人形机器人降至万元级，上半年具身智能融资超460亿元

当2026年世界杯的哨声点燃全球数十亿球迷的热情，大家正为梅西、姆巴佩、C罗的每一次触球而屏息时，上海新国际博览中心里，一场截然不同的足球较量刚刚收场。踢球的换了主角，是一群浑身泛着金属光泽的人形机器人。

哨声响起，一台银白色的人形机器人稳稳走到点球点。它左右踱步、前后观察一番，随后后退几步，起跑、加速、推射。“球进了！”现场掌声雷动。八支国内机器人战队轮番上阵，两两对决，这成了MWC26上海最具看点的一场现场比拼。

不过，别把这当作一场秀就翻篇了。这场点球大赛的深层意义，远比表面热闹更值得琢磨——它本质上就是具身智能的一次“物理图灵测试”。从球场上的瞬间决策，到工厂产线上的精密操作，具身智能正站在一个关键的产业拐点上：整个行业开始从“会动”走向“会干活”。

当世界杯的狂欢与MWC的科技浪潮在同一个夏天交汇，硅基与碳基，第一次在同一片绿茵场上，共同定义未来。

为什么是点球？

如果你经常穿梭于全球各大科技展会，可能也留意到一个有趣的画面：从世界人工智能大会到MWC巴塞罗那，再到MWC上海，几乎每场重量级展会的机器人展区，都少不了点球大战的环节。硅基球员在罚球点前摆腿射门的画面，仿佛已经成为继跳舞之后的又一个“标准动作”。

为什么偏偏是点球？

足球拥有40多亿粉丝，是当之无愧的“世界第一运动”。今年恰好又是世界杯年，GSMA大中华区技术总经理刘鸿给了一个很有意思的角度：从1997年深蓝击败国际象棋冠军，到2016年AlphaGo战胜李世石，AI里程碑式的突破几乎都是以智力竞技为切入点的。但足球这种综合性的体育竞技，完全可以作为物理AI的“图灵测试”——它考验的不仅是计算能力，更是具身智能在真实物理世界中的全方位本领。

具体拆解一下：首先是感知，机器人要识别足球位置、追踪目标、判断守门员站位；然后是决策，计算射门角度、规划动作路径；最后是执行，全身协同发力、精准射门。这一套流程下来，没有哪个环节可以省掉。

中国移动具身智能产业创新中心产品经理王开乐透露，赛前团队让机器人学习了足球运动员的踢球视频，对推射、抽射、捅射等动作进行了模拟、重建与骨骼重定向。上场后，机器人必须独立完成环境观察、追踪足球、计算角度、全身协同射门这一整套“观察——决策——控制”闭环流程，

。

当然，这些“硅基球员”也不是百发百中。有的力道方向完全偏了，球径直滚向场边裁判；有的角度不错，却擦着立柱滑过；还有的居然被球绊了个踉跄，只能缓缓爬起来“再接再厉”。草坪摩擦力、灯光阴影、足球气压——这些真实赛场上的变量，才是检验模型泛化能力的关键。

杭州千寻机器人负责人李蕾坦言，完成单次射门或许可以媲美专业运动员，但若放在整场比赛中，涉及无数个从观察到决策的流程，对具身智能来说仍是个巨大的挑战。

刘鸿说得很实在：他想通过足球这件事，来测试人形机器人到底能不能为我们的物理世界建立起可靠的模型。这背后对算力的需求极其庞大——需要高性能、低延迟、稳定的网络，把机器人采集到的各种信息实时上传云端，再迅速做出决策。

换句话说，这场点球大战的背后，是整个通信、算力基础设施与具身智能的一场协同检验。

“会干活”的产业拐点已至

过去一两年，我们看到人形机器人最擅长的是跑步、跳舞、翻跟头、甚至踢点球。但到了今年，具身智能产业的变化正在跳出这些表演范畴。

AI百人会秘书长高艳慧在MWC期间抛出了一个重要判断：2026年正在成为具身智能的关键转折点。机器人不再仅仅依赖预设的固定程序，而是通过“观察”与“思考”来预判——比如球路的走向。而更关键的是，

。硬件成本的拐点，正在把实验室里的成果推向商业化的前夜。

数据也证实了这一判断。IT桔子统计显示，2026年上半年国内具身智能及机器人领域共发生288起融资事件，涉及226家企业，

。投资的热潮依然没有降温，但逻辑已经悄然转变——从“看团队、看Demo”，变成了“看交付、看数据闭环”。

融资反映的是资本的预期，而头部企业的动作才是产业加速落地的真实信号。智元联合创始人、总裁兼CTO彭志辉在MWC主题演讲中提出了一个关键概念：“部署态”。过去几年行业讨论更多的是炫酷的Demo，而今天的核心命题是：机器人能不能真正进入产业、进入真实的工作流？就在MWC举办期间，智元机器人开启了为期6天的“机器人进厂打工”直播，让外界直观地看到人形机器人如何在3C电子产线上完成上料、分拣、组装等一揽子实操任务。

当产业进入务实阶段，标准化的滞后就成了新的掣肘。中国人工智能产业发展联盟具身智能组组长张蔚敏从另一个维度看到了变化的机会。她提到，赛事规则中涉及的紧急停止、速度限制、无尖锐物设计，正在不知不觉中形乘人形机器人安全标准的雏形。这些脱胎于赛场竞技的规则，将推动电池、伺服电机、轻量化材料等产业链加速迭代，也让公众第一次真实感知到具身智能的能力边界。

这也意味着，赛场上“被迫”解决的每一个可靠性问题，都将一点点打磨成产业标准化的“手册”。这场点球比赛，不是商业化之前的热身，它就是商业化进程本身的一部分。

从绿茵场到工厂的“最后一公里”

话说回来，足球场上的点球再精彩，终究只是一场表演。具身智能真正的价值，还是要回到工厂、车间，去顶替那些重复、繁重、甚至危险的劳动岗位。

西门子数字化工业集团工厂自动化负责人Nicholas Hansen在具身智能峰会论坛上分享了一组数据：

。与此同时，工厂正从自动化走向自适应，再走向完全自主的“熄灯工厂”。在这一进程中，机器人必须从“基于规则”转向“基于目标”，不再依赖预设程序，而是通过实时感知环境来自主决策。

Nicholas在现场展示了一段对比视频：画面右侧，传统机器人按固定程序抓取标准化零件，动作流畅机械；左侧，具身智能机器人面对一堆形状不一的杂物，未经任何预编程，就直接开始了分拣任务。他总结道：“这不是编程的结果，是感知的结果——这才是工厂未来的方向。”

华&为无线网络产品线副总裁赵东则从基础设施维度呼应了这一愿景。他指出，具身智能要真正走进工厂，网络必须经历一次根本性的升级。过去的通信网络为人类的信息获取服务，而未来的网络将为具身智能提供智能分发服务。大上行带宽、低时延高可靠、广覆盖，网络要像“具身的经络”一样，将云端大脑的决策实时分发到每一个物理实体。

愿景很清晰，但挑战同样真实。上海科技大学副校长虞晶怡在论坛上直言：过去AI的成功是建立在数据驱动之上的，但数据驱动能否直接迁移到物理模型，“是一个巨大的问号”。他以触觉为例：人类在抓取物体时，视觉只是起点，触觉才是纠正错误的最后防线。这类多模态数据在当前的具身智能研究中“极其缺失”。

更让他担忧的是学术生态：“越来越少的人愿意深挖问题本身，都急着快速变&现、快速发论文，很多真正困难的问题反而被晾在一边了。”

苏度科技CEO韩铮则从产业协同的角度补充了一个现实难题：模型和硬件的迭代速度往往不同步，模型侧的新需求有时会倒逼硬件重新设计。“两边的节奏怎么匹配，是规模化前必须解决的一个工程问题。”