跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播›

人形机器人进汽车工厂:Atlas、Optimus 与蔚山罢工的已知情况

2026 年 7 月,现代汽车蔚山工厂数千名工人停工,起因是公司计划部署人形机器人。这是首次针对机器而非薪资的工厂停工。以下是现有报道对汽车工厂车间里机器人的梳理。

科技解释王雅琴发布: 2026年9月28日7 分钟阅读资料来源 5
人形机器人进汽车工厂:Atlas、Optimus 与蔚山罢工的已知情况

现代汽车蔚山综合工厂的劳资冲突表明,人形机器人已从发布会演示走向工厂车间。据 Ars Technica 报道,在部署人形机器人的谈判破裂后,数千名工会工人停工。Ars Technica 援引《华尔街日报》的话称,这是“汽车行业首次针对人形机器人的工厂停工”。该工厂是现代汽车位于蔚山的整车生产综合基地,Ars Technica 称其为全球最大的汽车工厂。

Ars Technica 同时援引《韩国时报》报道,7 月 13 日至 15 日,工人将昼夜两班各提前两小时结束。在 15 轮谈判失败后,他们计划于 7 月 20 日至 22 日举行每次四小时的罢工。

现代汽车工会代表超过 39000 名韩国工人。据《华尔街日报》,其诉求包括将生产工人的时薪改为固定月薪,以防自动化压缩工时带来的收入损失;将退休年龄从 60 岁提高到 65 岁;以及提高奖金。

现代汽车实际打算部署什么

处于事件中心的是波士顿动力公司制造的 Atlas。Ars Technica 描述它是一台身高超过 6 英尺的双足机器人,能举起超过 100 磅的重物。现代汽车集团在今年年初发布了最新版本,波士顿动力即将成为现代的全资子公司。据《韩国先驱报》,现代的目标是在现代和起亚的多家制造工厂部署超过 25000 台 Atlas 机器人。公司计划 2028 年从美国工厂开始,但未公布在其他地区部署的时间表。

成本估算来自分析师。

三星证券的 Esther Yim 对彭博社表示,每台 Atlas 的成本估计为 13 万美元,但可能在投入运营约两年内收回成本。麦格理证券韩国的 James Hong 对彭博社提出,如果机器人成本最终降到 10 万美元,其运营成本可能低于美国联邦最低工资 7.25 美元,并大幅低于典型汽车工人的工资。这是分析师的预测,不是现代汽车的数字,且取决于这款机器人尚未达到的价格。

现代汽车首次部署 Atlas 的地点计划是 Metaplant America,即佐治亚州萨凡纳郊外的电动汽车工厂,从 2028 年开始。Ars Technica 指出,现代在那里可能遇到的组织化阻力更小,因为佐治亚工厂的美国工人没有加入工会。不过,代表美国、加拿大和波多黎各约 40 万名汽车工人的全美汽车工人联合会一直在尝试组织该工厂。

佐治亚工厂的自动化程度已经很高

Ars Technica 称 Metaplant America 是美国自动化程度最高的汽车工厂。文中援引 IEEE Spectrum 的数据:超过 850 台机器人负责卸下汽车零件、冲压钢制部件、组装车架和安装车门。该工厂还使用 300 台自动导引车,在避开工人的同时把零件送到工位。

波士顿动力的四足机器人 Spot 已经进驻厂区,在焊装车间进行“外观质量检查”。一名《亚特兰大宪章报》记者 2026 年 7 月到访时描述,Spot 机器人用嵌有传感器的鼻子探测缺陷。

Atlas 在 2028 年部署时将先从事汽车零件的分拣和整理。Metaplant 总装部门主管 Jerald Roach 对《亚特兰大宪章报》表示,人形机器人不会对人类员工构成威胁。他说,人的双手具有触感和手感,处理软管、线束、地毯和饰板这类软质汽车零件时必须依靠它们。根据现代汽车与佐治亚州达成的经济发展协议,公司承诺到 2031 年在 Metaplant America 雇用 8100 名全职员工。州和地方领导人提供了价值估计 21 亿美元的激励方案。《亚特兰大宪章报》发现,到 2025 年底该工厂已雇用超过 3800 名工人。

AI 层:Atlas 上的 Gemini

硬件只是故事的一部分。2026 年 1 月,谷歌 DeepMind 和波士顿动力在拉斯维加斯 CES 上宣布,谷歌的 Gemini Robotics 模型将部署到波士顿动力的机器人上,包括 Atlas 和 Spot,WIRED 报道。两家公司计划在未来几个月内在现代汽车工厂测试由 Gemini 驱动的 Atlas 机器人。

WIRED 引述波士顿动力 CEO Robert Playter 的话称,未来的真正价值在于机器人能感知周围环境,并能用手操作任何物体。他说,像现代汽车工厂这样的制造环境正是当下部署的理想场所。Playter 还强调,保证人的安全至关重要,并补充说即便是小型机器人也可能有危险。

谷歌 DeepMind 机器人高级总监 Carolina Parada 对 WIRED 表示,Gemini 的设计初衷就是多模态,因此很适合理解物理世界。她说汽车行业是很好的起点,但公司的意图是继续扩展到更多应用。WIRED 指出,据中国行业协会 CMRA,大约 200 家中国企业正在开发人形系统。

其他车企,以及机器人今天能做什么

现代汽车并非孤例。Ars Technica 报道,特斯拉正在开发自己的 Optimus 机器人,用于其电动汽车工厂。宝马已在南卡罗来纳州斯帕坦堡工厂用 Figure AI 制造的人形机器人做过试点测试。包括比亚迪在内的多家中国车企也在试用人形机器人,有时还自行研发。

自动化趋势本身已有数十年历史。据国际机器人联合会,到 2021 年全球汽车工厂里已有超过 100 万台机器人,占所有行业机器人总量的三分之一。截至 2025 年,美国已部署 38000 台工业机器人,其中仅汽车行业就安装了 13500 台。

人形机器人的野心与这些机器不同。机器人公司宣称它们最终能处理各种各样的任务,同时融入为人类设计的工作场所。Ars Technica 指出,要让它们成为自主工作的通用机器人,还需要在 AI 训练和硬件开发上克服多重挑战。

2026 年 8 月 22 日至 26 日在北京举行的世界人形机器人运动会提供了一个现实参照。Ars Technica 报道,热传视频显示短跑机器人打破了博尔特的人类 100 米纪录,但也有机器人撞上护栏、因无法及时停下而摔倒。有几台在腰部断裂、火花四溅,或者起火。

普渡大学计算机科学博士生 Dipam Patel 对 Ars Technica 表示,全身控制的进步是真实的,但这些机器人每台都是为单一任务设计的。据《环球时报》,在运动会户外的消防与救援项目中,12 支参赛机器人队伍里只有三支完成了整个挑战。许多参赛者仍由人类远程操控。

训练数据从哪里来

中国正用国家资金解决数据问题。Rest of World 报道,地方政府资助了 40 个训练中心,以缓解机器人研究的数据短缺,截至 12 月已有约二十多个投入运行。在这些设施里,戴着 VR 头显和手臂外骨骼的人类训练员模仿叠衣服、擦桌子等动作,让机器人学习。

其中最大的一个位于北京郊区,由当地石景山区政府与人形机器人公司乐聚共同启动。据 Rest of World 援引的一份政府声明,该中心占地超过 1 万平方米,提供 16 个训练场景,包括一条模拟汽车装配线。声明中引述的一位项目发言人将其比作教孩子走路,需要大量练习。

Interact Analysis 分析师 Marco Wang 对 Rest of World 表示,这种基础设施建设有产能过剩的风险:“存在一些潜在的泡沫,”他说。Rest of World 援引高盛的估算,到 2035 年全球人形机器人市场规模将达到 380 亿美元,最早到 2030 年出货量约 25 万台。

BBC 在 2026 年 8 月报道,中国工厂里已有超过 100 万台机器人,比任何地方都多,且全球超过一半的工业机器人现在产自中国。在电动汽车制造商零跑汽车,副总裁曹力对 BBC 表示,在冲压、焊接和涂装等车间,公司已基本实现 100% 自动化。当被问及做最终检查的人有一天是否可能不再需要时,曹力说完全有可能,而且可能来得相对较快。

评论 0

资料来源

5
  1. 01Fear of humanoid robots spurs human workers to strike at Hyundai auto factoryEN
  2. 02Google Gemini Is Taking Control of Humanoid Robots on Auto Factory FloorsEN
  3. 03In Chinese data factories, workers teach humanoid robots boring tasksEN
  4. 04Beyond China's humanoid robots, a quieter machine revolution is unfoldingEN
  5. 05World humanoid robot games show runners breaking records, bursting into flamesEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。