■ 本报记者 谢丹颖 孟琳

　　随着人工智能（AI）一步步冲破屏幕的桎梏，曾经只存在于科幻作品里的具身智能，正大步跨入现实。

　　无论是不久前的第二届世界人形机器人运动会，还是更早的2026世界机器人大会和2026世界人工智能大会，具身智能都贯穿全场。

　　“具身智能”，通俗地说就是给AI装上“身体”。不同于工厂里那些按照固定程序重复动作的机械臂，它既有掌管运动、控制平衡的“小脑”，也有能看懂环境、听懂指令、自主决策的“大脑”。而在具身智能载体中，人形机器人发展难度最大、胜任任务最多、通用性最强。

　　正如智元机器人创始人彭志辉所言，行业正发生明显转向：大家不再满足于只会聊天的AI，开始追求能动手、试错的实体智能。慢慢地，这些“长了手脚的大模型”开始跳出“跑步跳舞”等展示场景，向生产力工具转型。

　　当人形机器人走进工厂，落地考验回归到最朴素也最现实的问题：它能不能长时间稳定工作？能不能切实为企业降本增效？

　　在筑石科技（湖州）有限公司的车间里，一台地砖铺贴机器人正稳稳抓起一块重达80公斤、边长1米的正方石材，在距离铺装面仅2厘米时精准落位、微调找平。它靠的是自适应算法，先“看懂”环境、再“动手”作业，全程不需要预设编程路径。

　　无独有偶。裁片分离成功率97%、缝纫合格率超98%，投资回报周期约18个月——这是浙江艾图具身智能科技有限公司研发的人形机器人在服装工厂流水线上交出的实战“成绩单”。目前这款机器人已经走进多家国内服装工厂，多条产线正在开展实地部署与量产试运行。

　　从铺砖到缝纫等工作，进厂打工的人形机器人越来越多。毕竟，工业场景标准化程度高、作业对象是“物”而非“人”，最有可能在短期内形成商业闭环。《2025年中国人形机器人产业发展蓝皮书》印证趋势：人形机器人将率先在商用服务、生产制造、巡检等场景落地，到2030年前后向家庭场景渗透。整体呈现“工业—商业—家庭”的递进节奏。

　　走进浙江多家相关企业与研究院，记者发现一个有趣的现象：不管规模大小，几乎都腾出一块“训练场”，专门供人形机器人练习行走、跳跃。

　　“看似是‘表演’，实则是一场系统性的技术验证。”湖州市吴兴区智能机器人创新研究院（原哈工大机器人湖州国际创新研究院）常务副院长回锋说。他以第二届世界人形机器人运动会为例：外界惊叹于机器人跑得多快、跳得多高，而从业者看到的，是关节散热、平衡算法与续航衰减等底层技术的综合突破，“这套基本功，恰恰是应对现实中油渍打滑、人员碰撞等突发状况的前提。”

　　对于人形机器人进厂，不少人仍有疑惑：工厂里明明不缺自动化设备，为何还如此迫切？

　　数据给了答案：传统工业机器人发展数十年，全球年装机量自2021年起一直在50余万台徘徊。瓶颈不在于机械臂不够成熟，而在于传统方案有其难以逾越的局限——分散在生产线“毛细血管”里的环节，比如灵活分拣、最后10米上下料等，看似简单，却是传统工业机器人难以低成本覆盖的盲区，也正是人形机器人竞逐的增量焦点。

　　不过，人形机器人的定位不在“替人”，而是充当“万能替补工”，专啃那些人不愿干、不能干的“硬骨头”。回锋说，这一趋势在2026世界人工智能大会、2026世界机器人大会都得到直观印证。现场展示的环节，人形机器人并非去替代成熟的冲压、焊装等工艺，而在于填补组装、搬运等柔性强、招工难的环节空白。大家关注的焦点，也从“模型有多强”转向“这条产线、这台设备、这一批产品，该如何融合”。

　　当越来越多的人形机器人走进车间，一个新的命题随之浮出水面：如何让不同形态的机器人在同一车间里高效协作？

　　在工厂智能化领域深耕十余年的浙江迦智科技股份有限公司，给出了自己的答案。面对真实场景的多机协作需求，他们推出“工业具身智能体”架构。产品营销总监吴俊翔介绍，在这一架构中，控制器充当“脑干”，负责单机的定位、导航与建图；集群管理系统则扮演“大脑”，统筹高层任务调度。“两者配合，实现车间现有自动化设备与多形态机器人的深度协同，加速人形机器人走向规模化落地。”

　　在回锋办公室旁的训练房里，一台人形机器人端坐在纺织机前，通过遥控操作模式采集实操数据。数百公里外的纺织厂里，工作人员佩戴头显开展作业，后台同步解析其视线落点、手部运动轨迹、物料位置等关键参数，并汇入仿真系统。

　　“不进一线，你永远无法判断模型有哪些短板。”回锋直言，泛化能力不足，是现阶段人形机器人进厂的第一个共性难题，但实验室环境难以穷尽各类复杂工况，行业内将这类难以预判的场景称为“边角案例”——大量现实问题，只有在真实场景持续实训才会暴露。就好比机器人即便处理过成千上万匹布料，一旦碰到未曾见过的污渍、褶皱，也可能束手无策。据回锋介绍，团队一旦发现此类问题，会依托仿真平台，按1:10甚至1:100的比例扩充训练数据，甚至搭建高保真模拟车间反复调试。

　　区别于擅长“说”的现有大模型，人形机器人强调会“做”。过去两年，人工智能的快速发展营造出一种错觉：只要技术再迭代几轮，科幻作品里的智能机器人就触手可及。但现实很快给这份乐观泼了冷水。

　　《具身智能训练场研究报告(2026年)》明确指出：当前全球可用高质量真实数据仅数十万至百万小时级，远未达到支撑能力涌现的临界点，这就是人形机器人进厂打工面对的第二道难题。

　　业界有一种说法：大语言模型很幸运。互联网发展数十年，积攒海量文本和图片，足以支撑模型学习。但人形机器人面对的局面截然不同——网络视频虽多，大多只记录了“发生了什么”，很少标注动作背后的意图、力度与容错逻辑；更何况视频只有画面，缺少触觉、力觉等多模态关键信息。

　　“人形机器人难以仅靠互联网数据‘举一反三’。”大晓机器人相关负责人坦言，真机采集成本太高、仿真数据又容易失真。在世界人工智能大会上，他们亮出了自己的解法：环境式数据采集方案2.0。这套方案模仿人的操作习惯，将多视角视觉、力触觉与运动轨迹融为一体，重构“人—物—场”全要素体系的三维资产库。

　　此外，经济账是一种无法回避的现实考量，这也是行业面临的第三道难题——性价比不足。

　　多位业内人士告诉记者，人形机器人的零部件虽可以借力电动车供应链，但两者需求迥异：汽车看重安全、机器人要求轻量精密，定制化推高了成本。再加上人形机器人落地的技术方案远未定型，难以形成规模效应，单台造价动辄数十万元乃至上百万元。反观国内搬运工月薪仅几千元，目前根本没法用人形机器人去替代。

　　不仅如此，人形机器人并非单纯的软件生意，也非简单的硬件组装。“长期赢家必须同时吃透算法、硬件与商业交付。”杭州智无际具身智能有限公司创始人、浙江大学机器人研究院常务副主任陈光强调，人形机器人进厂，本质是“数据—硬件—场景”的三重耦合难题。他以团队探索的网球陪练为例：感知层需量化顶尖运动员的“球感”，综合判断来球速度与对手站位；高动态跑动对控制层的平衡提出极致要求；连续击球又依赖本体层的高爆发关节与高效散热，每一层都是难关。

　　现阶段，行业还常常把“移动”与“操作”割裂开来，认为人形机器人得先站稳才能动手干活，“这并不符合人类边走边干的习惯。”陈光补充道，即便是打乒乓球这类规则相对清晰的场景，团队研发“大小脑协同控制”模型，花了半年时间才勉强达到合格水平。更遑论真实的工厂环境——复杂度高、容错率低，客户对安全性的要求更高。

　　在2026世界机器人大会上，宇树科技股份有限公司创始人王兴兴给出一个判断：当一台机器人能在80%的陌生场景中，通过语音或文字指令完成80%的任务，具身智能才算迎来属于自己的“ChatGPT时刻”（技术临界点）。但现在，大多数人形机器人还远远达不到这个标准。以常见的送餐机器人为例，它们只是沿着预设路线来回移动，并不真正理解“外卖”“房间号”到底意味着什么，业内把这类产品称为“伪通用智能”。

　　“去年，大家对进入具体场景还比较犹豫，但今年，完成可复制、规模化落地验证变得至关重要。”商汤联合创始人王晓刚的这番话，也揭示了具身智能领域一个绕不开的商业悖论：模型进化离不开真实场景数据的喂养，而场景落地又要求模型本身足够可靠。

　　“毕竟，客户要的不是模型80%的成功率，而是实际场景下99%以上的稳定性。”一位从业者一语道破关键，正是这种相互需要又彼此掣肘的关系，让行业逐渐冷静下来，从业者态度愈发审慎。

　　新的思路正在逐渐落地：先达到验收底线，再通过现场数据快速迭代。这相当于用一种渐进的方式解决这个难题。

　　顺着这套逻辑往下走，不同的团队开始走出差异化的路径。

　　蚂蚁灵波押注机器人“通用大脑”，将感知、决策、执行等共性能力沉淀为“智能基座”，大幅降低创新门槛，促成“开放底座+生态共创”的正向循环，“这远比封闭体系的单打独斗更符合当前现状。”团队相关负责人表示。

　　“我们还处在早期‘摸着石头过河’的阶段，没人知道最终路径是什么样的。”陈光同样认为，“只有更多参与者、更多试错，才可能催生突破。”

　　陈光和团队选择另辟蹊径，在工厂与家庭这两条主线外，把目光投向竞技体育这条赛道。“这是一个技术与商业之间难得的平衡点。”陈光给记者算了一笔账：国内市场，网球人工陪练时薪普遍在200元至300元；而北美地区人力成本更高，同等陪练服务时薪高达80至200美元。按照一台网球陪练机器人日均稳定工作5小时测算，单台设备每年可创造约10万美元的服务收益。综合硬件采购、运维等成本计算，整套设备的投资回报比十分可观。更重要的是，人形机器人与人类通过球类间接交互，容错率高，“短期来看，它可以作为科普引流的载体；长期来看，又能反哺技术迭代。”

　　尽管路径各异，行业里已有共识：人形机器人与可控核聚变、脑机接口等同属未来产业，落地不存在万能公式。行业正处于技术路线、场景选择与商业化节奏的多重博弈之中，必然经历从“演示惊艳”转向“运行可靠”的漫长周期。