HMGMA 是现代在美国建设的第一座专用电动车工厂，2024 年 10 月投产。2021 年，现代汽车集团从软银手中收购波士顿动力控股权。五年之后，Atlas 正式部署到现代自有产线旁。不同于以往限时、小规模、高度依赖工程师现场值守调试的试验，RMAC 是永久性设施。首席产品与技术官扎克・杰克沃斯基将其称作 “机器人行为工厂”：依托真实零部件、夹具和工作单元，持续产出训练用数据。
01.
为什么非要搬进汽车工厂？
杰克沃斯基表示，此前的试验都设有时间限制，目的是积累经验教训，以此设计未来大规模部署方案。团队需要厘清两个问题：Atlas 进入真实运行设施后的实际表现；异地、现场与仿真三类数据应当如何配比，才能训练出可靠性达标的执行策略。早期试验规模有限，大量工程工作都需要研发人员亲自完成。
RMAC 正是这些试验经验的落地产物。它设立在正常运转的汽车工厂内部，核心工作只有两项：收集数据、测试应用。场地内配置 Atlas 机器人与熟练操作员，利用真实零件反复执行任务，产出用于行为训练的多样化数据。
RMAC 一期已经投运，扩建同步启动。波士顿动力称，明年 RMAC 将迁入新楼宇，整体规模扩大约 10 倍；公司已将马萨诸塞州沃尔瑟姆总部的部分员工调往佐治亚州萨凡纳，多个部门同步开放招聘。
这类项目投入周期长，回旋余地小。人形机器人的大量问题只会在工厂连续生产节奏下暴露：传送带不会迁就机器人动作；班组轮换带来人员与作业节奏的变化；车型切换则对应整套全新零件与夹具。实验室中可以顺利完成的动作，放到讲究生产节拍、存在停线成本的两班倒生产环境，表现会截然不同。
02.
仿真里练不出来什么？
Atlas 的学习数据来自三个渠道：远程操作、仿真环境强化学习、通用操作接口（UMI）设备。RMAC 的价值，就是将三者置于同一真实工业场景完成对齐：仿真训练得到的策略需要在实体零件上验证，遥控采集的示范数据，要转化为可迁移的机器人行为。
三种数据获取方式各有短板。远程操作采集的数据质量高，但产出速度受操作员能力制约，单位时间能够得到的有效样本有限；仿真可以并行完成上万次模拟，却会简化物理接触、材料形变、光照反射等现实物理效应；UMI 手持设备介于两者之间，能够记录真人操作的手腕轨迹与视觉画面，采集规模大于远程操作，但记录的并非 Atlas 本体的运动数据。
仿真和现实之间的落差，是人形机器人落地的经典难题。机器人在仿真中可以稳定完成上万次抓取，但真实零件的表面摩擦、反光、加工公差以及包装形态，经常会让训练策略直接失效。使用真实零部件与夹具开展训练，正是为了解决这一虚实鸿沟。
杰克沃斯基提到，公司针对 Atlas 量产版本做出的设计假设 “实际上非常准确”。同时，他列出 RMAC 接下来需要攻克的几项工作：优化夹具和零部件包装，适配人形机器人作业；在生产环境搭建高效的数据采集机制；为人形机器人建立完整的配套支持流程。上述改造不只针对机器人本体，更多落在工厂侧配套设施上。需要改变的不只有机器人。
03.
为什么先练排序，不练装配？
现阶段 Atlas 在 RMAC 主要完成汽车零部件物流与排序工作：零件进入组装工序之前，按照生产顺序完成备料。作业需要直接接触形态复杂的零部件，抓取环节有着严格约束，需要区分可抓取区域、外观件与易碎部件；机器人还需要从复杂运输包装中取出零件，放入高密度隔间送往生产线。
这类任务对灵巧度要求较高，对作业节拍、精度的约束则相对宽松。汽车零部件本身属于非标场景：SKU 数量庞大，不同供应商的包装规格并不统一；同一零件更换批次，配套塑料袋、隔板也会随之改变。HMGMA 同一条产线同时生产 IONIQ 5、IONIQ 9 和起亚 Sportage 混动车型，切换车型就要更换整套零件。目前这类工作由人工完成，即便出错，代价大多只是下游工序短暂等待。
波士顿动力给出了明确落地时序：2028 年，Atlas 正式在 HMGMA 上岗，执行零部件排序；2029 年拓展至起亚佐治亚工厂；2030 年之后才切入零部件组装业务，后续再承接重复性作业与重物搬运这类重体力工作。装配对精度、一致性几乎零容忍，一次失误就可能造成整条产线停摆；而物流排序处在产线缓冲区，容错空间更大，适合机器人在实操过程中持续积累数据。
04.
两万五千台，是计划还是口号？
现代汽车有着更大的目标。在 2026 年 CES 公布的机器人与人工智能战略中，现代提出未来几年将在全球网络部署 25000 台 Atlas，首批落地现代、起亚的全球工厂，RMAC 就是该战略的实体落点。
现代并未公布分工厂、分年度的交付时间表，Atlas 单机售价也始终没有对外公开。人形机器人想要替代现有工位，绕不开三项硬指标：单台机器人有效工时替代率、故障停机与维护成本、适配现有产线节拍的稳定作业能力。公开讨论中，很少谈及这几项指标。一个可供参考的事实是：波士顿动力 2026 年的 Atlas 产能，已经全部分配给 RMAC 和谷歌 DeepMind，新客户要等到 2027 年才能拿到设备。
寻找落地场景，是所有人形机器人企业共同的难题。Figure 02 在宝马南卡罗来纳州斯巴达堡工厂运行 11 个月，伴随完成 3 万台 X3 车型的生产；迭代机型 Figure 03 今年进厂，依旧从事物流排序工作；特斯拉 Optimus 现阶段也主要在自有工厂内部测试。波士顿动力的特殊之处在于，它拥有愿意开放真实产线的自有客户，解决了工业真实场景的数据来源问题。但新的问题随之而来：在单一客户场景训练出来的机器人能力，是否能够迁移适配其他工厂。
除 Atlas 之外，波士顿动力并不将业务局限于汽车行业。公司正在和航空航天、半导体、物流、食品饮料、生命科学等领域企业洽谈合作，优先对接已经采购 Spot 四足机器人、Stretch 卸货机器人的存量客户。杰克沃斯基看重的不只是两台硬件设备本身。“Spot 采集的数据有助于建立对工业设施的理解，这类数据其实非常稀缺。” 他更看重客户侧能力建设：如何完成部署、系统集成，以及机器人群体管理。“把这些做好需要时间，早期参与落地的客户，如今已经占据有利位置。”
采购机器人硬件仅仅是落地的起点。维修、故障响应、数据回流、产线调度集成，整套流程如果没有完整实践，客户很难独立完成运维。
05.
软银买走 RAI，Atlas 的大脑还稳吗？
据 The Robot Report 报道，软银已达成意向，将从现代汽车集团收购机器人与人工智能研究院（RAI）。这笔交易正在接受美国外国投资委员会（CFIUS）审查，交易金额未披露，双方也尚未正式确认。RAI 总部位于马萨诸塞州剑桥，2022 年现代收购波士顿动力后出资设立，初始投入超过 4 亿美元，由波士顿动力创始人马克・雷伯特牵头，主攻机器人 AI 基础研究。Atlas 完成翻跟头、侧手翻的全身动作学习框架，就出自该机构。如果交易落地，原本同源的两块资产将分属现代与软银。
外界关心 Atlas 的 “大脑” 会不会随交易一并易主。对此杰克沃斯基回应：“波士顿动力和 RAI 自成立以来就是目标不同的两个独立组织，这次变动对我们没有影响。” 他表示，波士顿动力拥有全球规模与实力顶尖的机器人 AI 团队，RMAC 产出的工业高质量数据与策略评估结果，还会进一步加快研发速度。
短期来看这套说法可以成立：两支团队一直独立运作，Atlas 训练数据主要来自波士顿动力自有设施，RMAC 产出的数据也归属波士顿动力。但 AI 研究资产的股权变更，会影响人才流向和技术路线选择，这类影响通常不会在交易完成时立刻显现。
后续可以重点跟踪两项事实：单台 Atlas 在真实产线能够输出多少有效工时；在波士顿动力工程师撤出之后，客户是否具备独立运维的能力。只有这两项出现公开可验证的数据，才能真正判断 25000 台部署目标到底有多大落地可能性。
VIP复盘网
