0.5毫米，成了具身智能的新考题

2026年，具身智能的叙事正在换挡。同一天里，你能看到三条互不相干却指向一致的消息：清华AIR首届博士李健雄带着「动作原生」的具身模型创业，五源资本领投；至简动力的冯宗宝在IROS 2026上讲，他们在间隙仅0.5毫米的真实场景里实现了机器人造机器人；英伟达则把面向物理AI的全栈安全方案推给机器人公司。一条是模型，一条是场景，一条是安全——过去两年行业比谁的demo更好看，现在开始比谁能在真实世界干得准、不出事。本文试图从这三条线索里，拆出2026年具身智能的落地逻辑。

💰 天才博士下场，资本换了个押法

学院派创业，这次没有讲「通用机器人」的故事。

李健雄的履历不复杂：清华AIR（清华大学智能产业研究院）首届博士，出来创办本溯智能，押注「动作原生」的具身模型。投资阵容同样清晰——五源资本领投，常春藤资本、线性资本、华山资本跟投，AIR副教授詹仙园出任首席科学家。学界深度绑定、一线基金领投，这是一个典型的「技术卡位」型创业结构。

关键在「动作原生」四个字怎么理解。当下的具身智能，主流做法大多是在多模态大模型主干上，外挂一个动作生成模块——感知和语言能力靠预训练模型打底，动作则像是「翻译」出来的副产品。而「动作原生」的思路，是把动作生成当作模型的一等公民，从架构层面让「怎么动」成为模型的内生能力，而不是末端补丁。

这不是玄学，而是对当前瓶颈的直接回应。行业里一个半公开的共识是：靠视觉语言模型驱动的机器人，演示视频越来越惊艳，但一到需要精细操作的真实任务，动作层面的短板就藏不住了。看懂了不代表动得对，动得对不代表动得稳。

据多位接近人士的说法，今年头部机构看具身智能项目的关注点已经明显变了：不再只问「用了哪个基础模型」，而是追问动作策略怎么训练、真机数据从哪来、失败样本怎么回流。换句话说，钱开始从「故事层」往「执行层」沉淀。

判断也很直白：具身智能的模型层窗口还没关上，但已经从「谁先把大模型接上机械臂」的粗放阶段，进入「谁的动作模型更接近物理世界的约束」的精耕阶段。李健雄这个时点下场，赌的不是风口还在，而是风口正在换赛道——而换赛道的时候，往往是学院派最容易被高看一眼的时候。

🏭 0.5毫米，机器人造机器人的真门槛

演示间里没有0.5毫米。

IROS 2026上，至简动力冯宗宝给出的是一个足够具体的数字：在间隙仅0.5毫米的真实场景下，实现机器人造机器人。这句话里最值钱的不是「机器人造机器人」这个抓眼球的闭环叙事，而是「0.5毫米」和「真实场景」这两个定语。

做过精密制造的人都知道0.5毫米意味着什么。这不是抓起一个杯子、叠一件衣服的量级，而是装配间隙、公差配合、重复定位精度层层叠加后的苛刻约束——机械臂重复定位误差、末端工具形变、视觉标定误差、力控响应延迟，任何一环超标，装配就直接失败。实验室里可以重来的demo，和产线上按节拍交付的良率，是两种完全不同的工程。

这就是具身智能从实验室走向真实工厂、迈向精密制造的典型缩影。过去行业的默认路径是：先在结构化程度高、容错率大的物流分拣、搬运码垛场景跑通，再往上游的装配环节爬。而装配恰恰是制造业里价值密度最高、也最难自动化的环节——传统工业机器人需要工程师逐点示教编程，柔性差、部署慢，这正是具身智能最想撬开的那扇门。

上表的落差，解释了为什么「机器人造机器人」这件事有指标意义：机器人制造本身就是一个精密制造场景，如果具身智能连自己同类都造得出来，才有资格谈「通用劳动力」。冯宗宝选择的路线，本质上是用一个真实且高难度的场景当磨刀石，把硬件、控制、算法一起磨出来。

产业逻辑上，这是一个值得记住的信号：2026年，评判一家具身公司的标尺，正在从「能做什么」变成「在多严苛的场景里能稳定做什么」。

🛡️ 英伟达的算盘：物理AI先解决「安全」

跑得快之前，先回答摔了算谁的。

英伟达近期的动作很明确：面向物理AI推出全栈安全解决方案，客户名单里已经有机器人公司在用，目标场景直指Robotaxi和人形机器人。注意措辞——是「全栈」，意味着从芯片、系统软件到安全验证框架，英伟达想把「安全」做成一条完整的产品线，而不是一个功能点。

这步棋的产业逻辑，值得掰开看。自动驾驶行业已经演示过一遍：一辆车从「能开」到「敢被允许上路」，中间隔着法规、功能安全认证、失效场景覆盖这一整堵墙。机器人，尤其是要在人旁边干活的人形机器人，会撞上同一堵墙，而且可能更硬——机器人在工厂、在家庭、在公共场所，物理接触的密度和后果的不可逆性都更高。

英伟达卡的位置非常鸡贼（褒义）：它不直接造机器人，但它可以让「用了我的安全全栈」成为机器人公司的信任背书。这和当年汽车行业「用了英伟达Orin平台」的逻辑如出一辙——平台方把最脏最累的安全验证工程做掉，下游的整机厂才有精力卷场景。

这张闭环图里，传统叙事强调A到E的正向链条，而英伟达押注的是F——数据回流和责任界定。物理AI一旦规模化，每一次碰撞、每一次急停、每一次抓取失败，都会变成追溯对象。谁能提供可审计的安全框架，谁就握住了行业入场券。

用一句业内私下流传的话总结：模型决定机器人多聪明，安全决定机器人能不能出厂。英伟达选了后者，因为后者收的是整个行业的税。

📊 模型、场景、安全：2026年的铁三角

三条线索拼起来，才是完整的落地拼图。

把前面的信息放到一张表里，结构会非常清楚：

三条线对应的是具身智能商业化绕不开的三个问题：动作怎么生成、场景怎么选、安全怎么兜底。任何一家公司可以只占一角，但一个行业要跑通，三角缺一不可。

再看资本面的结构性变化。今年融资叙事的重心，已经从「人形机器人本体」扩散到「具身模型」「零部件」「场景方案」这些纵深环节——本溯智能这轮融资里跟投的线性资本、华山资本，都是典型的关注技术纵深的机构。这说明聪明的钱正在放弃「一家公司端到端通吃」的幻想，转而下注产业链分工。用一张产业链图表达这个判断：

图里最值得注意的，是「全栈安全方案」这个节点的位置——它不是挂在末端的配件，而是横贯所有下游场景的公共基础设施。2026年下半年到2027年，随着人形机器人开始小批量进入工厂和商业场所，安全方案很可能从「加分项」变成「准入项」。

对这个三角关系的判断，可以更锐利一点：模型层会强者恒强但赢家有限（两三家），场景层会高度分散（每类制造场景都有自己的至简动力），而平台层的英伟达几乎看不到对手。对创业者的启示是：别在三角的公共边上硬刚，去找属于你的那个顶点。

结语：好故事讲完了，硬仗开始了

回头看，2026年的这三条消息其实是一句话：具身智能的估值故事讲完了，交作业的时候到了。本溯智能们要交出动作模型的真机成绩单，至简动力们要交出产线上的良率数据，英伟达则要交出让监管和客户都点头的安全框架。0.5毫米这个数字之所以动人，是因为它没法靠发布会实现，只能靠一遍遍失败磨出来。未来12到18个月，行业会经历一轮残酷的分化：讲场景、有交付、敢对安全负责的公司会拿到下一轮船票，剩下的会发现自己还站在演示间里。而对整个产业来说，这不是坏消息——真正的东西，从来都是在离开PPT之后才长出来的。