榮耀奪冠、機器人半馬跑贏人類，但最關鍵的比賽不在亦莊

從2小時40分到50分鐘，一年的跨越只是開始。

今天上午，北京亦莊南海子公園終點線前，一臺叫"閃電"的榮耀人形機器人沖了過來，凈用時50分26秒。它跑完的是21.0975公里，和今天同場的人類選手一模一樣的距離。第一名人類跑手到達終點的時候，"閃電"已經在那里等了將近17分鐘。

就在一年前，這條同樣的賽道上，成績最好的機器人——天工Ultra——花了2小時40分42秒，而且全程有一名領航員在旁邊引路。

一年，同樣的距離，縮短了將近兩個小時，這次還沒有人跟著。

今天發生了什么

今天的冠軍其實經歷了一點波折才到手。率先沖線的不是"閃電"，而是遙控組的"絕影赤兔隊"，凈時間48分19秒，比"閃電"快了將近兩分鐘。但本屆賽事的規則規定，遙控參賽的隊伍完賽時間要乘以1.2的加權系數——理由很簡單，遠程操控和完全自主是兩種不同的技術難度。加權之后，"絕影赤兔"的實際計分大約是57分鐘，排在了榮耀"閃電"的后面。

這個規則設計本身就值得單獨說一說。組委會用系數而不是分賽道的方式處理兩類機器人，意味著它們要在同一個排行榜上競爭，遙控組的成績必須通過更高的門檻才能壓過自主組。換句話說，這場比賽的獎項，其實是專門為能夠自己看路、自己決策的機器人準備的。

去年，幾乎所有參賽隊伍都依賴遙控或半自主方案；今年，約四成隊伍選擇了完全自主導航。這個比例的變化，比冠軍成績本身還要說明問題。

參賽規模的變化也值得記錄：21臺機器人增長到了300余臺，20支隊伍變成了100多支，26個品牌覆蓋了目前國內主流的人形機器人廠商，還有來自德國、巴西、葡萄牙、法國的4支國際隊第一次站上了這條賽道。

兩屆比賽，路程相同，但本屆新增了南海子公園生態路段，引入了更多復雜地形，難度并不比上屆低。在這些條件下，冠軍成績從2小時40分跑進了50分鐘，并且是在完全沒有人工干預的情況下完成的。這是這個行業用一年時間交出的答卷。

不過有一點需要說清楚：賽道是精心設計的已知環境，路線提前規劃好，地形反復測試過，參賽隊伍有充分的時間針對具體場景做調校。能在這里跑進50分鐘，是一件真實的事，但它測的是某一類特定條件下的能力，和另一類挑戰還不是同一件事。

工廠里的那些機器人

就在今天比賽舉行的同一周，另一批人形機器人正在完全不同的地方運行：裝配線上。

過去半年，國內幾家整車廠、電池廠和零部件企業陸續把人形機器人引入了生產環節。據公開報道，寧德時代洛陽工廠已開始試運行人形機器人，承擔特定工位的搬運和裝配輔助；比亞迪與智元機器人的聯合測試在推進中；上汽、廣汽也在各自的制造基地有所布局。

這些工廠里的機器人在做什么？大致是這樣的場景：拿起一個螺栓，對準孔位，擰緊，放下，再拿起下一個。每天重復數千次。旁邊的工人走來走去，地面偶爾有油漬或零件，批次略有差異的零件可能形狀不完全一致，偶爾出現一個異常工件，機器人需要判斷該怎么處理。

這和跑馬拉松是兩種性質完全不同的挑戰。馬拉松的路線是固定的，障礙是已知的，規則是事先寫好的，最壞的情況是摔一跤爬起來繼續跑。工廠不一樣——它要求機器人在一個部分不可預測的環境里，可靠地工作一整個班次，哪怕工人改變了動線，哪怕某個零件的位置偏了兩厘米，哪怕地面今天比昨天更滑一點。

目前試運行的機器人，大多數集中在對精度要求相對寬松、但對穩定性要求高的崗位：化學品搬運、高強度的重復傳遞、高溫環境旁的輔助操作。這些場景通常是人不愿意做或者做久了會影響健康的工作。業內把這類場景歸納為"3D"——危險、骯臟、枯燥，而這也是機器人最容易先站穩腳跟的地方。

行業里的普遍判斷是，2025年是人形機器人進工廠的概念驗證年，2026年是小規模試運行年，真正的規模化部署，最快也要到2027年到2028年才會開始。賽道上的50分鐘是一份成績單，但它和工廠里的全面開工之間，還有相當長的一段路。

為什么這是中國的主場

今天參賽的300余臺機器人，幾乎是一份中國人形機器人產業的縮略圖：宇樹、智元、天工、傅利葉、達闥、榮耀……26個品牌，來自全國各地。這個規模的聚集本身，已經能說明一些東西。

從零部件到整機，中國在這個產業里的存在感遠超外界通常的認知。減速器、伺服電機、力傳感器、線性執行器——這些構成機器人運動系統的核心器件，中國在全球供應鏈中的參與度大約占到63%。美國要建立同等規格的供應鏈，成本據行業測算大約是中國的2.2倍。2025年，全球人形機器人出貨量約1.7萬臺，中國企業貢獻了其中約1.4萬臺，占比超過80%。

這種供應鏈密度的形成，和人形機器人本身關系不大，它更多是鋰電池、消費電子、新能源汽車十幾年積累下來的副產品。人形機器人用到的大多數核心器件，在手機和電動車里早就有了成熟的供應商體系，只是現在被組合進了一個新的產品形態里。中國同時還有另一個優勢：全球規模最大的制造業基礎，意味著最多的潛在部署場景，也意味著最密集的真實運行數據來源——而數據，對于訓練機器人的大腦至關重要。

當然，這不等于沒有競爭。波士頓動力、Figure AI、1X Technologies在高端機型上依然有明顯的技術積累，特斯拉Optimus的量產路線圖一直是這個行業里最被關注的變量之一。這場競爭的后半程，硬件的差距可能會逐漸收窄，軟件——具身智能模型的推理能力和泛化能力——才是真正決定最終格局的地方。

這條路，中國走過一次了。

十年前的那個劇本

2012年，全球電動車年銷量大約12萬輛，其中大部分是特斯拉Model S。那一年，幾乎沒有人相信電動車十年內能成為主流，續航焦慮、充電基礎設施缺位、成本過高，這些問題看起來都是無解的。

到了2022年，全球電動車銷量突破1000萬輛，中國貢獻了大約600萬輛，比亞迪在年銷量上超過了特斯拉。

回頭去看2012年的那些"無解問題"，你會發現它們最終都被解決了，但解決它們的不是某個單點的技術突破，而是一個互相咬合的飛輪：規模量產壓低了成本，成本下降拉動了需求，需求擴大推動了充電網絡的建設，充電網絡的完善又進一步降低了消費者的顧慮。這個飛輪一旦轉起來，就很難從外部踩住它，而且它的加速度往往比任何人提前預測的都要快。

人形機器人的成本曲線，現在走的是非常相似的一段路。2024年，行業頭部機型的單臺成本大概在10到15萬美元；2025年，部分中國廠商已經把這個數字壓到了3到5萬美元區間；按照目前的規模化預期，到2027年到2028年，有可能進入1萬美元以下的區間。這條曲線的斜率，和當年鋰電池的降價路徑幾乎重合。

《Rest of World》用"Pre-iPhone moment"來形容這個行業現在的位置——智能手機誕生前夕的那個時刻，硬件已經能用了，軟件還在趕上來，成本還沒到大眾可以接受的水平，但所有關鍵的東西都在同時移動。

人形機器人身上還有一個電動車時代沒有的加速器：大語言模型。2022年之前的機器人，底層邏輯是規則樹和硬編程，換一個任務場景幾乎等于重新開發。現在的機器人大腦可以是一個通用推理模型，它能理解自然語言的指令，能在一個新場景里快速調適，這讓機器人的"上崗成本"大幅下降，通用性的邊界也在快速擴展。

但這個類比有一道邊界不能忽略。電動車替代的是燃油車，替代的是另一種機器，不直接影響任何人的飯碗——動力系統變了，但駕駛這件事本身沒有消失。人形機器人替代的是人，是正在工廠里領薪水的工人。這道阻力，在電動車的歷史上從來沒有出現過，但在人形機器人的未來里，它遲早會變成一個需要認真處理的問題，而不是一個可以略過的注腳。

還沒翻過去的幾道坎

今天的成績很好看，但有幾件事，好看的成績掩蓋不了。

一個是部署的適應成本。哪怕是今天跑進了50分鐘的機器人，如果把它挪到一個新的工廠、一條新的產線，它需要重新建立環境模型，重新標定安全邊界，重新規劃動作路徑。這個過程的成本和周期，目前是規模化推廣最大的摩擦力之一。怎么讓機器人像一個新員工一樣，進了工廠幾天之內就能上手，而不是需要幾個月的專屬調試——這是各家廠商都在攻的核心難題，誰先解決，誰就拿到了進入規模化階段的入場券。

一個是穩定運行的時長。馬拉松是一次性的，跑完就結束了。工廠是每天三班倒，一年300天，機器人不能因為累了就停下來。目前試點數據顯示，部分工廠機器人的連續工作時長在四到六小時，能不能穩定撐過一個完整的八小時班次而不出故障，還是一個沒有被充分驗證的問題。

一個是法律和標準的空白。當一臺自主決策的人形機器人在工廠里造成了工傷或者物損，責任是誰的？是機器人制造商，是工廠管理方，還是編寫算法的軟件團隊？現行的工業安全標準是為機械臂設計的，不涵蓋雙足行走、自主判斷的機器人。這個標準體系的建立，比技術本身落后得多，而這個空白，會在真實事故出現之前一直都是企業進場的顧慮之一。

還有一個很少被討論的問題：工廠里的人。部分試點反饋顯示，工人在初期對機器人的行為有明顯的不適應——它的動作不像人，節奏不像人，路徑選擇有時讓人不知道它下一步要去哪里，這種不可預測感會影響協同效率，有時甚至影響工人的情緒。人機共存的操作規范和心理適應，是一個需要時間積累的過程，不是裝好機器人就自動解決的事情。

這些問題都不是死局，但也都不是短期內能全部關掉的。

結語

今天的"閃電"跑完了21公里，比同場的第一名人類跑手快了將近17分鐘，而且全程沒有任何人告訴它應該往哪里跑。

僅僅一年前，做到這件事還需要一個人跟在旁邊引路。

這個速度的變化，是真實的。但賽道是一個被設計出來的環境，21公里的路線是提前規劃好的，地形是反復測試過的，整個系統都在為這一次比賽服務。工廠的地面不是這樣的——那里的每一天都是新的，零件位置會偏，地面狀況會變，工人的走動路徑不會按照規則來。機器人需要在這種開放的不確定性里，可靠地工作一整班，成本低到企業真的愿意付錢，規則清晰到發生意外時知道該找誰。

這個產業今天交了一份很漂亮的成績單。

但漂亮的成績單，和這個行業真正想要到達的地方之間，還有相當長的距離沒有走完。