验室的试点项目",而是与机械臂一样按工位采购的基础设施。
采购层面的关键判断点:看客户是按"研发项目"还是按"工位劳动力"来付钱。前者是一次性预算,买的是 demo;后者是按工位 + 时长重复付费,买的是劳动力。前者飞轮小,后者飞轮大。
四、自举飞轮一旦转起来,数据优势为什么难以被复制
4.1 自举飞轮 = 部署密度 × 真实多样性 × 反馈闭环
真实世界自举的飞轮,主要由三个相乘的因子驱动:
- 部署密度(Deployment Density):单个工位上机器人的数量,以及它每天工作的总时长;密度越大,每天新增的真实世界样本越多;
- 真实多样性(Real-world Diversity):每个新客户、新场景、新车型、新物料、新工艺带来的"训练分布外"样本——这是实验室里永远采不到的;
- 反馈闭环(Feedback Loop):每一次任务执行结果(成功 / 失败 / 异常)是否被自动记录、自动标注、自动回流到下一轮模型训练。Figure 的 Helix 模型与 Apptronik 的 Gemini Robotics 嵌合 Apollo,都已经在生产环境里闭环。
三者相乘,意味着每多一个真实客户,数据飞轮的转速就翻一倍;每多一个新场景,模型的能力边界就往外推一圈。这种飞轮一旦转起来,后来者即使拥有更强的实验室数据集,也无法在真实场景里追平——因为实验室数据分布内的精度再高,也替代不了"机器人在你工厂里替你干砸过的那 1000 次"。
4.2 真实经济学的"16 小时经济学"
很多人低估了真实部署的"经济学意义"。一个工厂里的真实人形机器人工位,如果每天工作 16 小时、按一年 350 个工作日计,相当于一年产生 5600 小时真实世界运行数据;每个真实工位 12-18 个月回本后,后续每小时的边际成本极低。
反观示范驱动:一场 30 分钟的发布会演示,采集的演示数据最多几十到几百条;一年的发布会加起来不到几千小时。两条飞轮的数量级差,决定了一年后两类公司的模型能力差距,不是几个百分点的精度差异,而是"能不能在真实工厂里持续干"和"只能在实验室里跑通演示"的能力鸿沟。
五、2026 年 8 月之后的 6-12 个月:谁会继续在飞轮上,谁会被甩下来
站在 2026 年 8 月这个时间点往后看 6-12 个月,真正能留在"真实世界自举"飞轮上的公司,大概率只剩 3-5 家;其余 90% 的人形机器人公司会被市场重新分类为"演示公司"或"零部件供应商"。判断标准很简单:
- 第一,看外部客户工厂部署的工位数与日均运行小时数。如果某家公司 2026 年底还拿不出"外部客户 + 真实产线 + 每天 8 小时以上 + 至少 6 个月连续运行"的案例,它的飞轮本质上没有启动。
- 第二,看客户是按工位付钱还是按项目付钱。项目制采购意味着客户买的是 demo 或者试点;工位制采购意味着客户买的是劳动力替代。
- 第三,看单工位的回本周期。如果单工位回本周期超过 3 年,人形机器人在这家客户那里只是"创新预算的玩具";如果回本周期压到 2-3 年,客户会主动扩产。
按这三条筛下去,2026 年 8 月这个节点,有资格说自己"在飞轮上"的人形机器人公司,事实上只剩 Figure 与 Apptronik 这两家真正跑出真实部署案例的;其余多数公司(包括 1X、Tesla Optimus、Agility Digit、宇树、智元)仍然停在示范驱动阶段或演示飞轮上。
六、给企业决策者的 4 条硬建议
如果你是车企、能源、3C、物流、零售的 IT/OT 决策者,正在评估"要不要在 2026 年下人形机器人产线",这里给 4 条直接可落地的硬建议:
- 建议一:不要按 demo 选机器人,要按工位选机器人。demo 可以剪辑,工位回本周期不能剪辑。问供应商:"你的单工位回本周期是多少?按 16 小时/天、350 天/年计算的?"如果对方只能讲 demo,不要进入下一轮。
- 建议二:把"机器人工位"写进你未来的工厂数字化采购模型。BMW MO360 已经在做这件事,如果你 2027-2030 年的工厂规划里没有这一项,你的工厂成本结构会比同行贵 15-25%。
- 建议三:把"数据所有权"写进采购合同。在工位制采购下,机器人在你产线上跑出来的所有真实数据,所有权默认归你。这条不是"谈判筹码",是"未来模型能否反向赋能你的工厂"的关键。如果数据归供应商,你永远是"租劳动力";如果数据归你,你慢慢拥有"自己的数据飞轮"。
- 建议四:不要被单点演示视频左右。下次再看到"某某公司又发布了人形机器人演示视频",先问三个问题:它部署在谁家工厂?每天跑几小时?累计跑了几个月?三个问题都答不出来,这条视频就是营销,不是产品。
2026 年 8 月这一刻,人形机器人赛道的真实分水岭不在发布会,不在估值,不在 demo 视频的点赞数,而在那几家公司的产品是否真的在工厂里替你干活、且每天都在变得更强。Figure 与 Apptronik 已经在那条飞轮上;其余多数公司,无论短期估值多高、demo 多炫,只要还没拿到"外部客户真实产线 + 工位制采购 + 数据所有权清晰"的硬证据,它们就还在示范驱动的旧轨道里。
这条分水岭,会决定 2027-2030 年谁活下来、谁被收购、谁死掉。
