BMW 萊比錫廠啟動人形機器人試驗，歐洲汽車製造業迎接物理 AI 時代

今年四月，兩台機器人開始穿行在 BMW 萊比錫工廠的組裝廠房——這是歐洲汽車量產現場首次出現人形機器的身影。這是一個安靜的開始，但 BMW 相信，這預示著實體製造業的根本性轉變。

這些機器人名叫 AEON，由 Hexagon Robotics 製造——Hexagon AB 旗下的機器人新創，母公司是深耕精密製造數十年的瑞典－德國量測技術集團 Hexagon。與那些主導媒體版面的雙足人形機器人原型不同，AEON 採用輪式底盤移動，但配備全關節度的上半身，能執行需要類人靈巧度的任務。這個設計體現了一種務實的工程哲學：先讓機器人進入量產現場，再優化形態。

從美國到德國

BMW 的人形機器人計畫並非起源於歐洲。最初的戰場是位於南卡羅萊納州、全球產量最大的 BMW 斯巴達堡廠。在那裡，與 Figure AI 合作的試驗證明：人形機器人可以整合進活躍量產線，無需停線、無需全面改造廠房。

BMW 高層形容斯巴達堡的試驗結果「超出內部預期」，主要應用在物料搬運與零件傳遞——這些任務需要空間感知和適應變異的能力，但不要求毫米等級的精細操作，正好是人形機器人目前能力範圍內的工作。

萊比錫有一個重要的不同：它在德國，受到德國勞動法、工業工會 IG Metall 協約的規範，以及一個對自動化問題更具結構性關注的社會文化的審視——這與美國製造業環境截然不同。

AEON 的技術架構

Hexagon 的 AEON 整合了 22 個感測器，在機身和底盤各處提供精細的空間感知能力。系統採用四層物理 AI 架構：感知（建立即時世界模型）、規劃（生成完成任務的動作序列）、模仿學習（適應作業變異）、安全仲裁（在可能違反近接距離或力量限制時覆寫動作）。

模仿學習這個環節尤其值得關注。訓練 AEON 執行一項新任務，只需約 20 次人工示範，之後系統便能自行泛化至零件位置、光線條件或作業順序的各種變化。這大幅降低了傳統工業機器人的最大痛點——程式設計成本：一台需要 500 小時軟體工程才能學會新任務的機器人，根本無法在汽車組裝多元且快速變化的工作流程中靈活部署。

自動更換電池模組讓 AEON 能持續運作而不中斷生產線；當一組電池耗盡時，機器人可自主前往充電站完成更換，無需人工介入。

在萊比錫，兩台 AEON 在四月測試階段將同步在兩個不同情境中運行：高壓電池組裝（對電動車品質至關重要的精密敏感任務）以及車身外觀零件製造（高變異性、較低精密度的任務）。這組配對旨在測試 BMW 預期人形機器人最終需要覆蓋的靈巧度兩端。

物理 AI 作為工業策略

BMW 將這次部署定位為「物理 AI 量產策略」的啟動，而非單純的機器人試驗。公司已成立專屬的「物理 AI 量產能力中心」，負責統籌全球各廠的機器人部署計畫，並制定整合、安全認證與 AI 訓練資料的統一標準。

BMW 所說的「物理 AI」，指的是能在真實世界推理並採取行動的 AI 系統——相對於語言和圖像模型這類處理資訊卻不與實體環境交互的系統。這個區別在工程上具有實質意義：物理 AI 系統不能只是預測下一個詞元；它必須拿起零件、不能掉落，並且避免傷害三呎外正在工作的人類同事。

能力中心的任務涵蓋：從真實生產環境中建立訓練資料集、開發模擬基礎設施以便在實際部署前測試新任務，以及建立滿足 BMW 內部品質標準與跨司法管轄區外部法規要求的認證流程。

歐洲工業的深層賭注

BMW 萊比錫的部署，正被歐洲汽車與製造業高層密切關注——原因遠超過一家公司的試驗本身。

歐洲汽車製造業同時承受來自多個方向的結構性壓力：電動車轉型瓦解了傳統動力系統供應鏈，大量燃油引擎組裝的熟練工人面臨技能錯配，同時急需電池與電子設備方面的人才。中國垂直整合的電動車廠商——比亞迪、蔚來等——的成本結構是歐洲製造商在不大幅提升生產力的情況下無法比拚的。

若人形機器人能實現規模化部署，將是縮小生產力差距的可行路徑之一。一名德國汽車廠的人工，年度直接薪資約 5.5 至 7.5 萬歐元，加上雇主負擔的社會保險後，總人力成本約 9 至 11 萬歐元。按業界預估的 2027 年租賃報價，AEON 這類機器人每月費用約在 8,000 至 12,000 歐元——在 24 小時連續運作的條件下，每小時生產成本將顯著低於人力。

政治面向同樣不容忽視。德國工業工會 IG Metall 歷來在自動化議題上與廠商謹慎協商，傾向保障就業人數並為被替代的工人安排再培訓，而非直接裁員。BMW 並未宣布任何與萊比錫試驗掛鉤的人力縮減計畫，公司官方立場將人形機器人定位為承擔「體力負荷大、重複性高、人因工程風險高的任務」的工具，而非取代熟練組裝工人。

這個定位既真誠，也具有策略性。以現階段的能力而言，人形機器人確實更適合單調、吃力、重複性的工作，而非需要認知判斷和精密技能的任務。萊比錫試驗的實際運營邏輯是成立的。但製造商和工會雙方都清楚：能力上限往往只會持續上升。

全球物理 AI 競賽現況

BMW 的歐洲部署，正好發生在全球人形機器人競賽全面提速的節點：

• 特斯拉的 Optimus 機器人在弗里蒙特廠進行內部部署，執行長馬斯克設定年底前數千台的內部使用目標。
• Figure AI 在 BMW 斯巴達堡廠運行，累計募資逾 7 億美元，加速量產規模化。
• Agility Robotics 的 Digit 在亞馬遜履行中心處理物流任務，已進入真實倉儲場景。
• 宇樹科技（Unitree Robotics） 2025 年出貨量逾 5,500 台，2026 年目標 1 至 2 萬台；中國廠商正從原型跨越到量產的速度，比西方競爭對手預估的更快。
• 波士頓動力的 Atlas，已與現代汽車和 Google DeepMind 敲定部署合約。

貫穿所有案例的共同主題，是從「展示」到「部署」的轉變——機器人在活躍的量產環境中工作，而非在受控的實驗室裡。技術並未突然趨於完美；而是在特定、有邊界的任務上，在嚴格監控下，已足夠好。

BMW 萊比錫試驗的重要性，不在於 AEON 代表人形機器人的技術巔峰，而在於：一個嚴謹的工業組織正在高風險的真實量產環境中進行有紀律的實驗，以求理解物理 AI 如何真正融入製造現場。萊比錫的學習成果將影響 BMW 的擴展策略，進而影響 Hexagon 等夥伴的下一代產品研發方向，最終塑造人形機器人進入歐洲工業的整體軌跡。

四月之後

四月測試階段的目的，是對整合深度進行壓力測試——將 AEON 連接至 BMW 的生產管理系統、驗證安全協議、並在不同班次和不同零件批次中收集性能變異資料。若通過內部門檻，夏季將正式啟動全面試驗，兩台機器人將以正式量產一員的身份運行，而非平行的實驗專案。

BMW 未披露構成進一步擴大部署的成功指標，也未透露從萊比錫兩台機器人擴展到歐洲數百台的時間表。考慮到過去 24 個月製造機器人技術的演進速度，這段距離或許比工業自動化史所暗示的更短。

歐洲的工廠正在觀望。這場算計，已經開始。