具身智能“通用”梦，起点是工厂？

谈及具身智能，很多人脑海中浮现的画面可能是：一个人形机器人，进厂能拧螺丝，回家能做家务、照顾老人孩子。仿佛一个人形本体加一个通用模型，就能包办物理世界的所有活儿。

然而进入 2026 年，随着越来越多的机器人走出实验室，进入真实工厂产线、仓储现场、商业门店乃至家庭场景，理想与现实的落差开始显现：那些在演示中流畅完成多任务操作的 " 通用 " 机器人，面对产线调整、光线变化、物品位移等真实变量时，屡出状况。

频繁 " 翻车 " 之下，一个根本性的行业命题浮出水面：从专用到通用，具身智能究竟应该如何跨越场景鸿沟？

迈向通用第一步，先进厂

作为公认的万亿级市场，目前普遍认为，当具身智能真正抵达 AGI 时刻，仅人形机器人就将是一个拥有手机体量、汽车价格的数万亿美元市场。

这背后，具身机器人将通过各种各样的形态，逐步渗透至人们生活的方方面面，甚至进化出高度类人化、上限高、通用性强的全能机器人，可以全方位适配各类复杂任务与工作环境。

然而，通用具身智能说起来简单，实际落地远比想象中艰难。

自动驾驶就是前车之鉴。初期，许多企业雄心勃勃，认为可以一步到位实现 L4。但随着技术不断深入，行业逐渐发现，从特定场景的高级辅助驾驶到全场景无人，必须经历长期迭代和数据积累，不可能一蹴而就。

具身智能正在复刻同样的产业规律—— " 先工业，后商业，最后家庭 " 这样从专用到通用的路径，正在成为行业共识。

图片来源：千寻智能

不久前，在 2026 张江具身智能供应链大会上，千寻智能副总裁孙荣毅就指出：" 客观来说，工业场景对模型泛化能力的要求相对更低，机器人只需在固定工位完成固定工序，泛化整体可控。而到了家庭场景，千家万户的需求千差万别，对泛化能力提出了极高要求，所以我们先易后难。"

他同时指出，从整体市场规模来看，工业场景其实也并不是最大的，反而相对较小，行业最终的蓝海还是家庭场景。

流行空间 CEO 武伟亦认为，具身智能行业终局必然走向 C 端，但目前时机尚不成熟。" 我们更看好行业前期优先在偏 B 端的场景落地，其中工业场景就是一个能明确找到付费方的落地方向，但我们也能清晰看到，工业场景未来必然会迎来非常激烈的竞争。"

巨一科技研发总监王光磊同样指出，目前行业普遍希望人形机器人能实现更高的柔性，快速适配不同场景，但这短期内很难实现。" 不妨遵循从简单到复杂的落地路径，先切入工业机器人已经覆盖、标准化程度较高的场景，开展前期探索、应用测试与效果对比，以此加快落地节奏。"

正是基于这样的共识，进入 2026 年，" 进厂打工 " 成为了头部玩家的发力重点。

日前，智元精灵 G2 机器人在龙旗科技南昌工厂平板产线开展了为期 64 小时的 " 平板量产质检工段全覆盖 " 真实产线直播，期间累计完成平板质检作业 17625 次，任务成功率达 99.99%。

更早一些时候，Figure AI 亦完成了 200 小时不间断的工厂实景测试，在仓储分拣场景中实现了高频次、长周期的稳定作业。

这两场 " 直播秀 " 并非单纯的营销造势，而是共同指向了一个清晰的信号：具身智能正从 " 炫技 Demo" 转向 " 产线实战 "。

图片来源：智元机器人

事实上，早在去年 12 月，智元精灵 G2 就已进驻龙旗科技南昌工厂产线，开始测试上下料功能、适配生产环境，之后并入真实产线，接入 MMIT 测试工序，开始常规化作业；今年 5 月，智元进一步在龙旗工厂完成 8 台并线，完整覆盖整条平板量产质检工段，与产线工人协同作业。

与此同时，3 月智元机器人还在上汽通用奥特能超级工厂投入量产产线应用，在别克至境 E7 的电池量产线上承担高精度作业任务，迄今已稳定运行超百天。

银河通用亦于近日与宁德时代达成合作。在此之前，其 Galbot S1 已于 3 月在宁德 HX 基地完成验收，迄今已在量产线上 7x24 小时工作超过 3 个月，在模组与电池包生产环节承担长程自主作业，在物料搬运、拣选等高强度工序直接替代人工。

此外，宇树、优必选、智平方、它石智航、极佳视界等企业，也都在积极将人形机器人部署到真实的工厂环境中。头部企业的共同发力下，" 进厂打工 " 正从概念验证走向规模化部署的初期阶段。

不过，共识之下，分歧也在发酵。

比如，人形是否一定必要。" 现在好多厂家用一个长得像人形的机器人做传统的预编程，去干单一品种大批量的事情。其实这不符合产品定位，迟早会被传统工业机器人所革命。" 孙荣毅表示。

具身智能资深市场专家张力也认为，不应陷入 " 人形迷信 "：" 今天在工业现场，有些地方需要人形，有些地方不见得人形是最优解。怎么样用更好的本体形态去解放劳动力，才是我们应该做的事。"

换言之，无论是人形本体，还是非人形的专用本体，只有真正适配场景需求、能解决真实痛点，才能具备商业化落地的可能性。

从试点到大批量，还有几道坎？

在具身智能落地路径上，行业初步共识已经形成，但坦率地说，眼下整个行业的落地现状并不乐观。

据人形机器人场景应用联盟秘书长李进科介绍，人形机器人当前能跑通的场景主要有两类：科研教育和娱乐表演。其中科研教育是近三年需求增长最快的板块，院校是主要客户群体，其次还有政府端的数字化基建。而娱乐表演，虽然也发展得相对成熟，但租赁市场已经严重内卷——机器人日租金从一万元跌到了一千元，速度比技术迭代快得多。

在这之外，赛道上的更多企业演示做得眼花缭乱，但真正能落地实用的成果却少之又少。

千寻智能 CEO 韩峰涛甚至直言：" 假设完美形态的人形机器人综合能力是 100 分，如今各部件的发展水平差异很大：工业机械臂、手术机器人相对成熟，大概能拿到 50 分；轮式底盘约 40 分；四足机器人 30 分；双足机器人只有 15 分；而灵巧手目前仅 5 分；配套的 AI 能力分数更低，大概只有 3 分。"

一个 100 分的目标，眼下手里只握着 3 分的牌，这是行业真实的现状。

这背后，挑战是多方面的。

第一个拷问，来自实验室与真实场景之间那道巨大的 " 断层 "。

佛吉亚中国数字化转型负责人张世海透露，该公司在定点供应商时就发现，尽管供应商大多已在实验室完成了 POC 验证，但实验室是特定环境，光线、周边条件都经过优化。一旦放到工厂现场，环境变化就会影响方案效果，哪怕产线稍作调整，机器人都有可能识别失效。

图片来源：蚂蚁灵波

具体到技术层面，蚂蚁灵波 CEO 朱兴指出，当前产业落地主要存在四大核心痛点：第一，预训练与后训练存在巨大能力鸿沟，预训练模型对真实场景认知不足；第二，场景复制成本极高，即便同为药房场景，不同门店的环境布局差异也足以让模型失效；第三，后训练技术门槛偏高，数据采集、清洗、标注、补全、迭代训练全流程都需要极高的技术积累，长尾场景成功率难以突破；第四，硬件稳定性与一致性不足，难以支撑长期、高成功率的稳定作业。

如果说技术是 " 能不能做 " 的问题，那么交付，就是 " 能不能持续做好 " 的问题——这也是当前行业的薄弱环节。

" 目前业内大多数项目普遍存在 ' 重销售、轻交付 ' 的问题。机器人在展示阶段效果出色，但一旦进入客户现场，就会暴露大量实际问题，从现场动线是否适配、网络是否稳定，到任务如何配置、现场人员如何培训，再到故障发生后由谁及时响应，都没有得到妥善解决。" 飞阔科技 CEO 胡凌鹏表示。

不仅如此，他还指出，很多机器人交付完成后，缺乏持续的运营与落地支持。" 机器人要真正落地应用，还需要搭建完善的本地化服务网络。至少从当前来看，机器人并非标准化产品，而需依赖本地化客户对接、交付团队、运维响应以及资源协同。"

还包括成熟的后市场体系，诸如维修、升级改造、IP 定制、内容运营、数据服务等，同样十分欠，而这些恰恰是决定客户能否长期使用产品、通过机器人持续产生价值的关键。

正因为如此，在胡凌鹏看来，整个行业缺的从来不是单一的机器人产品，而是一个能够打通技术、场景、交付、运营、后市场全链路的系统化角色。

张世海从用户角度印证了这一点：" 目前我们接触到的很多厂商，更多精力都放在产品销售上，对服务的关注严重不足，大多只承诺‘一年保质期，坏了就修’。但人形机器人是要进厂持续作业的，如果设备突然停机，服务商怎么从外地赶到现场抢修？产线停不起，工厂现有人员也不具备自主抢修的能力。还有备品备件，我们也不可能专门闲置产能备一块备用电池。"

如果一个行业连产品 " 坏了有人修 " 都还没法让人放心，谈大规模落地显然为时过早。

还有标准的缺失，也是人形机器人产业化绕不开的问题。

" 人形机器人还没有统一的通用安全标准。如果机器人在工厂作业时，搬着箱子倒下砸到人，或者维修人员进入检修时，机器人突然动作伤人，该谁负责？" 因为没有明确标准，张世海透露，工厂现在只能把机器人作业区单独隔离。

数据安全同样悬而未决，数据资产归属、权属划分、安全保障，都尚无定论。

这每一项挑战都不是短期内能解决的，技术需要时间去迭代，交付需要体系去搭建，标准需要行业去磨合。

更棘手的是，这三者之间还相互牵扯：没有标准，交付就缺少依据；交付做不好，技术就得不到真实场景的充分反馈；技术不成熟，标准又无从谈起。

分水岭将至，谁能引领终局？

尽管具身智能仍处于春秋战国时代，但行业格局的走向已有轮廓。

目前普遍认为，今明两年将是行业一个重要的分水岭。

李进科就判断，今年将是人形机器人产业资本层面的分水岭，也是产业落地的关键之年。" 今年行业发展的核心驱动力，会从技术想象力彻底转向商业化落地压力，项目成败的关键，不再是实验室里的参数指标，而是能不能用可控成本交付能够稳定解决具体问题的产品，并且获得客户的认可，实现复购。"

他特别强调，如果集成商只停留在做硬件连接或是简单编程的阶段，不出三年就会被市场淘汰。" 目前头部本体厂商已经在自建交付服务团队，向下整合蚕食集成商的利润；同时大模型也大幅降低了机器人编程的门槛，未来客户的业务人员就能直接通过自然语言生成任务，这是当下集成商面临的行业处境。"

因此，集成商必须完成转型，从原来的本体代理商，进化为场景定义者。

图片来源：飞阔科技

韩峰涛则认为，今年行业最明显的变化就是：手握海量数据、完成大规模预训练的企业，模型实力会拉开明显差距。而学术机构受数据储备限制，模型表现会相对弱势。

星源智创始人兼 CEO 刘东则将 2027 年定义为 " 机器人规模化部署落地的元年 "。在他看来，过去行业重心都在基础模型训练与数据采集，不少设备并未真正投入实际生产。接下来一年，预计大量机器人会走进各类真实场景开展作业，模型直接端侧部署、脱离人工遥控，多数场景任务的完成度甚至能达到八成至九成。

这几个判断，指向了同一个方向：2026-2027 年，将是决定谁能留在牌桌上的关键窗口。区别只在于——有人靠交付能力抢占市场，有人靠数据壁垒建立护城河。谁先跑通，谁将更有资格定义下一阶段的游戏规则。

更长远来看，北航机器人研究所名誉所长、中关村智友研究院院长王田苗认为，2027 年和 2030 年将是抢占应用、实现技术收敛的 " 双高地 "：具身智能会率先进入物流、清洁、商超、零售等场景，随后进一步进入工业、特种环境，并在更长期进入家庭和养老等领域。

从产业格局来看，具身智能赛道将呈现百花齐放的格局，生态主要由四部分组成：第一，全栈式整机厂商是龙头，也是产业链主；第二是云、AI 模型、开发工具与芯片厂商；第三是上游高附加值供应链；第四，在新形势下，行业还会诞生像滴滴、顺丰一样的运营租赁与 AI 定制服务商。

2030 年后，当具身智能广泛进入了工业、物流、商业等领域，可能会诞生 20-50 家头部企业，单家企业的规模有望达到 500 亿。同时未来三五年，面向 C 端家庭服务的领域，会诞生大概 5 家相关企业，很可能成长为千亿市值公司。届时，真正能跑出来的企业，将具备全栈式能力。

事实上，具身智能行业的竞争，已经开始脱离单点技术比拼，逐步转向全链路系统能力的较量。

一个有力的佐证是：过去企业只要在某一项细分技术，比如灵巧手控制、视觉感知、运动规划上取得突破，就能获得市场与资本的青睐。但放到今天，仅拥有单点优势已经远远不够了。

毕竟，一款机器人从实验室走到真实产线上，考验的不仅仅是硬件可靠性、模型泛化能力、数据采集效率，还包括交付服务体系、售后运维网络，缺一不可。

结语

复盘自动驾驶过去十年的发展历程，一个清晰的教训是：技术路线的乐观预期，往往会在真实世界的复杂性面前被迫修正。

目前，具身智能正在经历同样的过程。

但修正并非否定，反而是成熟的开端。当行业从 " 一步到位 " 的幻想中醒来，开始接受 " 沿途下蛋 " 的现实时，真正的产业化其实才刚刚开始。