人形机器人在过去两年里明显从“技术展示品”转向“场景验证中的工业设备”。如果只看现在的商业现实，而不是远期想象，结论并不复杂：现阶段最有机会形成收入闭环的，不是家庭陪伴，也不是通用服务，而是制造与物流两类高度结构化场景；现阶段最清晰的盈利路径，也不是一次性卖硬件这么简单，而是围绕整机、软件、集成、运维和按结果收费逐步叠加的复合型模式。

从工程角度看，人形机器人之所以被重新重视，不是因为“像人”本身，而是因为大量工厂、仓库、分拣中心、后处理工位，本来就是按人的身高、步距、手部可达范围和工装接口设计的。相比重构整条产线，引入能够直接进入现有工位的人形机器人，在很多场合更接近一种“低改造成本的自动化补丁”。这也是当前商业化最值得观察的核心逻辑。

先说结论：现阶段最主要的盈利模式有四类

1. 整机销售：先把设备收入做出来

这是最容易理解、也最早出现的模式。机器人厂商向整车厂、3C工厂、物流运营方、科研机构或系统集成商销售整机，收入确认直接、现金流逻辑清楚，适合早期验证市场需求。

但从产业发展阶段看，单纯卖本体通常还不是最稳的盈利模型。原因也很直接：人形机器人当前仍处于快速迭代期，硬件平台更新频繁，减速器、执行器、灵巧手、关节控制器、热管理、电池与感知模组都在持续调整。如果只卖一次设备，后续价值很容易被一次性交付锁死，厂商会面临售后成本高、版本升级快、毛利率波动大的压力。

 
单机毛利 ≈ 售价 − BOM成本 − 制造装调费用 − 质保与售后准备金 

所以，整机销售更像是商业化起点，而不是成熟期的终局。

2. RaaS：按月付费，比一次性采购更容易推动落地

现在行业里更受关注的，是 Robot-as-a-Service，也就是机器人即服务。客户不一次性重资产买断，而是按月、按年，或者按工位、班次、任务量付费。这样做的好处很明显：客户的前期资本开支下降，采购门槛更低，机器人厂商则有机会把收入从“一次性项目制”转成“持续性订阅制”。

这类模式尤其适合仓储物流场景。因为仓库的任务更容易标准化，例如料箱搬运、空箱回收、周转箱转运、上下游工位衔接、夜班补位等，考核指标也相对清晰，通常可以落到节拍、稼动率、人工替代时长、峰值吞吐支撑能力几个指标上。

 
年度经常性收入 ARR ≈ 单台月费 × 在役台数 × 12 

一旦厂商能把可靠性、远程运维和现场服务能力做起来，RaaS 的财务质量通常会优于单次卖设备，因为它更接近工业软件和设备租赁的复合模式。

3. 软件平台订阅：真正有复利的部分，往往不在机械本体

从长期看，真正有机会形成规模效应的，往往不是单台机器人本身，而是机器人背后的软件平台能力，包括任务编排、车队管理、远程监控、数字孪生、数据回灌、故障诊断、权限控制、与 WMS/MES/ERP 对接等。

Agility Robotics 对外展示的思路就很典型：不是单卖 Digit，而是把 Digit、云端平台 Arc、集成能力以及服务支持打包成一个平台化方案。这种模式的意义在于，机器人不再只是一个“会走路的设备”，而是成为可纳管、可调度、可升级、可复制的生产资源。

对客户来说，软件平台决定多机协同效率；对厂商来说，软件平台决定后续续费能力和跨场景复制能力。工业自动化行业过去多年反复证明，只有把设备层收入转成“设备 + 软件 + 服务”的组合收入，商业模式才会逐渐稳下来。

4. 系统集成与运维服务：当前阶段非常重要，且常被低估

人形机器人要真正进场，往往离不开工装夹具改造、视觉标定、工位节拍重构、安全联锁、异常回退逻辑、现场培训和维保体系。也就是说，客户买的并不只是机器人，而是一整套能跑起来的解决方案。

因此，当前很多项目的真实收入结构，往往是：本体收入占一部分，集成实施与持续运维再占一部分。尤其在制造业，若没有现场工程团队长期跟进，单台设备即便功能足够，也未必能形成稳定产出。

 
项目总收入 = 机器人本体 + 软件授权 + 集成实施 + 运维服务 + 备件与升级 

对工程团队而言，商业化能否成立，常常不取决于演示视频，而取决于夜班能否稳定运行、故障能否快速隔离、节拍波动能否被工艺吸收。

现在最主要的应用场景，其实高度集中

1. 汽车制造：目前最现实、也最容易出样板间的场景

如果问现在人形机器人最值得看哪里，答案大概率仍是汽车工厂。原因不是汽车厂“最先进”，而是它同时具备几个关键条件：工艺离散但有重复性、节拍明确、现场工程团队强、对新技术容忍度相对更高，而且存在大量不适合传统固定自动化的柔性工位。

Figure 在 BMW Spartanburg 工厂的公开部署信息很有代表性。该项目围绕板件上料展开，机器人在周一到周五执行 10 小时班次，累计完成 90,000 多个零件加载，运行时长超过 1,250 小时，并参与了超过 30,000 台 X3 的生产过程。更关键的是，其考核指标不是笼统的“能不能干活”，而是非常工程化的三项 KPI：节拍、放置精度、人工干预次数。

从公开数据看，这个工位要求总循环节拍 84 秒，其中上料阶段 37 秒；三块钣金件需要在约 5 毫米公差内完成定位。这说明当前人形机器人最先进入的，不是开放环境中的复杂通用任务，而是“可度量、可拆解、可围绕 KPI 持续调优”的半结构化工业任务。

2. 仓储物流：RaaS 最容易跑通的商业场景

仓储物流是另一个很强的主赛道。原因在于，这类场景普遍存在招工难、夜班难、波峰波谷明显、劳动强度高、任务重复性高等问题，而这些恰好与人形机器人的价值主张高度吻合。

从 Agility Robotics 的公开方案看，Digit 的定位非常明确：连接仓内自动化孤岛，补足难招工的劳动力缺口，并通过 Arc 平台接入既有系统，实现实时监控和车队管理。对物流客户而言，这种能力的吸引力不在“像人”，而在于能够进入为人设计的巷道、工位和转运流程，在不大改仓库基础设施的前提下补上重复搬运环节。

从商业逻辑上说，仓储物流比家庭服务更适合现阶段的人形机器人，因为这里的 ROI 更容易算清。客户通常不需要机器人把所有事都做完，只需要它在夜班、峰值、危险、重复、脏累工位上持续稳定地承担一部分任务，就足以形成采购理由。

3. 危险、脏累、招工难岗位：是“补劳动力”，不是“替代所有人”

很多讨论把人形机器人简单理解成“替人”。更准确的说法应该是：它当前最适合承担的是那些人不愿长期做、企业又持续缺口的岗位，例如高重复搬运、重物转运、末端上料、简单巡检、夜班值守、温度或粉尘环境较差的辅助工位。

这类岗位的共同点是任务边界相对清楚，但环境又不足够标准，传统专机改造成本偏高，或者一旦工艺变化就难以复用。人形机器人恰好填补了传统工业机器人与人工之间的一段空白。

4. 展示、导览、零售接待、家庭服务：有关注度，但还不是当前主收入来源

市场讨论中最吸睛的，常常是导览、交互、陪伴、门店接待和家庭服务。但如果严格按“现在的主要盈利模式和应用场景”来判断，这些方向目前大多仍处于品牌展示、功能验证和小规模试点阶段，距离形成稳定大收入还有明显距离。

问题并不只在算法，而在于开放环境的长尾问题太多：人群不可控、语义任务不稳定、责任边界复杂、安全要求更高、售后成本难预测。对比之下，工业和物流场景的商业化条件要成熟得多。

为什么当前主战场不是家庭，而是工业

1. 因为工业场景更容易定义成功

工业项目可以清楚定义：节拍是多少、误差是多少、换班怎么安排、故障多久恢复、人工干预能否降到零附近。只要指标明确，工程团队就可以持续迭代。

家庭和开放服务场景则很难这样做。一个机器人在家中“好不好用”，涉及语义理解、环境变化、人与物的非标准互动，以及极高的安全和责任要求。只要其中任何一个环节不稳定，产品就很难规模化收费。

2. 因为工业端愿意为确定性付费

制造企业与物流企业采购设备，核心不是新奇，而是稳定产出。只要能够稳定补位、改善招工难题、减少夜班负担、降低工伤风险，并且改造成本可控，企业就愿意为确定性买单。

这也是为什么现在更常见的落地方式不是“通用全能机器人”，而是先围绕少数高价值工序做深，逐步扩大技能集合。

真正决定能否赚钱的，不只是技术，而是工程交付能力

1. 可靠性必须先过线

Figure 在 BMW 场景里公开复盘过一个很值得重视的点：长期运行暴露出的硬件失效模式，会直接反推下一代平台的结构与电子架构优化。例如其前臂子系统就被识别为高故障点之一，并因此在后续版本中重构了腕部电控与线缆方案。

这说明一个朴素事实：商业化不是先看实验室最高能力，而是先看平均班次表现。对客户而言，偶尔完成一个复杂动作没有意义；真正有意义的是连续多个工作日、多个班次、多个机器人都能稳定交付。

2. 安全标准必须提前嵌入，而不是事后补

在人形机器人进入制造与物流场景时，安全问题不能只靠经验判断。当前工业侧至少要同时关注 ISO 10218-1:2025、ISO 10218-2:2025 和 ISO/TS 15066:2016 这一组标准体系。前两者分别覆盖工业机器人本体及集成系统的安全要求，后者补充了协作机器人系统及其工作环境的安全要求。

值得注意的是，ISO 10218-1 的适用范围本身就不覆盖面向公众开放的服务机器人、消费级产品、医疗与健康护理机器人。这意味着，工业场景的标准路径相对明确，而面向公众开放环境的人形机器人，合规与责任边界反而更复杂。

3. ROI 不是一张表，而是一整套现场能力

很多企业在评估人形机器人时，容易把 ROI 理解成采购价与人工工资的简单对比。实际上，更完整的工程评估至少要把以下变量放进去：

• 有效工作时长与实际稼动率
• 故障恢复时间与备件保障能力
• 现场改造投入
• 软件与运维持续费用
• 工位扩展后的复制效率
• 夜班与高峰期的人力替补价值

如果这些要素不能被量化，人形机器人的盈利模式就容易停留在 PPT；如果这些要素能够被持续记录并改善，商业模式才会逐渐从“项目收入”变成“平台收入”。

对行业的实际判断：现在处于“能收钱”，但还远未到“普遍高利润”

当前的人形机器人行业，已经不再是完全没有收入的概念阶段。整机销售、项目交付、RaaS、软件平台、维保支持，这些路径都已开始形成现实订单与部署案例。但若进一步追问“是否已经进入高利润、稳定复制阶段”，答案仍应保持克制。

原因主要有三点。第一，硬件仍在快速迭代，良率、寿命与成本结构还没有完全稳定。第二，很多部署仍然需要重度现场支持，交付成本较高。第三，真正决定利润质量的软件与服务收入，还在随着在役台数增长逐步释放。

因此，对“现在人形机器人的盈利模式和应用场景主要是什么”这个问题，更准确的回答是：

• 盈利模式上，当前以整机销售、RaaS、软件平台订阅、系统集成与运维服务为主；
• 应用场景上，当前以汽车制造、仓储物流、危险脏累与招工难岗位补位为主；
• 商业成熟度上，当前处于从样板项目走向可复制部署的关键阶段，离全面普及仍需要时间。

结语

对当下的人形机器人行业，既不必过度神化，也不宜轻易否定。它真正的商业化突破口，正在从“会做动作”转向“能在真实产线上持续赚钱”。谁能先把可靠性、安全性、集成效率和运维体系做扎实，谁才更可能把人形机器人从资本市场的想象，变成工业现场可结算的生产力。