【洞见·TMT】

　　2026年6月，随着工业和信息化部、国务院国资委联合启动人形机器人与具身智能实景实训专项行动，具身智能产业进入规模化落地的关键观察期。最近，一批初创企业开始将机器人从实验室送入真实产线。清华大学孵化的具身智能企业光象科技发布工业级自进化具身智能机器人Phi-Bot X1，并已在汽车制造真实工位完成连续作业验证，展现出具身智能落地工业场景的可行性。光象科技创始人兼CEO张涛表示，汽车制造过程做了大量的生产优化，产线有非常好的一致性和标准化，这为具身智能机器人落地创造了有利条件；同时，汽车制造对品控、节拍、效率的要求极为严苛，这是最好的“练兵场”。

　　聚焦落地路径，软硬一体化是价值闭环的基础

　　记者：2025 年，已有多家具身智能企业布局工业落地，选择此时创业，看到了哪些差异化机会与商业空间？

　　张涛：创立之初，我们就在反复讨论，做具身智能到底是做大脑，还是只做本体；是做工业，还是进家庭。我们的结论很明确：一定要做软硬一体化的完整产品。

　　更核心的逻辑在数据层面。今天的具身智能是数据驱动的技术范式，只有真正规模化的部署、产生实际价值，才有可能回收数据，实现数据闭环。把能解决真实问题的机器人造出来、规模部署，在真实场景中干活，再回收数据训练更强的模型，这可能是唯一可行的路径。

　　此外，场景选择上也是同理。具身智能的本质，是机器人在特定环境中完成某一类特定任务。围绕这一定义，所有应用场景可归纳为两个维度：一是工作环境，二是任务类型。在落地路径的选择上，最为合理的方式是单点突破，而非多点开花。如果希望重点突破复杂的操作能力，就应暂时避开环境不确定性最高的家庭场景，优先选择相对标准的工业场景。这正如自动驾驶从L2逐步迈向L4的渐进路径，今天的具身智能同样如此。

　　具身智能成熟度不能只看“跑得快”“手更巧”

　　记者： 当前，行业对具身智能成熟度的评判标准不一，有观点侧重运动能力表现，也有观点认为手部灵活性才是核心标志。对此，怎么看？

　　张涛：具身智能是涵盖本体运控能力与通用大脑能力的复杂系统，无法仅凭单一维度判定整体技术成熟度。

　　机器人运动能力的突破，背后是结构、驱动、散热与可靠性的全面迭代，沉淀的技术可复用至更多价值场景，对行业发展具备正向推动意义。不同技术路线并无绝对优劣，只是适配不同场景的核心需求，是行业在不同维度、不同阶段的互补式推进。

　　我们更聚焦真实生产力落地，面向工业场景优先保障工作范围、感知精度、续航等核心作业性能，在此基础上再逐步优化可靠性与综合成本。

　　记者：有观点认为，做专业机械臂比做通用具身智能更实际，甚至认为具身智能是泡沫。对此，这个观点认可吗？

　　张涛：北京航空航天大学机器人研究所名誉所长、知名机器人专家王田苗老师曾提出，未来工业场景的终极形态是60%-70%的自动化设备、30%的具身智能机器人，再加10%的人相互协作。我非常认同这一观点。我们做具身智能，不是为了用机器人替代自动化设备或替代人，而是按照最优效率的方式，将三者整合，实现最高生产效率，不存在简单的替换关系。

　　不可否认，当前很多具身机器人能做的事情，用自动化设备也能完成。比如，用双足人形机器人搬箱子，从效果上看并不必要。但这并不代表具身智能没有价值，只是搬箱子并非真正匹配其能力的案例。行业需要更多面向真实场景需求、真正发挥具身智能机器人价值的事情。

　　算法快跑与硬件慢进之间尚存挑战

　　记者：在众多工业场景中，汽车制造被多家企业选为首个落地场景。它的优势在哪里？

　　张涛：汽车是目前规模最大、复杂程度最高，又是最标准化、规模化的工业品之一。整个汽车制造过程做了大量的生产优化，产线有非常好的一致性和标准化，这为具身智能机器人落地创造了有利条件。

　　同时，汽车制造对品控、节拍、效率的要求极为严苛，这是最好的“练兵场”。当机器人能够满足汽车生产线的全部要求时，就意味着它具备了非常强大的基础能力，后续再泛化应用到3C、电子、工程机械等场景，就是顺理成章的过程。

　　记者：作为行业新入局者，当前最关注哪些问题？下一步机器人的进化方向在哪里？

　　张涛：技术迭代极快，需持续跟踪可能产生质变的新路径，这是投入精力最大的地方。在落地方面，相比卖出多少台，我们更关注机器人是否真正被用起来、产生实际价值。行业里“一年进工厂、三年进家庭”的声音容易带来认知错位，应更加理性看待发展节奏。

　　当前，机器人已具备较好的泛化能力和通用性，但挑战往往不在算法和模型，而在物理执行端——末端执行机构是否足够灵活、能否完成更细微的操作。硬件的进化速度远慢于模型，这是现实的瓶颈。具身智能应与自动化设备、人员协同作业，发挥灵活性、一致性、泛化性等优势，而非简单替代。

　　（撰文/朱昱晗 文宇翔）