具身智能与移动机器人工厂应用为何今年全面提速

工厂，正成为两代机器人企业共同聚焦的核心战场。 近日，多台智元精灵G2人形机器人集群进驻龙旗科技位于江西南昌的量产工厂，连续6天、每天作业11小时，在产线上进行了全程透明直播。几乎同一时间，银河通用的重载人形机器人Galbot S1也已进入宁德时代的智能产线，在模组与电池包生产环节执行长周期自主作业任务。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实际落地应用。 据人形机器人场景应用联盟提供的信息，还有多家集成商正在工业制造场景中推动人形机器人的部署。例如，深圳壕翎机器人在潍柴发动机生产线的活塞销上销工序中，部署了1台人形机器人，实现了从分拣、抓取、换向到放置的全流程自动化作业。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，也部署了1台人形机器人来执行上料任务。 就在具身智能机器人摩拳擦掌准备进入工厂的同时，那些早已在工厂中站稳脚跟的移动机器人企业——即以AGV、AGC、AMR等轮式机器人为代表、基于深度学习算法的厂商——也在进行技术迭代。它们正在推进轮式底盘结合人形上半身的形态，同时也有团队在探索将通用大脑部署到现有的专用设备上。 **工业制造与仓储物流**，一直是移动机器人最大的应用领域。而当前，这两个场景中，具身智能与移动机器人这两代厂商，正呈现出一种**重心各异、但形态和场景相互交融**的落地趋势。 这引发了一系列问题：为何今年所有厂商都在工厂场景中加大投入？这两代机器人在面对的场景和能力演进路径上，究竟存在哪些差异？到了2026年，工厂究竟需要新一代机器人具备哪些核心能力？

01 工业制造为什么成为主战场之一

具身智能加速进入工厂，关键因素并非技术成熟度。 从行业数据来看，工厂目前并非具身智能的最大买家。人形机器人场景应用联盟秘书长李进科在第三届人形机器人场景大会上梳理发现，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，批量采购机器人用于实训数据采集。排名第二的是教育科研——高校和研究机构构成了稳定的客户群。第三是表演与商业服务——租赁、展览、活动演出已形成小型市场，但竞争激烈，“从1万元一天，降到了8000元，再到1000元”。 **工业物流在2025年具身落地场景中的出货量排在第四位**，占比约为4%。 那么，一个当前落地规模并不大的场景，为何会成为今年的重点方向？ 政策层面的驱动因素不可忽视。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，该行动明确要求10个省份和一批中央企业在真实的工业与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”。有行业资深人士透露，许多地方反应迅速，“周六周日都在开会，主动拉着企业做场景匹配”。 李进科将这一“实景实训专项行动”视为**具身智能产业的上岗证**，认为这将有力推动具身智能从实验室走向工业、服务、特种等真实生产生活场景。 其次，在当前资本市场环境下，具身智能进入工厂也有助于企业构建叙事，在激烈竞争中拉开差距。今年具身领域的融资规模一再刷新纪录，在这种“核爆”级的融资规模下，智能制造这类既拥有巨大落地想象空间、又受政策支持的场景，自然成为厂商必须布局的重要市场。 此外，**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期提到，工业场景相对结构化，有产线、有工序、有节拍，动作可以拆解和量化。与家庭场景的开放性和不确定性相比，它反而是具身智能从价值探索走向“部署态”数据飞轮的理想环境。“部署态”是智元今年提出的概念。在实现量产突破（今年上半年下线1.5万台）之后，智元希望通过产线反馈生成数据飞轮，让机器人变得更加智能，最终实现更大规模的普及。 一些集成商则认为，具身智能**能让制造业实现前所未有的柔性**，从而**解决工业制造的痛点**。 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深耕20余年。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达300款，平均每天3.21款。传统“3年一改款、5年一换代”的节奏已被彻底打破。 频繁换线令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，每次换线都需要重新部署。如果将具身智能为核心的控制大脑换上去，制造柔性将得到大幅提升。 以汽车线束为例，这道工序因线缆柔性、路径复杂、精度要求达到亚毫米级，几十年来一直依赖工人手工完成。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：在最难的柔性场景跑通了，向下兼容便顺理成章。 就在具身厂商摩拳擦掌推进落地时，此前已在工厂规模化落地的移动机器人厂商也在迭代进化，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亮相。与已验证商业价值的“专业工”移动机器人不同，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”。它实现了“眼+脚+手”的合体，可在工厂中完成多个点位、需要用“手”实现的物料拣选、零部件上下料等应用，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AMR专用设备之间是一种协作关系，用于弥补原有专用设备不适用的场景。 也有厂商选择了用VLA大脑“重做”已有产品的路径，它**瞄准的是此前困扰行业的场景碎片化、交付成本高以及周期长的问题**。 移动机器人行业发展超过十年，目前行业内出货量超过一万台的玩家超过20家。虽然规模化已加速，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表示，此前的机器人产品基于规则的控制系统，预先编程好的动作一旦碰到新场景就得重新编写，这很容易带来规模化交付的难题。而更通用的大脑，无疑是一种有效解法。 可以看到，具身落地的浪潮与移动机器人突破落地天花板的需求，共同驱动了两代机器人在2026年同时于工业场景中加速发力。

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。”一家集成落地商坦言，具身智能进入工厂，落地并非一蹴而就。 仙工智能的叶杨笙在一次访谈中，将机器人落地分为五个不同阶段： 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，但硬件仍是专用的，叉车就是叉车，潜伏式就是潜伏式。 3.0阶段是把AI加上去，软件变得更通用、更泛化，但硬件不变，仍是专用形态。 4.0阶段是软件和硬件都通用，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阶段的产品与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，仙工智能选择的路径，就是用更通用的大脑，基于他们此前已布局的智能叉车设备，把原来的产品重做一遍，从而大幅提升场景泛化能力。 这种3.0和4.0交融的图景，实际上刻画出了当下工厂中不同机器人厂商的落地现实。 观察来看，当前阶段，具身智能厂商在场景落地上还相对狭窄。某种程度上，它们处于**“通用之下”的阶段**，可以看作是叶杨笙口中的4.0阶段产品。 目前，在工业及仓储物流场景中，落地走在前面的是智元、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集中在**分拣、搬运**等环节。优必选创始人周剑在受访时提到，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，在物流领域也是聚焦**供件分拣、非标包裹处理**等环节，处理传统自动化设备能力相对薄弱的软包、硬盒等不同规格、材质和形态的非标准包裹。 不难看出，这些走在前面企业的“通用”之路，仍处于非常早期的阶段。通过具体场景加速需求验证和场景打磨，是当下阶段的现实，也是企业**获取生产级场景数据、转动模型智能飞轮**的关键环节。 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领域的资深玩家，豪森智能旗下的深圳**壕翎**，正在翼子板搬运、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，远期才考虑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。每个类别对机器人的要求都不一样。例如，涂胶对轨迹要求、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完成所有工作。目前，壕翎与多类本体企业合作，不局限于人形，而是针对场景采取不同的本体，“可以三头六臂，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。比如星动纪元有全尺寸双足L7、轮式服务Q5、半身模块M7、独立灵巧手XHAND，不同模块面向不同场景需求灵活组合。 而从移动机器人这一侧来看，除了仙工智能，一批在这波具身智能浪潮之前成立的公司，也都已重视起大模型技术的布局。据数智前线了解，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，目前也有一支规模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与落地。 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。 他们目前采取的策略是双线并举。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**专用向上，通用往下**。在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，但场景和形态相互交融**的局面。

03 工厂的门槛和数据飞轮之路

形态在折衷融合，路线在渐进发展，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在前几天的人形机器人商业落地大会上提到，千里科技作为潜在场景需求方，内部近期也在研判如何衡量当下大热的具身产品进入工厂产线，最终形成了一套研判指标。千里科技的前身是重庆力帆汽车，2022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。 他们的验收指标包括**定量和定性**两个方面，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小于1次；参照工业机器人的可靠性标准，100天内故障少于1次；整体拥有成本在3年内低于一个工人的成本。 还有**四个定性指标**：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；要能跟工厂现有的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。 这些指标确实严苛，但并不让人意外。已经在工厂完成规模化落地的移动机器人厂商，此前都接受过这样的拷问，现在轮到具身智能玩家了。 刚刚走进工厂的具身智能厂商，首先需要实现技术突破，让机器人真正具备泛化能力，同时具备场景可靠性，才能兑现想象空间。 这一代具身厂商的一个共同点是，都用数据驱动的方法来通向未来的Physical AGI，用AI native的方式，让工厂里的机器人不再处于一个高度碎片化的市场。 厂商之间的分歧也很明显。当下，模型能力还没有到“端到端打天下”的阶段。到底该用什么来承载“通用性”？该获取什么场景的数据来加速闭环？大家的判断和决策并不相同。 攻克**极窄的高难度任务，然后向下兼容**，是一个选项。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一次访谈中这样提到。 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。 也有厂商看重那些**能容忍错误、能适度泛化、能容忍节拍，并且能长时间作业**的、当下就可以落地的场景。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，调度系统就把它送到人工那边，人接着干。它是一个系统，任务能被闭环，企业更容易算清账。 按照技能复杂度一个个攻克，也是一种思路。银河通用通过合成数据穷举几何空间，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，然后再叠加下一个技能。 但不管是哪种路径，**高速迭代和数据飞轮**是所有厂商都强调的重点。 一位行业资深人士提到，迭代需要把围绕AI的所有环节像珠子一样串起来。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、手和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**，以便深入了解场景反馈，加速跑通闭环。 在让飞轮转起来的需求下，行业内也有观点认为，当下更大的竞争点**在于谁能更快地将更多的机器人铺出去**。这类似于智能驾驶场景里的特斯拉——先有车在跑、有人在开，数据回传训练模型，模型再推回到车端，谁就能构建出更强的壁垒。 从这个意义上来看，上一代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优势。而新型具身智能玩家，在实现路径和AI反馈闭环的构建上，则走了一条全新的、更可能规模化的路。未来它们在工业场景中的协同、角力以及竞争态势，仍需长期观察。 可以确定的是，要在工厂里规模化落地通用机器人，仍然需要不短的时间。