人形机器人量产元年：$550亿资本涌入与三大工厂的物理AI赌注

当 Figure AI 每小时造出一台机器人、Neura 融到 $14 亿、中国要求年内部署 1 万台，人形机器人正从实验室走向生产线

2026 年 6 月，三个同时发生的里程碑事件共同标记了人形机器人行业从「演示阶段」向「量产阶段」的跃迁：Figure AI 的 BotQ 工厂实现每小时一台的生产速率，Neura Robotics 获得 $14 亿史上最大全栈机器人融资，中国工信部联合国资委启动年内部署 1 万台人形机器人的全国性计划。这不是巧合——这是资本、技术和政策三股力量在同一时间窗口的汇聚，它标志着一个全新产业的临界点。

从「每天一台」到「每小时一台」：BotQ 工厂的制造突破

Figure AI 的 BotQ 工厂可能是目前世界上最接近「机器人造机器人」的设施。2026 年 5 月，这家总部位于加州的公司宣布，其第三代人形机器人 Figure 03 的生产速率已从每天 1 台提升至每小时 1 台——24 倍的产能跃升在短短 4 个月内实现。截至宣布时，BotQ 已累计交付超过 350 台 Figure 03，远超行业预期。

这个数字背后的意义远不止于产能。BotQ 的设计哲学本身就是「物理 AI」概念的具象化：一条专门为人形机器人建造的生产线，从零开始设计制造流程、工装夹具和质检系统，而不是试图在通用工厂里「改装」出人形机器人的生产。Figure AI 的硬件和制造团队从蓝图阶段就将 BotQ 定位为高产出环境，一代制造线的年产能目标为 12,000 台。这意味着 BotQ 的设计不仅考虑了当前产量，还为未来数倍的产能扩张预留了空间。

更值得关注的是支撑规模化部署的软件能力。Figure 03 搭载的 Helix AI 系统是其从「展示品」变为「工作伙伴」的关键。Helix 赋予了机器人在真实环境中自主执行任务的能力——不是预编程的重复动作，而是根据环境感知实时调整行为的自主操作。Helix 的技术栈融合了视觉感知、语言理解和动作规划，本质上就是一个部署在物理身体上的多模态 AI 系统。这意味着 BotQ 生产的每一台机器人，出厂就具备一定程度的「工作能力」，而不是一个需要大量现场调试才能使用的「硬件平台」。

量产化对机器人设计的反向塑造

当一个产品从「实验室制造 5 台」变为「工厂每天生产 24 台」时，设计逻辑会发生根本性的转变。Figure 03 的设计已经明显从「实验室美学」转向「工厂美学」：更少的定制化零部件，更多标准化的模块；更少的炫技式自由度，更多针对实际任务的关节设计；更少的表面装饰，更多服务于散热、耐用性和维护便利性的工程考量。

这种转变对工业设计师提出了新的挑战和新的思考框架。在实验室阶段，机器人设计的首要目标是「证明技术可行性」——展示极限运动能力、精细操作能力和环境适应性；进入量产后，首要目标变为「保证每一台都能可靠工作」——而且是在不完美的真实环境中，由不一定经过充分培训的操作人员使用。这意味着设计必须考虑供应链约束（哪些零部件能稳定供应？）、制造公差（机器人关节的装配误差容许范围是多少？）、现场维护（一线工人能否在 30 分钟内更换一个故障关节？）以及成本控制（在什么价位上，机器人的投资回报率对客户来说是合理的？）。

Barclays 在 2026 年 6 月发布的 「AI Gets Physical」报告中将这种转变称为「机器人的十年」的开端。报告指出，2026 年人形机器人市场的规模已达 $380 亿，有 12 个商业平台可供购买或租赁——仅仅两年前，这个数字还是零。巴克莱预测，到 2035 年，人形机器人市场将达到万亿级别。这份报告的核心论点是：AI 从「数字世界」走向「物理世界」的趋势已经不可逆转，而人形机器人是这一趋势最具标志性的载体。

$14 亿押注「认知机器人」：Neura 的全栈赌局

如果说 Figure AI 代表的是硅谷式的「快速迭代、硬件先行」路线，那么来自德国梅青根的 Neura Robotics 则代表了另一条路径——全栈认知。

2026 年 6 月 10 日，Neura Robotics 宣布完成高达 $14 亿的 C 轮融资，由 Tether、Qualcomm、Amazon 和 NVIDIA 等参投——这是全栈机器人公司有史以来最大的单轮融资。Neura 的估值由此攀升至 $70 亿。值得注意的是投资方的组合：Amazon 需要仓库和物流场景中的通用机器人智能，NVIDIA 需要一个能大规模部署其 AI 芯片的机器人平台，Qualcomm 看好边缘计算在机器人领域的应用前景，而 Tether（加密货币 USDT 的发行方）的参投则反映了加密资本对物理 AI 的浓厚兴趣。

Neura 的核心差异在于「Neuraverse」——一个开放的认知机器人生态系统。与 Figure AI 专注于人形机器人的物理形态不同，Neura 的战略是构建一个跨形态的机器人智能平台：同一套「认知」能力可以驱动人形机器人、机械臂、移动机器人甚至家用设备。这种「大脑优先、身体可换」的思路，本质上是在争夺机器人时代的「操作系统」地位——谁控制了认知层，谁就控制了整个机器人生态的价值分配。

$14 亿的融资规模本身就是一个信号：投资人不再只是赌「人形机器人能不能做出来」，而是在赌「谁的平台能成为机器人时代的操作系统」。Neura 的 Neuraverse 开放生态策略，让人想起 Android 早期的打法——先建立开发者生态和硬件合作网络，再通过生态锁定长期价值。如果这个类比成立，那么 Figure AI 更像「iPhone」（垂直整合、硬件先行），而 Neura 更像「Android」（平台开放、生态驱动）。

$550 亿资本洪流的背后逻辑

Neura 的 $14 亿只是冰山一角。CNBC 引用的行业数据显示，2026 年至今，机器人公司已累计融资 $558 亿，创下历史新高。这些资本的涌入并非盲目的——Barclays 的报告将其归结为三个驱动力：

• AI 模型的突破：VLA（视觉-语言-动作）模型的成熟让「通用机器人」从科幻概念变为工程问题。2025 年以来，多个实验室证明了 VLA 模型可以在不同形态的机器人之间迁移学习——一个在机械臂上训练的抓取策略，经过微调后可以在人形机器人的手上工作。
• 硬件成本的下降：传感器、电机和计算模块的成本在 2024-2026 年间下降了 40-60%。Foundation Robotics 计划在 2027 年底前将人形机器人的单价压到 $2 万以下——当价格进入这个区间时，人形机器人相对于专用自动化设备的成本劣势将大幅缩小。
• 劳动力缺口的加剧：全球制造业和物流业面临结构性的劳动力短缺。日本、韩国和中国的制造业工人平均年龄已超过 45 岁，年轻一代越来越不愿意从事重复性体力劳动。人形机器人被视为填补这一缺口的最直接方案——它不需要重新设计工厂布局，因为它本来就长着「人的形状」。

中国模式：政策驱动的 1 万台部署实验

在硅谷和德国之外，中国正在走一条截然不同的路径——政策驱动的规模化部署。

2026 年 6 月，中国工信部（MIIT）和国资委（SASAC）联合启动了全国性人形机器人部署计划。根据《南华早报》的报道和eWeek 的分析，该计划要求地方政府和国企在 6 个月内证明技术可行性，年底前实现 1 万台人形机器人的商业部署，覆盖制造业、医疗健康、仓储物流和应急响应等 100 多个高价值应用场景。

这不是一个「鼓励性」的政策——它带有明确的时间表和问责机制。地方政府和国企必须在 6 月底前提交实施方案，11 月前提交进展报告。逾期未达标者将面临行政问责。在新五年计划中，具身智能和人形机器人被列为国家战略优先级，专门拨款建设「具身智能训练场」——本质上就是大规模数据采集设施。这种政策力度在全球范围内是独一无二的。

「以部署换数据」的战略逻辑

表面上看，中国政府的 1 万台部署计划似乎过于激进——当前全球人形机器人的总产量可能还不到这个数字的十分之一。但这个计划的真实目标可能不是「1 万台」本身，而是通过强制部署创造的真实场景数据。

人形机器人的最大瓶颈不是硬件制造，而是场景适应性。一台在实验室里完美执行任务的机器人，到了真实的工厂、医院或仓库里，往往会因为光照变化、地面不平、障碍物不可预测等因素而失灵。解决这个问题需要大量真实场景的操作数据——而这正是中国试图通过强制部署来获取的。如果 1 万台机器人按计划部署，每台每天产生数小时的多模态操作数据，那么中国将在 1-2 年内拥有全球最大的机器人操作数据集。这个数据优势可能比任何单项技术突破都更具决定性。

硅谷模式 vs 中国模式：两条路径的交汇

Figure AI 的 BotQ 代表了一种「自下而上」的路径：先做出好产品，再通过市场验证扩大规模。中国的 1 万台计划代表了一种「自上而下」的路径：先设定部署目标，再倒逼技术和供应链跟上。

两种路径各有优劣。硅谷模式的优势是市场反馈清晰、迭代速度快、产品-市场匹配度高；劣势是规模化速度受限于资本效率和供应链成熟度。中国模式的优势是可以快速创造需求、集中资源、获取大规模真实数据；劣势是可能存在「为部署而部署」的低效问题，以及机器人在实际场景中的可靠性可能无法保证。

但更可能的未来是：两种模式正在走向交汇。Figure AI 需要数据来改进 Helix AI，中国的机器人公司需要硅谷的技术来提升产品竞争力。当物理 AI 成为真正的全球竞赛时，技术路线的差异可能远没有「谁能最快获得最多高质量数据」这个核心问题重要。在这一点上，中国的 1 万台强制部署可能是一个比任何技术论文都更有效的策略。

军用机器人的伦理边界：Foundation 的 Phantom 在乌克兰

在商业化叙事之外，人形机器人还有一条更敏感的线索：军事应用。

Foundation Robotics 的 Phantom MK-1 是目前唯一已知在真实战场上测试的人形机器人。2025 年 10 月首次公开，2026 年初两台 Phantom MK-1 被送往乌克兰进行前线侦察和物资搬运的试点演示。CNBC 报道称，Foundation 已获得美国陆军、海军和空军合计 $2,400 万的研究合同，公司还获得了与特朗普政府相关的背景支持。

Foundation 的商业计划也与主流不同：它不追求家用市场，也不追求通用工业场景，而是专注于军事和特种应用。公司计划在 2027 年底前实现年产 4-5 万台，单价低于 $2 万——如果实现，这将是人形机器人价格首次进入大规模军事采购的门槛。

这条线索引出了一个无法回避的问题：当人形机器人从实验室走向战场，谁来定义它的行为边界？当前的国际人道法体系中，没有针对自主人形作战机器人的专门条款。日内瓦公约规定了战斗人员的义务和权利，但一个没有国籍、没有道德意识、不惧怕死亡的机器人算不算「战斗人员」？Foundation 在乌克兰的测试，无论其初衷如何，都在事实上创造了一个先例——而这个先例的伦理后果可能需要数十年才能完全显现。

巴克莱银行在报告中写道：「这是机器人的十年。」但没有回答的问题是：这些机器人的「十年」，是在工厂里、仓库里，还是在战场上？当同一台机器人既能搬运货物、也能搬运弹药时，它的设计者是否有权——或者有义务——为其设定行为边界？

设计视角：当机器人开始批量生产

从设计的角度看，人形机器人量产化带来了一系列全新的挑战和机会，这些挑战将重新定义「机器人工业设计」作为一个独立设计领域的边界。

材料选择的转变。实验室阶段的机器人通常使用高成本的碳纤维和航空铝材，设计师可以几乎不受限制地选择「最好的材料」；进入量产后，设计师必须在性能和成本之间寻找精确的平衡点。工程塑料、压铸铝合金和标准化标准件将成为主流。这不意味着品质下降——相反，它意味着设计必须更聪明地利用材料特性，用结构设计弥补材料性能的差距，而不是简单地通过使用昂贵材料来掩盖设计缺陷。

维护性设计。当一台机器人每天工作 8-16 小时，零部件的磨损和故障将变得常态化。设计必须考虑「现场可维护性」——关节模块能否在 15 分钟内更换？电池是否支持热插拔？外壳的拆卸是否需要专用工具？传感器的校准是否可以远程完成？这些问题在实验室阶段几乎不会被考虑，但在量产阶段直接决定了产品的商用可行性和总体拥有成本。

交互语言的标准化。当 12 个不同品牌的机器人同时出现在同一个工厂里，它们需要一套共同的「行为语言」——不只是安全协议（比如速度限制、紧急停止信号、安全区域定义），还包括与人类同事的协作规范（如何发出「我需要你让开」的信号？如何表示「我正在执行任务，不要打断」？）。这需要一个新的设计领域：机器人-人类协作界面（HRI）的标准化，以及跨品牌的机器人行为互操作协议。

外观设计的去个性化。当机器人成为批量生产的工业设备，它的外观设计将逐渐从「独特」转向「中性」。就像笔记本电脑的设计在过去十年趋于统一一样，人形机器人的外观最终将服从于功能——散热孔的位置、传感器的布局、关节的运动范围、防护等级的要求，这些工程约束将比任何美学偏好都更有力地塑造机器人的「长相」。在量产品时代，最好的机器人设计可能是「你不会注意到它的设计」。

从「机器人十年」到「物理 AI」的范式转移

2026 年 6 月的三个里程碑事件——BotQ 的量产突破、Neura 的 $14 亿融资、中国的 1 万台部署计划——共同指向一个更大的叙事：AI 正在从「纯数字」走向「物理世界」。

过去十年，AI 的主要战场是文本、图像和视频——它学会了读、写、画和看。但物理世界的 AI（Physical AI）面临完全不同的挑战：它必须理解三维空间、处理不确定性、与物理材料互动、在重力和摩擦力的约束下工作。人形机器人是 Physical AI 的终极载体——因为它必须在一个为人类设计的世界里，用与人类相似的身体完成任务。这比在数字世界中处理信息要困难无数倍。

$558 亿的资本涌入、$380 亿的市场规模、12 个商业平台、中美两国的政策竞赛——这些数字共同勾勒出的，是一个正在成形的新产业。它可能像 2007 年的智能手机市场：技术已经准备好，供应链正在成熟，政策开始推动，消费者（这次是企业用户）开始认真考虑采购。唯一的不确定性是：谁会成为机器人时代的「iPhone」？

答案可能不在任何一家公司的产品里，而在整个生态系统的演化速度中。Figure AI 的 BotQ 证明了硬件可以量产，Neura 的 Neuraverse 证明了智能可以跨平台，中国的 1 万台计划证明了政策可以创造需求。当这三条线交汇时，人形机器人就不再是一个「如果」的问题，而是一个「多快」的问题。2026 年 6 月，可能正是后一个问题开始有了答案的时刻。