人形机器人不缺表演,缺的是工牌
后空翻视频刷屏,人形机器人真正上岗却步履蹒跚。Agility Robotics 的 Digit 5 给出车间思维的答案:举重 23 公斤、无围栏人机共存、单日运行超 20 小时,同时解开功率、安全、续航这个工程三角。而 AI 时代安全定义的重写,正在把竞争从'会做什么'推向'能安全地持续做什么'。
刷屏的后空翻视频之外,人形机器人真正'上岗'的进度条走得慢得多。Agility Robotics 发布的 Digit 5 给出了一个反直觉的答案:不卷炫技,死磕功率、安全、续航这三个互相打架的指标。当一台 129 公斤的机器人敢于拆掉围栏、连轴转 20 小时,人形机器人离'打工人'才算真的近了一步。
🤸 表演赛和招聘会,是两场考试
点赞数和排班表,从来是两套完全不同的考核体系。
过去一年,社交媒体上的人形机器人视频一部比一部炸裂:后空翻、打功夫、跑酷,观众看得热血沸腾,厂长们却在心里默默打了个问号——这玩意儿进了我的车间,到底能干嘛?
IEEE Spectrum 的判断很直白:人形机器人迈向'规模化能挣钱的工作'的实际进展,有时显得步履蹒跚。原因不是造不出来,而是三个必要条件天然互斥:功率要够大,才能干有用的活;安全要够好,才能让人从旁边走过去;续航要够长,才能别一天到晚趴在充电桩上。而这三件事,彼此都在使反劲——功率上去,重量和发热跟着上去,🔋 续航就掉下来;要安全,往往就得加围栏、限速度;要长续航,电池加大、整机变重,又反过来吃掉功率预算。
这是典型的工程三角。凡是'既要又要还要'的产品定义,都意味着既不能在某个维度上偷懒,也不能在某个维度上堆料堆过头。行业过去几年的热闹,恰恰掩盖了这个三角没有被解开的现实——能翻跟头的样机很多,能进排班表的机器很少。
💪 Digit 5 的参数账,一笔一笔都是车间思维
好参数不等于好工人,能落进排班表的参数才算数。
Agility Robotics 这次发布的核心信息非常克制,没有表演环节,全是硬指标。这台 1.8 米高、129 公斤的机器人,官方给出的能力清单如下:
| 参数 | 数值 |
|---|---|
| 身高 | 1.8 米 |
| 整机重量 | 129 公斤 |
| 举重能力 | 23 公斤 |
| 举升高度 | 2.1 米 |
| 单日运行时长 | 20 小时以上 |
| 人机共存方式 | 无需物理围栏 |
单看每一个数字都不算惊人,但把它们放在一起,就能看出 Agility Robotics 的算盘:23 公斤乘以 2.1 米的举升高度,对应的是仓储和产线上最常见的搬运、码垛、上下料动作;20 小时以上的运行时间,对应的是真实工厂的运营节拍;无围栏共存,对应的是现有车间不推倒重来的前提。
用 IEEE Spectrum 的话说,这三项能力组合出了一个'甜蜜点'(sweet spot)——一台功能性优先于颜值、优先于几乎一切其他东西的机器人。这恰恰是人形机器人拿到一份工作的前提。
从这张图能看出行业的基本盘:演示型机器人的技术炫目但商业价值存疑,传统自动化设备商业成熟但形态受限。Digit 5 走的路线,是用工业级的功能定义,把人形形态从'科技展品'推向'生产资料'。这个定位之争,决定了下一轮融资和订单流向谁。
🛡️ 安全的定义,正在被 AI 重写
过去问的是'机器坏了还安全吗',现在得问'机器被骗了还安全吗'。
传统机器人安全的逻辑是失效安全(fail-safe):机器出故障时,能不能保持安全状态?急停、光栅、围栏,都是围绕这个问题的答案。但物理 AI 把问题升级了:当攻击者改变了机器人看到的东西、做出的判断、执行的动作——即使一切看起来运转正常——机器还能保持安全吗?
这个变化不是杞人忧天。现代机器人通过多模态传感器感知环境,用 AI 模型理解语境,再把理解转化为物理动作。进入动态环境后,安全越来越取决于引导决策的数据完整性。已有研究表明:操纵机器人看到、听到、理解的内容,不需要直接控制机器人本体,就能影响它的行为。这种操纵可能发生在'感知—决策—执行'链条的任何一环,构成一个分层攻击面:
| 攻击层面 | 藏在哪 | 危险在哪 |
|---|---|---|
| 训练链路 | 数据与模型训练环节 | 从源头'学歪',行为偏差出厂即携带 |
| 系统基础设施 | 底层软件与运行环境 | 不动机器人,先动它赖以运行的地基 |
| 运行时感知 | 传感器到决策的实时链路 | 让机器人把伪造的场景当成真实世界 |
这层判断对整个行业都有含义:人形机器人的安全评估体系,不能再只做机械安全认证——碰撞测试、急停验证、围栏规范——还必须覆盖数据链路的完整性。尤其是当 Digit 5 这类机器人主动拆掉物理围栏、与人近距离共处时,感知层的可信度就从'加分项'变成了'地基'。
⚠️ 拆围栏,是人机共存的成人礼
围栏是上一代自动化的图腾,也是这一代机器人的枷锁。
跑过工厂现场的人都知道围栏的代价:占地皮、逼着物流绕行、换型改造又是一笔费用。传统自动化把安全外包给了物理屏障——机器不够安全?那就加围栏。人形机器人如果也走这条路,它的核心形态优势就全废了:它最大的卖点,本来就是在为人设计的空间里干活,而不是在铁笼子里干活。
Digit 5 官方给出的关键能力之一,正是'无需依赖物理围栏即可在人员附近作业'。这不是宣传话术,而是产品定义层面的赌注:把安全的责任,从铁栏杆转移到机器人自身的感知与控制上。
据多位接近产线部署的人士透露,围栏与责任认定问题一直是人形机器人进厂谈判桌上最难啃的条款——客户买的从来不是机器本身,而是'出了事责任说得清'的一整套方案。
拆掉围栏之后,安全体系要同时覆盖物理层和数据层:本体控制的安全(力控、限速、行为边界)加上 AI 决策的可信(感知数据不被污染)。当机器人在无围栏环境中响应人类的指令和环境变化,攻击面就从一个封闭的铁盒子,扩展成了整条'感知—模型—执行'链路。⚠️ 这意味着'第一个真正安全的人形机器人工人'这个评价,检验的不只是机械设计,更是整个安全架构的完整性。
📊 20 小时续航,是人形机器人的 ROI 底线
客户买的不是身高一米八,是每天二十小时的有效工时。
在产线上,设备的有效工时就是产能本身。一台每天工作 8 小时、剩下时间挂充电桩的人形机器人,折算到每小时作业成本会非常难看——这也是很多'MES 落地良好但设备在线率拉胯'项目的共同教训。
Digit 5 宣称单日可运行超过 20 小时。做一次简单推演:假设产线按'白天生产加夜间补货盘点'的双时段运营,一台 20 小时级的机器人,理论上可以覆盖过去需要两三台短续航设备才能完成的活——机器人台数、🦾 充电桩位、运维排班都会跟着收缩。当然,实际利用率取决于任务密度和调度水平,这笔账每个厂都得拿自己的工艺数据算,PPT 上的通用模型不算数。
续航的本质,其实是'在线率'。工业客户对人形机器人的采购逻辑,最终会收敛到三个指标:有效工时、单件作业成本、无故障间隔时间。功率和安全决定'能不能上岗',续航决定'雇它划不划算'。把这三笔账同时算平,人形机器人才算真正跨过从演示到部署的那道门槛。
小结
人形机器人行业的分水岭,不在于谁翻跟头翻得更漂亮,而在于谁能同时解开功率、安全、续航这个三角。Digit 5 的价值在于给出了一种'车间优先'的产品答案;而 AI 时代安全定义的重写则提醒我们:拆掉物理围栏只是第一步,守住数据链路才是长跑。下一阶段的竞争叙事,将从'它会做什么',转向'它能安全地、持续地做什么'——工牌,只发给能考勤的机器。