11月12日，優(yōu)必選宣布首批數(shù)百臺全尺寸工業(yè)人形機器人Walker S2正式啟動量產(chǎn)交付，將分批投入產(chǎn)業(yè)一線應用。這一消息在業(yè)內(nèi)引起廣泛關(guān)注，因為它標志著人形機器人從實驗室樣品到工業(yè)現(xiàn)場“員工”的重要轉(zhuǎn)變。

就在前一日（11月11日），優(yōu)必選還中標“自貢數(shù)投人形機器人數(shù)據(jù)采集中心項目設(shè)備采購”，項目主要采購最新款可自主換電的 Walker S2，合同額約1.59億元、預計11月內(nèi)交付。這是繼9月一筆2.5億元的“迄今全球最大”人形機器人合同之后，優(yōu)必選今年斬獲的第二筆億元級大單，也意味著單一型號在工業(yè)場景的“批量化、體系化”落地開始具有樣板意義。

自年初至今，這家總部在深圳南山的機器人公司，僅Walker系列訂單金額已突破8億元人民幣。這說明，機器人不再只是工程樣機或展演明星，而是開始以“批量、場景、周期”的語言進入真正的工業(yè)世界。

01、Walker S2“?！痹谀睦?/h5>

Walker S2 的“王牌”是能源與協(xié)同兩件事。

其一是能源管理的工程化突破——全球首創(chuàng)的“熱插拔自主換電系統(tǒng)”。通俗講，就是機器人可以在不停機、不人工參與的狀態(tài)下，自主走到換電工位，用雙臂協(xié)同把耗盡的電池從電池倉拔出、插入充電槽，再從充電槽取出滿電電池裝回機體，全流程僅需約3分鐘。

對制造業(yè)而言，這等于把“人形機器人”從“帶電池的移動平臺”變成“7×24小時的連續(xù)性執(zhí)行體”，把產(chǎn)線的停頓變量，從“機器人”移走到了“工藝”。北京亦莊與《科技日報》的技術(shù)報道提供了較為系統(tǒng)的細節(jié)：雙電池同充同放、標準化電池倉快換、雙臂協(xié)同精準對位，并通過電能均衡與帶電熱插拔抑制沖擊電流與拉弧風險。

其二是“群腦網(wǎng)絡2.0（BrainNet 2.0）+Co-Agent”的協(xié)同智能。Walker S2 在今年7月發(fā)布時，優(yōu)必選把軟件棧的敘事從“單體控制”升級到“群體協(xié)同”：端云協(xié)同的“推理型節(jié)點+技能型節(jié)點”形成“大小腦”分工，Co-Agent則把“意圖理解—任務規(guī)劃—工具調(diào)用—異常處理”閉環(huán)化，進而支持多機協(xié)同與技能遷移。落在工廠里，就是人形機器人可以不只是“會擰、會貼、會搬”，而是“能理解、會排程、可交接”。

圖自：優(yōu)必選官網(wǎng)

這兩件事疊在一起，給工業(yè)界傳遞了一個關(guān)鍵信號：Walker S2真正把“續(xù)航焦慮”和“組織協(xié)同”從概念驗證，推進到工程實現(xiàn)。IT之家與多家媒體在量產(chǎn)交付當日的技術(shù)拆解中還補充了硬件與感知層信息：52自由度仿生軀體、第四代靈巧手、純RGB雙目立體視覺、0–1.8米全空間15kg負載、±162°腰部靈活轉(zhuǎn)動。這些細節(jié)想表達的是，機器人在“人機混編”場景下已能夠滿足跨工位、跨工序的操作穩(wěn)定性。

02、世界坐標中，Walker S2 領(lǐng)先到什么程度？

如果只看“能干活”的維度，全球第一梯隊的對標對象主要是美國的Agility Robotics（Digit）、Figure（Figure 02/Helix平臺）、以及仍以“廠內(nèi)自用+研發(fā)演示”為主的TeslaOptimus。

差異的關(guān)鍵，落在“補能”上：Agility的公開路線是“自主對接充電座”，強調(diào)無人化充電與生產(chǎn)一致性；Figure的對外信息也集中在“高密度電池+無線/感應補能、長時運行”；而Tesla對Optimus的對外敘述更多放在AI側(cè)的長期路線。公開資料未見它們展示“熱插拔式自助換電”的工程化方案，更沒有把“3分鐘換電 +7×24小時連續(xù)作業(yè)”作為可以批量復制的量產(chǎn)能力對外發(fā)布。

這正是Walker S2占位到差異的地方，它解決了“人形機器人是否要停機充電”這個變量。我們據(jù)此做一個謹慎的判斷：在“自助換電+7×24小時連續(xù)作業(yè)”這一“能否真頂班”的關(guān)鍵指標上，Walker S2相比美國第一梯隊的公開工程能力，至少領(lǐng)先一個功能節(jié)點，粗略等價于1—2個產(chǎn)品迭代周期（約12—24個月）。這是基于各公司“對外可核查的發(fā)布與演示”的保守推斷，并不等同于“總體實力領(lǐng)先若干年”的泛化結(jié)論。

另一方面，南華早報在前日的報道里給了一個很有參考價值的“量產(chǎn)錨點”：優(yōu)必選發(fā)布了視頻，宣布Walker S2在11月中旬進入量產(chǎn)與交付窗口。這種“把能力與時間綁定”的對外釋放，通常意味著供應鏈、測試與質(zhì)保體系已經(jīng)握到可控的程度。

03、訂單與客戶：蔚來、極氪、比亞迪、吉利...

回到最現(xiàn)實的市場訂單。今年下半年以來，優(yōu)必選在訂單側(cè)出現(xiàn)了三個分水嶺事件：

• 9月，刷新行業(yè)紀錄的2.5億元“單筆最大”合同，明確以Walker S2（具備自主熱插拔換電）為主，并宣布“年內(nèi)啟動交付”。
• 11月11日，自貢項目1.59億元中標，Walker S2為主、11月完成交付。
• 11月12日，Walker S2首批“數(shù)百臺”量產(chǎn)交付啟動，“年內(nèi)交付500臺”的目標清晰露出。

從“規(guī)?！黄凇吞枴比齻€維度看，已經(jīng)是一條逐漸成型的“可復用、可擴容”的交付管線。

“客戶結(jié)構(gòu)”也在發(fā)生變化：除去年初在蔚來、極氪等車廠的“實訓位”與“樣機協(xié)作”，最新公開合作清單已經(jīng)覆蓋比亞迪、東風柳汽、吉利、一汽-大眾青島、奧迪一汽、北汽新能源、富士康、順豐等汽車、3C、物流頭部企業(yè)，這種“多賽道、多環(huán)節(jié)”的組合，更接近“橫向擴張、縱向打深”的商業(yè)化模型，既能跨行業(yè)復制，又能在單一行業(yè)從“質(zhì)檢/貼標/入庫/搬運”逐步填滿工作面。

04、創(chuàng)始人周劍：從“伺服舵機”到“群體智能”

優(yōu)必選的創(chuàng)始敘事并不陌生：2000年代在德企從事工業(yè)自動化，2012年在深圳創(chuàng)立優(yōu)必選。早期從教育與服務機器人出發(fā)，“四上春晚”的國民級曝光之后，轉(zhuǎn)身面向更艱難的人形機器人正面戰(zhàn)場。

周劍的“堅持與路徑”在南方日報等媒體的長期人物報道里有清晰脈絡：從機械出身切入伺服舵機與整機，到北京、硅谷設(shè)研發(fā)中心，長期把研發(fā)投入壓在營收高比例；一路走到今天的“可自助換電+群腦協(xié)同”。這條路徑背后，可以看到周劍把“工程化”當?shù)谝恍栽恚选肮I(yè)場景”的難點一顆顆啃下來。

資本與公司治理層面，周劍既是創(chuàng)始人，也是核心股東之一。根據(jù)公開研報與港交所文件，2024年中報時，周劍直接與間接合計持股約26%左右、與幾位核心高管合計約36%左右；2024年12月29日，公司公告終止主要股東間的一致行動關(guān)系，進入“無控股股東/實際控制人”的結(jié)構(gòu)。

值得注意的是，2025年1月，騰訊將持股從8.05%兩次減至2.08%，引發(fā)市場關(guān)注。

05、商業(yè)化前景：三條“重想象力”的路徑

對于未來，有三個方向值得關(guān)注。

第一條，是“汽車+3C”的人機混編標準件化。今年的客戶名單已經(jīng)說明，Walker S2的首要任務，就是把在“質(zhì)檢、貼標、擰緊、箱體搬運、入庫上料”等多工序里的“可替代范圍”不斷拓寬，把“人形機器人×標準工序”的SOP打磨成“可復用模板”。一旦SOP成熟，復制效率將不遜于傳統(tǒng)的非標集成。

第二條，是“群體智能+自助換電”疊加后的“燈塔工位”。當多臺Walker S2在一個產(chǎn)線單元里協(xié)同工作、并能自主排班與自助換電，管理者看到的就不再是“若干個機器人”，而是在“以任務為度量的可編排勞動力”。這種“以技能包+工位排程為單位”的抽象，會帶來“人形機器人班組”的新管理學。

第三條，是物流與新型倉內(nèi)作業(yè)。Digit把“倉內(nèi)柔性勞動力”敘事做得很明白，也在倒逼包括優(yōu)必選在內(nèi)的廠商，把人形機器人在“揀選、箱體歸巢、與AMR接駁”的工序里做深做透。Walker S2若能把“不中斷”優(yōu)勢與“多機協(xié)同”的群腦結(jié)合，就有機會在總時延與總成本上建立差異。

麥肯錫的行業(yè)報告給出一個重要提醒：人形機器人從“試點煉獄”走向“規(guī)模價值”的關(guān)鍵，是找到“unit economics（單體經(jīng)濟性）打得過”的工序，并通過“工程與組織的標準化”把試點復制出去。這與Walker S2正在做的事情方向一致，只是仍需要時間。

主筆/ 酷東西

部分參考來源：優(yōu)必選科技、科技日報、南方日報、南華早報等

這是酷公司公眾號原創(chuàng)文章。未經(jīng)授權(quán)，禁止任何機構(gòu)或個人抓取本文內(nèi)容，用于訓練AI大模型等用途