智能机器人观察 — 工业机器人、人形机器人、具身智能与服务机器人产业资讯与深度分析

<figure><img src="https://img.huxiucdn.com/ai/ai-general-cover/202608/27/33364-prod-db-general-1-1787837778202.png?imageView2/1/w/1440/h/810/|imageMogr2/strip/interlace/1/quality/85/format/png" /></figure>企业真正要跨出的一步，是把一次场景落地变成可复制的生产力。2026世界机器人大会上，进入场景的能力成为各家企业展示的重头戏。星海图复刻了一座前置仓，展示机器人如何把商品装到撑开的袋子里并完成打包；自变量则在传送带上让机械臂处理快递包裹，快速地将面单翻到最上面，并挑出不是包裹的物品；银河通用的G1在展示物品归置......本文来自微信公众号：<a href="https://mp.weixin.qq.com/s/g0y_jyX-PfbO8R7ZEkM2HQ" rel="nofollow" style="text-decoration: none;" target="_blank"> 窄播AI </a>，作者：窄播AI企业真正要跨出的一步，是把一次场景落地变成可复制的生产力。2026世界机器人大会上，进入场景的能力成为各家企业展示的重头戏。星海图复刻了一座前置仓，展示机器人如何把商品装到撑开的袋子里并完成打包；自变量则在传送带上让机械臂处理快递包裹，快速地将面单翻到最上面，并挑出不是包裹的物品；银河通用的G1在展示物品归置、床上叠衣、洗衣晾衣等操作；开普勒的大黄蜂则在工厂场景中做搬运，双臂单次能举起30公斤的重物。这背后，具身智能企业更愿意分享自家的机器人能够连续工作多长时间、适配一个新任务需要多少数据、可能的投资回报是多少；来看展的人也不再只是看表演、问参数，而是开始询问价格、交付时间等更细节的采购信息。很明显，具身智能的故事已经从谈愿景进入到了讲落地的阶段。但人们并没有在这场大会上看到行业期待的「GPT时刻」出现的迹象。统计显示，上半年国内具身智能融资935亿元、出货超4万台，但超过65%的机器人仍用于演示和研发，真正持续生产的不足35%。<figure><img height="809" src="https://img.huxiucdn.com/article/content/26-08-27/8ba5893a-845a-4409-b4c6-90341f7e5329.png" width="1080" /></figure>机器人在一个特定场景中可以接近人工效率，却很难将能力复制到更多场景中；一台样机可以完成任务，也不意味着多台产品都能稳定执行任务。尽管模型、本体、数据和供应链都有进步，但这些进步还不能让机器人成为可规模化应用的生产力。因此，2026世界机器人大会更多是拉开了具身智能真正走向场景落地的序幕，形成了一种共识：企业开始认真考虑，如何将一次部署积累的模型能力、数据、硬件方案和交付经验，带给不同的客户、不同的工位和不同的任务。这意味着，在场景化落地的大前提下，具身智能企业的下一步是要能产出可复制的生产力。三类场景，三种难度具体来看，2026世界机器人大会上各家企业的展示囊括了家庭、工业和商业三大领域的诸多场景。从边界明确的工厂和仓库，到人员与物品不断变化的酒店、零售和餐饮场所，再到高度非结构化的家庭，环境复杂度逐级上升，企业要解决的问题也随之变难。首先，工业、物流和能源巡检大多属于封闭或半封闭环境，工作对象、活动范围和验收标准相对明确，最容易用节拍、稳定性和成本计算投资回报。这也是机器人最先从概念验证走向落地部署的场景。在这个场景中，具身智能要做的不是全盘替代传统自动化。传统机械臂擅长高频、标准化和固定的任务，具身智能更适合物料状态变化、多品类生产和快速换产留下的空白。光象科技COO郑可表示，汽车工厂的自动化率已经很高，但小型件、异形件的上料，以及插接、卡接、拧紧等操作仍然高度依赖人工。这些往往是具身智能更擅长的。其次，从工厂走向零售、酒店、餐饮和药店等商业场景，环境会进一步开放。机器人既要完成取送、清洁、制作饮品等具体工作，也要面对顾客、员工、障碍物和临时需求。因此，商业场景不仅要验证机器人会不会执行任务，还要求它能进入一个持续运转的服务系统。擎朗在酒店洗衣场景中就没有让一台人形机器人包办所有工作，而是把流程拆开：配送机器人运送衣物，人形机器人负责投衣、启停设备、折叠和装篓，再由配送机器人送回房间。机器人由此被嵌入现有业务，而不是孤立完成一次表演。这种模式很像工业场景中传统机械臂与具身智能的配合。复杂度最高的是家庭场景。在家庭里，物品没有固定位置，任务缺少统一流程，用户给出的往往也不是标准指令。机器人可能刚开始准备早餐，面包就被人拿走；正在倒水时，瓶口又被临时遮住。它需要更敏锐地感知环境、理解人的意图，并判断原来的任务还能否继续。大会上，银河通用展示了机器人制作早餐的场景：面包被抽走、瓶口被遮挡后，机器人仍能重新判断并继续任务。千寻的机器人则能在用户发出「帮我整理客厅」的模糊指令后，将任务拆成：把碗放进洗碗机、将饮料归位、收起玩偶和处理垃圾等多个步骤，再自行规划执行顺序。这些企业想要向家庭场景用户呈现的，是一个能够处理大量长尾任务的全能助手，但机器人的成本、安全性、泛化能力和隐私责任都尚未找到稳定答案。我们也能看到墨奇智能、未来不远等专注家庭场景的企业，星动纪元、自变量、银河通用等也在展示家庭场景应用。在一段时间内，家庭场景仍可能是支撑具身智能第二条融资曲线的愿景主线。可这并不能改变家庭场景代表着具身智能的能力上限、短期内难以规模化落地的事实。陪伴类机器人也可能会成为进入家庭的先锋，就像心言机器人的巴布、青心意创的Amoo等。从封闭工厂到开放家庭，具身智能正在沿着环境复杂度逐步推进。但无论场景难易，如果每换一家客户都要重新采集数据、训练模型和改造本体，企业得到的仍然是一个个定制项目。场景越具体，复制问题反而越明显。模型要具备更强的泛化能力跨越场景需要模型把一次部署获得的经验，变成可以迁移的泛化能力。这种泛化并不是机器人立即获得什么都会的通用智能。现阶段更现实的标准是，当物品、指令和环境发生变化，进入一个新任务时，机器人能否用更少的数据和更短的训练完成适配。这意味着，未来评估模型价值不能只看它在展台上完成了多少任务，还要看适配新任务需要多长时间、消耗多少新增数据，以及场景变化后能力可以保持多少。泛化能力最终反映的是机器人进入下一个岗位的「培训成本」。星海图将这种成本比作新员工上岗。其创始人高继扬称，目前机器人完成一项新任务大约需要10小时的后训练，下一步希望将门槛压缩到1小时，甚至只依赖少量样本。为了降低这种培训成本，星海图采用统一自回归架构，希望用一个模型打通零样本指令、通用抓取和长程任务。其中，零样本解决未预训练过的指令，通用抓取处理物品变化，长程任务则支持机器人记住连续步骤及环境状态。三者共同支撑机器人从「拿起一个面包」走向完成前置仓履约这样的完整任务。银河通用自研了银河星脑WAM-TTT技术，让客户只需要拍视频，无需遥操作数据采集即可完成模型后训练。「只需要视频数据，不需要任何标签，不需要任何动作标注就能完成后训练，这样模型在落地场景中的迭代速度非常快，门槛也非常低，千行百业都能把基模用起来。」银河通用创始人王鹤表示。数据的价值在不断提升。与语言模型只处理数字世界中的文本关系不同，机器人面对的是重量、惯性、摩擦和碰撞。它不仅要识别眼前是一只杯子，还要判断从什么位置抓、需要多大力度，以及拿起之后杯子是否会滑落。因此，自变量创始人王潜提出，数据不是石油，而是工业品。石油是一种等待开采的标准资源，具身智能数据却需要围绕任务被采集、筛选、加工和组合。同样是一小时机器人运行数据，成功完成任务、操作失败、人工纠正和异常状态的价值并不相同。企业需要把每一次部署都变成数据生产过程。场景由此不只是机器人创造收入的地方，也开始成为模型获得数据和反馈、识别失败和继续进化的关键。也因此，京东、凌迪这种掌握了大量场景数据的公司，如今开始为机器人提供训练数据，可能成为加速具身智能落地的重要助力。本体在回归第一性原理模型追求更强泛化能力的同时，具身智能的本体也不再追求一种形态覆盖所有任务，而是回到任务本身。人形机器人曾经是具身智能最容易被理解的产品形态。人类设计的工厂、家庭和工具都天然适配人体结构，一台拥有双腿、双臂和五指的机器人，也最接近通用劳动力的想象。但进入真实工位后，多一条腿、一只手或一个自由度，都意味着额外的成本、功耗和故障风险。企业开始重新回答一个更基本的问题：完成这项工作，最少需要什么？光象科技在汽车质检场景中的选择是，如果一条机械臂手持光源，就能在90秒或180秒的工厂节拍内完成车身扫描，便没有必要增加第二条机械臂。只有进入插接、拧紧等确实需要双手配合的任务，双臂才具有价值。此外，在教育、编程、陪伴、文旅、表演等场景中，也不一定需要真人尺寸的人形机器人来完成任务。身高小于一米的机器人具备成本优势和便携性，甚至在表演时有独特的Q版萌感，是另一种选择。松延动力的小布米、鹿明的鹿小明S3、高擎动力的Mini Pi plus、启元的T1和Q1、元点机器人的小桥和元点M1都在布局小型机器人本体。移动方式也是一样。如果工位不需要上下楼梯，双足结构不仅更加复杂，还要持续耗电维持平衡；轮式底盘则可以在平整地面上获得更高的稳定性和续航。自变量在物流分拣中使用两条机械臂和普通夹爪，而不是完整人形和五指灵巧手。其公开直播数据显示，系统连续运行一小时，分拣效率达到1816件，准确率超过98%。这不能证明普通夹爪能够替代灵巧手，却说明硬件复杂度应该由任务所需的灵巧度决定。与此同时，跨本体成为连接通用智能与专用形态的一种方式。银河通用同时推出轮式双臂、双足和重载机器人：轮式适合平整环境中的持续作业，双足面向楼梯和复杂地形，重载本体则用于拆垛、码垛。企业希望让不同形态共享部分智能能力，再根据任务完成适配。因此，所谓回到第一性原理，不是降低对机器人的期待，而是从效率、可靠性和成本出发，重新寻找完成工作的最优形态。生态是规模化经营的土壤即使模型和本体具备可用性，一台样机变成成百上千台可部署的机器人工人，仍然需要另一套能力。模型和本体决定机器人能不能工作，生态则决定这种能力能不能被低成本、稳定地复制成一门生意。生态的第一重作用是把一次联合开发变成可重复的交付流程具身智能目前还不是开箱即用的产品。机器人进入工厂后，需要理解工艺、节拍、安全要求和异常情况；客户则要开放工位、提供操作数据并参与验证。当下，具身智能的客户不只是采购者，也在事实上扮演联合开发者。但规模化经营不能永远依赖这种高强度协作。机器人企业需要把首个项目中形成的任务拆解、部署调试、故障处理和验收方法沉淀下来，减少下一次交付对现场工程师和客户配合的依赖。生态的意义，正是让客户、集成商、渠道和运维服务商围绕相对统一的交付方式协作，把一次联合开发变成可以重复执行的部署流程。因此，订单和合作伙伴数量只能证明需求存在，不能单独证明商业闭环。比出货更有价值的信号，是客户是否复购，以及第一处工位的经验能否用于第二处工位。优必选副总裁焦继超将客户复购视为比单纯出货量更重要的指标，并称部分工业客户已经开始复购其产品。生态的第二重作用是把样机变成性能一致的批量产品。上游供应链会决定具身智能的普及效率。当机器人从样机走向批量交付，关节、传感器、执行器和灵巧手的良率、寿命及批次一致性，会直接影响整机表现。这也是本届大会零部件企业受到更多关注的原因。目前，灵巧手价格已从四五十万元下探至万元级，六维力传感器从10万元降至5000元以内。但比降价更关键的是，蓝点触控、帕西尼等企业开始强调批量一致性、工业级防护（IP68、抗油污）和连续运行寿命。随着场景落地的展开，具身智能的竞争不再只发生在「大脑」和本体之间，还延伸到制造、测试和行业标准。没有稳定的供应链，一家公司即使拿到大额订单，也未必能够交付出性能一致的产品。生态的第三重作用是把一次硬件销售变成持续经营。新的商业模式也可能会出现。高继扬就认为，具身智能将从整机销售走向场景方案订阅，长期再转向按智能能力消耗收费。这仍是企业对未来商业模式的设想，却指向了一个现实变化：当硬件逐渐标准化，机器人企业能否持续获得收入，将更多取决于设备提供了多少智能能力和生产力，而不是卖出了多少台机器。部署、调试、运维、软件更新、技能升级和数据服务，也会成为机器人交付的一部分。具身智能企业要形成的，不只是研发和制造能力，更是一套围绕客户持续经营的系统。虽然2026世界机器人大会没有给出具身智能何时迎来「GPT时刻」的确定答案，但企业已经开始跨出面向具体场景的下一步。在一个场景中完成任务，只能证明机器人「能干活」；在客户现场持续运行，证明它开始「可以用」；只有当同一种能力可以迁移到更多客户、工位和任务，具身智能才拥有规模化的基础。模型企业在降低新任务的学习成本，本体企业围绕任务重新选择形态，数据、供应链和客户生态则试图让生产、交付与能力迭代连接起来。这些变化指向同一个目标——让具身智能更快成为可复制的生产力。

走向场景落地，具身智能企业的下一步是什么

📌 概要