人形机器人进入工厂，正在被写进更具体的产业行动。
10月12日，上海启动加快发展新一代智能制造行动。上海市政府网站转载的发布报道显示，到2028年，上海将推动8000台人形机器人进工厂，同时培育500家先进级智能工厂，推动人工智能在制造业的应用场景突破2000个，开发10个先进适用的垂域大模型，推出300个高水平智能体。
8000台是未来目标，不是已经完成的部署数量。本次行动发布信息也没有列出这些机器人的具体采购主体、分年度安排和验收口径。不过，将人形机器人应用与智能工厂、工业模型和系统集成共同推进，已经提供了一个值得观察的政策信号：机器人的产业价值，需要到真实生产流程中检验。
接下来的问题比数量更具体：哪些工位适合先用？工厂购买的是一台设备，还是一套能够持续工作的服务？试点有效之后，又怎样复制到更多产线？
人形机器人进厂的商业化，要同时回答三件事：能不能完成任务，能不能持续运行，能不能让客户愿意继续付费。
工厂里的机器人，很难脱离生产系统单独发挥价值。一件零部件进入车间，可能经过运输、上下料、加工、检测和入库等环节。机器人即使能够完成一次抓取，也需要知道什么时候开始、物料从哪里来、完成后交给谁，以及遇到位置偏差或设备故障时怎样处理。
可以把它理解为新设备加入一支生产团队：自身能力只是基础，交接是否顺畅、节奏是否一致、异常是否有人处理，同样影响最终产出。某个动作完成得很好，如果衔接不上前后工序，也可能成为整条流程的瓶颈。
因此，人形机器人进厂，与工业模型、控制系统、生产软件和现场服务存在直接联系。模型参与环境理解和任务决策，控制系统负责执行，集成团队连接设备与业务流程，运维团队保障持续使用。这些环节需要共同满足生产要求。
上海此次行动同时提出，到2028年推动智能制造系统集成产业规模达到1000亿元、人工智能赋能的新型智能制造装备产业规模突破2000亿元。这些属于更广泛的智能制造产业目标，不能全部计入人形机器人市场，但它们解释了为什么8000台需要放在整套行动中理解：政策推进的不只是设备进入车间，还包括支撑设备发挥作用的制造体系。
此前的政策已经布局相关条件。2025年公布的《上海市具身智能产业发展实施方案》，提出建设算力、实训场、中试、投资和租赁五大平台，分别连接训练、验证、产业化、融资和使用环节。
2026年6月，上海市经信委在实景实训空间征集中，进一步要求申报场景具备明确需求、清晰工作状况、较高标准化程度和经济可行性，并提出按照“最小干预、利旧复用”原则开展环境适配。
这意味着，应用验证需要从真实工位出发，尽可能利用已有设施，并证明改造和使用具有经济意义。工厂需要的，是能够接入生产、承担明确任务的设备与方案。
上海并非唯一推动机器人进入生产现场的地区。2026年9月22日，广东的人工智能应用对接活动披露，当年全年进入工厂的人形机器人“有望突破3000台”。这是预期表述，尚不能作为完成量；同场其他具身智能项目还涉及公共服务等场景，也不能全部计入工厂应用。
地方目标之外，更有参考价值的是具体任务和运行记录。不过，不同企业公开资料的时间与统计方式并不一致。下面的案例用于比较应用路径，不构成截至2026年10月的完整部署排名。
在国内，智元2026年6月29日披露，多台机器人在龙旗科技南昌工厂的平板量产检测工段，进行了连续六天的产线直播，执行真实生产任务。它提供了观察机器人如何参与电子制造的窗口，也把验证对象从单次动作延伸到工段内的连续操作。
这个案例的意义，在于生产任务发生在真实工厂。但其公开成绩来自企业披露，所对应的物料、工段和运行周期都有边界。它能够支持“特定任务开展了现场验证”的判断，尚不足以证明长期经济性，或者同等能力可以直接复制到任意工厂。
优必选2025年11月的公告则披露了Walker S2批量生产与交付，并列出汽车、物流等合作方。需要区分的是，同一公告包含数据采集中心订单：机器人销售既可能用于生产，也可能用于训练和数据建设。订单增长不能直接等同于生产工位的使用增长。
海外案例中，宝马公布了较具体的运行信息。其2026年2月公告披露，Figure 02在美国斯帕坦堡工厂的十个月试点中，累计运行约1250小时，处理超过9万个部件，支持超过3万辆BMW X3的生产。机器人承担的是焊接前钣金件的搬取与定位，不能理解为独立制造了这些汽车；上述数字也是对既有试点的总结，并非截至今天的累计成果。
奔驰在2025年公布的Apollo项目中，主要测试厂内物流、部件运输和初步质量检查。员工通过遥操作与增强现实，把生产经验用于机器人训练。这展示了另一项关键工作：将工艺知识转化为机器人的操作能力。
现代汽车2026年初公布的路线则属于未来规划：从2028年开始推进Atlas的零部件排序应用，到2030年拓展至部件装配。它说明企业计划逐项验证工序，而不是让通用机器人一次性承担整条生产流程。
从这些案例看，汽车和电子制造提供了较明确的工序、物料和质量要求，也拥有可用于比较的生产节拍与自动化基础。这有利于把“机器人是否有用”拆成可以测试的问题：抓放是否稳定、操作是否准确、能否与设备交接、异常多久恢复。
但基础好，也意味着要求高。机器人面对的是已有生产方案，而不是没有参照的空白市场。它需要与人工、机械臂、移动机器人或专用设备比较，在同一任务中证明自己的适用性。
国内外案例共同指向的，是工位级验证。现阶段判断产业进展，应该看机器人完成了什么任务、运行证据有多充分，而不是把产能、订单、交付和实际部署放进同一张数量榜单。
讨论机器人影响就业，需要先把岗位拆成任务。
一个上下料岗位可能包含取料、识别、装夹、启动设备、检查结果和处理异常。机器人承担了取料与放料，不代表同时具备检查、协调和故障处理能力。一个搬运岗位也可能包含物料确认、路线选择、交接记录等工作，不能只用一次搬箱动作代表整个岗位。
结合已有案例，首先值得观察的是物料搬运、上下料、检测辅助等工位中的部分任务。它们相对容易定义输入、输出和操作边界，也便于与现有方案比较。
这张表是任务分析框架，不代表所有相关工位都已经具备成熟的人形机器人方案。实际使用还需要结合负载、精度、速度和安全条件验证。
工厂也不会只在人形机器人和人工之间二选一。固定位置的高重复操作可以使用机械臂，标准运输可以使用移动机器人，稳定的大批量工序可以使用专用设备。人形或类人机器人需要找到现有自动化难以经济覆盖、或者需要更灵活调整的环节。
其潜在价值，在于利用为人设计的空间、工具和操作位置，承担移动与操作结合的任务。但这一优势能否抵消复杂结构带来的成本和维护要求，需要项目数据回答。
双足也并非所有车间任务的必要条件。平整地面上的部分作业，可以采用轮式移动配合双臂操作；台阶或复杂空间则可能提出不同要求。宝马与Hexagon推进的AEON项目，就展示了轮式移动与类人操作结构结合的路线。
工厂首先选择的是适合任务的方案。外形、模型能力和机械性能，都需要接受节拍、质量、安全与成本的共同检验。
8000台进厂目标，并不意味着政府将统一购买这些机器人。理解买单关系，需要区分生产采购、联合试点和政策支持。
首先是生产使用方。工厂采购设备或服务，是希望改善产能、质量、劳动条件或流程效率。最终是否扩大使用，需要看收益能否覆盖综合投入，以及方案是否比现有选择更合适。
其次是机器人供应方及合作方。在联合试点中，供应商可能为了获得工艺经验、现场数据和产品验证，承担部分研发与适配投入；工厂也可能提供场地、人员和生产条件。具体怎样分担，取决于合同，不能把一个试点项目自动当成成熟的商业订单。
第三是政策和公共平台。它们可以支持研发、验证、销售、租赁等环节，降低部分早期投入，但支持对象、条件和范围需要逐项确认，不能默认覆盖全部采购成本。
上海《具身智能产业发展实施方案》规定，对销售或租赁具身智能机器人的企业，根据合同额按规定给予最高5%、不超过500万元奖励。这里奖励的是符合条件的销售或租赁企业，并不意味着所有工厂购买机器人都能直接获得5%补贴。
客户可以购买设备，也可以通过租赁或服务合同使用机器人。海外已有机器人即服务案例：2024年，GXO与Agility Robotics签署多年协议，在仓储设施中部署Digit，承担周转箱向输送线转移等任务，并通过管理平台协调运行。
这一案例属于仓储物流，不能直接等同于制造产线，但证明了持续服务合同是一条商业路径。租赁和服务可以减少客户一次性投入，设备成本却不会因此消失；如果供应商承担持续运营，就需要具备维修、备件、现场支持和资金周转能力。
这些方式并不对应固定的行业标准，实际责任仍以合同为准。无论采取哪种模式，工厂都需要算清完整经济账。
更有意义的比较，是完成同一任务时，每单位合格产出的综合成本。除了设备或服务费用，还应计入集成改造、训练调试、维护、能源、人工接管，以及故障对生产造成的损失。
机器人能够长时间开机，不等于一直在有效生产。如果速度跟不上产线，或者频繁需要人工协助，实际收益可能有限。相反，改善质量一致性、缓解高负荷作业，也可能创造价值，但同样需要用结果证明。
因此，不宜给出统一的回本年限。工位、班次、利用率和服务条件不同，经济性就会不同。
真实应用的难点，还在于复制。
同样叫“上下料”，不同工厂的物料尺寸、表面材质、摆放方式、夹具和设备接口可能不同。同一家公司更换产品型号，也可能改变抓取、定位和检测要求。原来有效的方案，进入新环境后仍需重新测试。
这意味着，产业化不仅需要提高单台机器人的能力，还需要减少每次部署的重复工作。哪些动作可以复用、哪些数据需要补采、哪些接口能够标准化、哪些异常必须现场处理，都会影响规模化成本。
数据在这里连接着能力与需求。机器人需要学习具体操作，也需要积累偏差和失败情况下的经验。但采集时长不能单独证明泛化水平，关键是新数据是否改善了成功率、减少人工接管，或者缩短新工位部署时间。
系统集成则决定机器人能否成为流程的一部分。完成动作后，需要确认工序状态、关联质量结果、安排下一项任务，并在故障时安全停止和恢复。宝马披露的试点经验，也强调生产IT、职业安全、流程管理和车间物流团队需要早期参与。
由此看，产业链机会分布在多个环节：上游是芯片、关节、传感器和末端执行器，中间是模型、控制、数据与训练，下游是工艺适配、系统集成、检测验证和运维。
深圳龙岗2026年的机器人券供应主体遴选，将集成商、解决方案提供商等纳入生态合作伙伴，并要求具备交付、安装调试和售后能力。其范围包含多类具身智能机器人，但服务要求说明，交付体系已经成为政策支持需要考虑的部分。
对中小企业而言，值得关注的是能否解决某个工位的具体问题。掌握工艺需求、提供适配服务、缩短调试时间、保障现场维护，都可能形成参与入口；这些机会需要真实客户和交付能力支撑。
机器人进入生产流程，也会带来工作内容的调整。部分员工可能减少重复操作，增加设备巡视、异常处理和任务协调；部署本身也需要工艺工程、训练示教、维修和安全管理等工作。
但目前的案例不足以推出统一的就业结论。机器人承担部分任务，不等于完整岗位立即消失；出现新的工作内容，也不等于已经形成大规模招聘。企业的产量、流程和用工安排，都会影响最终变化。
同样，检验8000台目标，也不能只看数量。至少需要持续追踪五类指标：
其中，复购与扩用值得关注。如果一家工厂在充分验证后，愿意把同类方案用于更多工位，通常比一次展示或一笔试点采购更能说明使用价值。不过，具体判断仍需结合采购用途与合同情况。
上海提出的8000台，为人形机器人进入制造业设定了明确目标。接下来，政策支持需要与工厂需求、产品能力、采购机制和服务体系相互衔接，才能把数量转化为生产成果。
当机器人能够稳定完成任务、控制综合成本，并获得客户持续使用，进厂规模才会成为产业价值。