具身智能，开始叛逃人形叙事

2026年9月，机器人行业在同一个礼拜里被连打了三针：9月1日，梅卡曼德登陆港交所，首日收盘市值约124亿港元；9月8日，Palladyne AI与FANUC America官宣战略合作，把物理AI软件装进工业机器人；几乎同一时间，OpenAI总裁格雷格·布罗克曼披露新模型Astra在超过10万块GPU上完成训练，AI正式跨越“电脑使用”的应用门槛。

三件事发生在三个国家、三个赛道，看似不搭界，指向的却是同一个产业判断——

具身智能的价值锚点，正在从“人形整机”悄悄挪向“工业软件+AI大脑”。

🤖 FANUC牵手Palladyne，老贵族认了：脑子可以外包

最保守的买家，往往是最诚实的市场信号。

先看场景。任何去过工厂车间的人都知道传统工业机器人的痛点：换一个产品型号，就得请集成商现场重新示教编程，调上几天甚至几周。机器人本体是标准品，但让机器人“会干活”的那一段——感知、抓取、决策——长期靠人力堆出来。这也是工业机器人行业毛利的大头，一直被集成环节吃掉的原因。

2026年9月8日，Palladyne AI和FANUC America通过Business Wire官宣战略合作。双方的核心动作很明确：把Palladyne AI旗下的具身AI软件Palladyne IQ，配装到FANUC America的工业机器人与协作机器人产品组合上，圈定的应用场景是制造、仓储和物流三大类。公告从Palladyne AI位于盐湖城的总部发出。

这桩合作的产业含义，比合作本身更值得琢磨。

FANUC是工业机器人的头部玩家，黄色机器人军团遍布全球产线。这样的老牌本体厂，没有选择自己从头训练大模型，而是引入第三方物理AI软件平台——这等于公开承认了一件事：具身智能时代的“脑子”，不再天然属于本体厂。

产业逻辑正在向PC时代靠拢：Windows与兼容机、安卓与整机厂的软硬解耦，正在机器人行业重演。本体负责执行层的可靠性与成本，软件平台负责感知与决策层。对Palladyne AI来说，绑定FANUC America意味着直接拿到了全球顶级体量的装机渠道，跳过了创业公司最痛苦的“从零教育市场”阶段；对FANUC来说，则是用最低成本补上了AI能力这块最短的板。

据机器人圈子里流传的说法，集成商现在最大的成本不是硬件，是现场调试的人力。软件平台每多替代一分调试人力，产线的账就算得越快。这就是物理AI软件在工业场景的真实卖法——不谈AGI，只谈良率和节拍。

📈 梅卡曼德上市：百亿市值，给“不造机器人的机器人公司”定价

资本市场终于愿意为“卖铲人”开价了。

2026年9月1日，梅卡曼德正式登陆港交所。这家过去很少被大众看见的机器人公司，终于被公开市场标出了价格：首日收盘总市值约124亿港元。

更值得注意的是上市前的信号弹。此次IPO引入了9家基石投资者，合计认购1.86亿美元，其中包括苏格兰百年资管巨头Baillie Gifford——这家以长期主义著称、曾重仓成长股的机构，把钱押在了一家机器人软件公司身上。

梅卡曼德成立于2016年，和宇树一样，都是从上一轮机器人创业潮里走出来的公司。但从第一天起，它的路线就和同行分了岔：不造一台自己的机器人。公司名字Mech-Mind里的重点，显然在后一个词——Mind。

它的活儿，是给别人的机器人装上眼睛和判断力：用AI加3D视觉，让通用机器人“看懂”无序摆放的物料并自主抓取。客户买走的不是一台机器，而是一套让任何机器人都变聪明的能力层。

百亿港元定价的，不是硬件产能，而是“机器人智能层”的商业化验证。基石投资者阵容同样说明问题：Baillie Gifford这类长期资金进场的逻辑，看的是软件复用率和数据飞轮，而不是单台设备的毛利。一级市场先投票、二级市场再定价，具身智能的估值模型，正在从“听人形讲故事”切换到“看工业订单报表”。

🧠 10万块GPU训出的Astra，和机器人有什么关系？

数字世界的操作能力每前进一步，物理世界的门槛就被踩扁一截。

在Astra发布前夕，格雷格·布罗克曼接受了科技战略分析网站Stratechery的深度访谈，这是他迄今对Astra和OpenAI最新战略最详尽的公开表达。几个关键披露：

• Astra是OpenAI首个在超过10万块GPU上完成训练的模型，布罗克曼称之为“真正的工程壮举”；
• Astra在“电脑使用”能力上跨越了关键应用门槛，可以充当“通用连接器”——不再依赖各软件单独提供API接口，而是像人一样操作任何软件；
• 过去精心构建的“技能脚手架”，正随着模型能力提升从助力变成限制；
• 芯片层面，OpenAI自研Jalapeño芯片并用AI辅助设计，同时维持与英伟达的深度合作。

对机器人行业，这组信息有两条推论。

其一，“通用操作”的范式正在从专用接口和规则脚本，转向端到端大模型。这个趋势不止发生在电脑上——机械臂抓取、移动导航，同样在被大模型的能力外溢重新洗牌。物理AI软件平台（比如Palladyne IQ）的长期竞争力，取决于谁能最快吃到基础模型升级的红利，而不是自己重复造轮子。

其二，必须泼一盆冷水。“电脑使用”跑在数字世界里，错了可以回滚重来；机器人操作的是物理世界，一次失误就是撞机、报废工件甚至安全事故。物理数据的稀缺性和试错的不可逆性，决定了物理AI的进度不会简单复制大模型的能力曲线。10万块GPU能堆出电脑使用，但堆不出一个真实的工厂。

⚠️ 冷思考：热钱追人形，订单在产线

Demo里人人都在造人，报表里大家都在买机械臂。

机器人圈私下流传一句话：谈具身智能必谈人形，看落地订单全在产线。看看这周三个事件的落点就明白了——Palladyne AI圈定的是制造、仓储、物流三大场景，梅卡曼德深耕的也是同一片地盘。这些都是拿节拍、良率、投资回收期说话的地方，没有一个客户为“像人”付钱。

软件平台这条路的窄门也很清楚。工业客户买单的永远是“解决我这个工位的具体问题”，而不是“你有一个多牛的平台”。平台化需要海量真实场景数据反哺，而拿数据的钥匙是渠道——这正是Palladyne AI联手FANUC America、梅卡曼德深度绑定集成商体系的底层原因。算法可以追赶，渠道和数据飞轮追不上。

接下来的胜负手，不是谁的模型参数更大，而是谁先把数据飞轮转进真实产线。本体的份额格局已经相对稳定，智能层的位置还空着大半——这才是未来三年具身智能行业真正的卡位战。

一周之内，一家上市、一桩联姻、一次模型跨越，共同把具身智能从“人形叙事”拉回了“产业叙事”。判断很直接：从2026年下半年起，这个故事的主角会越来越多地是软件平台和基础模型，而不是某台会翻跟头的机器。人形当然仍是远期终局，但近期的钱、订单和数据，都会先沉淀在产线里。谁能先把飞轮转起来，谁就能在终局到来时坐上牌桌。