优必选这套工业方案，我蹲了三天产线才敢说几句

周末折腾了一下优必选的人形机器人工业应用方案。说是折腾，其实我本人搬不回家，这玩意儿一米七几，七十多公斤，进不了我家电梯。所以我蹭的是客户那边的现场。上周三到周五，三天，在华东一个汽车零部件厂的装配车间里，看着它干活，也跟着工程师一起调了几轮任务。

先说清楚这东西是什么。它拆开看是一整套方案，优必选的 Walker 系列本体，加上面向产线的任务编排软件，和工厂 MES（制造执行系统，管排产和物料流转的那套东西）对接的接口，再加现场部署和调试。官方口径覆盖汽车、3C、物流这几类产线。它要解决的是那些重复性高、劳动强度大、又不太值得上一整套专用自动化设备的工位。世界机器人大会今年把「上下料与转移搬运」列进人形机器人十大潜力场景，基本就是冲着这类活去的。

第一天我基本没上手，就在旁边看。工程师先做的是标定，把车间的几个料架、周转箱、装配台的坐标教给它。这一步比我预想的慢。它不是扫一遍就完事，得带着走一遍关键点位，每个抓取位置还要现场确认一次抓取姿态。工程师说这块最费时间，因为每换一个产品型号，料框位置和物料姿态都变，就得重标。我听到这句的时候心里咯噔一下，去年看视觉分拣产线，那个工程师吐槽的也是同一件事。

第二天开始让它跑实际的上下料循环。取件、移动到装配台、放下、回位。这一段是让我意外的部分。它的双臂协调比我预期好，搬一个大概几公斤的金属支架，两只手配合着调整角度，不是硬端过去。抓取失败也发生过，有一次物料在料框里歪了，它试探了两下没抓住，停住报错，等人来处理。这个处理方式我觉得是对的，比硬抓把件弄坏强。但它确实慢。工程师给的节拍是人工的六成左右，稳定跑起来还行，前提是前面料摆得规整。

第三天我们试了一下换型。这是我最想看的一段。结果不太好看。切换到一个新规格的支架，重新标点位加上调抓取参数，前后花了小半天。期间它基本在待机。也就是说，这套东西目前擅长的是一条线上长期干同一类活，不是今天干这个明天干那个。柔性这个词在人形机器人身上经常被说得太满，实际到产线上，柔性的边界还是卡在标定和调试成本上。

我认同一种说法，具身智能这两年真正的瓶颈不在本体，在数据管线和现场适配。这次蹲下来，我更信这句话了。

它有几个地方是真的实用。对现有产线的侵入性小，不用大改线体，插进去一个工位就能试。安全逻辑做得比较保守，异常就停，对工厂来说这比效率重要。对物料姿态的容忍度也比传统固定式机械臂高，料框摆得不太准也能试几次。另外这套方案带现场部署，不是卖你一台机器让你自己啃。

缺点也说。最大的坎是标定和换型的时间成本，直接决定它能不能算得过账。节拍目前替代不了熟练工，只能补位那些招不到人的岗位。它还依赖料框、工装这些前置条件规整，来料一乱就退化得很快。价格和部署周期也不透明，我这边问到的口径都很含糊，ROI 到底怎么算，我暂时给不出结论。

所以推荐不推荐。我的结论是看情况。适合的是那种单一大批量、工位重复性极高、招工又确实困难的产线，比如汽车零部件和 3C 的上下料、周转搬运，先拿一个工位试点，把标定成本摊薄。不适合的是多品种小批量、换型频繁的车间，也不适合指望它马上替掉整条线上的人。它是补位工具，不是替代方案。

从物理 AI 的角度，这套东西的价值可能不在这一代能不能算得过账，而在它每天在真实产线上攒下来的那些失败样本。抓歪了、料偏了、标定漂了，这些数据才是后面模型迭代真正缺的东西。这些数据最后能不能真正用起来，我现在还看不出来。

真要上，先把标定这块的时间成本算进去，别的都可以后面再谈。