（问题）制造业正加速向数字化、智能化转型，具备通用能力的人形机器人能否走进产线，承担高频、重复的工序，成为业界关注的焦点；与传统工业机器人多为“单机、单任务、固定工位”不同，人形机器人被寄望空间受限、工序切换快、柔性要求高的场景发挥优势。但在实际落地中，常常卡在“能做”和“稳定量产能做”之间：实验室可行，并不等于工厂可用。 （原因）雷军介绍，小米机器人此次在汽车工厂开展实训，基于通用VLA基座模型Xiaomi-Robotics-0，结合多模态感知与强化学习等技术，使其在部分典型工站初步实现自主作业。在自攻螺母上件工站，机器人需要从自动送钉设备中精准抓取螺母，放置到定位工装上，并与滑台输送、工位自动定位锁定等环节协同，完成一体化压铸后地板零件的自攻拧紧流程。该任务对定位精度和贴合可靠性要求较高：一上，螺母内侧花键结构会让抓取时的手内姿态存不确定性；另一上，定位销轴的磁吸力带来拉扯干扰，容易放大装配偏差，成为影响成功率的关键因素。雷军指出，实验室阶段可以用大量失败换取一次突破，但工厂现场必须围绕节拍和稳定性运行，才能真正进入生产体系。 （影响）从披露的数据看，机器人在真实环境连续运行3小时，双侧同时安装成功率达到90.2%，并满足最快76秒节拍要求，显示其在“可用性”上向前迈了一步。更值得关注的是，此次实训不再停留在单点展示，而是转向“工位—产线”的协同验证，研发评价体系也更贴近工业现场的核心指标，例如平均无故障时间、单次任务成功率、与上下游设备的节拍匹配等。对产业链而言，这类实训有望带动传感器、执行器、灵巧手、减速器、控制系统以及工厂数字化底座等环节的联合迭代，并促使企业更早建立面向人形机器人导入的工艺标准与安全规范。 （对策）业内普遍认为，人形机器人要走向规模化应用，关键在于围绕“节拍和合格率”形成系统工程能力：一是用真实工况数据形成闭环，改进模型与策略，提升对多源噪声、工装公差、来料波动的鲁棒性；二是强化全身协同与移动操作能力，缩短到位时间、降低姿态调整成本，让“走、看、抓、放、拧”形成连续高效链条；三是通过灵巧手与末端工具的快速换型，提高多工序覆盖能力与单位时间产出；四是将可靠性工程前置到设计阶段，以可维护、可诊断、可快速恢复为导向，提升连续作业稳定性；五是与产线节拍管理深度融合，明确工序边界、异常处置规则及人机协作安全策略，避免局部波动拖累整线效率。 （前景）雷军表示，涉及的关键指标正在稳步提升，更多经典工站的部署验证也在推进，预计未来5年将有较大规模的人形机器人进入小米工厂参与工作。从产业演进规律看，人形机器人在制造现场的扩展路径，可能呈现“从单工位到多工位、从搬运到装配、从辅助到部分主责”的渐进式特征。短期内，更适合在工艺较标准化、需要一定柔性但风险可控的环节加快验证；中长期则取决于成本下降、可靠性提升，以及工厂工艺与设备接口标准的完善程度。可以预见，谁能率先在真实产线跑通“稳定、合格、可复制”的闭环，谁就更可能在下一轮智能制造竞争中占据先机。
从实验室样机走向生产线实战，人形机器人每一次向前推进，都在回应制造业智能化转型的现实需求。虽然目前技术仍处于早期阶段，距离大规模产业化应用还有差距，但工厂实训带来的方法、指标和验证路径，正在为行业提供更清晰的落地坐标。随着核心技术持续迭代、应用场景逐步扩展，人形机器人有望成为推动制造业提质增效的重要力量，为制造强国建设带来新的增长点。