連跑10小時、搬9萬個零件之後：人形機器人上產線，帳要從四道關卡算起

Figure 02 在 BMW 美國 Spartanburg 廠的部署紀錄，是目前公開可驗證程度最高的人形機器人產線案例。依 Figure 與 BMW 的說明，機器人曾連續 10 小時班次運轉、每週一至五上線，搬運超過 9 萬個零件，支援超過 3 萬輛 X3 的生產。這組數字看似接近「量產導入」，但任務範圍其實被明確限定在鈑金取放：從料架取件、放入焊接夾具。2026 年 6 月，Figure 03 進入同一座廠的物流與組裝場域，測試內容是零件排序，Figure 自己也把它描述為新一層的物流流程，而非通用組裝。

換句話說，從「能做一個取放動作」到「能承接產線」，中間還有相當距離。判斷一則人形機器人量產新聞的含金量，可以先問一個問題：機器人做的具體是哪一個動作。取放、搬運、排序與固定位置補料，屬於結構化程度高的任務，驗證成本低；臨場變化大的組裝工作，任務邊界模糊，目前的支持證據還不夠。這與我們先前分析的宇樹機器人百米墊底與技術成熟度曲線是同一條邏輯：展示表現與工程可用性之間，隔著可量測的驗證層。

為什麼是「人形」：彈性的帳，自由度的帳

人形機器人的價值主張，在於把移動、感知與雙手操作裝進同一個工作單位，直接接觸原本為人設計的料架、走道與工作臺，省下為傳統工業手臂重開產線的改造成本。這是它的成本優勢來源。代價則是自由度大幅增加，每多一個自由度，就多一項需要驗證的變因，工安評估與故障模式的複雜度同步上升。形似人類並不自動換來通用組裝能力。

NIST 的機器人效能評估框架把製造任務拆成感知、移動、靈巧度與安全四項能力，這個拆法可以把「AI 很聰明」這類敘事換算成可量測的工程項目。對應到系統架構，流程可分四層：感測層取得物件位置與接觸狀態，模型層把感知結果轉為抓取與放置任務，控制層分配給手臂與軀幹，安全層與產線介面決定何時減速、停止或交還人工。每一層都對應一筆導入成本與驗收項目。

BMW 的官方說明補上了一個常被忽略的環節：Figure 的機器人是透過標準化介面接入 Smart Robotics 生態系，導入前由生產 IT、職業安全、製程管理與現場物流共同參與。機器人本體只是整段成本結構中的一段，任務資料、物流節點與人工協作介面的對接支出，往往才是主要變數。

臺灣的位置：研發與驗證階段，不是部署階段

檢視臺灣的公開進度，目前集中在研發、整合與驗證三個環節。經濟部 2026 年 1 月公布的 A+ 計畫中，達明機器人的「具身智慧賦能產業輪式人形機器人開發計畫」，規格描述為雙七軸手臂、多自由度軀幹、輪式底盤、3D 視覺與力覺感測，預計應用於製造業與半導體產線。同年度 5 月，經濟部與國發會、國科會宣布共同打造智慧機器人創新與應用研發中心，方向涵蓋醫療照護、物流倉儲、餐飲服務與巡檢救災。

這兩項公告的性質都是研發計畫與驗證平臺布局，而非已完成的產線部署。對照人形機器人運動會報名表上的放量關卡，產業整體仍處於機型收斂與數據累積階段，臺灣目前比較適合談的題目是「供應鏈與應用場域準備到哪裡」，而不是「人形機器人已在工廠普遍取代人工」。企業若要試，先挑一個可隔離、可量測的工序做驗證，比規畫整廠改造更符合現有證據。

導入前的四道關卡

任務適配。 先記錄工序的節拍、物件重量、位置誤差、每日運轉時間、可接受的人工介入次數，以及出錯後的後果成本。若同一工序每天改料號、改路徑，又沒有可用的資料與重訓練流程，導入風險會快速上升。

產線整合。 確認機器人能否讀取製程、料號、工位與設備狀態，並把完成、失敗、停機與人工接手事件回寫到既有系統。BMW 案例把生產 IT、物流與安全單位提前拉進測試，提供了可參考的順序：先做系統與現場盤點，再談機器人本體。

工安驗證。 人形機器人在動態環境中的減速與停止機制，需要與既有職業安全規範對接，這部分的驗證期與文件成本，常被展示影片省略。

維運成本。 連續運轉 10 小時意味著維修、備品與錯誤處理流程都要常態化，否則帳面上的產能會被停機時間喫掉。

收束判斷

目前可公開驗證的事實是：人形機器人已在特定汽車工序上做到常態化運轉，任務範圍正在從鈑金取放向零件排序擴大；臺灣的進度落在研發與驗證平臺，尚無大規模產線部署的公開案例。對採購方而言，判讀標準不在「參與生產」的總數，而在任務邊界寫得多清楚、整合與維運成本由誰吸收。這四道關卡過了幾道，比任何展示影片都更接近真實答案。