具身智能研究目前将移动机器人视为最具潜力的应用场景。

编｜任晓渔

目前，工厂正成为移动机器人与具身智能共同瞄准的落地应用场景。

数日前，多台智元精灵G2机器人集群进驻到龙旗科技位于江西南昌的量产工厂，并连续6天，以每天11小时的节奏进行全透明直播，执行产线作业。同一时期，银河通用旗下的重载人形机器人Galbot S1也传出消息，称其已进入宁德时代的智慧产线，并在模组与电池包的生产环节负责执行长程自主作业任务。与此同时，它石智航则宣布与天海汽车达成合作，在汽车线束的装配场景中开展落地探索……

源自人形机器人场景应用联盟的信息表明，目前还有多家集成厂商正在工业制造场景中持续推进人形机器人的落地应用。以深圳壕翎机器人为例，其在潍柴发动机生产线的活塞销上销工序当中，部署了一台人形机器人来执行活塞销的分拣、抓取、换向以及放置等全流程的自动化作业任务；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当中，部署了一台人形机器人来完成相应的上料作业任务……

在具身智能机器人积极进入工厂应用场景的同时，早已实现工厂落地的移动机器人企业——依据移动机器人产业联盟标准，此类企业涵盖了AGV、AGC、AMR等各类具备导航装置、拥有车载控制系统并以轮式为特征的机器人公司，且其技术多基于深度学习算法——也正在持续进行技术迭代，重点推进将轮式底盘与人形上半身相结合的混合形态机器人在工厂环境中的实际应用。与此同时，部分企业也在探索将通用人工智能“大脑”集成部署到专用设备上的技术路径。

工业制造与仓储物流长期以来一直是移动机器人最为主要的应用领域。目前，在这两大场景中，具身智能机器人厂商与传统移动机器人厂商正呈现出一种发展态势：双方的业务重心虽有所不同，但在产品形态以及具体应用场景上已出现相互交融与渗透的局面。

为何今年各厂商纷纷在工厂场景当中加大投入力度？两代机器人所承接的场景究竟存在哪些差异，其能力演进路径又如何？到2026年，工厂场景究竟需要新一代机器人具备怎样的核心能力？

01 工业制造为什么成为主战场之一

推动具身智能技术加速进入工厂应用场景的关键，并非在于技术本身的成熟程度。

根据现有的行业统计数据来分析，工厂场景在当前阶段并非具身智能技术最主要的应用采购方。

人形机器人场景应用联盟秘书长李进科日前在第三届人形机器人场景大会上，对近期的产业落地情况进行了梳理。他指出，从去年至今，具身智能技术实际落地的第一大场景为数据采集——各地政府正通过建设数据采集基地，并批量采购机器人，来支撑实训数据的积累。第二大场景是教育科研——高校与研究机构已成为该领域内最为稳定的客户群体。第三大场景则是表演与商业服务——包括租赁、展览及活动演出等应用，已经初步构建起一个小型规模市场，但其内部竞争正迅速趋于白热化，租赁价格也从最初的每日万元级别，逐步下探至八千元，乃至最终降至千元水平。

在2025年的具身落地场景当中，工业物流的出货量排名位列第四位，占比约为4%。

一个目前实际落地规模较小的场景，为何在今年成为重点落地场景？

政策层面的驱动作用不容忽视。在6月10日，工业和信息化部与国务院国资委联合启动并推进了“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并指出，该行动明确要求10个省份以及一批中央企业，需要在真实的工业与物流场景当中部署具身智能机器人。他进一步表示，该项目设定了明确的时间节点：“需要在6月30日提交一次阶段性成果，并在11月30日再次提交；每个省份需要评选出不少于10个具有示范意义的优秀案例”。

有行业资深人士指出，各地政府正以高度的紧迫感展开行动，其响应速度非常迅速。他们会在周末——周六和周日——就召集会议，并且主动牵头，组织机器人企业一同开展针对具体工业场景的需求对接与匹配工作。

李进科将“实景实训专项行动”视作具身智能产业的上岗证，他认为这一举措有助于推动具身智能技术从实验室环境走向工业、服务、特种等多个真实生产与生活场景。

在当下的资本市场环境当中，具身智能技术向工厂场景的渗透，也有助于企业构建清晰的市场叙事，从而在行业激烈竞争中拉开身位。今年具身领域的融资记录一再被打破，在规模空前的融资支持下，诸如智能制造这样既具备极大落地想象空间又获得政策支持的场景，成为了厂商亟需布局的重要市场。

此外，对于具身智能厂商而言，成功构建并验证从数据到模型的智能飞轮这一核心循环，工厂环境所产生的数据具有不可替代的重要价值。

智元机器人中国区副总裁卢贤刚近日指出，工业场景具备较高的结构化程度，其中包含了完整的产线、明确的工序以及稳定的节拍，其具体动作具备可拆解性以及可量化性。相较于家庭场景所呈现出的开放性与不确定性，工业场景因此构成了一类能够推动具身智能技术从价值探索阶段转向实际部署，并进一步形成数据闭环的关键环境。

“部署态”是智元在今年提出的产业概念。在完成了今年上半年下线1.5万台的量产突破后，智元寄望于借助产线实际运行所反馈的数据来构建并驱动数据飞轮，以此推动机器人智能水平的持续提升，并最终实现更大规模的普及应用。

另一些集成商则持有不同观点，他们认为具身智能技术能够让制造业达成前所未有的柔性化生产，其自适应与可重构的特性正是用以应对当前工业制造痛点的关键所在。

大连豪森智能研究院院长、壕翎机器人总经理黎炯深耕汽车行业二十余年，其观察到并指出，生产线的换型速度正在急剧提升。据统计，2025年国内市场将新上市新能源车型约300款，折合日均超过3款。以往那种“三年一改款，五年一换代”的产品迭代节奏，已彻底被打破。

生产线的频繁换型给传统的刚性自动化模式带来了严峻挑战。具体而言，在每次换线过程中，都需要对可编程逻辑控制器（PLC）的程序进行重新编写，并重新部署专用的工装与固定夹具，这一系列操作耗费时间与资源。而如果采用以具身智能技术为核心的控制架构，将能够显著提升制造过程的柔性与适应性。

以汽车线束装配为例，这道工序由于涉及到线缆本身的柔性特征、复杂的路径规划以及亚毫米级别的精度要求，在过去数十年间始终依赖工人手工操作来完成。不久前在具身智能领域创下最大单笔融资记录的它石智航，便选择将此场景作为重点突破方向。其背后的逻辑在于，如果能够在最具挑战性的柔性作业场景当中实现技术验证与流程贯通，那么向复杂度较低的其他场景进行能力迁移与向下兼容，将会成为一种自然而然的结果。

具身智能机器人厂商正积极谋划并推动实际应用之际，此前已实现规模化部署的移动机器人厂商同样处于持续的迭代与进化之中。它们一方面相继推出了类人型轮式产品，另一方面也正探索将通用人工智能“大脑”集成到其现有产品体系之中。

在两个月前举办的智能制造大会上，海康机器人对其轮式人形机器人进行了公开亮相展示。相较于已经验证了自身商业价值的、专注于特定功能的“专业工”型移动机器人，海康机器人将这款轮式人形机器人明确定义为集移动能力、操作能力与智能于一体的“多用工”。其“眼+脚+手”一体化的融合形态，能够在工厂环境当中执行多个点位上需要借助“手”来完成的作业，例如小物料拣选、零部件上下料等典型任务，从而真正实现“一机多用、快速适配”的目标。

海康机器人副总裁张文聪指出，轮式类人型机器人与原有的AMR专有设备之间，形成了一种互补与协作的关系，其设计旨在解决原专用设备在某些场景下所存在的适用性不足问题。

也有通过VLA大脑来“重做”已有产品的路径，该路径主要针对的正是此前一直困扰行业的场景碎片化、交付成本与交付周期等问题。

移动机器人行业已经历了超过十年的发展历程，目前年出货量突破万台规模的企业数量已超过20家。行业的规模化进程虽然呈现出加速发展的态势，然而其中仍具备显著的进一步提升空间。

去年，仙工智能成功地将VLA模型应用到了工业叉车上，进行了一次具有开创性的落地实践。其目标在于，确保系统依然满足严苛的工业级可靠性标准，同时显著提升其在不同场景下的自适应与泛化能力。联合创始人叶杨笙对此阐释道，此前的机器人产品普遍依赖基于规则的控制逻辑。这意味着，那些预先编写好的固定动作序列，一旦遭遇未曾设想过的新场景或新工况，就必须由工程师重新进行编程与调试，这种模式在面临大规模部署与交付时，往往会暴露出效率低下、成本高昂的难题。因此，一个更为通用、具备举一反三能力的“大脑”，便成为了解决这一行业痛点的富有前景的路径。

从当前产业发展态势来看，具身智能技术落地应用的浪潮，以及移动机器人寻求突破现有应用场景边界的需求，这两股力量正共同驱动传统移动机器人与新一代人形机器人在2026年同步加快了在工业场景中的部署进程。

02 专用向上，通用向下

“在当前阶段，要制造出一台能够既胜任涂胶工序又顺利完成螺丝装配任务的通用型机器人，其难度依然很高。”一位有实践落地经验的集成商指出。这表明，将具身智能技术引入工厂环境并实现稳定应用，是一个需要持续攻克挑战、逐步推进的过程，不可能一蹴而就。

仙工智能叶杨笙近期于一次访谈中，将机器人落地划分为五个不同阶段。

1.0阶段对应于完全依靠硬编程的工业机械臂，该阶段中机器人的所有动作均通过预设的程序代码进行固化。2.0阶段以协作机械臂与移动机器人为代表，这一阶段引入了基础算法并赋予了设备一定的自主性，然而其硬件形态依然保持专用化特征，例如叉车与潜伏式机器人等设备功能定位明确。3.0阶段将人工智能技术引入系统，使得软件层面的通用性与泛化能力得到显著增强，但硬件形态并未发生根本性改变，仍维持专用化设计。4.0阶段致力于实现软件与硬件的双重通用化，其发展路径更贴近当前语境下的人形机器人形态。5.0阶段则代表了该技术体系未来所追求的终极目标形态。

叶杨笙判断，3.0阶段的产品与4.0阶段产品将长期共存；然而从落地机会和进展速度的角度来看，当前更倾向于从3.0阶段中寻找切入点。因此，仙工智能所选择的路径是运用更为通用的智能大脑，以其先前已布局的智能叉车设备为基础，对原有产品进行重新设计，从而能够显著提升场景泛化能力。

这种3.0与4.0之间的交融图景，实际上清晰地刻画出了在当今工厂环境当中，不同机器人厂商所面临的落地现实。

我们观察到，在当前阶段，具身智能厂商在实际场景落地方面的覆盖范围仍然相对较窄。从某个角度来看，它们仍处于所谓的“通用之下”阶段，可以将其视为叶杨笙所定义的4.0阶段产品。

当前，在工业制造与仓储物流场景的落地应用方面，智元、优必选、银河通用、星动纪元等企业已处于较为领先的位置。以智元机器人为例，其在工业应用场景中的主要展示，集中在分拣与搬运这两个典型环节上。优必选创始人周剑在受访时表示，公司目前重点聚焦于搬运、分拣以及质检这三大核心工位。他指出，这些工位不仅是客户迫切希望人形机器人能够提供能力协同的领域，同时也是人形机器人现阶段其自身能力特征更为适配、更易发挥价值的场景。

星动纪元与顺丰开展合作，其内容聚焦于物流领域的供件分拣与非标包裹处理等核心环节，旨在解决传统自动化设备在应对软包、硬盒等各类在规格、材质及形态上存在差异的非标准包裹时所面临的能力局限。

不难观察到，当前在工厂场景应用方面处于领先位置的企业，它们所探索的“通用”技术路径以应对开放任务，其发展仍然处于非常早期的阶段。在这一现实下，借助于具体的生产场景来逐步推进需求验证与流程打磨，成为现阶段切实可行的策略。这同时也是企业能够获取高质量的生产环境数据，并以此驱动模型智能飞轮持续运转的关键环节。

具身智能领域的落地集成商同样采取了稳步推进的落地策略。深圳壕翎作为豪森智能旗下专注于汽车智能装备与装配业务的子公司，目前正在翼子板搬运、电池上下料以及活塞销上销等多个制造环节当中，推进人形机器人产品的实际应用落地工作。豪森智能研究院黎炯指出，他们的渐进式技术路径呈现出清晰的阶段性特征：短期以动作为主进行编排，中期逐步过渡到分层模型驱动模式，远期才最终走向基于大模型的端到端技术路线。

壕翎系统性梳理并提炼出了汽车装配场景中的25个典型应用场景，并将其系统归纳为移动、搬运、组装、密封、连接、打标以及加注这七大类别。在这一体系当中，不同作业类别对机器人的性能侧重点各有差异。例如，涂胶工艺对运动轨迹的精度、操作过程中的柔顺性以及任务规划的计划性均提出了较高要求；而执行打螺丝任务时，则更加强调对输出力矩的精确控制与适应性。

单一化的机器人本体形态在当下难以满足所有作业需求。为此，皓翎采取了灵活的合作策略，与多种类型的机器人本体企业展开协作。其具体做法是，根据具体应用场景的特点来有针对性地选择机器人本体。因此，被选用的本体既可能是具备多任务执行能力的复合形态，也可能是仅保留操作臂而无需移动底盘的专用形态。

部分厂商则运用产品设计的模块化策略，来增强其对不同场景需求的适配能力。例如，星动纪元构建了由全尺寸双足机器人L7、轮式服务平台Q5、半身功能模块M7以及独立灵巧手XHAND组成的产品体系。该体系允许根据不同任务需求，对各模块进行灵活组合与配置，从而有效地满足多样化的应用要求。

从移动机器人产业的发展视角来看，在仙工智能之外，一批在具身智能技术浪潮兴起之前就已成立的公司，如今亦将大模型技术的研发与集成应用，纳入了其自身技术演进与产品迭代的核心战略议程。

根据数智前线获得的行业信息，当前在移动机器人出货量方面位居首位的海康机器人，一方面以深度学习小模型为技术基础，致力于实现手眼协同、眼脚协同以及眼脚手协同的多模态路径规划；与此同时，公司亦组建了一支颇具规模的专业团队，对感知与控制一体化的端到端模型展开积极的研究与跟进工作，并推动其在实际场景中的探索与落地应用。

不过海康机器人明确指出，工业生产环境具有节奏快速、容错率低且投资回报率（ROI）需要精确核算的严格特性。因此，那些具备自主感知环境、进行自主决策、并能够自主完成移动与作业任务的移动机器人，才构成了当前在工业场景中落地最为成熟、也最广义的具身智能形态。对于海康机器人而言，人形机器人作为具身智能的具体形态之一，代表了其机器人技术的延展方向，也是公司后续战略布局中的关键组成部分。

目前他们所采取的策略是同时推进两条关键的发展路径。第一条路径是专注于专业领域的纵深发展，旨在确定性的应用场景内，系统性地积累大量的数据资源与工程实践经验。第二条路径则是追求产品的多用途与持续进化，主要借助于自适应学习、跨场景自主决策等技术手段，从而达到让单台机器人具备多种功能、并能灵活适应不同应用场景的目标。

在机器人赛道中，今年专用机器人领域正呈现向上发展的趋势，而通用机器人领域则有所向下调整，行业正处于从专用走向通用的过渡阶段。在此背景下，新一代具身智能玩家与传统移动机器人厂商在落地应用场景和产品形态方面，虽然发展重心有所不同，但两者之间已经出现了场景与形态交融的局面。

03 工厂的门槛和数据飞轮之路

尽管形态上呈现出折衷融合的趋势，路线发展上也采取渐进的策略，但工厂所设定的验收标准并不会因此而有所降低。

重庆千里科技副总经理钟南海于近期举行的人形机器人商业落地专题会议上，就该议题进行了阐述。该公司作为该技术的潜在应用场景需求方，近期亦在内部展开系统性评估工作，旨在探究如何有效衡量当前备受关注的具身智能产品在工厂生产线上实际应用时的表现。经过这一过程，公司内部最终确立了一套用于评判的指标体系。

千里科技的前身是重庆力帆汽车，在2022年完成基因重组之后，该公司成功集合了包括造摩托车、造汽车、通用机械以及自动驾驶和AI在内的多重基因，并且其工厂中拥有超过5000名工人。

本次评估所设定的验收指标体系，涵盖了定量与定性两个核心维度，可以将其凝练为“三个100与一个3”。具体而言，这意味着机器人需要连续执行100次任务且整体成功率需维持在95%以上的水平，而在其专攻的特定场景中，成功率则必须达到99%以上；在连续100小时的运行周期内，其需要人工介入进行干预的次数应少于1次；依据工业机器人领域公认的可靠性标准，该设备在100天的连续运行时间内，发生的故障次数不得多于1次；此外，在3年的使用周期内，其整体拥有成本必须低于雇佣一名人工的成本。

此外，还存在四项定性评估标准：首先，机器人需要具备长距离任务的闭环执行能力，能够针对过程中出现的偏差进行自主校正，而非一旦遭遇错误即刻停机。其次，必须满足安全与合规方面的要求，具体涵盖碰撞检测机制、紧急停止功能以及符合规范的人机安全间距等。第三，系统需要与工厂既有的制造执行系统实现对接，以便实时接收作业指令并即时反馈设备运行状态。最后，供应商方面需提供明确的故障修复时间承诺，以确保生产连续性。

上述验收标准足以被认定为严苛，然而这并不令人感到意外。实际上，那些已经在工厂环境中成功实现规模化落地的移动机器人厂商，在过去曾经接受过完全相同的严格拷问。而如今，这一行业审视与考验的压力，正式传递到了致力于具身智能的新兴玩家身上。

新近进入工厂领域的具身智能厂商，需要首先完成核心技术层面的关键突破，使机器人真正具备泛化能力，并同时确保其在实际应用场景中的可靠性，如此方能将想象中的应用空间逐步转化为现实。

这一代具身厂商所具备的共同特征在于，均借助数据驱动的方法来推进迈向未来物理世界通用人工智能的路径，并采用AI原生的技术范式，使工厂环境中的机器人能够摆脱高度碎片化的市场格局。

厂商之间所存在的分歧点也表现得相当明显；当前模型的能力尚未达到能够实现“端到端打天下”的水平，因此关于究竟应使用何种技术来承载“通用性”以及应从哪些场景中获取数据以加速闭环过程，各方的判断与决策并不一致。

以攻克极窄的高难度任务为基础，往下兼容成为一个可行的选项。

例如，它石智航正是从市场空间足够广阔、需求足够丰富且技术壁垒足够高的线束场景切入。线束制造涵盖了大量柔软且精密的操作，可以瞬间产生海量数据，同时也具备了内部制造（in-house）的环境，其主要挑战在于需要遵循严格的生产节拍并满足极高的可靠性要求。但正如其创始人陈亦伦在一次访谈中所提及的，这亦是通往实际应用的必经之路。

他们观察到遥操作数据在采集效率、成本、规模以及多样性等维度均存在显著的局限性，于是着手自主研发可穿戴式数据采集设备，促使一线劳动者佩戴特制手套与第一视角摄像头进行作业，从而旨在获取来自真实作业场景中的高保真任务数据。

另一些厂商则将关注点投向那些具备当下可落地潜力的现实场景。这类场景的核心特征在于能够容忍一定程度的错误、支持功能在合理范围内的适度泛化、对工作节拍的要求具备弹性，并且支持长时间的连续作业。

原力灵机联合创始人兼 CEO 唐文斌认为，在物流场景中，能够率先部署机器人承担任务。一旦机器人执行失败，智能调度系统会自动将该任务回传给人工处理，由人工继续完成后续作业。这构成了一套完整的系统逻辑：任何任务都能通过“机器人-调度-人工”的路径实现闭环，从而让企业能够更清晰地计算投入产出比。

将技能依据其固有的复杂程度，采取逐个攻克的策略，这代表了一种系统性的技术发展路径。以银河通用为例，他们所采取的方法是，借助于合成数据来系统性地穷举与覆盖各种几何空间配置。其首要目标，是确保诸如抓取与放置（pick and Place）这类基础技能，能够在包括所有材质、形状及光照条件在内的多样化场景中，其成功率均能稳定地接近100%。待这一关键的基础能力得到夯实与验证之后，再在此之上逐步叠加并融合下一个更复杂的技能。

但无论技术路径如何选择，高速迭代能力与数据飞轮效应，都是所有厂商所一再强调的核心重点。

一位行业资深人士指出，AI能力的迭代过程，需要将围绕其的所有环节如同珠子般串联成一个完整的链条。这其中的任何一个环节若依赖于外部，就会构成阻碍整体迭代速度的瓶颈。这也就使得，在构建自身能力体系的过程中，除了众多厂商已经着手自研并构建包括机器人本体、机械臂、专用数据采集手套以及智能大脑在内的全栈技术能力之外，领先的具身智能厂商还会专门搭建交付服务团队。其目的在于深入真实应用场景，紧密追踪并获取现场的反馈信息，从而加速整个“研发-应用-反馈-优化”的迭代闭环得以有效运转。

在为了实现飞轮持续转动的需求背景下，行业内也存在一种观点认为，当前阶段的核心竞争焦点，主要体现在哪一方能够更迅速地部署更多数量的机器人。这类似于智能驾驶场景中的特斯拉公司，它首先通过让车辆在路上行驶并由驾驶员进行操控，将数据回传以训练模型，随后将训练好的模型推送回车辆端，从而使得率先做到这一点的企业能够构建起更强大的竞争壁垒。

基于以上对比，上一代移动机器人厂商已率先完成了业务层面的初步布局，拥有在场景理解深度与设备部署规模方面所形成的长期积累优势；而新型具身智能玩家则在实现路径的选择以及AI反馈闭环机制的构建上，开辟了一条全新的、更具规模化潜力的技术路线。未来，二者在工业场景中的协同与角力，其具体的竞争态势仍需进行长期的跟踪观察与评估。

而当下可以确定的是，要在工厂环境中实现通用机器人的规模化落地，仍需要一段相当长的时间。

### 具身智能与移动机器人：今年何以在工厂场景中加速深化应用

移动机器人产业领域内，多家公司已开始将大模型技术正式纳入其核心战略议程。以出货量处于领先地位的海康机器人为例，该公司依托于深度学习的专用小模型，成功实现了对机器人手、眼、脚进行协同控制的多模态路径规划能力，并同步开展了对能够实现感知与控制一体化的端到端模型的研究。在工业生产环境中，移动机器人被要求具备自主感知环境、智能决策以及执行具体作业的能力，这构成了具身智能的一种成熟应用形态；而人形机器人则代表了该技术向通用化方向进行延展的前沿探索。

目前，相关企业所采取的策略是同时推进两条关键发展路径。第一条路径是专注于专业领域的纵深发展，旨在那些需求确定的应用场景内，系统性地积累大量的数据资源与工程实践经验。第二条路径则是追求产品的多用途与持续进化，主要借助自适应学习、跨场景自主决策等技术手段，从而达到让单台机器人具备多种功能、并能灵活适应不同应用场景的目标。

在机器人赛道中，今年专用机器人领域正呈现向上发展的趋势，而通用机器人领域则有所调整，行业正处于从专用走向通用的过渡阶段。在此背景下，新一代具身智能玩家与传统移动机器人厂商在落地应用场景和产品形态方面，虽然发展重心有所不同，但两者之间已经出现了场景与形态交融的局面。

尽管形态上呈现出折衷融合的趋势，路线发展上也采取渐进的策略，但工厂所设定的验收标准并不会因此而有所降低。

来源：具身智能和移动机器人，为什么今年都在工厂上强度 | OFweek机器人网