【人形机器人该长成什么样】市场准备好为人形机器人买单了吗 8月19日至23日，2026世界机器人大会（WRC）在北京亦庄举行，300余家企业携超过2000件展品参展，首发新品150余款。本届大会首次设置了“采购日”，主题措辞也第一次把“产需”放在了“炫技”之前。

开幕当天，宇树科技（688836.SH）在上交所科创板挂牌上市，成为A股人形机器人第一股；同日下午，小米新一代双足人形机器人“铁大”首次在大会现场公开亮相。

今年上半年，中国人形机器人出货量已超4万台，全球占比进一步提升至97%。IT桔子事件库数据显示，2026年上半年国内具身智能赛道融资总金额达到935亿元，较2025上半年提升了5倍。资本市场和产业端同步升温，一个行业性的问题也随之浮出水面：市场准备好为“人形”买单了吗？

和往届相比，本届WRC的展品正在从“花活”转向“干活”。去年展台上随处可见的跳舞、翻跟头、打拳击等表演性动作明显减少，取而代之的是面向工厂产线、药房分拣、无人零售、教育服务等场景的实际应用演示。多家企业带来的方案已经在客户现场运行，行业的关注焦点正在从“能不能造出来”转向“能不能用起来”。

不过，“用起来”并不意味着已经“用好了”。多位受访的产业人士和投资人向财联社记者表示，人形机器人在商业化成熟度、落地形态选择和成本控制上仍然面临多重挑战。

当人形机器人开始强调上岗与落地后，另一个问题开始变得现实：它究竟应该长成什么样？眼下，双足双臂人形机器人和轮式底盘双臂机器人的技术之争已经打响。

在具身智能走向产业落地的过程中，机器人形态的选择首先取决于制造现场的实际作业需求。 目前，能够率先实现量产交付的场景多集中在工业制造与仓储物流端，在这些以平整地面为主的结构化车间里，轮式设备成为更务实的选择。

拓斯达（300607.SZ）轻负载工业机器人出货量位居中国第一。该公司此前在接受财联社记者采访时介绍，其工业客户此前考察了数十家机器人供应商，最终进入下一轮评估的两家厂商全部采用轮式底盘。这一选择的核心原因在于安全性，在精密制造车间内，单件物料价值常达数万元，双足机器人一旦断电或系统故障，整机倒地容易砸损物料和产线；轮式设备遇到故障则停在原地，不会引发次生损坏。

去年开始，陆续有轮式双臂机器人接到工厂实训订单的消息。智元机器人A2-W、银河通用Galbot S1、智平方AlphaBot2等多款轮式双臂机器人先后宣布了在富临精工（300432.SZ）、宁德时代（300750.SZ）、惠科股份（001399.SZ）等国内头部工厂“上岗”的消息。

半山创投董事长戴福全告诉财联社记者，在平整、改造完善的标准厂房内，绝大多数工位上，轮式双臂和固定协作机械臂的性价比、稳定性与运维成本全面优于双足人形，其移动速度更快、能耗更低、平衡控制难度更小，回本周期也更短。

高工机器人研究所所长蔡炳贞也向财联社记者表示，轮式设备在行业内公认会率先落地。

与此同时，轮式人形机器人的成本也更低。海通证券研报表示，由于本身的结构设计已具备稳定性，轮式机器人可以减少零部件的使用并降低模型维度，降低整体制造成本；同等身高下，双足的BOM成本比轮式底盘高十倍。在运维方面，双足机器人更需人类辅助，目前未能实现和工人相当的工作效率，并且不少机器人还需绳索辅助行走，这些必要的安全措施提高了运维成本；而轮式机器人凭借更高的稳定性，可以减少维护和修理成本。

工厂暂时偏向轮式形态，并不意味着双足人形失去了存在的合理性。

蔡炳贞指出，双足机器人的运动控制要求更高，但在非结构化环境、狭窄空间、台阶以及户外等场景中，双足能够通过调整运动姿态通行，具备不可比拟的独特优势。

戴福全告诉记者：“双足机器人的核心价值在于适应人类长期改造形成的物理环境，尤其是在带台阶、门槛、电缆沟的老旧厂房、多层车间，以及电力、化工等特种巡检场景中，无需对现场地面基建进行昂贵的改造，双足即可复用人类的通行路径与操作高度。”

受访人士普遍认为，尽管目前轮式“上岗”更快，未来这两类机器人形态将会呈现互补关系。“轮式人形机器人适配平整硬化场地，而双足双臂机器人能够适应非平整地形，填补复杂地形的工业作业空白，两者在场景上形成互补。 ”李芬珍子说。

双足构型在工位上的可替代性与通用性，也是部分大厂持续投入研发的原因。

小米方面近期在接受采访财联社记者采访时表示，如果只解决垂直单一场景的两三个工站问题，人型并不重要；但长远来看，企业希望探索出一套能够通用于多个工站的操作方法，而非针对每个工位单独定制自动化设备。

目前，其全尺寸双足机器人的产线实训正在推进，但在长任务链条上仍面临效率制约。

小米方面向记者介绍了其在本届WRC上展出的新一代双足人形机器人“铁大”在汽车工厂的实训数据：该机器人身高1.70米、体重66公斤、拥有66个自由度，在汽车产线自攻螺母工位上的成功率已从3月份的90%提升至7月份的98%。但在作业效率方面，面对3至5秒的短任务，其效率可达人工的70%至80%；一旦进入抓取、移动、寻找、判断等超过1分钟的长任务链，效率便会下降至人工的30%左右，模型推理效率与长尾工况仍需持续优化。（财联社）