技术热点透视20260902:具身智能从「展台」冲进「货架」
原创 · 约 9 分钟阅读 · 阅读 --

技术热点透视20260902:具身智能从「展台」冲进「货架」

作者: Alex Xiang


古董级程序员,前百度/微博工程师,现在关注 AI 工程化与开发者工具。
微信公众号「字与码」,记录技术思考与行业观察。
本文同步发布于 zicode.com

2026 世界机器人大会刚在北京收官,主题「人机共生,产需共融」:300 多家企业、3000 多件展品、311 款首发;同期第二届世界人形机器人运动会把「摔出来」的技术极限和「签下来」的市场热情拧到一起。一句话判断——具身智能正从「舞台动起来、赛场跑起来」跨进「工厂干起来、货架卖起来」。但别上头:临界点还没到,王兴兴给「ChatGPT 时刻」定的量化线,现在还差得远。

一、从展台到货架,数据先说话

这届大会最明显的变化:流量 C 位从「弹琴跳舞后空翻」让位给了在产线上拧螺丝、分拣货品的实用型作业机器人。背后是硬数据:今年 1–7 月我国工业机器人产量同比增长 28.5%;工信部口径 1–5 月机器人规上企业营收突破 900 亿元、同比增长 26.9%,近 5 年年均增速超 20%;连续 13 年保持全球最大工业机器人市场,自主品牌国内占有率突破 50%。

更关键的是思路转变:参展工业机器人普遍「专精特新」,不再追求通用炫技,而是深度嵌进具体产线解决真实痛点。服装产线的上料贴袋、变电站四足巡检、川字托盘智能搬运——企业比的不是动作难度,而是「多准理解产线需求、多稳替代人工」。

**这是行业进入理性阶段的标志。**当机器人公司开始比「谁更懂一条产线」而不是「谁能后空翻」,说明价值锚点从「演示」挪到了「替代人工的确定性」。对投资人来说,这比任何发布会都重要:可替代、可计量、可复制,才撑得起规模化采购。

二、融资 935 亿与「民主化」同时发生

资本的反应很直白:IT 桔子数据,今年上半年国内具身智能赛道融资总额达 935 亿元,同比增长 5 倍。钱的逻辑很清楚——硬件本体经过几年迭代已相对成熟,赛场暴露的短板正是下一步要攻坚的方向。

同一时间,两个「把门槛打下来」的信号值得单列:

  • Microduck:约 399 美元,15 个电机、端侧 50Hz 跑控制策略,sim-to-real 强化学习,开放软件栈和训练链路——开发者用 Python/JS 改行为、MuJoCo 里 PPO 一两小时训出新步态、导出 ONNX 部署,还能传 Hugging Face 让全球「抄作业」。它把动辄数万美元的机器人 RL 平台压到消费级。
  • Nori Robotics(YC S26):170cm 全尺寸开发者人形,定价压到 2 万美元以内,准直驱(QDD)+ ROS 2 + Jetson Orin,模块化换肢 15 分钟。明确不做工业,只做「给开发者 prototyping 人形算法」的硬件。

01-stage-to-shelf 图 1 · 从「展台炫技」到「赛场压力测试」再到「货架可采购」,价值锚点一路从演示转向替代人工的确定性。

**这像极了 80 年代的 PC 革命。**IBM 把硬件做便宜,价值却被微软和 Intel 吃走。具身智能正在复制这条路径:当本体硬件 commoditize(Microduck、Nori 在证明价格可以很低),真正的护城河会移到「AI 大脑 + 软件栈 + 训练/部署链路」。谁掌握了开发者生态和训练数据,谁就掌握下一层的定价权。这也是为什么明略科技这类做「Agent 大脑」的公司,开始把 VLM/VLA 能力延伸到机器人——它们赌的是组织大脑的软件层。

三、长程规划是下一关:TVA + World 模型

硬件便宜了,软件跟得上吗?传统 VLA 擅长短视反应式操作,一碰到跨长时间尺度的多步任务就露怯:陷入局部最优、漏掉前置条件(比如忘了「先擦桌子再摆盘」)。CSDN 上这篇 TVA 架构给出解法:用 TVA 做层次化目标分解 + 任务依赖图,用 World 模型做未来推演验证引擎——在潜空间模拟动作后果、提前发现逻辑冲突。实验里长程任务完成率提升 55%、规划错误率降 60%。

02-tva-world-model 图 2 · 目标分解 + 依赖图(战略)叠加 World 模型推演验证(兵棋推演),把「短视执行者」变成「会打草稿的规划者」。

但运动控制这条线,已经实质性进步了。第二届人形机器人运动会 400 米大型组,「天工 Ultra」38.15 秒冲线,一年前冠军还是 1 分 28 秒,一年提速近 50 秒;今年参赛机器人开始靠视觉自主选运动方式过障碍。所以别被「摔倒」的搞笑视频带偏——摔是压力测试,暴露的是伺服响应、快速恢复的真实短板,每一次跌倒都在沉淀实测数据。真正的未解之题是泛化与效率

四、临界点到底在哪

宇树科技王兴兴给了「ChatGPT 时刻」一个可量化定义:在 80% 的陌生场景里,靠语音或文字指令,机器人能顺利完成约 80% 的任务。按这个线,现在整体效率和泛化还差得远,具身智能尚未迎来类似 ChatGPT 的产业临界点。但路径已经清楚:垂直场景啃下来、硬件民主化、长程规划补上——三件事并行,临界点才会被推到面前。

一句话收束:9 月的具身智能信号合起来是「商业化路径已清晰,但临界点未到」。WRC 的 311 款首发和 28.5% 的产量增速说明需求与供给在对接;935 亿融资 + Microduck/Nori 的民主化说明资本和供应链在就位;TVA+World 模型说明长程规划在补最后一块短板。对从业者最实在的判断是:别赌「通用机器人马上爆发」,去赌「某一个垂直场景被机器人稳定替代」——前者是故事,后者是订单。

打开原图 ↗