技术热点透视20260901:机器人开始「真上岗」,从兰桂坊酒保到 650 万台预期
原创 · 约 9 分钟阅读 · 阅读 --

技术热点透视20260901:机器人开始「真上岗」,从兰桂坊酒保到 650 万台预期

作者: Alex Xiang


古董级程序员,前百度/微博工程师,现在关注 AI 工程化与开发者工具。
微信公众号「字与码」,记录技术思考与行业观察。
本文同步发布于 zicode.com

8 月 31 日~9 月 1 日,具身智能的信号密度很高:智平方的 AlphaBot 2(爱宝)正式在香港兰桂坊酒吧上岗打鸡尾酒,跑通「硬件出关—清关—本地饮品资质—付费服务」的出海全链路;高盛把 2035 年人形机器人出货预期从 140 万上调到 650 万台;优必选中报人形收入同比 +1445%、921 台进比亚迪 / 吉利 / 富士康产线;世界机器人大会从「炫技」转向「真实工况」;北京亦庄揭牌磐石具身实验室做检测认证。一条线:具身智能正从「技术验证」跨进「价值兑现」,第一波真实场景是商业服务与工业产线,不是家庭陪伴。

一、全球首个「生产力型通用机器人」上岗兰桂坊

8 月 31 日,智平方宣布 AlphaBot 2(爱宝)入驻香港兰桂坊酒吧,为顾客打鸡尾酒并提供互动服务。官方定义它是全球首个上岗国际顶级夜生活地标「生产力型通用机器人」。更关键的是,它跑通了中国具身智能出海的全链路闭环:硬件出关、清关合规、取得香港本地饮品售卖资质、建立付费服务体系——在真实商业环境里合法、合规、可持续地常态化运营。

撑住「最难考场」的核心是 NeuroVLA 类脑架构:把人脑「皮层—小脑—脊髓」的协同机制搬进机器人控制。「皮层」负责语义理解与任务规划,「小脑」负责高频运动协调与动态修正,「脊髓」负责快速安全响应。实验数据:运动抖动降低 75% 以上,碰撞后 20 毫秒内完成反射响应,整机功耗约 0.4 瓦

**兰桂坊比展台翻跟头难一个量级。**高密度动态人流、多元文化、嘈杂声场、复杂灯光、即时社交需求叠加,是对感知 / 决策 / 运动 / 交互的综合考验。能在兰桂坊稳定打工,意味着具身智能从「能展示」真正走到「真上岗」——这一步的标志性,远大于又一场机器人舞蹈。

01-neurovla 图 1 · NeuroVLA 把「皮层—小脑—脊髓」协同机制引入机器人控制:规划、协调、安全反射三层分工。

二、资本把十年预期砍掉一个零往上修

高盛 8 月 31 日发布的报告大幅上调全球人形机器人出货预期:2030 年约 89 万台、2035 年约 650 万台(原预测仅 140 万台),并判断物流仓储与汽车制造将率先规模化。

**值得记的不是数字,是它点名的「第一波场景」。**不是家庭陪伴,而是仓储和汽车产线——这些地方重复、可控、容错高,最适合人形机器人最先赚钱。投行把十年后预期往上修一个数量级,说明资本对「机器人进工厂」的概率评估变了。

维度原预测新预测(高盛 8/31)
2030 出货约 89 万台
2035 出货140 万台约 650 万台
率先场景泛化探索物流仓储 / 汽车制造

三、进厂「打工」不再是 PPT

优必选中报给出硬数据:全尺寸人形机器人收入约 5.9 亿元、同比 +1445%,921 台进入比亚迪、吉利、富士康产线,毛利率 66.8%;但公司仍亏损 3.39 亿元。

世界机器人大会(8 月末北京)同样在转向:300 多家企业、超 3000 件产品参展,从舞蹈武术转向快递分拣、商超理货、工业码垛、家庭服务等实景任务;高精度触觉与灵巧操作成热点,新一代灵巧手能辨识物体软硬轻重、完成瓶盖拆装,破解落地「最后一毫米」;央企 48 家联合展区集中展示从材料、零部件到整机的全链条。

**「卖得出去」和「赚得到钱」之间,还差一条成本曲线。**优必选仍亏,说明需求是真的、规模是真的,但稳定盈利还得再跑几年。这正是行业现在的真实状态:不是 demo 经济,是「已进产线、待跑通成本」的产业经济。

四、标准化:从「试错」到「可信赖认证」

9 月 1 日,北京亦庄举办人形机器人测评论坛,磐石具身实验室正式揭牌,聚焦零部件本体、智能化、场景三大测试业务;《人形机器人 电驱一体化关节评测规范》已报批待发布(40 余家产业链单位共同编制)。验证还厘清了行业长期混淆的指标口径——比如把灵巧手「最大提升力」拆成主动提升力与被承载力。

**产业要 scale,先要有尺子。**标准把「谁更灵巧」变成可比较、可认证的指标,减少全行业试错。从 demo 经济走向产业经济,检测认证是必经的基础设施——没有它,采购方不敢放量,保险方不敢承保。

五、王兴兴的「ChatGPT 时刻」定义

宇树科技王兴兴给机器人的「ChatGPT 时刻」下了一个可量化定义:在 80% 的陌生场景中,通过语音或文字指令,机器人能顺利完成约 80% 的任务。他直言当前整体效率与泛化仍不足,临界点未到。

**别被「能翻跟头」迷惑。**具身智能的临界点不在动作难度,而在「泛化到陌生任务」的比例。爱宝上岗、优必选进厂,都是朝 80/80 走的真实样本;但距离「随便一个场景丢给它都能干」,中间还隔着数据、成本与标准化的长坡。

02-value-path 图 2 · 从技术验证到价值兑现:工况能力 → 进厂/上岗 → 标准化认证 → 规模盈利,是下一关要过的坎。

**一句话收束:**具身智能的拐点不在发布会,在产线与吧台。能上岗、能卖、能认证,比能翻跟头更接近商业化临界点——但盈利曲线与标准化,是横在「进厂」与「赚钱」之间的两道坎。这一周的信号合起来看:需求真、规模真、路径清,剩下的就是耐力。

打开原图 ↗