「机器换人」到底换到哪一步了

这件事值得单独拎出来讲，因为它是最好的教材。

如果你翻 IFR 早一些的报告，中国的机器人密度写的是 567；换成 2026 年 4 月更新的口径，同一个国家、同一个指标，变成了 166。数字掉了三分之二还多。

但这不是因为中国拆掉了机器人——中国的机器人存量同期还是世界第一。原因在分母：机器人密度 ＝ 在役机器人台数 ÷ 制造业就业人数。IFR 明确说明了，166 这个数字是「基于中国国家统计局更新的劳动力市场数据」重算的。也就是说，变的是分母，不是分子。

把这件事推而广之，会得到一条极有用的方法：凡是「比率型」数字，先问它的分母是什么、是谁在什么时候统计的。「每万人」「人均」「占比」「增速」全都属于这一类。同一个事实，换个分母，可以讲成完全相反的两个故事——而两个故事可能都没撒谎。

这也是本站看所有「大势」类数字的第一道工序：不问「这个数字高不高」，先问「它的分母是什么」。

「存量世界第一」和「密度世界第 22」这两个数字合在一起，说明的是：自动化的推进在国内并不均匀。它高度集中在少数几个产业（电子、汽车、机械——IFR 明确指出高密度国家的共同点就是这三类产业强），而绝大多数行业和岗位，到今天为止，机器人还没进去。

换句话说：「机器换人」这件事，已经发生了，但远没有扩散到大多数人的工作里。把「将来所有工作都会被机器取代」当成已然事实来焦虑，与把「机器人跟我没关系」当成事实来放心，都是对这两个数字的误读。

这里有一个反直觉的点值得记住：机器人密度最高的国家，并不是失业最严重的国家。韩国密度全球第一，德国、日本、新加坡都在前列——这些国家并没有因为「机器换人」而出现大规模的岗位崩塌。

原因不难理解：一个国家的机器人装得多，通常是因为它本来就在做这类制造，机器人的作用是让这块产业留下来、继续有竞争力，而不是把这块产业直接换掉。IFR 自己也点出了这个逻辑——面对劳动力短缺和成本压力，自动化是「让生产更有韧性的必然选择」。

所以「机器换人」这个说法本身，就藏着一个需要拆开的前提：被「换」掉的，是任务，还是整个人？这个区别，是这个栏目后面几篇要接着讲的事。

本站不预测政策，也不预测产业兴衰。这里只做一件事：把「如果 A，那么 B」的条件摆出来，你自己看着判断。

• 如果中国制造业就业人数保持现有统计口径、机器人在役存量继续按近年速度增长，那么机器人密度会持续上升，与德国、日本等国的差距逐步收窄——这是算术，不是预测。
• 如果自动化继续集中在电子、汽车、机械这三大类产业，那么「机器换人」的直接影响，在相当长时间里仍主要落在这些产业的特定工序上，而不是均匀地落在所有工作上。
• 如果技术继续向「非结构化环境」推进（这才是真正的难题，见本站《具身智能：机器人现在能干什么、不能干什么》），那么受影响的范围会从「标准化产线」向「不固定的场景」扩散——但扩散的速度取决于技术成熟度，而不是取决于焦虑的程度。

这三条都是「条件的推演」，条件一旦变化，结论就要跟着变。把它们当成「一定会发生」，就又回到了本文开头批评的那种读法。

这一篇讲的是制造业自动化，看上去离一个初中生很远。但它恰恰给了一个很实际的提示：风向是会变的数字，而「看数字的方法」不会变。

今天你听说「机器人要取代所有人」，明天你听说「机器人连一杯水都递不好」（这两句话本栏目都会讲，而且都会给出处）。如果只会记住结论，你就会一直被下一句话带着跑；如果学会了问「这个数字的分母是什么、是谁统计的」，你就有了一套自己能用的过滤器。

这套过滤器，说到底是三句话：这是事实还是判断？这个数字的口径是什么？支持它的证据在哪里？——它不会过时，因为它不依赖任何一个具体的风向。