工业人形机器人产业当前正处于迈向标准化发展的关键转折点阶段。近日，工信部就《人形机器人 变电站场景技术要求》等10项行业标准公开征求意见，这标志着工业人形机器人正式迈入标准化与规模化落地的崭新阶段。

行业前景广阔，但产业化落地现实中的多重桎梏，始终未能得到彻底的解决。真实应用场景数据的匮乏、虚拟仿真环境向现实场景的迁移效果欠佳，以及机器人系统缺乏自主迭代学习能力等多重痛点，共同拖慢了整个行业规模化普及的进程。

在此背景下，深耕于工业数字化多个赛道的宝通科技（300031.SZ）正式宣布与全球具身智能底层技术领域的领先企业光轮智能达成了战略合作。双方以AI数据服务作为合作的基础，共同构建了覆盖矿山、钢铁、港口、电力乃至太空领域的工业具身智能全栈解决方案，并建立了支持机器人进行自主持续学习的全新产业发展模式，旨在把握人形机器人领域的产业政策机遇。

本次合作并非仅属一次单纯的技术协同，而是代表了工业机器人产业演化的重要节点。整个行业借此得以从传统的“一次性训练”模式，迈向一个以“终身学习”为特征的持续进化新阶段。同时，这一举措也是宝通科技“场景、技术与装备”整合战略的关键落实，标志着公司在物理AI、工业AI以及具身智能等前沿方向的布局，从前期规划正式进入更为具体的实施与落地阶段。

产业痛点逐步显现：工业具身智能的规模化落地受制于数据匮乏与持续学习瓶颈

近年来，全球范围内的人形机器人与具身智能技术，正借助深度学习与强化学习等算法的持续优化而快速迭代。依托于模块化硬件平台与仿真环境的快速搭建，实验室中的样机原型得以持续涌现。然而，每当将这些设备部署到诸如矿山、变电站、钢铁厂及港口等真实的复杂工业场景后，环境中固有的长尾问题便开始不断显现。真实场景数据的获取不仅成本高昂，其质量、完整性与场景适应性也面临严峻挑战。因此，尽管技术发展迅速，其规模化复制与普及的进程，却在从实验室受控环境到工业现场非结构化环境的迁移过程中，屡屡遭遇诸多难以逾越的技术鸿沟与工程壁垒。

产业内的普遍共识是，工业场景真实数据的有效供给面临严峻挑战，同时一个能够实现闭环的持续学习体系也尚未建立，这两方面因素共同催生了当前产业发展的主要瓶颈，进而阻碍了技术从实验室原型向规模化工业应用的顺利转化。

据资料显示，由于矿山、冶金以及电力等行业持续面临着大量诸如突发故障、极端温湿度、强粉尘和设备泄漏等非典型工况环境，这些被称为‘长尾数据’的信息要素，实际上构成了训练机器人的关键基础，但同时也成为了数据采集过程中的一大难点，进而导致了机器人训练样本的覆盖范围不足，使其作业稳定性难以达到国家级的行业标准要求。

与此同时，当前产业界所普遍延续的仍是"出厂前一次性训练"这一传统范式，这便意味着机器人完成现场交付的那一刻，也就象征着其能力迭代进程的终止。面对新增工况或全新故障类型等情况时，企业方需重新投入大量人力来执行数据标注与模型训练工作，而这一冗长的迭代周期，使得机器人难以适配工业现场瞬息万变的动态需求。

业内由此逐步达成了一个基本共识：决定工业人形机器人综合能力上限的关键因素已不再是模型参数的规模，而是其能否在真实物理环境中实现持续的学习、优化与进化。只有建立起一个从真实世界到虚拟仿真、再回归真实世界进行部署的完整闭环，从而使机器人能够真正适应千变万化的工业现场。

宝通科技与光轮智能正式对外宣布达成战略合作。双方从AI数据服务这一基础合作领域出发，正着手构建覆盖矿山、钢铁、港口、电力乃至太空在内的工业具身智能全栈解决方案，并建立支持机器人进行自主持续学习的全新产业发展模式，旨在把握人形机器人领域的产业政策机遇。

本次合作并非一次单纯的技术协同，而是代表了工业机器人产业演化的重要节点。整个行业借此得以从传统的“一次性训练”模式，迈向一个以“终身学习”为特征的持续进化新阶段。同时，这一举措也是宝通科技“场景、技术与装备”整合战略的关键落实，标志着公司在物理AI、工业AI以及具身智能等前沿方向的布局，从前期规划正式进入更为具体的实施与落地阶段。

产业痛点逐步显现：工业具身智能的规模化落地受制于数据匮乏与持续学习瓶颈。

近年来，全球范围内的人形机器人与具身智能技术，正借助深度学习与强化学习等算法的持续优化而快速迭代。依托于模块化硬件平台与仿真环境的快速搭建，实验室中的样机原型得以持续涌现。然而，每当将这些设备部署到诸如矿山、变电站、钢铁厂及港口等真实的复杂工业场景后，环境中固有的长尾问题便开始不断显现。真实场景数据的获取不仅成本高昂，其质量、完整性与场景适应性也面临严峻挑战。因此，尽管技术发展迅速，其规模化复制与普及的进程，却在从实验室受控环境到工业现场非结构化环境的迁移过程中，屡屡遭遇诸多难以逾越的技术鸿沟与工程壁垒。

产业内的普遍共识是，工业场景真实数据的有效供给面临严峻挑战，同时一个能够实现闭环的持续学习体系也尚未建立，这两方面因素共同催生了当前产业发展的主要瓶颈，进而阻碍了技术从实验室原型向规模化工业应用的顺利转化。

据资料显示，由于矿山、冶金以及电力等行业持续面临着大量诸如突发故障、极端温湿度、强粉尘和设备泄漏等非典型工况环境，这些被称为‘长尾数据’的信息要素，实际上构成了训练机器人的关键基础，但同时也成为了数据采集过程中的一大难点，进而导致了机器人训练样本的覆盖范围不足，使其作业稳定性难以达到国家级的行业标准要求。

与此同时，当前产业界所普遍延续的仍是"出厂前一次性训练"这一传统范式，这便意味着机器人完成现场交付的那一刻，也就象征着其能力迭代进程的终止。面对新增工况或全新故障类型等情况时，企业方需重新投入大量人力来执行数据标注与模型训练工作，而这一冗长的迭代周期，使得机器人难以适配工业现场瞬息万变的动态需求。

业内由此逐步达成了一个基本共识：决定工业人形机器人综合能力上限的关键因素已不再是模型参数的规模，而是其能否在真实物理环境中实现持续的学习、优化与进化。只有建立起一个从真实世界到虚拟仿真、再回归真实世界进行部署的完整闭环，从而使机器人能够真正适应千变万化的工业现场。

正是在上述产业痛点的驱动下，宝通科技与光轮智能选择在此时达成战略合作，具备了明确的时机合理性。

在本次合作当中，双方秉持着"部署不应是学习的终点，而应成为学习的开始"这一具有前瞻性的理念，借助产业端与技术端之间所形成的不可替代的互补格局，直接针对行业在数据以及持续学习方面所遭遇的核心痛点。

作为在实体工业领域深耕二十余年的资深企业，宝通科技已经构建起“工业智能与数字文娱”双轮驱动的业务生态。公司拥有覆盖全球矿山、钢铁、港口、电力等领域的海量工业客户资源，以及提供一站式工程交付服务的能力。

尤为关键的是，在前期发展阶段，宝通科技就已进行了前瞻性的布局，不仅深耕数字孪生与裸眼3D混合现实技术，而且成功部署了商用巡检与清扫机器人，积累了海量的、源自真实工业现场的复杂工况数据，并且进一步将业务版图拓展至深空机器人这一前沿赛道。此举成功打通了地面复杂极端工业环境与深空探索这两大应用场景的边界，从而能够为机器人的持续学习能力提升，提供源源不断且具有高度真实性的落地应用场景与复杂工况数据。

而作为全球范围内物理AI与具身数据赛道的独角兽企业，光轮智能在产业生态中扮演着重要角色。它不仅是英伟达、谷歌、字节跳动、智元机器人等全球科技巨头与头部机器人企业的底层技术服务商，在全栈自研的物理仿真引擎、规模化合成数据产线、Sim2Real虚实迁移技术以及RoboFinals标准化评测平台方面，也具备完整的技术能力，能够构建高保真的工业与太空极端仿真环境。借助于对虚拟环境的生成与构建，光轮智能得以产出海量的长尾故障样本，从而搭建起机器人自主持续学习的闭环体系。这不仅有助于解决真机训练成本高昂、技术迭代缓慢的行业共性难题，也使得光轮智能成为国际物理仿真标准委员会中唯一的中国企业，从而掌握了全球底层技术标准的话语权。

据悉，此次合作将通过共同出资设立合资公司的形式予以推进。双方将以该合资公司为实体载体，组建专项联合团队，并以工业现场中的高危、高频以及高价值岗位为核心应用场景，着手构建一个贯穿从原始数据采集、虚拟环境仿真评测直至最终现场部署在内的完整技术与应用闭环。

在此基础上，双方还将围绕真实工业场景下的数据采集与标注、仿真环境合成、模型训练与评测验证等多个关键环节，展开深度且系统化的协作。通过这一系列合作，旨在面向工业制造、矿山开采、数字化工厂以及深空探测等多个领域，提供从底层技术到上层应用的全栈式产品解决方案与技术服务支持。

场景、技术与装备的协同整合，筑牢工业智能化长期竞争壁垒

与市场上仅在单一环节布局硬件、算法或仿真服务的企业有所不同，本次合作为宝通科技构建起场景资源、底层技术以及智能装备深度融合的差异化竞争壁垒。该合作高度契合工信部关于人形机器人标准化发展的政策导向，同时也是公司"All in AI"战略在工业具身智能赛道的关键布局，构成了《2026年AI场景落地整体计划》中的核心项目。

在场景层面，宝通科技深度掌握着电力、矿山、港口等极端工业场景的核心资源。基于此，公司能够依托这些资源快速落地符合国家级行业标准的巡检机器人标杆项目，同时将大量真实厂区开放为供机器人开展持续学习与真机测试的试验场，由此构筑起其他企业难以复制的场景壁垒。

从技术维度审视，光轮智能的仿真引擎、合成数据产线、虚实迁移技术以及标准化评测平台这四大底层能力，构成了从数据生成到验证评估的完整技术闭环。依托于此次合作所设立合资公司所自研的行业专属数据集，能够共同构建起支撑机器人实现持续学习的核心技术底座，未来便有望联合参与矿山、港口等细分领域的人形机器人行业标准制定工作，从而争夺行业规则话语权。

在装备维度方面，宝通科技已实现巡检机器人的商业化落地，并且公司在数字孪生以及裸眼3D可视化技术方面也具备显著优势，因此能够对外提供机器人自主巡检与数字孪生平台相结合的一体化合规解决方案。展望未来，公司还计划将针对地面工业复杂恶劣环境所构建的仿真与持续学习技术，迁移应用于空间站、太空光伏、月球探测以及太空采矿机器人等研发项目之中，从而实现地面工业应用与深空前沿探索在技术层面的双向复用，进而打开持续增长的发展空间。

公司相关负责人指出，此次合作能够进一步巩固与夯实宝通科技全栈总包服务所依托的智能化底座，进而推动公司的业务形态从原先单一的产品交付与现场服务模式，朝着数据驱动、智能运维以及无人化作业的方向进行持续升级，从而为工业客户提供更为安全、更为高效以及更为智能化的综合解决方案。

行业分析人士指出，随着人形机器人行业标准化进程的全面提速，产业核心竞争要素已经由硬件制造逐步转向了数据供给以及持续学习能力的构建方面。宝通科技依托于"场景、技术与装备"这三重核心壁垒的协同优势，携手光轮智能着手搭建起国内较为稀缺的工业物理AI持续学习闭环体系，精准地把握住了产业升级过程中的核心机遇，进而充分释放出人形机器人赛道所蕴含的政策红利，为公司长期可持续的成长空间打开了广阔的发展前景。

来源：踩中人形机器人国标风口！宝通科技联合光轮智能，打造工业具身智能数据与产业应用闭环 | 财联社