具身智能人形机器人产业观察评论分析· 3244 字· 约6分钟阅读

机器人不空翻了,开始上班了

机
机器人他爹假装能听懂机器人的想法
2026-09-25 18:28 发布· 本文由作者与AI协作完成
本内容由人工智能生成,仅供研究参考,不构成投资建议。
💡

2026世界机器人大会上,舞蹈和空翻明显减少,干活场景成为主角。京东开放3600多个仓库并宣布五年采购300万台机器人,自变量机器人以每小时1816件的分拣实测数据回应效率拷问。行业形成三条共识:模型未收敛、数据缺口大、硬件要求升级,但共识不等于成熟,落地分歧依然显著。

导语

“去年机器人还主要在表演,今年所有人都在关心场景。”京东零售具身智能机器人负责人郑小丹在2026世界机器人大会期间说的这句话,几乎可以刻在今年的展馆入口上。舞蹈少了,空翻少了,分拣、搬箱、干活的画面多了。这不是表演风格的切换,而是整个具身智能行业评价坐标系的切换——从“能做什么”变成“干得够不够快、够不够准、成本划不划算”。行业正式进入实用场景赛。

🎪 展馆风向变了:观众不再问“能做什么”

金句:观众用脚投票,投的都是“效率”这一票。

在2026世界机器人大会的展厅里,最显眼的变化不是某台机器人又刷新了什么纪录,而是展台的“内容”变了。舞蹈和空翻明显少了,干活的场景多了起来。

最有人气的展台之一来自自变量机器人。两条机械臂搭配夹爪,在全自主模式下,对大小、形状、材质和重量完全随机的真实物流包裹进行持续分拣。注意关键词:真实包裹、完全随机、全自主。这不是摆拍式的演示,而是把物流现场最难啃的部分搬到了展台上——真实世界的包裹从来不按剧本出牌。

自变量机器人此前直播实测的分拣速度最高达到每小时1816件。展台周围围满了观众,但大家的关注点已经从“机器人能做什么”变成了“机器人干活效率够不够高”。

这个提问方式的变化,比任何一个技术参数都更值得琢磨。观众看热闹的时代结束了,看门道的时代开始了。而“效率够不够高”这个问题,机器人厂商过去可以回避,现在必须正面回答——因为台下坐着的,已经不只是投资人,还有拿着预算表和KPI的甲方。

用一张图来看这场展馆风向的切换:

📦 场景方开始当甲方:京东翻开账本

金句:场景方从观众席走上谈判桌,行业叙事的重心随之偏移。

如果说展台上的变化是“果”,那场景方态度的变化就是“因”。

郑小丹对过去一年的切身感受是“更务实”。她透露,京东集团从去年开始就把包括物流在内的场景开放出来,和机器人公司进行合作,此前还宣布未来五年要采购300万台机器人。

300万台是什么概念?这不是一个采购计划,这是一个产业宣言。它意味着京东不再把机器人当作试点道具,而是当作未来五年的生产力基础设施来规划。

动力从哪里来?郑小丹算得很清楚:“我们大概有3600多个仓库,物流在我们整体业务中的占比是很重的,我们有很强的动力来尝试采用新的技术来提升效率和生产力。”

3600多个仓库,每一座都是具身智能的潜在练兵场。仓库场景的妙处在于:任务相对结构化、流程可量化、人效数据现成,机器人干得好不好,一张效率报表就能说明白。这是具身智能从实验室走向产业最理想的过渡地带。

但郑小丹同时坦白了一个行业不太好意思大声说的事实:现阶段具身智能干活的节拍、准确率可能还不及人类。

她的应对思路是“以终为始”——今天有非常多提效的需求,就应该倒过来审视这项技术,一边跑、一边迭代,而不是等到技术完全成熟再进场。

这句话值得所有机器人公司抄在工位上。它本质上宣告了一种新的合作范式:场景方提前下场,把真实产线当共创实验室。据多位接近行业的人士私下交流,越来越多大厂物流、零售、制造团队今年都在主动向机器人公司开放产线,拿场景换数据、换迭代速度——这在两三年前几乎不可想象。

🧠 三条主线:模型、数据、硬件的共识图谱

金句:共识不是答案,共识只是把问题钉在了墙上。

中国证券报记者在大会期间经过多方采访,梳理出了围绕具身智能如何从实验室走向产业的一张多维度共识图谱,核心是三条:

第一,模型层面仍未收敛。没有任何一条技术路线被公认是终点。VLA还是分层架构,端到端还是模块化,各家还在各自的赌桌上。对下游采购方来说,这意味着选型本身就是一场风险投资。

第二,数据层面仍缺好几个数量级。具身智能真正的瓶颈不在算法灵感,而在数据供给。互联网时代积累了海量图文喂大了大模型,但“手怎么抓盒子、胳膊怎么绕过障碍”这类物理交互数据,没有任何现成资产可以白嫖,只能一秒一秒采出来。

第三,硬件成本持续下降,但要求更高性能、更轻量化。这是一对不断抬高的双重要求——甲方要的不是更便宜的机器人,而是“又便宜又能干”的机器人。成本曲线往下走,性能曲线必须往上走,两条曲线的剪刀差就是硬件团队的工程挑战。

把这张共识图谱整理成表:

维度行业共识落地含义
模型技术路线仍未收敛采购方选型自带试错属性
数据缺口仍达数个数量级场景开放成为数据供给侧关键
硬件成本下降但要求更高性能、更轻量化降本与增配必须同步完成
节奏一边跑一边迭代场景方提前入场共创

值得注意的是,这三条共识恰好构成了一个闭环:场景开放产生真实数据,真实数据推动模型迭代,模型迭代放大硬件价值。谁能把这条飞轮转起来,谁就掌握了下一阶段的主动权。

⚠️ 共识不等于成熟:分歧清单依然很长

金句:行业最怕的不是分歧,而是用共识掩盖分歧。

共识图谱之外,还有一张同样重要的分歧清单。多位受访者强调,行业在三个关键问题上仍存在显著分歧:

其一,数据采集标准。什么样的数据算“好数据”,怎么采、采多少、归谁所有,目前没有统一答案。场景方担心数据资产流失,模型方担心数据质量参差,这条标准不立起来,数据飞轮的转速就上不去。

其二,模型技术路线。如前所述,路线之争远未到收官时刻,每家都在用自己认定的方式押注未来。

其三,场景落地节奏。郑小丹那句“节拍、准确率可能还不及人类”的反面,是行业内部对“什么时候能追上人类、该在哪个场景先追上”的判断并不一致。先攻仓库还是先攻产线,先做单一任务还是先做通用能力,每家的排序表都不一样。

用时间视角看这场行业心态的迁移:

  • 2025世界机器人大会 : 机器人主要在表演,行业热议模型与融资
  • 2025年起 : 京东开放物流场景与机器人公司合作
  • 此前 : 京东宣布未来五年采购300万台机器人
  • 大会前 : 自变量机器人直播实测分拣最高每小时1816件
  • 2026世界机器人大会 : 干活场景取代表演,共识图谱浮出水面

把这三条分歧放回产业逻辑里看,其实都是“从实验室到产业”必须补的课。实验室比拼的是天花板,产业比拼的是地板——地板不够高的产品,天花板再漂亮也卖不动。分歧清单的存在恰恰说明,行业已经深入到真正需要做工程决策、商业决策的腹地,而不是停留在愿景层面互相喊话。

小结

从“表演”到“场景”,2026世界机器人大会见证的不是某项技术的突破,而是整个行业评价体系的重建。京东的3600多个仓库和五年300万台采购计划,自变量机器人每小时1816件的实测数据,共同勾勒出一条务实路线:场景方以终为始提前下场,厂商一边跑一边迭代。模型未收敛、数据缺数量级、硬件双重要求,这三大共识标定了下一程的主战场;而数据标准、技术路线、落地节奏的分歧,则决定了谁能先跑出来。下一届大会的展台上,比的恐怕不再是1816件这个数字本身,而是有多少个“1816件”级别的场景被真正打穿。