机器人有身体了，大脑却还没上岗？

机器人有身体了，大脑却还没上岗？

9月的第一周，具身智能行业被两条新闻砸中：OpenAI宣布进军人形机器人，小鹏的IRON自主走下了自动化总装产线。一个是大模型巨头伸向物理世界的手，一个是本体制造跑通量产的信号。

但热闹背后藏着一个尴尬的事实——机器人越来越会"动"，却依然不太会"干活"。GPT-6 Astra简单抓放成功率95%，精细插入只剩10%；智源对12个开源具身模型的评测，复杂任务组合最高成功率仅16.7%。

身体进化得飞快，大脑却还在实验室里挣扎。这场进度差，才是2026年具身智能最真实的底色。

🧠 钱已经投票了：过半融资砸向"大脑"

资本圈有句话最近私下传得很广："本体看资产负债表，大脑看想象力。"

数据印证了这句话。上半年国内具身智能融资超过400亿元，其中过半流向了"具身大脑"公司，而这批大脑公司里，超七成布局世界模型路线。

换句话说，资本普遍相信：机器人最终缺的不是关节和灵巧手，而是一颗能在物理世界里理解和预测的"脑子"。

这个逻辑本身没毛病。工业机器人干了半个世纪，靠的是示教编程——精确、可靠，但僵硬。人形机器人要走出结构化车间、进入千家万户，靠写代码写不出"泛化"，必须让模型自己理解世界。世界模型的核心卖点正在于此：让机器人先在"脑内"推演物理规律，再动手执行。

但钱投下去，不代表技术已经就位。四百多亿买的是期权，不是现货——这轮热潮里到底多少是真技术资产、多少是提前定价的未来，行业内部自己心里也打鼓。

据多位接近头部大脑公司的人士透露，不少创业团队的演示视频是精心挑选的最优样本，同一任务换个光照、换个物体姿态，成功率可能直接腰斩。投资人在尽调时越来越不看你发什么视频，而是要原始评测日志。

⚠️ 16.7%：给世界模型泼的冷水

热闹归热闹，数据得摆出来。

智源对12个开源具身模型做了一轮系统评测，结论相当扎心：复杂任务组合的最高成功率，只有16.7%。

这是什么概念？相当于一个新员工上岗，十次活儿干砸八次还多。放在工业场景，这个数字连"试用期"都过不了；放在家庭场景，砸的是真碗、碎的是真杯。

再看好不容易挤进物理世界的大模型本身。GPT-6 Astra发布时的测试显示，简单抓放任务成功率能做到95%，听着很美；可一旦换成精细插入类任务，成功率瞬间掉到10%。

这组数据暴露的是同一个结构性问题："会做"和"会干活"之间，隔着一整条数据、控制与系统工程的鸿沟。

抓一块积木和把销轴插进0.2毫米的孔，对人类来说是同一种"动手"，对模型来说几乎是两种任务。前者靠视觉+粗抓取策略就能蒙过去，后者需要毫米级的力控、位姿估计和误差实时补偿——这些恰恰是世界模型目前最不擅长的，因为它见过的物理交互数据，远比互联网图文视频少得多。

来自章鱼动力世界模型合伙人陈文科的视角很有代表性。这位曾在字节跳动 AML/Seed团队及头部大模型企业做过多模态生成模型Infra与预训练研发的工程师，关心的不是把模型"训出来"，而是让算法、系统、数据、硬件做Co-Design，把世界模型真正scale起来。

翻译成人话：大脑不是一个大模型就完事，它是一套系统工程。算力怎么喂、真机数据怎么采、推理延迟压到多少毫秒、模型和本体硬件怎么协同设计——每一环掉链子，成功率就往下掉一截。

所以回答那个关键问题：世界模型到底给具身智能增加了什么"真能力"？目前最诚实的答案是——增加了泛化的上限，但还没解决精细操作的下限。上限决定这家公司三年后能走多远，下限决定它明年能不能签下第一张订单。

🚗 身体狂奔：IRON下线与量产的军备竞赛

大脑还在补课，身体已经冲线了。

9月7日，小鹏官宣：其机器人生产线正式启用，全球首位高阶通用人形机器人完成自动化总装并自主走下产线。这条产线由小鹏自主设计开发，是全球首条面向高阶通用人形机器人的自动化产线，借鉴了汽车行业成熟的制造质量体系，核心工序自动化率超过80%。

这件事的产业意义，不亚于大脑侧的任何突破。因为人形机器人过去最大的瓶颈之一，就是造不出来、造不便宜——一个实验室手工攒一台可以，攒一百台就是灾难。产线自动化率超80%，意味着小鹏把汽车工业的精密制造能力平移到了机器人身上，大规模量产的硬件基础算是打下来了。

IRON这个本体本身也值得细看。它被定位为小鹏物理AI战略的核心落地载体：整机76个自由度，单手就有21个自由度，采用首创的全包覆柔性晶格结构；算力方面搭载3颗图灵AI芯片，有效算力达到2250 TOPS，物理AI大模型实现端侧部署——不用远程操控，机器人可以独立处理复杂任务。

把这串参数翻译一下：76个自由度意味着身体表达能力已经逼近人类，21自由度的手意味着硬件已经为精细操作准备好了执行器。2250 TOPS端侧算力意味着，跑大模型不再是云端科幻，而是本机现实。

问题就出在这：执行器到位了，端侧算力到位了，但真正跑在上面的具身大脑，还停留在10%精细操作成功率的水平。

何小鹏的表态其实很克制：机器人将优先承接危险、重复性工作，再凭借全泛化能力逐步走进日常生活。今年底迈入规模量产，2027年正式上市交付。

注意这个节奏——先干危险和重复的活。这是典型的产业落地思路：不跟人类的精细手艺较劲，先在结构化程度高、容错率相对可控的场景里跑起来、采数据、迭代模型。身体先上岗，大脑边干边学。

据业内人士私下聊，现在本体厂和大模型厂之间的关系已经有点微妙：一方手中有真机、有场景、有数据入口，另一方有算法能力和品牌势能，谁给谁打工、数据归谁，谈判桌上全是筹码交换。OpenAI选择在此时官宣进军人形机器人，显然不想只做卖API的角色。

💡 大脑上岗的及格线，到底在哪

那颗具身大脑，做到什么程度才算真正"上岗"？

行业里目前没有标准答案，但从数据反推，及格线已经能画出来了。

第一，复杂任务成功率得从16.7%跨过工业级门槛。工业自动化的通行标准是良品率99%以上——机器人替代人，不能比人手抖。从10%到95%中间隔着数据闭环、力控融合、误差建模无数轮迭代，这中间没有任何捷径。

第二，不能只考单一科目。抓放95%、插入10%，这种偏科在演示视频里看不出来，在客户产线上一天就露馅。真正的大脑要在长程任务、多物体组合、异常恢复这些"综合卷"上交成绩，而不是靠单项表演融资。

第三，要有端侧可部署的性价比。IRON的2250 TOPS给出了一个硬件基准——大脑模型必须在这个算力预算内跑出实时响应。云端再聪明的模型，延迟压不下来，到了物理世界就是废纸。

这四个维度——真能力、核心地位、上岗标准、估值含金量——正是当下具身智能行业最需要坐下来掰扯清楚的问题。而当一线创业公司、模型研发方、学术界和资本被请到同一张桌子上时，一个共识正在浮出水面：世界模型不是银弹，而是众多路线中最有想象力的一条；它决定机器人聪明的天花板，但决定它明年有没有饭吃的，是那条从10%爬向95%的成功率曲线。

结语：身体等大脑，大脑别掉队

把9月这一周连起来看，图景其实很清晰：OpenAI的大模型把手伸向了机器人，小鹏的IRON把量产通道铺好了，资本把四百多亿押在了大脑上。

身体、钱、势能都到位了，现在整个行业就等那颗真正能上岗的大脑。它不一定由谁说了算，但一定属于那个能静下心来做Co-Design、把成功率一个百分点一个百分点磨上去的团队。

2027年交付日期已经写在了日程表上。留给"大脑"们的时间，不多了。