“ 人形机器人不是核心资产，场景的工序、数据才是
丰田不是一家机器人公司，至少现在不是。但或许很快会是了。
它做汽车做了九十年，2026 年的全球产量目标是 1000 万辆以上，雷克萨斯也算在内。机器人这三个字，是今年 9 月才真正写进它的年度预算的，写法是，从 2028 年起，每年往里扔 1 万亿日元，四年滚下来，产线上要坐进 40 万台机器人。
路透社把这笔钱折成了美元，一年 64 亿美元。这也使得丰田正一跃成为全球最激进的机器人买家。
为什么要用这么多台机器人？
全行业盯着的是“能造出多少台机器人”，丰田那道算式盯的是“有多少工序能被教会”，以及人类能留下多少数据资产。
01.
一道被漏算的成本，名字叫工艺数据
高盛在《物理 AI》报告里给了一个答案：在汽车工厂那些还没被机器人化的工序里，现阶段真正机器人能直接接手的只有约 2%，主要是零件分类和简单物流搬运，剩下 98% 要等 AI 大脑、机器视觉和灵巧手继续突破。
这道差在 98% 的工序鸿沟，是整个产业接下来几年最贵的东西。这也意味着机器人行业的瓶颈，正在从“能不能造出身体”，挪到“能不能教会它干活”。谁先把工序变成可复制的资产，谁就吃下下一轮的钱。
未来机器人和数据资产可能是两部分。高盛给的那套账，是行业最常被引用的算法，也就是算机器人集成费与ROI周期。
2035 年全球人形机器人约 650 万台，销售额 1383 亿美元，整机均价 2.13 万美元，且这个均价往下走，2025 年是 4.18 万美元，2030 年 3.08 万美元，同期 BOM 成本从 2.77 万美元降到 1.35 万美元。3 万美元的机器人加上 50% 的系统集成费，一台初始投入 4.5 万美元，替代 0.8 名全职员工，一年省 2.83 万美元，回收期约 1.6 年。
这套账算得很细，唯独没有一项叫“数据资产成本”。
丰田在日本本土和海外有 60 座工厂、1.8 万名资深工人，但只需要采集一座工厂的数据，并在加州的研究院集中学一次，就可以把学到的东西复制到全球工厂，或者卖给其他企业，这就是数据资产的价值。
2026 年 9 月丰田在欧洲总部投资者交流会上现场演示，机器人花两周练了 1500 次折 T 恤，准确率接近百分之百。工人戴着按 ELEY 机械手形状设计的指形夹具做示范，机器人从人身上学动作。1500 次除以两周，是每天 只需要107 次采集就把一个工序变成了资产。
这种数据资产的底座是丰田研究院在加州做的 LBM 大规模行为模型，用扩散式生成的方式教物理技能。金融时报报道过，同一个模型正在给波士顿动力的 Atlas 当底座。1500 次练习留下的不是一段录像，是一组策略。录像只能回放，策略能复利。
于是账面结构变了。高盛的成本大头是本体和系统集成，丰田的成本大头是让老师傅教机器人，把工序变成数据。
集成可以外包给集成商，教不能采购，只能自己训出来。机器人可以买，产线的核心内容买不来。所以丰田那 1 万亿里，最贵的不是本体，是它决定自己当老师，并且把老师变成资产的一部分。
或者说老师傅已经成为一种矿。但原先一半的矿采上来变不成产能，这才是这笔账非做不可的底层原因。
日本制造业从业人数从 2024 年的 1046 万降到 2025 年的 1033 万。34 岁以下的工人从 2002 年的 384 万一路降到 2025 年的 258 万，同期 65 岁以上从 58 万增加到 85 万。经济产业省估算，到 2040 年制造业将缺口约 400 万人。
更扎手的是带徒这一环。在报告缺人的企业中，62.8% 缺的是能教人的师傅，54.4% 是把人教会了就走，45.4% 是根本没有时间带。老师傅正在退休，能接班的年轻人正在变少，而能教人的老师傅比能干活的人更稀缺。
最关键的一组数字来自日本制造业白皮书，从采集工序数据到真正见效，能落地的比例从约 70% 掉到 40%。这半年多的时间，落地率掉了三十个百分点。数据采回来了，一半以上变不成产线上的动作。
老师傅的手艺是矿，日本企业其实做的正在自家厂里试着提高开采率。
本体在贬值的路上，这已经写进高盛的曲线里。
机器人整机均价从 2025 年的 4.18 万美元一路走到 2035 年的 2.13 万美元，BOM 成本从 2.77 万美元压到 1.35 万美元。本体是通缩品。
但本体外面那一圈在升值。
伯恩斯坦的日本高级分析师 Masahiro Akita 的判断更直接，丰田的优势可能不在精密的机器人硬件，而在把机器人、AI 和生产流程整合成一套更强的操作系统，生产流程本身就变成产品的一部分。卖机器人是一台一台卖，操作系统按整条产线卖。
本体的价格在跌，工序的价格在涨。丰田投的不是机器人，是它手里那 60 条产线的操作系统。
02.
采矿权的形状，决定了谁能复制
工业是一个knowhow更为集中的场景，难以继承和复制，但借助AI和机器人技术，这类手艺活儿正在量化成为数据，并且反哺给工业现场。
例如江苏天奇股份的具身智能机器人工业应用重点实验室，已采集近千 TB、总时长超过 1.3 万小时的有效数据，训出来的 100 余台机器人进的是长城、吉利、比亚迪、理想、赛力斯等车企的工厂，继续采集数据训练。他们现阶段正在集中力量，先让机器人能在特定工位把活干好，再针对现场暴露的问题去改进机器人本体、软件系统乃至产线方案，但是这些数据的归属权却是企业本身。
日本静冈大学信息学部山本泰生准教授拿到 JST 2026 年度 A-STEP 产学共同项目，联合雅马哈发动机研究熟练技能的数据化，研究期到 2029 年 3 月。上汽通用动力的老师傅秦南说得更实在，本来只有几位专家或老师傅自己使用的经验方法，经过大模型提炼和类比推广后，能留存下来并且在后续的类似项目和案例中能够不断发挥指导作用。
工厂才是真正的矿区，机器人和具身智能都在里面采矿，老师傅开始成为最好的数据供应商，把学徒制变成了数据流水线，并且在优化这类数据。
例如振华重工的一位工程师就介绍，AI 系统在识别已知缺陷类型的基础上，还发现了若干此前未被老师傅注意到的微弱异常信号，这些信号经深入分析后被确认为新型缺陷的前兆特征，反向丰富了老师傅的经验体系。同一座厂里，振华重工还通过机器人，把检测从焊完之后挪到焊接当中，检测响应从焊后 24 小时至 48 小时缩短至焊接过程中的毫秒级靶向实时反馈，实现了从事后被动检测向事中主动预警的转变。
03.
形态之争是成本之争
制造业的现实是，工序的形态是成本决定的，不是想象决定的。数据也是同样的道理。
看丰田自己的答案就能大概清楚。ELEY 在 2025 年 12 月第一次摆到台前，没有双足而是轮式底盘，两只机械手各配两根手指，整机 50 公斤，宽 450 毫米，作业高度在 939 到 1619 毫米之间，丰田未来创生中心工厂革新机器人组的山田俊秀在官方访谈里解释过形态选择，“在物理 AI 的时代，身体结构像人的机器人更容易模仿人的动作，所以 ELEY 的关节间距和臂围是按日本成年男性的平均体型来定的”。
高盛调查了 80 多家公司，约 70% 最看重的是任务范围广，10%则明确要双足。把这两件事放在一起，结论比“谁更先进”朴素得多。汽车厂的主流工序是固定工位、同一动作重复几万次，跨工位和跨高差的比例很小。为少数工序去付更高的构型代价，为大部分工序去付一次教的代价，后者的账更好算。机器人进工厂采集数据，首先考虑的不仅仅是能力问题，更是摊销问题。
丰田这道 1 万亿日元的算式，值得看的不是 40 万台这个数，是这个数背后那个 2%。行业现在习惯把机器人当成产品来估值，把工序当成成本来记账。
丰田在做的是反过来的事，它把工序、数据当成资产来养。
下一个时间点是 2028 年。那一年丰田会公布实际执行了多少台，也会公布那 1.8 万双手里有多少人的位置变了。