機器人同事來了！崗位重組悄然發生，你的工作會被如何“腐蝕”？

2026年除夕夜，宇樹、松延動力、銀河通用、魔法原子同時登上央視春晚。醉拳、空翻、擬人互動，時隔一年，人形機器人再次成為全民熱點；京東平臺上，相關產品的搜索量和訂單量也在短時間內迅速上升。

這不是一筆便宜的合作。據36氪報道，四家企業的春晚合作報價在6000萬至1億元之間，部分獨家權益甚至高達5億元。對尚未盈利的初創公司而言，這筆錢接近研發團隊一年的成本。不過，它們賭的并不是京東平臺短期的搜索和銷量，而是資本市場的估值。

這筆賬已有先例：2025年春晚，宇樹科技一家獨秀，隨后全年出貨超過5500臺，公司估值飆升至120億元，IPO輔導也迅速啟動。從這個角度看，春晚的回報其實非常可觀的。

這當然也不只是企業行為。“十五五”規劃草案將“具身智能”列為六大未來產業引擎之一，國家級AI產業投資基金規模約600億元，工信部也同步發布了人形機器人首個國家標準體系。

當前這股機器人熱潮，是多重力量疊加的結果：國家在“AI+”框架下將其納入未來產業范圍，地方政府把機器人視為新的增長引擎，資本市場把具身智能當作下一輪技術敘事；機器人企業借助國家級舞臺爭奪訂單與政策資源，公眾則再次通過春晚這一高度直觀的舞臺，看見“新質生產力”的大國氣勢。

看見“AI進入物理世界”的想象，以及“新質生產力”的國家敘事。

政策方向、資本敘事、企業野心與公眾期待，在除夕夜的舞臺上同時被展示出來。

問題也隨之而來：中國的人形機器人產業究竟走到了哪一步？當前的熱潮，究竟是技術突破、產業競爭，還是一種政策與資本共同塑造的未來想象？而當機器人真正進入工廠、倉庫與公共空間，它又會如何改變企業的成本結構、就業形態，以及普通人的工作與收入？

按麥肯錫的標準，人形機器人真正要跨過的是四道門檻：無圍欄安全、持續運行時長、操作與移動能力，以及系統性降本。春晚能夠證明的，主要是運動控制、多機協同和故障恢復；但長時間穩定運行、靈巧手作業、維護成本以及商業能力，都無法在這樣的場景中得到驗證。

換句話說，春晚以及類似德國總理訪華時展示的“武術機器人”，其實并不能代表機器人的典型能力。

春晚舞臺上最驚艷的，依然是預設程序下的動作控制。宇樹團隊透露，僅空翻一個動作就迭代了300多個版本；26臺機器人在鋼化玻璃地面上的同步誤差被控制在0.1秒以內。但這一切都發生在高度受控的舞臺環境中，動作全部是定制化預編程。

從訂單結構上看，這一點更清楚。2025年上半年，中國人形機器人中標項目中約76%仍屬于教育和科研類，真正進入工業和消費級落地的比例不到四分之一；國家和地方政府在人形機器人及相關技術上的招標金額在近兩年快速上升，也說明當前市場需求中仍有相當一部分帶有政策培育的性質。

因此，在今天，最先創造價值的場景很可能不是開放環境中的復雜裝配，更不是家庭保姆式應用，而是巡邏、表演、教育等項目。

所以，在2026年春晚這個時間點，對中國人形機器人行業的判斷，或許不應是“已經擁有通用機器人”，而是“已經成為全球最強的人形機器人工業化平臺”。

中國真正領先的，依然是成本與產能。

如果把視線從舞臺挪到產業鏈，我們可以更清楚地理解中國機器人的能力結構。摩根士丹利把人形機器人價值鏈拆分為大腦（Brain）、身體（Body） 和集成與部署（Integrator ）三段。按這個框架看，中國還沒有做到每一環都全球第一，更像是能夠把尚不完美的技術迅速工業化、并壓低成本的完整產業生態。

IFR數據顯示，2024年中國占全球工業機器人（并非人形機器人，但產業鏈高度重疊）安裝量的54%，在用工業機器人超過200萬臺，本土廠商在國內市場的份額也已升至57%。這意味著，在工業機器人領域，無論產業基礎、密度還是增速規模，中國都處在全球最前列。

中國的優勢首先體現在身體（Body）一側，也就是機器人實體本身：關節、電驅、傳感器、結構件、電池等硬件系統。人形機器人與電動車、消費電子和工業機器人在部件、精密制造和供應鏈組織上高度重疊，這使中國企業能夠非常快速地進行硬件迭代，把一臺尚不完美的樣機迅速推入工廠試點。

行業人士普遍認為，中國已經能夠制造人形機器人約九成的零部件，而且本地供應商響應極快，這是許多國家難以復制的工業密度。像宇樹 G1 將整機價格壓縮到約1.35萬美元的案例，也說明中國在機器人本體降本方面確實具有難以比擬的優勢。

但“供應鏈全面覆蓋”并不等于“每一環都成熟”。宣傳片和春晚里的動作，并不是最關鍵的指標；更重要的是關節壽命、批次一致性、維修成本等工程指標。2025年北京半馬機器人賽上，多臺機器人跌倒、碰撞甚至停機，就暴露出視頻呈現與現場可靠性之間的差距。精密減速器、高端機床等關鍵環節，中國仍未達到可以“全面領先”的程度。

靈巧手則是另一條重要分水嶺。過去幾年，消費者很容易因為機器人跑跳、翻跟頭等動作而高估“腿”的重要性，卻低估了“手”。會走、會跳，與會抓、會擰、能夠在觸覺與力控反饋下連續完成復雜手部操作，并不是同一難度等級。真正決定人形機器人價值的，恰恰是手——因為人類絕大多數精密操作，都依賴雙手完成。

在這一領域，中國在供應商密度、原型迭代速度和成本壓縮上進展很快，但工業級耐久性和泛化能力仍未完全被證明。美國 Figure AI 在 BMW 工廠進行的11個月試點中，完成過9萬多個零件搬運，這樣的案例看起來已經接近“真實部署”；但即便如此，它執行的仍然是高度結構化的單一任務，而且根據報告，其前臂仍是故障率最高的部位。這說明，即便是全球第一梯隊的靈巧手技術，產業仍處在從原型機走向窄場景部署的階段。

同時，訓練、仿真與部署所依賴的高端算力、EDA、先進工藝以及部分軟件工具鏈仍然依賴西方。今天大量中國企業仍使用 Nvidia 的 Isaac Sim、Cosmos、GR00T 與 Orin 生態，這意味著瓶頸并不僅僅在推理芯片，而是貫穿整條技術體系，這一點與 AI 產業的結構有相似之處。

中國的優勢在于，它比許多國家更容易把機器人推入工廠、倉儲和測試場：以部署換數據，再用數據反哺模型。但誰能夠把這些數據真正沉淀為跨場景、跨任務、持續進化的控制系統，今天仍沒有定論。

因此，對中國人形機器人產業鏈最中性的概括或許是：中國強在 “身體”段和 “集成與部署”段的廣覆蓋能力，強在部署速度和降本能力；短板則更多集中在芯片、算法、高端軟件、工業級靈巧手、無圍欄安全以及長時可靠性。

各國押注人形機器人，并不是因為它天然就是最高效的機器人形態。很多人都會想到：機器人未必一定要是人形。倉庫里，輪式底盤更快；手術臺上，專用機械臂更精準；管道里，蛇形機器人也更合適。

但人形機器人也并非一種臆想。真正吸引政策制定者和資本的地方，在于它最像一種“通用勞動接口”。樓梯、門把手、貨架、工具和工作臺都是按人體尺度建成的，因此，人形機器人最容易被想象為可以直接嵌入既有空間和崗位體系的通用平臺——不必完全重構居住環境和生產空間，就能部署新的勞動力。

中國之所以在2026年前后把人形機器人推到這樣的位置，并不只是技術成熟或企業意志的結果，而是多種力量共同推動的結果。其中既有國家目標，也有地方政府、企業融資和輿論傳播的因素。

國家希望把中國在AI領域的優勢進一步放大，從“對話模型（LLM）”延伸到制造、物流、醫療和公共服務等實體生產力領域，這是AI與制造業結合的一種自然延伸。從 Tesla 的布局中，也能看到類似的方向。地方政府需要的是一個既能對接中央產業優先級，又能帶動園區建設、產業基金和配套企業的新投資增長點。企業則希望借助國家級舞臺爭取訂單、補貼和融資。公眾也第一次如此直觀地看到“AI進入物理世界”的畫面，于是政策和產業敘事被轉譯成未來想象與國家能力的象征。

但機器人的戰略意義，遠不止產業本身，它還涉及制造業競爭力、人口老齡化、技術主權以及地緣政治競爭。

中國面對的是制造業大國與人口老齡化同時到來的局面：到2050年，勞動年齡人口預計將減少2億以上，而60歲以上人口將超過4.3億。中國幾乎沒有把大規模移民作為勞動力補充的政策選項。在這種約束下，人形機器人要解決的問題就不只是“替代人工”，而是把AI變成真實的物理生產力，使制造業在勞動力減少之后仍能維持運轉。如果中國能夠完成向人形工業機器人的過渡，那么后發國家如印度和越南的人口紅利優勢就不再那么明顯。

中國的獨特之處，并不在某一項單獨技術，而在于能夠在國家政策推動下，把硬件制造、地方試點與整機集成快速推進并形成規模。換句話說，中國更像是在工業機器人既有基礎上，借用類似電動車產業的組織方式，押注具身AI這一新平臺，希望最終在制造端形成產業控制力。

因此，人形機器人的競爭，很可能表現為美國補足制造能力短板與中國補足芯片和基礎技術短板的相互追趕。

在最宏大的愿景中，AI加持的人形機器人被期待成為一種具有泛用能力的平臺技術。正如AI模型可以同時應用于個人生活、商業活動、政府治理乃至軍事領域，人形機器人也被寄予類似的“泛化”想象，因此逐漸被視為技術主權與地緣政治競爭的重要節點。

但也正因為這種想象的存在，人們很容易把它誤讀為短期現實。如果類比AI的發展，人形機器人距離類似2023年 ChatGPT-4 那樣的突破性時刻仍然很遠。

未來三年，普通人仍不太可能在日常生活中大規模看到人形機器人，尤其是在家庭環境中。但在工廠、倉儲、園區、醫院后勤、養老機構以及公共服務空間中，試點和測試場景很可能會越來越多。在這些環境里，人形機器人短期內不太可能完全替代人類，而更可能以“同事”的姿態出現。

人形機器人的大規模使用，大概率會發生。但真正困難的，不是把它造出來，而是當沖擊真正落到社會層面之后，收益和成本將如何重新分配。

長期看，人形機器人確實可能緩解招工難、老齡化和危險作業帶來的壓力；但在那之前，它最先沖擊的，往往是制造、物流、后勤等流程中的普通勞動者。而且，這種沖擊未必是公眾最容易想象的那種“大裁員”。更常見、也更早發生的，其實是崗位重組、管理強化和工資壓制。

企業通常不會先整批裁人，再去購買機器人。更常見的順序是：先把崗位拆分，再把其中可編碼、可標準化的任務交給機器人完成，由機器人和少量人類共同協作。比如在餐廳里，機器人負責“從出餐口移動到指定餐桌”這一段物理位移，人類服務員則被重新定位，專門負責把菜從機器人托盤端上桌，以及處理顧客的突發需求。

對企業內部而言，最先發生的是崗位重組，會出現一批專門與機器人配合的新崗位。比如物業公司購買大型自動洗地機器人后，原本負責大面積推拉拖把的保潔員，不再做整片區域的清潔，而是被分配去操作和維護機器：加水、倒污水，并手持抹布跟在機器人后面，專門擦拭機器人進不去的地漏死角和墻角。

類似的崗位正在變多。BMW德國丁戈爾芬工廠引入協作機器人（cobot）后，產線上出現了一種以前并不存在的角色——“cobot shepherd”（協作機器人看護員），專門負責重新校準機器人、處理異常停機，并在人機動作之間做緩沖和調度。

對這批勞動者而言，工作感受也會隨之變化，甚至可以說，人的工作本身也在被“機器人化”。亞馬遜的 Kiva 系統就是一個典型例子。過去，揀貨員需要在貨架之間走動，還保有一定的身體自主性和休息間隙；而在“貨找人”模式下，揀貨員被固定在工位上，由機器人把貨架搬到面前。工作節拍被不斷壓緊，機器人持續不斷地送來貨架，人類必須在系統規定的幾秒內完成“拿取、掃碼、放入打包箱”的動作。

到了下一階段，入門崗位會逐漸縮減，企業招聘會首先收縮，青年就業更難，工資增長也會被壓平。裁員反而往往來得更晚，也更有選擇性。這比簡單地說“機器人替代工人”，更接近真實發生的過程。

在這個過程中，傳統社會保險體系可能很難有效應對。

第一，失業保險更擅長處理“正式失業”，但自動化首先制造的，常常不是失業本身，而是工時縮水、招聘凍結、自然減員和外包轉移。當機器人大面積造成人類工作的“腐蝕”時，傳統保險未必能覆蓋這些變化。

第二，社保繳費高度依賴工資性收入，而自動化一方面減少新增勞動，另一方面壓低勞動收入，也會同步削弱繳費基數。這就形成了一種悖論：技術性失業越需要更多保障，社保體系的資金基礎反而越可能被削弱。

第三，勞動仲裁更容易處理顯性的違法解雇，卻不擅長處理崗位改寫、算法管理、績效淘汰，以及灰色地帶中的職能替代。

換句話說，大規模失業也許還沒有到來，社保體系就可能已經難以應對這種對工作的持續侵蝕。圍繞“機器稅”或“生產率收益附加費”的討論之所以出現，正是因為現有社保融資結構很難自動承接這類變化。不過，這類方案距離現實仍然很遠；更近的現實，反而可能是為了推動機器人產業發展而實行的減稅政策。

這當然會是一場劇變。AI替代白領，機器人替代藍領，而人形機器人與大模型的結合，意味著這兩種沖擊正在合流。

人類將往何處去？這是個問題。

面對這種局面，最常見的建議是“終身學習”和“提升技能”。但這類建議往往過于抽象，也暗含一個未必成立的前提：只要個人足夠努力，就能跑贏技術替代的速度。現實是，對大多數人來說，個體努力遠遠趕不上政策和企業的超大規模投入。

但至少在眼下，個體去學習如何與 AI 和機器人協作，去成為 prompt engineer、agent engineer，或者成為 cobot shepherd（協作機器人看護員），也許就是眼前最實際的方法。