具身智能和移动机器人，为什么今年都在工厂上强度

工厂，正成为移动机器人和具身智能两大阵营短兵相接的真正战场。

就在几天前，多台智元精灵G2机器人集群进驻龙旗科技江西南昌的工厂，连续6天每天11小时，全程直播产线作业；同一时期，银河通用的重载人形机器人Galbot S1也进入了宁德时代的智慧产线，在模组与电池包生产环节承担起长程自主作业；它石智航则宣布与天海汽车合作，在汽车线束装配场景中探索落地。

据人形机器人场景应用联盟的信息，还有多家集成商正在工业制造场景里推进人形机器人的落地。比如深圳壕翎机器人在潍柴发动机的活塞销上销工序中，部署了一台人形机器人，负责活塞销的分拣、抓取、换向、放置等全流程自动化作业；安徽巨一科技则在某汽车电芯模组组装产线的电池上料核心工位，部署了一台人形机器人来完成上料作业。

在具身智能摩拳擦掌准备进厂的同时，那些早已在工厂里站稳脚跟的移动机器人企业，也在积极进行技术迭代，推进轮式底盘加人形上半身的形态机器人落地应用。也有企业尝试将通用大脑移植到专有设备上。

工业制造和仓储物流，一直以来都是移动机器人最大的应用场景。现在，在这两大场景中，具身智能和移动机器人这两代厂商，正展现出重心不同、但形态和场景有所交融的落地态势。

为什么今年所有厂商都在工厂场景里集中发力？两代机器人所瞄准的场景到底有何差异？它们的能力演进路径又是怎样的？到了2026年，工厂到底需要新一代机器人具备什么样的能力？

01 工业制造为什么成为主战场之一

让具身智能加速挺进工厂的关键，其实并不在于技术成熟度。

从行业数据来看，工厂目前并不是具身智能最大的买家。人形机器人场景应用联盟秘书长李进科日前梳理指出，从去年到今年，具身智能实际落地的第一大场景是数据采集——各地政府建设数据采集基地，批量采购机器人来做实训数据；第二大场景是教育科研——高校和研究机构是稳定的客户；第三是表演和商业服务——租赁、展览、活动演出，已经形成了一个小型市场，但竞争迅速白热化，“从1万块钱一天，降到8000，再降到1000”。

工业物流在2025年的具身落地场景中，出货量排在第四，占比大约只有4%。

那么，一个目前落地还比较小的场景，为什么却成为今年的重点？

政策方面的驱动因素不可小觑。6月10日，工信部与国资委联合启动了“人形机器人与具身智能实景实训专项行动”。泰盈科技高级副总裁赵庆波观察到，这项行动明确要求10个省和一批中央企业在真实的工业和物流场景中部署具身智能机器人，“630交一次作业，1130再交一次，每个省要评选出不少于10个优秀案例”。

行业里的一位资深人士称，不少地方反应很快，“周六周日开会，主动拉着企业做场景匹配”。

李进科将“实景实训专项行动”视为具身智能产业的“上岗证”，认为这有助于推动具身智能从实验室走向工业、服务、特种等真实的生产生活场景。

其次，当下的资本市场环境里，具身智能进工厂也有利于企业构建叙事，在激烈的行业竞争中拉开身位。今年具身领域的融资一再创下纪录，在如此核爆级的融资规模下，智能制造这类既有极大落地想象空间、又受政策支持的场景，自然成为厂商必须重点布局的市场。

另外，工厂数据对具身厂商跑通从数据到模型的智能飞轮至关重要。智元机器人中国区副总裁卢贤刚近日提到，工业相对结构化，有产线、有工序、有节拍，动作可拆解可量化。比起家庭场景那种开放和不确定性，工业环境反而是具身智能从价值探索走向部署态数据飞轮的理想土壤。

“部署态”是智元今年提出的概念。在完成了量产突破后，智元寄望通过产线的反馈产生数据飞轮，让机器人变得更智能，最终实现更大规模的普及。

一些集成商则认为，具身智能可以让制造业实现前所未有的柔性，解决工业制造中的一些痛点。大连豪森智能研究院院长、壕翎机器人总经理黎炯在汽车行业扎根了20多年，他观察到，产线换型的速度正在急剧加快。2025年，国内新上市的新能源新车型多达300款，日均3.21款。传统那种“3年一改款、5年一换代”的节奏已经被彻底打破了。

频繁换线让传统的刚性自动化方案面临巨大挑战——PLC编程、固定夹具、专用工装，每次换线都要重新部署。如果换成以具身智能为核心的控制大脑，将能大幅提升制造柔性。

以汽车线束为例，这道工序因为线缆柔性、路径复杂、精度要求达到亚毫米级，几十年来一直靠工人手工完成。不久前创下具身行业内最大单笔融资记录的它石智航，就选中了这个场景。逻辑很简单：在最难的柔性场景里跑通了，往下兼容就顺理成章了。

就在具身厂商摩拳擦掌推进落地时，此前已经规模化落地工厂的移动机器人厂商也在迭代进化。它们推出了类人型的轮式产品，也有厂商在探索将通用大脑接入已有的产品。

两个月前的智造大会上，海康机器人的轮式人形机器人首次亮相。相比已经验证了自身商业价值的“专业工”移动机器人，海康机器人将轮式人形机器人定义为集移动、操作与智能于一体的“多用工”。“眼+脚+手”的合体，可以在工厂里实现多个点位、需要用“手”去完成的小物料拣选、零部件上下料等应用，真正做到“一机多用、快速适配”。

海康机器人副总裁张文聪认为，轮式类人型机器人与原有的AMR专有设备之间是一种协作关系，用来弥补原来专用设备不适用的场景问题。

还有一条路径是用VLA大脑“重做”已有的产品，它的目标是解决此前困扰行业的场景碎片化、交付成本及周期问题。移动机器人行业发展已超过十年，目前行业内出货量破万的玩家已经超过20家。虽然规模化已经加速，但行业内仍存在规模化提升的空间。

去年，仙工智能将VLA模型在工业叉车上落地，探索如何在保证工业可靠性的同时，提升泛化能力。仙工智能联合创始人叶杨笙称，此前的机器人产品基于规则的控制系统，预先编好的动作碰到新场景就得重新编程，这很容易带来规模化交付的难题。而更通用的大脑，显然是一种解法。

可以看到，具身智能的落地浪潮，与移动机器人突破落地天花板的需求，这两股力量正在驱动着两代机器人在2026年同时于工业场景中加速上强度。

02 专用向上，通用向下

“当下很难做到一个通用的机器人，既能干涂胶的活，又完成打螺丝的任务。”一家集成商坦言，具身智能进厂，落地并非一蹴而就。

仙工智能的叶杨笙近期在一个访谈中，将机器人落地分成了五个不同阶段。1.0阶段是完全硬编程的工业机械臂，所有动作一条条写死。2.0阶段是协作臂和移动机器人，有了一些算法和自主性，但硬件还是专用的，叉车就是叉车，潜伏式就是潜伏式。3.0阶段把AI加上去，软件变得更通用、更泛化，但硬件没变，还是专用形态。4.0阶段软件和硬件都通用，更偏向今天大家所说的人形机器人。5.0阶段则是未来的终极形态。

叶杨笙判断，3.0阶段的产品和4.0阶段的产品会共存，但从落地机会和进展来看，更偏向从3.0阶段中寻找机会。因此，仙工智能选择的路，也是用更通用的大脑，基于他们此前已布局的智能叉车设备，把原来的产品重新做一遍，从而大幅提升场景泛化能力。

这种3.0和4.0的交融图景，实际上刻画出了当下工厂中不同机器人厂商的落地现实。

我们观察到，在当下阶段，具身智能厂商们在场景落地上还相对较窄，某种程度上还处于“通用之下”的阶段，可以看作是叶杨笙所说的4.0阶段产品。

目前，在工业及仓储物流场景落地走在前列的，有智元、优必选、银河通用、星动纪元等玩家。智元目前展示的工业场景主要是在分拣、搬运等环节。优必选创始人周剑受访时提到，他们目前聚焦的搬运、分拣、质检三大工位，不仅是客户迫切需要人形机器人提供能力协同的领域，也是人形机器人现阶段更适合发挥能力的领域。

星动纪元与顺丰合作，在物流领域也聚焦在供件分拣、非标包裹处理等环节，处理的是传统自动化设备能力相对短板的软包、硬盒等不同规格、材质和形态的非标准包裹。

不难看出，这些走在前列的企业，目前用“通用”能力来处理开放任务的路径还处于极早期。沿途下蛋，通过具体场景来加速需求验证和场景打磨，是当下阶段的现实，也是企业获得生产级场景数据、转动模型智能飞轮的关键一环。

具身智能的落地集成商也采取了渐进的落地策略。作为汽车智能设备和装配的资深玩家，豪森智能旗下的深圳壕翎，目前正与合作伙伴在翼子板搬运、电池上下料、活塞销上销等多个场景探索人形产品的落地。豪森智能研究院的黎炯提到，他们的渐进技术路径是：短期以动作编排为主，中期过渡到分层模型驱动，远期才到大模型的端到端路线。

壕翎在汽车装配场景中提炼出了25个场景，包括移动、搬运、组装、密封、连接、打标、加注等七大类别。不同的类别对机器人的要求差异很大。比如，涂胶对轨迹、运动柔性和计划性要求高，而打螺丝则对力矩要求高。这使得当下不可能用一个通用形态来完成所有工作。因此，壕翎与多类本体企业合作，不局限于人形，而是根据具体场景来采用不同的本体，可以是“三头六臂”，也可以没有腿只有手。

也有厂商通过产品设计的模块化来提升产品在不同场景的适配性。例如，星动纪元拥有全尺寸双足L7、轮式服务Q5、半身模块M7、独立灵巧手XHAND，不同的模块可以面向不同场景的需求灵活组合。

从移动机器人这边来观察，除了仙工智能，一批在这波具身智能浪潮之前成立的公司，也都已经重视起大模型技术的布局。

据了解，目前移动机器人出货量排名第一的海康机器人，除了基于深度学习小模型来做手眼协同、眼脚协同以及眼脚手协同的路径外，目前也有一支不小的团队在研究跟进感知控制一体化的端到端模型的探索和落地。不过，海康机器人也提到，工业场景节奏快、容错低、ROI必须算得清，目前具备自主感知、环境决策、自主移动作业的移动机器人，才是当前工业场景落地最成熟的广义具身形态。人形机器人只是具身智能的形态之一，对海康机器人而言，它是机器人技术的延展形态，也是接下来的布局点之一。

目前，海康机器人的策略也是双线并举：专业做深，在确定性场景中积累足够的数据和工程经验；多用持续进化，通过自适应学习、跨场景自主决策等技术，实现“一机多用、柔性适配”。

今年整个机器人赛道呈现出“专用向上，通用向下”的态势。从专用走向通用的过程中，新一代具身玩家和移动机器人厂商，在落地场景和形态上形成了一种重心不同、但场景和形态有所交融的局面。

03 工厂的门槛和数据飞轮之路

形态在折衷融合，路线上也趋于渐进，但工厂的验收标准并不会因此降低。

重庆千里科技副总经理钟南海近期在一场关于人形机器人商业落地的会议上提到，千里科技作为潜在的场景需求方，内部最近也在研判如何来衡量当下大热的具身产品进入工厂产线。最终，他们内部形成了一套研判指标。千里科技的前身是重庆力帆汽车，2024年完成基因重组后，集合了造摩托车、造汽车、通用机械以及自动驾驶和AI的多重基因，工厂里有5000多名工人。

这套验收指标包括定量和定性两个方面。定量指标可以总结为“三个100和一个3”：连续跑100次任务，成功率要达到95%以上，在专项场景中要达到99%以上；100小时内人工接管次数要小于1次；参照工业机器人的可靠性标准，100天内故障要少于1次；整体拥有成本在3年内要低于一个工人的成本。

四个定性指标也同样具体：机器人要有长程闭环能力，能自我纠错，而不是一出错就停；要过安全合规关，碰撞检测、急停、人机安全距离都要达标；要能与工厂现有的MES系统对接，实时接收任务、上报状态；最后，供应商要能给出明确的故障修复时间承诺。

这些指标称得上严苛，却并不让人意外。那些已经在工厂完成规模化落地的移动机器人厂商，此前已经接受过类似的拷问。现在，轮到具身智能玩家了。

刚刚走进工厂的具身智能厂商，需要先实现技术突破，让机器人真正具备泛化能力，同时具备场景可靠性，才能真正兑现想象空间。

这一代具身厂商的共性是，都在用数据驱动的方法来通向未来的物理AGI，用AI native的方式来让工厂里的机器人不再是一个高度碎片化的市场。

但厂商间的分歧点也很明显。当下模型能力还没有达到“端到端打天下”的水平，到底该用什么来承载“通用性”，又该获得什么场景的数据来加速闭环，大家的判断和决策并不一样。

攻克极窄的高难度任务，然后向下兼容，这是一种选择。比如它石智航，就是从市场空间足够大、需求足够多、技术壁垒足够高的线束场景出发。“线束涉及到大量柔软精密操作，它可以瞬间爆发出大量的数据，也有in-house的环境。挑战是有严格的节拍，要求可靠性。但这也是通向应用的必由之路。”它石智航创始人陈亦伦在访谈中这样提到。

他们看到遥操作数据在采集效率、成本、规模及多样性等方面都存在瓶颈，于是自研了可穿戴设备，让劳动者戴着手套和第一视角摄像头干活，力求获得真实场景里真实任务的数据。

也有厂商更看重那些能容忍错误、允许适度泛化、能容忍节拍并可以长时间作业的当下可落地场景。原力灵机联合创始人兼CEO唐文斌认为，物流场景可以让机器人先干，失败了，调度系统把它送到人工那儿，由人接着干。这是一套系统，任务能被闭环，企业更好算清账。

按照技能复杂度，一个个攻克，也是一种思路。银河通用用合成数据来穷举几何空间，先让pick and place这种技能在所有材质、形状、光照条件下都做到接近100%的成功率，再叠加下一个技能。

但不管选择哪条路径，高速迭代和数据飞轮，是所有厂商共同强调的重点。一位行业资深人士提到，迭代需要把围绕AI的所有环节的珠子都串起来。如果其中一颗珠子在外部，就会成为迭代的阻力。这使得厂商在能力构建上，除了不少厂商已经采取自建本体、手、数据采集手套以及大脑的全栈能力之外，头部的具身厂商还在搭建交付团队，去了解场景反馈，从而加速跑通闭环。

在让飞轮转起来的需求下，行业内也有一种观点认为，当下更大的竞争点在于谁能够更快地将更多的机器人铺出去。类似智能驾驶场景中的特斯拉，先有车在跑、有人在开，数据回传训练模型，模型再推回车端，谁就能构建起更强的壁垒。

从这个意义上看，上一代的移动机器人厂商已经先有业务，拥有长期积累的场景理解和设备量的优势；而新型的具身智能玩家，在实现路径和AI反馈闭环的构建上，则走了一条全新的、也更可能规模化的路。未来它们在工业场景中的协同、角力与竞争态势，仍需长期观察。

而当下可以确定的是，要在工厂里规模落地通用机器人，仍然需要不短的时间。