人形机器人多久能回本？行业缺一张真实的“工资表”

近日，美国人形机器人公司 Agility Robotics 在上市文件中，披露了下一代人形机器人 Digit 的详细成本结构：

机器人本体约 20 万美元，一次性部署约 2 万美元，后续软件与维护每年约 3.6 万美元。按 5 年使用期计算，单台综合成本约为 40 万美元。

Agility 还给出了一个引人注目的回报模型：客户大约只需 1.1 年即可收回前期资本投入。

一家冲刺资本市场的人形机器人企业，开始把劳动能力写入招股书，试图证明机器人不仅能进厂干活，还能算出这份劳动到底值多少钱。

上市文件里的理论账本

今年 6 月，Agility 宣布与特殊目的收购公司合并，交易前股权估值达 25 亿美元。在公布的数据中，Digit 在 9 个客户场景中累计运行超过 65000 小时，并收获了超 3 亿美元的多年期订单。

公开市场关心的不仅是机器人能否搬运料箱，更在于它能创造多少净价值。

Agility 假设工人的全口径成本为每小时 30.5 美元，且每年上涨 5%。若 Digit 每周满负荷运转 120 小时，5 年累计可提供约 31000 小时劳动，等价于替代约 110 万美元的人工开销，理论净节省达 67 万美元。

但仔细拆解 1.1 年的回本算法会发现，公司仅用 20 万美元的本体硬件支出，对比第一年理论替代的 19 万美元人工价值。一次性部署成本、软件和日常维护等大额开支，并未计入该回本周期。

每周工作 120 小时、连续运转 5 年，目前还只是一张理论上的未来排班表。唯有机器人时刻稳定在岗，并切实转化为有效替代，这套回本模型才能够成立。

考勤时长不等于有效工时

放眼整个行业，人形机器人的“考勤记录”确实正在拉长。

宝马公布了 Figure 02 在南卡罗来纳州工厂的运行成绩：项目采用每天 10 小时制，累计运行逾 1250 小时，搬运超过 9 万件钣金件，参与生产了 3 万余辆 BMW X3。

但工业场景不仅看在岗时长，更看考核节拍。Figure 披露该任务节拍目标为 84 秒，正确放置率需达 99% 以上，且追求单班次零人工接管。机器人即使在工位前站满整个班次，一旦动作变形、放错零件或频发异常，这些时间就不能折算为合格工时。

国内厂商也在积极披露数据。智元先后展示了 8 小时产线作业与 6 天集群直播；优必选则将 Walker 系列累计作业推进到万小时级。

动作演示正在转变为班次、节拍与故障率考核。然而，目前的记录只能证明机器人“到岗打卡”，宝马并未公布为此付出的实际集成支出与最终节省的人力账目。

隐性工程成本：从100件到1200件

进入非标准化的真实作业现场，相同工时的价值大不相同。

以星动纪元在深圳邮政物流中心的落地为例：实验室环境光线均匀、包裹规整，机器人每小时能分拣约 600 件快递；但进入夜间反光、堆叠上万件软袋与异形件的真实场地，效率一度跌至约 100 件每小时。

为解决掉线与异常停机，工程师团队长驻现场调试、采集数据并迭代算法，陪着机器人连轴转。历经半年工程磨合，分拣效率才稳步爬升至每小时 1200 件，追平熟练人工。

从 100 件到 1200 件的跃升绝非免费。在核算机器人节省的成本时，既要减去被替代岗位的人工开支，也必须加回伴随现场调试、驻场工程和异常接管所投入的巨大代价。

行业期待一张真正的“工资表”

眼下行业数据众多，却无法串联互证。Figure 的 1250 小时验证不了 Digit 的 1.1 年回本，物流分拣的吞吐效率也无法直接套用于汽车总装。

不同场景下，“一小时劳动”的含金量截然不同。汽车产线强调精准对位，仓储物流考核持续吞吐，商业服务则关注交互可靠性。客户采购的本质不是在岗时长，而是稳定达成交付任务所产生的经济效益。

单纯降低机器人硬件售价，并不一定能带来更短的回本周期。一台硬件廉价却故障频繁的设备，其“有效工时成本”远比高出勤率的高价设备昂贵得多。

行业目前最迫切需要的，是由真实客户公开的闭环数据：采购与部署投入几何、有效运行与故障停机各占多少、需要多少人工接管，最终实际节省了多少成本。

只有当这些数字落在同一张报表上，人形机器人的真实劳动价值，才能得到市场的终极检验。