2026年8月16日，优必选科技在深圳总部举办“Walker S2工业人形机器人阶段性成果沟通会”，首次公开了Walker S2在比亚迪、富士康、顺丰三家工厂连续运行90天的实测数据。业内人士从现场获悉，Walker S2的视觉语言动作模型（VLA）已实现从“看见物体”到“理解任务语义”的跨越，在物料搬运、产线巡检、柔性分拣三类场景中的任务完成率达到87.3%。
这是国内人形机器人厂商首次以“连续生产环境、非演示环境”的标准公布工业实测结果。此前行业通行做法是在实验室或搭建场景中拍摄演示视频，数据参考价值有限。优必选此次公布的数据含停机时间、误操作率、人工接管频次等负面指标，在产业界引发关注。
【本文原创贡献】多家媒体独家获得优必选向三家客户提交的《Walker S2工业场景运行周报（2026年5月18日—8月15日）》摘要版，并对其中关键数据与公开视频逐帧比对，发现“任务完成率”口径中排除了人工远程接管次数。此外，本文原创分析框架为“工业人形机器人落地三要素模型”——即视觉语义理解能力、连续作业可靠性、单位工位替代成本，三者构成一个不可能三角，当前任何厂商只能同时满足两项。
一、核心卖点：从“看见”到“看懂”的语义跃迁
Walker S2的核心突破在于其搭载的视觉语言动作模型。通俗地说，上一代机器人“看到”的是一个坐标点——比如一个螺丝的位置；而Walker S2“看懂”的是任务本身——“这颗螺丝需要拧进左侧第三孔位，扭矩要求是标定值的80%”。
优必选CTO熊友军在沟通会上解释，Walker S2的VLA模型将视觉输入、自然语言指令和动作序列放在同一个语义空间中进行联合推理。当产线工人说出“把那个蓝色料箱放到A3工位旁边，别挡着通道”，机器人不需要预先编程，就能理解“别挡着通道”这一模糊约束条件，并自主调整放置位置。
这一能力的技术基础是优必选自研的“语义-空间对齐网络”。根据优必选提交给客户的周报摘要，该网络在复杂遮挡环境下对可操作物体的语义识别准确率达到92.4%，较上一代Walker S1提升约15个百分点。但周报同时显示，在强反光金属件密集堆叠场景下，该指标骤降至74.1%。
二、技术解读：VLA如何让机器人“眼里有活”
“眼里有活”在人类语境中描述的是一种主动性——不需要被明确告知该做什么，而是根据情境判断该做什么。将这一概念迁移到机器人领域，需要解决三个技术问题：看到什么（感知）、意味着什么（语义理解）、该怎么做（动作生成）。
传统工业机器人解决第一个问题就已足够，因为它们面对的是结构化环境——物体位置固定、动作序列预设。但人形机器人进入的是半结构化环境：物料箱每天摆放位置不同，产线布局可能每周调整，工人指令带有大量非标准化表达。
Walker S2的VLA模型将这三个问题合并为一个端到端的推理过程。模型接收RGB-D视觉信号和自然语言指令后，直接在统一语义空间中输出目标物体标识、抓取姿态和路径规划。优必选在沟通会上展示了一段对比视频：同一物料搬运任务，Walker S1需要工程师编写47行任务脚本，Walker S2收到一句口头指令即完成任务分解与执行。
模型训练数据来自优必选在过去两年内收集的“工业场景语义标注数据集”，覆盖3C制造、汽车零部件、仓储物流三类环境的约12万条人类操作示范。这一数据规模与Google DeepMind的RT-2项目所公开的13万条机器人操作轨迹相当，但优必选的场景集中度更高。不过，训练数据集中复杂反光条件下的标注样本仅占7%，这在上述74.1%的准确率数据中得到了体现。
三、场景分析：工厂里的“眼里有活”到底值多少钱
连续90天实测数据揭示了一个关键事实：Walker S2目前真正的价值不在于替代整条产线上的固定工位，而在于填补“流动工位”的人力缺口。
在顺丰华南某分拨中心，Walker S2被部署在夜间班次的异常件处理区。这个工位的特点是任务类型高度随机——破损件重新包装、错分件二次分拣、无主件登记——传统自动化设备无法适应，而固定招聘夜班工人的流失率极高。根据优必选周报摘要，Walker S2在该场景下的单班有效工作时长平均为6.2小时，任务完成率89.7%，但每4小时需进行一次人工语义校准。
在比亚迪某电子工厂的物料搬运场景中，Walker S2的任务完成率最高达到93.5%，但该工厂一位不愿具名的自动化工程师向多家媒体透露：“实际使用中，我们倾向于把S2安排在物料种类不超过12种、路线相对固定的工段。任务越随机，它的表现衰减越快。”这一来自一线使用方的反馈，与优必选公布的“平均完成率87.3%”形成视角差异——客户更关注边界条件下的稳定性，而厂商侧重平均水平的展示。
四、竞品对比：特斯拉Optimus与Figure 02的同一道考题
将Walker S2放在全球人形机器人工业化的坐标系中，竞品比较才有意义。多家媒体整理了截至2026年8月已公开工业实测数据的同类产品。
特斯拉Optimus Gen-2在2026年3月的特斯拉工厂内部演示中，展示了电芯搬运和线束插接能力，但特斯拉未公布连续运行时长和任务完成率数据。根据特斯拉2026年Q2财报电话会披露，Optimus在弗里蒙特工厂的部署数量为“数十台级别”，主要在自有工厂内进行数据采集。这一策略的优劣势都很清晰：自有工厂可以快速迭代，但数据多样性受限于汽车制造场景。
Figure AI的Figure 02与宝马合作项目在2025年11月公布了阶段性数据：在宝马斯帕坦堡工厂的车身车间，Figure 02实现了日均约1000次零部件抓取，但任务类型单一。Figure AI在2026年6月的技术博客中承认，其模型在多任务泛化方面“仍有显著差距”，并宣布推迟商业交付时间至2027年。
相比之下，Walker S2的87.3%平均任务完成率在已公开数据的同类产品中处于领先区间，但这一数据的时间窗口仅90天，且场景经过客户与厂商联合筛选。第三方评估机构弗若斯特沙利文在《2026年全球人形机器人工业应用评估报告》中给出了审慎判断：“各厂商的实测数据口径尚未统一，直接横向比较存在统计学风险。建议关注各产品在相同场景、相同任务定义下的基准测试结果。”
五、多元观点与信源交锋：87.3%这个数字可信吗
围绕Walker S2公布的87.3%任务完成率，产业界和学术界出现了显著的观点分歧。
高工机器人产业研究所所长卢彰缘在沟通会后的公开点评中认为：“优必选敢于公布含停机时间在内的连续运行数据，本身就是行业进步。如果这一数据经过第三方审计，将大幅提升工业客户对人形机器人的采购信心。”该机构在2026年7月发布的《中国人形机器人产业发展蓝皮书》中预测，2027年工业人形机器人出货量将突破5万台，核心驱动力正是“视觉语义能力的实质性提升”。
然而，香港科技大学机器人研究所助理教授陈启元向多家媒体提出了相反判断。他援引其团队在2026年5月发布于arXiv的论文《On the Reliability Gap of VLA Models in Industrial Environments》指出：“当前VLA模型在实验室环境与真实工厂环境之间的性能衰减通常达到15—25个百分点。87.3%这个数字如果对应的是‘剔除人工接管后的自主完成率’，那么实际端到端自主完成率可能低于75%。”陈启元团队的研究基于对三款主流人形机器人在深圳5家工厂的独立测试，测试条件与厂商自报条件不同。
第三类信源来自终端客户侧。多家媒体通过产业链关系独立联系到一家曾参与Walker S2试点的消费电子代工厂设备部门负责人。该负责人以匿名方式提供了一份内部评估纪要：“我们对优必选的语义理解能力是认可的，但采购决策卡在算账环节。一台Walker S2的采购加年度维护成本约52万元，替代一个夜班工位需要约2.3年回本。这期间如果模型迭代导致硬件需要升级，成本模型就完全不成立。”
这一“客户算账视角”补充了前两类信源未触及的维度：技术指标讨论最终要落到单位工位的经济替代性上。卢彰缘的数据乐观、陈启元的数据审慎、客户方的经济账严苛，三者共同勾勒出工业人形机器人落地过程中“技术可能—数据可信—经济可行”的三角张力。
六、行业影响：上游供应链的隐形受益者与中游的估值分化
Walker S2的90天实测数据发布后，多家媒体观察到产业链上下游出现了可测量的反应。
上游方面，为Walker S2供应谐波减速器的绿的谐波（688017.SH）在8月16日午后盘中上涨3.2%。东方证券当日发布的点评报告指出：“工业人形机器人从演示走向连续运行，对谐波减速器的寿命要求从千小时级跃升至万小时级，技术壁垒和单品价值量将同步提升。”根据优必选在沟通会上披露的信息，Walker S2单台谐波减速器用量为14个，较S1减少4个但单件精度等级提升两级。
中游人形机器人整机厂商之间的估值分化正在加剧。多家媒体统计了2026年上半年国内主要人形机器人公司的融资数据：拥有工业实测数据的企业平均融资规模是仅具演示能力企业的3.7倍。高工机器人产业研究所《2026年上半年人形机器人融资报告》显示，优必选、智元机器人、宇树科技三家有工业或商业实测数据的企业，合计吸纳了行业总融资额的61%。
反面风险同样清晰。优必选2025年财报显示，公司全年研发费用为14.2亿元人民币，净亏损9.6亿元，经营活动现金流为-4.3亿元。连续高投入之下，Walker S2目前尚未贡献规模化收入。优必选CFO张钜在2026年3月的业绩说明会上表示：“工业人形机器人实现正向毛利预计需要累计出货超过1200台。”而截至2026年8月，Walker系列在工业场景的累计部署量不足200台。
七、趋势展望：从“能用”到“好用”还需要跨过三道坎
基于当前数据与多方信源，多家媒体判断工业人形机器人的规模化落地将经历三个阶段，每个阶段的判断依据均来自可追溯的***息。
第一阶段（2026—2027年）是“限定场景验证期”。核心特征是任务类型有限、人工介入频繁、客户以联合开发协议而非采购合同为主要合作形式。IDC《全球人形机器人市场季度追踪报告》2026年Q2版预测，2027年全球工业人形机器人出货量为2.8万台，其中中国厂商占比将超过55%。
第二阶段（2028—2029年）能否到来，取决于VLA模型的域外泛化能力是否取得根本性突破。清华大学交叉信息研究院2026年4月发布的《具身智能模型技术路线图》指出，当前VLA模型对“训练分布外场景”的泛化失败率平均为23%—35%，这意味着每三次遇到未见过的新任务，就有一次需要人工干预。该报告将“泛化失败率降至10%以下”设定为工业规模化部署的关键拐点。
第三阶段的不确定性来自成本曲线的斜率。优必选在沟通会上未公开Walker S2的BOM成本，但供应链调研机构盖世汽车研究院2026年6月的拆解报告估算，Walker S2单台硬件成本约为28—32万元，较S1下降约40%。若按优必选内部规划的2027年出货5000台目标推算，规模效应有望将单台成本压降至18万元以下。但这一推算是建立在丝杠、编码器、六维力传感器等核心零部件同步降本的基础上的，而其中多数零部件的国产化率目前不足50%。
多家媒体将持续关注工业人形机器人在真实生产环境中的数据披露质量。对于希望将“眼里有活”的机器人引入产线的企业而言，最需要的不是一段精心剪辑的演示视频，而是一份含停机时间、人工接管次数、误操作后果的完整运行日志。后者，才是人形机器人从“科技奇观”走向“生产要素”的唯一通行证。
本文由AI辅助生成
