工厂、仓库与医院：人形机器人在三大行业的发展趋势

为什么值得关注这三个行业

如果建筑、工具和工作流程都是为人设计的，而改用传统自动化设备又需要付出高昂的改造成本，那么人形机器人就最有用武之地。制造、物流和医疗护理有三个共同条件：劳动力短缺、工作重复或体力要求高，以及工作环境围绕人体设计。我们聚焦这三个行业，是因为它们具有实际参考价值，并不意味着这是经过统计验证的前三大行业。尤其是医疗护理，其应用仍比工业物料搬运更具试验性质。

目前的整体规模仍然不大。国际机器人联合会（IFR）统计，2025 年全球商用和专业用途的全尺寸人形机器人销量约为 7,000 台；同年，传统工业机器人的安装量超过 60 万台。汽车制造商开展试点时，使用的人形机器人通常不到 10 台。这一趋势之所以值得关注，在于它的发展方向，而不是当前规模。

制造业：汽车制造商领跑

汽车工厂是目前的主要试验场。BMW 正在美国南卡罗来纳州斯帕坦堡工厂部署 Figure AI 的 Figure 03，用于从未分类的料箱中抓取零件，并将零件放入排序推车。此前，Figure 02 参与了试点，协助生产了 3 万多辆 BMW X3。Hyundai Motor Group 正在佐治亚州的一处专用应用中心训练 Boston Dynamics 的 Atlas，计划从 2028 年起在其 Metaplant 工厂用于零件排序，并计划到 2030 年将其用于零部件组装。

亚洲制造商也在测试工业应用。中国汽车制造商及供应商正把人形机器人引入生产线。Leju 和 Zhaofeng 已让 15 台 Kuavo 人形机器人承担汽车零部件上料工作。XPENG 正准备量产其 IRON 人形机器人。UBTech 在柳州开设工厂，规划年产能超过 1 万台人形机器人。上海的目标是到 2030 年让工厂中有 10 万台人形机器人；韩国则已批准监管沙盒，允许人形机器人在半导体封装、汽车制造和造船行业开展试验。

目前最常见的任务包括物料排序、零部件上料、协助检查，以及在工位之间搬运料箱。这些任务相对简单，工作环境也较为固定，因此适合作为起步应用。

物流与仓储：率先出现实际商业工作

仓库让人形机器人率先获得了真正的商业工作。Agility Robotics 的 Digit 通过机器人即服务（RaaS）协议，在美国佐治亚州 GXO 的设施中搬运料箱，累计已超过 10 万次。2026 年 9 月，Agility 发布 Digit 5，设计目标是在不设安全围栏的情况下，也能与人近距离安全协作；公司计划于 2027 年上半年开放早期体验。

在亚洲，Rainbow Robotics 的 RB-Y1 正在韩国 Coupang 履约中心开展试点，中国厂商也在提供带轮式底盘的人形机器人，用于拣选、打包和零售补货。物流行业适合人形机器人，因为搬运、堆叠和装载等任务重复性强、容易衡量，而且仓库需要长时间轮班，劳动力往往难以补足。

医疗与养老护理：协助临床人员，而非取代他们

医疗护理是三个行业中最敏感的领域之一，也是亚洲应对人口老龄化的重要方向。2026 年 9 月，首尔 Samsung Medical Center 公开演示了人形手术辅助机器人：它们能根据语音指令递送和取回器械，也能扶持内窥镜。在实验室测试中，机器人抓取五种器械的成功率为 100%，传递器械的成功率为 98.7%。四家医院计划于 2029 年开展临床试验，初期从低风险任务开始。

在日本，初创企业正在测试人形机器人在医院内引导访客、搬运物品和收拾餐具，也在养老院测试巡查功能；下一步计划让机器人响应住户的呼叫按钮。这些机器人承担护士和护理人员的日常工作，让他们能把精力更多放在患者身上。未来几年，这才是更现实的应用模式。

已展示哪些成果，还有哪些不足

三个行业都面临一个关键问题：现有证据是否充分。大多数公开成果来自企业自身，测试时间较短或只涉及单一场所，独立测试也很少。为数不多的部署案例会披露运行时间、人工介入频率、任务成功率或总拥有成本。安全标准仍在制定中：首个涵盖人形、动态稳定机器人类型的国际标准 ISO 25785-1 目前仍处于草案阶段。

亚太地区买家评估清单

• 从一项可衡量的任务开始，例如零件排序或料箱搬运，而不是笼统地要求机器人“提供一般帮助”。
• 要求厂商提供实际运营数据：运行时长、成功率、人工介入次数和停机时间。
• 弄清楚有多少工作由机器人自主完成，有多少依赖远程操作人员。
• 评估机器人在共享空间中的安全性，并确认厂商遵循哪些标准和风险评估流程。
• 估算完整成本，包括系统集成、培训、维护、软件订阅和支持服务。
• 为员工做好准备：解释变化，培训员工监督机器人，并尽早让工会或员工代表参与。

制造和物流在 2027 年可能仍将是主要部署领域；医疗护理则需要更缓慢、并在严密监督下进行验证。最终胜出的不会是演示效果最出色的公司，而是能证明机器人在真实条件下工作可靠、表现稳定且可重复的公司。