波士顿动力在 Hyundai 美国工厂开设训练中心：Atlas 进入产线实训
从 CES 亮相到真实车间
9 月 21 日，波士顿动力宣布机器人 Metaplant 应用中心（Robotics Metaplant Application Center，RMAC）在 Hyundai Motor Group Metaplant America（HMGMA）园区内开幕。该园区位于美国佐治亚州萨凡纳郊外。这一动作承接的是今年 1 月：在 CES 2026 的 HMG Media Day 上，波士顿动力与现代汽车集团首次公开亮相了 Atlas。
RMAC 的定位不是展厅，而是测试床与训练中心：它的任务是把 Atlas 机器人直接整合进现代汽车集团的汽车制造运营中。换句话说，人形机器人第一次被当作生产系统的一个组成部分来搭建配套环境，而不是被当作一台展示设备搬进厂房。
机器人在那里练的是非常具体的事：在真实环境中准备汽车零件的物流与排序——把零件按装配所需的正确顺序摆放好。这是汽车厂里最日常、也最考验可靠性的环节之一：它不需要惊人的运动能力，但要求长时间重复、不出错、与人的动线共存。
后续的时间表也已给出：到 2030 年，Atlas 的应用将扩展到零部件装配。随着时间推移，它还会承担涉及重复性动作和重体力的新任务，例如搬运重物——这恰好是人形机器人在工业场景里最容易被算清投资回报的部分。
2.5 万台目标与年产 3 万台的工厂
规模目标是这份公告里最硬的数字。现代汽车集团计划在未来几年快速扩大 Atlas 的部署，先在现代与起亚的全球工厂部署 25,000 台作为起点；同时集团将在美国建立一座新工厂，具备年产 30,000 台机器人的能力。
波士顿动力首席产品与技术官 Zack Jackowski 的表态是：与现代汽车集团一起，双方正在「企业级的物理 AI」上做开创性工作，并且已经建立了清晰的战略，来优化 Atlas 的供应链、生产、测试与部署能力；RMAC 强化的是双方的共同目标——让机器人让工作更安全、更高效，从而放大人的潜力。
从外部视角看，先建训练中心、再谈上岗，是这轮人形机器人进厂潮里最值得注意的方法论转变。演示视频可以剪辑，实验室可以复现，但真实产线每天都会产生无穷的异常：来料位置偏了、托盘卡住了、旁边的工人临时改了动线。这类数据无法在办公室里合成，只能靠在现场长期运行去收集——这正是训练中心的真正产出。
这里还有一层公司结构上的背景：现代汽车集团在 2021 年完成了对波士顿动力的控股收购，此后 Atlas 的技术路线明显从研究型机器人转向工业品——电动化、可量产、面向工厂。把训练中心放在自家整车工厂里，本质上是让「客户」与「股东」变成同一方，从而省掉了人形机器人落地时最昂贵的一环：说服客户为一个尚未验证的品类腾出产线位置。
它也解释了为什么汽车集团愿意做这件事。车企手里握着大量高价值的场景、节拍要求与工艺知识，机器人公司握着本体与学习系统；双方各出一半，换来的是一条「数据飞轮」：机器人跑得越久，异常样本越多，策略越稳，能接的工序就越往上游走。
明年扩到十倍，并看向其他行业
RMAC 的第一阶段目前已经在 HMGMA 运行，而扩建计划已经在路上：明年，运营将迁入 HMGMA 园区内的一栋新建筑，把 RMAC 的规模扩大到目前的约十倍。
新设施除了继续支持 Atlas 为汽车制造部署做准备，波士顿动力还计划从明年开始探索其他行业的用例。公司称，目前正在与几家现有的 Spot 与 Stretch 客户洽谈，涉及制造、航空航天、半导体、物流、食品饮料与生命科学等行业，希望把数据收集和其他任务扩展过去，以便在 2027 年继续 Atlas 的训练过程。
这背后的逻辑是清楚的：Atlas 需要的不只是汽车工厂的数据，而是尽可能多样的真实操作数据。把已经在巡检、搬运场景里长期服役的客户拉进训练网络，等于用现成的场地和任务类型，为人形机器人补充「课本」里没有的章节。
作为背景，波士顿动力目前有三条产品线：用于工业巡检的四足机器人 Spot、面向物流与零售的搬运机器人 Stretch，以及在开发中的电动人形平台 Atlas。公司把自己定义为「AI 使能的移动机器人」提供商，擅长的是非结构化、危险或难以通行的环境。
需要保留的怀疑同样重要。25,000 台与年产 30,000 台都是集团层面的计划目标，不是当前的产能或部署量；2026 年真正落地的进展，是机器人进入了一个受监督的工业训练环境。这距离「替代工人」还有相当远的距离——目前 Atlas 承担的是零件物流与排序这类任务，而且是在人保留监督权的前提下。
从更大的范围看，人形机器人进厂这两年已经从个案变成趋势：Figure 的机器人进入宝马在美国的整车厂做物流，Agility 的 Digit 在 GXO、舍弗勒、亚马逊与丰田加拿大工厂累计运行了数万小时。但这些案例有一个共同点：真正做的是产线外围的物流、搬运与排序，而不是价值最高的总装。这一分工短期内不太可能改变——它既是技术边界，也是责任边界。
放到行业坐标里看，人形机器人进厂正在形成一条清晰的路径：先在训练中心跑通受监督的工序，再把经过验证的任务放进正式产线，最后才是复杂的装配作业。每一步的推进速度，取决于安全认证、节拍匹配和单位成本，而不是取决于机器人的动作有多像人。这或许也是波士顿动力这份公告最值得记录的地方：它讲的是产线、数据与供应链，而不是一段表演。