人工智慧領域的Agent熱，毫無懸念地燒到了具身智能領域。4月13日，智元（AGIBOT）推出面向具身作業場景的「零程式碼」應用平台——Genie Studio Agent。Genie Studio是智元去年發佈的一站式具身智能模型開發平台，此番在Agent化後，官方稱其從「提供技術能力」走向「應用產品化」，從「單一交付項目」走向「搭建開放生態」：以一站式解決方案，讓機器人部署變得簡單、高效、可複製。圖源：智元具體而言，Genie Studio Agent具備如下四大核心能力：零程式碼上手：將視覺感知、運動控制、導航規劃、VLA模型、強化學習（RL）工具鏈等複雜能力，進行模組化重組，並封裝成可直接呼叫的能力元件，使用者無需輸入複雜程式碼與演算法，即可快速完成作業流程編排；內建模擬運行系統：內建三維場景重建與模擬系統，支援在模擬環境中提前規避風險並驗證路徑；引入真機強化學習：使機器人能在實際作業中通過力控與視覺反饋持續自主最佳化；提供全鏈路監控維運：實現從運行資料監控到異常預警的主動化管理。與之同步，Genie Studio Agent搭載開箱即用的標準化解決方案，在底層技術SDK基礎上，封裝了直觀的可視化介面與豐富的行業場景範本，即使是非工程技術人員也能較為容易配置並部署機器人應用。不難看出，Genie Studio Agent將複雜能力和底層技術進行了「模組化」和「標準化」設定，讓機器人應用部署像「搭積木」一樣簡單，意圖解決具身智能落地過程中門檻高、周期長、複製難等核心痛點。入手了智元機器人的使用者，在Genie Studio Agent平台只需拖曳相應的節點、簡單配置參數，即可通過平台快速建構屬於自己的機器人任務流程，得到專屬的機器人應用。在智元設想中，Genie Studio Agent是一套貫穿機器人全生命周期的軟體基礎設施，而其中最重要的「應用定義權」應該從後端工程師交還給一線場景端。圖源：智元相比個人使用者，行業使用者市場才是人形機器人在當下的主戰場。那麼在複雜工業場景等真實作業環境，Genie Studio Agent的部署是否也可以「輕鬆」落地呢？智元表示，Genie Studio Agent目前已在多個高精度製造場景中完成落地驗證，證明了機器人部署可以通過標準化平台能力，實現更高效的工程化複製。基於Genie Studio Agent，智元此前聯手某頭部半導體封測企業，已成功跑通「晶圓搬運」全流程。而在更具挑戰性的半導體封測場景，智元生態夥伴基於國際領先晶片企業半導體封測場景需求，借助Genie Studio Agent平台，成功完成了Tray盤上下料全流程作業驗證：作業成功率達到99.999%以上，掉盤率低於0.001%，系統平均無故障執行階段間超過168小時。圖源：智元需要指出的是，在發佈Genie Studio Agent前，智元已連續帶來了資料集、模擬平台、基座模型及世界模型領域的多項重要更新。作為全球具身智慧型手機器人銷量冠軍，智元在4月祭出的這一套組合拳，不僅可以加速具身智能在多元工業與商業場景中的規模化落地，也為更多「零程式碼」能力使用者帶來了嘗試和參與的機會。從根本上來說，人形機器人身體需要更加靈活、運動需要更加穩定、大腦需要更加聰明、開發需要更加簡易乃至「傻瓜」。而從個體（不管個人還是行業使用者）參與角度來說，具身智慧型手機器人在應用開發和部署上的全面簡易化和低上手門檻，才是銷量數字中那麼多個0前面最重要的一個1。 (雷科技)

還得是這屆00後，強得可怕！一出手，具身智能就被“整頓”得底朝天。當別人還在Sim2Real打轉時，這支00後帶隊的靈初智能，已經開始用近10萬小時人類資料暴力拆解。這個數字就是放到整個行業裡看，也是遙遙領先。畢竟目前人類運算元據集大多還都集中在幾千到幾萬小時量級，最大的也不過是輝達的EgoScale，包含2萬小時人類第一視角視訊資料。靈初這次直接上了個新台階，10萬+資料，其中1000小時還開源。而且發佈形式也夠潮——直播show time～AI博主弗蘭克和靈初智能的00後聯合創始人陳源培，直接手把手給你剖析的那種。（techblog指路：https://www.psibot.ai/from-human-skill-to-robotic-mastery/）言而總之，整場直播我們復盤下來，就講兩件事：給具身智能喂什麼吃、讓具身智能長什麼樣的腦子。說人話就是，靈初給的，是一條與眾不同的務實路徑——不整虛的，直接對齊人類資料，再用Psi-R2和Psi-W0雙系統架構平穩落地具體場景。結果也很直觀，靈初Psi-R2迅速登頂MolmoSpace榜單。MolmoSpace由美國艾倫人工智慧研究所（AllenAI）發起，是全球具身智能領域權威基準評測平台，NVIDIA、PI等全球頂尖團隊均參與本次評測。而靈初Psi-R2在評測中一舉超越PI、DreamZero等國際知名模型，表現也顯著優於其他基線模型，妥妥的行業第一梯隊。在成功率這塊，也比同類VLA模型要高出近10倍。情況就是這麼個情況，靈初一來就整了個大活，具身智能終於迎來首個直接能用的大規模人類手部操作全模態資料集。下面就讓我們回到直播間現場，一一復盤拆解。10萬小時，讓具身智能吃個頂飽“為何偏偏具身智能會資料荒？”弗蘭克化身觀眾嘴替，率先給出這句經典靈魂拷問。要回答這個問題，首先需要釐清一點，具身智能和自動駕駛、大語言模型這些AI領域存在原生的資料差異。後者基於現實場景和網際網路，長期積累沉澱形成了海量存量資料，然後通過簡單粗暴的算力Scaling law就能實現性能穩步提升。但具身智能則截然不同，物理世界複雜的情況讓它幾乎沒有可用的成熟資料集，也很難像網際網路產品那樣邊用邊攢資料。可以說，影響具身智能發展的關鍵之一就是資料卡脖子。那咋辦呢？以靈初在內的具身智能公司紛紛將目光投向人類資料。模擬資料還需要遷移處理，才能在真實機器人上使用，但人類資料就是最優秀的參考對象，資料量大而且質量高。但事實上，這裡也同樣存在一個無法忽視的問題：人類和機器人之間存在本體差異（embodiment gap）。直接復用顯然不行，機器人必定會出現運動學結構、動力學特性不匹配種種問題。其次，現有的人類資料要直接給到預訓練，也是萬萬不行的。因為要麼都是些小規模開源資料，要麼就是網路上一些低品質的第一人稱視訊。但除去人類資料，也幾乎沒有其它更好的路徑可走。靈初給出的判斷是：具身智能要想面向真實商業化場景落地，純人類資料訓練是必要的。一方面，使用人類資料能夠讓機器人搶先學習到人類一線的標準作業流程（SOP），而這些都是得到商業實際驗證過的，即拿即用且行之有效。換言之，真實場景的無縫銜接能夠將資料成本降至最低，比如人類的觸覺資料收整合本，就僅為機器人的1/10以下。另一方面，人類資料的SOP也可以使操作速度達到機械臂物理運動上限（如1200），遠超遙操作可達的800，也更適配商業工廠的高節拍要求。所以靈初最終選擇了人類資料，並造出了首個可用於預訓練的大規模人類運算元據集。其中，在人類資料和機器人資料的融合處理中，靈初遵循的是一條化繁為簡的思路：Raw Data In，Raw Data Out（原生資料進，原生資料出）。捨棄人工設計的複雜資料處理，直接進行人類關節與機器人本體的運動學對齊，讓模型在海量資料中自行探索。另外，Auto Labeling也會替代人工進行資料質檢和標註，最後再交由人工稽核。最終模型預訓練使用的資料集將包括真機資料（5417小時）和人類資料（95472小時）兩部分，總計10萬小時資料。目前其中1000小時已開源，到年底整個資料集還將Scaling到百萬量級。具體來講，人類封包括靈初自研外骨骼手套採集資料與裸手運算元據，覆蓋294種場景、4821種任務與1382種物體。至於為什麼要強調觸覺資料呢？歸根結底，還是為了更好地彌補人機之間的embodiment gap。雖然人類與機器人在多個方面差異明顯，但二者在接觸訊號上卻保持了驚人的高度一致，能夠有效補償動力學差異，以及在顯著提升世界模型能力的同時，還能更好地預測機器人與物體之間的互動情況。這樣一整套高品質資料預訓練下來，機器人的泛化能力、長流程操作能力和操作精度都會有所突破，後續也僅僅只需要不到100條軌跡的真機資料就能完成微調。另外值得關注的是，靈初在此期間，還發現了另一處華點：資料訊號雜訊比才是決定人類資料能否有效支撐預訓練的核心因素。低訊號雜訊比的資料甚至還會起到反作用。如果要想判斷資料訊號雜訊比，可以從兩方面看：1、資料集分佈：操作任務多樣性>物體多樣性>>場景多樣性。泛化能力其實是模型最難學會的能力之一，但如果在預訓練階段可以見到更多工和操作對象，自然而然模型接手新任務速度就越快。2、感知模態：精準3D位姿>>觸覺模態>2D圖像特徵。在全模態資訊中，人手全域3D位姿追蹤是2D到3D模型轉化的關鍵，也和機器人動力學特性匹配度最高。簡單來說，靈初認為無論是精準採集的可復現資料，還是捨棄部分精度的粗糙泛化資料，都缺一不可。二者相互補充，既保證模型精度又確保泛化。具身智能長出雙系統新腦所以基於以上認知，靈初全新發佈Psi雙系統架構——Psi-R2和Psi-W0。先看Psi-R2，這是一款能讓機器人學習人類做事的模型，核心就是靠這10萬+的海量資料，學會精細操作。圖像和語言指令將作為輸入，輸出預測的未來操作視訊和可執行動作，所以Psi-R2可以稱之為世界行動模型（WAM）。其中訓練骨幹網路選用Wan2.2-IT2V-5B-480P，預訓練階段同步使用真機資料和人類資料，還搭建了一套完整的資料處理流程，從資料清洗、自動標註，到質量檢測、人工核對，Psi-W0還會幫忙檢查資料質量。同時，採用專門技術精準捕捉人類手部動作軌跡，比如通過外骨骼手套，將動作誤差控制在亞毫米級，以確保人類的操作細節能被機器人精準模仿。但WAM模型架構普遍存在一個bug——反應慢。單次推理要2.2秒，反映到機器人身上，就是明顯的卡頓。於是靈初通過DiT快取、Torch編譯、模型量化等多項技術最佳化，把反應時間極限壓縮到了100毫秒以內。再看Psi-W0，它和Psi-R2的基礎架構相似，但分工完全不同。Psi-R2是學習怎麼做，Psi-W0是協助做得更好。首先它和Psi-R2一樣，都是基於預訓練視訊生成模型建構的，但在Psi-W0里，機器人動作是輸入，輸出的是對未來場景視訊的預測，所以Psi-W0也被定義為動作條件型世界模型（AC-WM）。這裡就引出了另一個問題：Psi-R2也能輸出預測，那為什麼還要做Psi-W0？答案很簡單，為了反事實推理。Psi-R2學到的只有成功的操作，比如成功抓起蘋果，但沒有辦法預測到蘋果抓不穩這類失敗情況。但老話說得好，失敗是成功之母，機器人亦是如此。失敗經驗能夠幫助機器人避開錯誤、最佳化動作，Psi-W0就是專門負責填補這部分空白。具體來講，兩個模型的訓練骨幹和資料格式都是一致的，只是在Psi-W0的訓練資料中額外加入了30%的失敗樣本。顯然，Psi-R2和Psi-W0並非孤立存在，而是彼此之間協同配合。當Psi-R2學完人類操作後，Psi-W0就會模擬人類操作場景，讓Psi-R2再演練一遍，也就是進行策略評估，檢查它有沒有學漏學歪。Psi-W0還有一項核心功能，是通過強化學習將人類資料轉換為機器人資料。傳統方法中，資料轉換靠的是模擬環境調整，不僅複雜而且精準性不高。但用Psi-W0替代後，它就會模擬機器人視角和動作模式，再通過強化學習的試錯調優，將人類動作調整為機器人能精準執行的動作。更厲害的是，在這個過程中還能持續生成新的優質資料，當把這些資料反向喂給Psi-R2和Psi-W0繼續學習，就能構成閉環資料飛輪。當然也可以故意給Psi-W0進行隨機擾動以模擬部分特殊場景，然後再生成目標場景和訓練資料。高品質資料滋養模型高性能，模型場景落地反哺資料擴充。於是自然而然，輪子飛起來了。最終整套系統能夠實現長程任務自主規劃、任務自主恢復和適配多場景複雜任務。開源是最高效的落地槓桿回看整場直播，無論是弗蘭克還是陳源培聊的內容，其實貫穿技術始終的都是同一個關鍵詞——落地。弗蘭克站在觀眾角度，好奇什麼時候具身智能才能落地。陳源培則站在廠商視角，給出了靈初智能的落地方案：技術端，從大規模的真實人類資料採集，再到實際應用中的具身模型，無一不是從切實的落地場景中出發建構。應用端，靈初智能也同時宣佈要和北京石景山共建數采廠，以及和騰訊雲、抖音、覓蜂、智域基石達成生態合作。不難看出，靈初這家公司從誕生之初的DNA就是聚焦技術落地、提供通用全端技術。它的每一步都在驗證一個行業共識：具身智能從誕生之初就錨定的終點，絕非實驗室，而是每一個具體可感的複雜場景。而這恰恰才是檢驗具身智能的標準所在。在通往落地的過程中，靈初也率先意識到，單打獨鬥並非最優解，開源是必要的。對於它們自身而言，只有開源，才能讓全行業幫助他們快速採集海量資料，才能彌補上這套資料飛輪體系中的關鍵一環。而且AI時代，時間和資料就是最稀缺的黃金資源。越早進場、擁有越多資料，就能搶先收穫長尾效益。再放眼整個行業，開源不僅是情懷，也是打破技術封閉孤島的鑰匙。它能夠建立起廣袤的開發者生態，通過標準化的資料管線和預訓練底座，讓具身智能不再是孤立的廠商個體。而全行業開源共建，還能反向喂養靈初這類硬核玩家，讓他們集中精力攻堅最難的技術瓶頸。集眾智，才是具身智能跑贏節拍、實現商業落地的唯一捷徑。而靈初無疑是當中走得最快最穩的一位明星選手。最後化用一句老話，用來描述我眼中的靈初智能——有仰望星空的勇氣，亦有腳踏實地的努力。具身智能正在因這場青春風暴而面目一新。（量子位）

機器人也開始內捲了，一位表現極其離譜的“新員工”，直接拉高了機器人的“就業門檻”。具身智能獨角獸Generalist，剛剛推出了最新的研究成果——新模型Gen-1。在包裝手機和折疊紙箱這些精細活兒上，它把機器人的成功率從64%硬生生拉到了99%，幾乎告別了手殘職業病。以前折疊一個標準紙箱需要慢悠悠地磨掉34秒，現在GEN-1僅用12.1秒就能完成，效率直接開啟了3倍速模式。而且，GEN-1的表現，也用實際表現驗證了機器人領域的Scaling Law。機器人模型捲出新高度GEN-1上崗後的表現簡直像是在倍速播放，而且即便面對維護掃地機器人200次這種枯燥任務，它也能穩如泰山。甚至連續裝箱1800次，也能從從容容遊刃有餘。更離譜的是它處理突發狀況的腦回路。如果零件在流水線上被意外撞歪了，它絕不會傻站在那兒報錯，會自己切換抓取角度，甚至動用兩隻手配合著把活幹完。這種靠直覺解決問題的即興智能，讓它在處理亂七八糟的雜物時表現得像個幹了十年的老師傅，那種死讀程序的鐵疙瘩僵硬感徹底消失了。用人類活動記錄訓練機器人為了讓GEN-1具備使機器人變身“全能打工人”的能力，研發團隊對資料處理架構進行了重寫。他們沒有死磕昂貴且難以擴展的機器人遙運算元據這條老路，轉而通過低成本穿戴裝置捕捉了數百萬項人類活動記錄，讓AI像看電影一樣預習物理世界的潛規則。這種“去機器人化”的預訓練方案巧妙繞過了資料規模的瓶頸，讓基礎模型在接觸機械臂之前，就已經從人類視角洞察了空間、時間與物理因果。這種基於50萬小時高保真物理互動資料集練就的底座，讓它的學習效率直接起飛，達到了前代模型的10倍。那怕是面對從未見過的奇怪任務或陌生的機器身體，給GEN-1一個小時的實機演示，也能讓它火速入職。另外，為了讓機器人的動作不再卡成PPT，以及實現即時操控，研發團隊還在推理端祭出了兩項關鍵技術。首先是專門為物理世界打造的分頁注意力（Paged Attention）機制。在處理PB等級的物理互動資料流時，傳統的記憶體管理方式容易導致計算資源分配不均，進而產生響應延遲。Paged Attention通過更高效地調度計算資源，解決了動作指令發射時的調度難題，確保每一個動作指令都能在毫秒級的時間維度內即時發射，讓AI的反應速度能跟上現實世界的物理節奏。配合演進的還有一套Harmonic Reasoning系統。它作為推理層面的核心元件，改變了以往單一路徑預測動作的死板模式。它允許模型在輸出指令時通過多尺度的動態調節來引導權重，使其在執行折疊紙箱或包裝手機等複雜動態任務時，能夠展現出超越單一模型權重分佈的性能上限。研發團隊為此投入數月時間最佳化訓練穩定性，並編寫了大量自訂核心來壓榨硬體算力的極限。機器人領域的Scaling LawGEN-1的性能跨越，證明了Scaling Law在物理世界依然有效——只要喂夠了資料和算力，機器人的腦子也會產生“開竅”時刻。通過大規模預訓練，機器人不再生硬地模仿動作序列，自己悟出了空間、時間和因果關係的規律，感知到了物體之間的相互影響。有了直覺之後，機器人幹活就開始帶點“靈性”。當任務中途出現沒見過的阻礙，它會自發嘗試一些教學大綱以外的操作，比如發現東西塞不進去時會像人一樣晃晃袋子。這種即興解題的能力源於它真正理解了“動作會導致後果”的邏輯。即使現場零件被意外撞歪，它也能憑直覺找回節奏，不需要人類像保姆一樣每一步都盯著糾錯。這種在真實世界摔打出來的經驗，讓原本懸浮在百科全書裡的抽象文字變成了實打實的行動力。研發團隊通過對齊技術，給這種即興天賦裝上了“導航儀”，確保機器人“臨場發揮”的動作依然會嚴絲合縫地待在使用者設定的規範裡。這種進化，讓機器人從一個只能按部就班的機器，變成了一個真正懂物理常識、能獨立處理複雜局面的“職場老手”。DeepMind大牛創業成果GEN-1的底層邏輯，源於資深團隊在機器人領域的長期積累，創始人Pete Florence的技術背景，為這一方案提供了深厚的理論底色。他曾任Google DeepMind高級研究科學家，通過Dense Object Nets等工作探索了視覺引導下機器人從感知到動作的端到端學習路徑。在GooglePaLM團隊工作期間，他作為核心力量參與並主導了PaLM-E、RT-2等多個具備代際跨越意義的機器人項目。2024年，Pete Florence離開Google並創立了Generalist。即便在他離職後的2025年3月，DeepMind在發佈的Gemini Robotics論文中依然四次引用了他參與合著的研究。 (量子位)

如果說前兩年，行業還在為某個機器人能後空翻而歡呼，那麼此刻，聚光燈已經從實驗室裡的炫技，轉移到了生產線上的博弈。宇樹科技的通用人形機器人走入汽車總裝線，優必選Walker S系列在汽車製造車間裡完成物料搬運與精密裝配，智平方的AlphaBot在咖啡機前從容操作——2026年，具身智能不再只是科幻電影裡的想像，而是正在生產線上“幹活”的真實存在。從“會聊天”到“會辦事”，從“能跳舞”到“能賺錢”，具身智能機器人正以前所未有的速度走進產業化的深水區。一、產業圖景｜兆賽道加速鋪開中商產業研究院資料顯示，2025年中國具身智能機器人解決方案市場規模已達346億元，同比增長20.6%，預計2026年將達到449億元，2028年有望突破815億元。IDC預測，2026年全球智慧型手機器人硬體市場規模將接近300億美元，中國具身智能機器人市場規模將突破110億美元，成為市場加速擴張的核心主導力量。更值得關注的是，36氪研究院測算顯示，中國具身智能整體市場規模已從2018年的2133億元增長至2025年的9150億元，2026年有望突破兆元關口。人形機器人賽道也在迎來規模化放量的臨界點？IDC資料顯示，2025年全球人形機器人市場出貨量接近1.8萬台，同比增長508%，銷售額達4.4億美元。其中，中國廠商在全球市場中佔據主導地位智元機器人，宇樹科技出貨約5000台，具備規模化交付能力，樂聚機器人，加速進化和松延動力出貨約1000台左右。優必選2025年全尺寸人形機器人實現千台級量產交付，全年實現營收20.01億元，同比增長53.3%，全尺寸具身智能人形機器人業務全年實現收入8.2億元，成為第一大收入來源。優必選CEO周劍在業績會上給出了2026年交付5000台的預期，產能規劃更達上萬台，並將2026年定位為“大規模商業化”之年。二、政策與標準｜為產業化鋪軌架橋政策層面，“具身智能”已連續第二年寫入政府工作報告，2026年1月，工信部等八部門印發《“人工智慧+製造”專項行動實施意見》，為具身智能產業發展指明了方向。工信部資料顯示，2025年國內人形機器人整機企業數量已超140家，發佈人形機器人產品超330款。更為關鍵的是，2025年末，工信部人形機器人與具身智能標準化技術委員會正式成立，中國首個覆蓋全產業鏈，全生命周期的《人形機器人與具身智能標準體系（2026版）》隨之發佈。這一標準體系不僅規範了模擬與真實環境下具身智能基準測試的環境設定，任務庫建構，測試過程和指標計算方法，更形成了六大維度的完整標準體系，實現了從專項規則到全鏈規範的升級。標準的出台，為長期困擾行業的“介面不統一，資料不互通，場景不相容”問題劃定了準則，有效引導行業從無序創新走向協同治理。與此同時，北京，上海，杭州，武漢等多地競相出台專項扶持政策，以高強度的資金補貼和全鏈條服務支撐加碼佈局這一兆級新賽道。北京經開區“具身智能十條”推出資料採集實訓場獎勵，人形機器人銷售補貼，供應鏈響應平台支援等8項全國首創政策上海對銷售或租賃具身智能機器人的企業給予最高5%且不超過500萬元的獎勵，對達到一定算力租用規模的企業給予最高4000萬元/年的算力券支援，武漢對創新平台建設最高支援1000萬元，大模型研發和算力使用最高補貼500萬元政策的精準滴灌正在加速破解企業產品購銷與應用閉環的難題。三、技術突破與瓶頸｜從“能動”到“能幹活”的跨越在技術層面，具身智能正在從“拼硬體”向“拼智能”轉變？電機，關節，感測器等硬體正在快速標準化，2-3年內不同企業的硬體差異將顯著縮小，真正決定機器人能否在新場景中自主完成複雜任務的，是它背後的大模型能力。然而，行業面臨的瓶頸同樣不容忽視？2026年春天，在第四屆具身智能機器人產業發展論壇上，資料採集，大模型，人形機器人及泛化能力成為焦點，但會場內瀰漫著對資源分散與重複投入的普遍焦慮。業內共識認為，具身模型真正收斂需幾百萬至千萬小時有效訓練資料，而當前國內各家具身智能公司資料總量僅約幾十萬小時，量級差距達一個數量級。更嚴峻的是，各家企業嚴守資料，拒絕共享，如同在乾涸河床各自挖井，重複採集基礎資料造成觸目驚心的社會資源浪費。千尋智能聯合創始人高陽給出判斷2025年行業處於GPT2.0向GPT3.0跨越的關鍵前夕，2026年末到2027年年中，行業有望迎來具身智能的GPT3.0時刻這意味著，當前行業正站在從基礎泛化能力向規模化智能躍遷的臨界點上。四、商業化落地｜從“講故事”到“看訂單”2026年，具身智能產業的核心命題已從“能否做成”轉向“能否賺錢”據不完全統計，2026年至今，機器人細分領域已完成超190起融資，金額超200億元這股資本熱潮正在加速流向那些具備真實訂單和落地能力的企業。在應用場景方面，工業製造是商業化擴張的關鍵一步優必選已在汽車製造，智能製造，智慧物流等重點領域實現應用，2025年全尺寸具身智能人形機器人從實訓階段正式邁向商業化應用智平方與東風柳汽達成戰略合作，其AlphaBot系列機器人已進入汽車總裝線作業。智平方還與惠科簽訂千台級訂單，驗證了“技術突破—場景應用—資料積累”的飛輪效應正在真實物理環境中加速運轉。IDC分析認為，2026年人形機器人應用場景將拓展至當前的3倍以上，工業製造是重點方向？從文娛商演到教育科研，從汽車製造到智慧物流，從特種作業到家庭服務，具身智能的應用邊界正在快速擴展。五、結語｜正心AI實打實幫扶企業轉型具身智能的浪潮正在改寫製造業的未來，但對企業而言，擁抱變革從來不只是“買幾台機器人”那麼簡單真正的挑戰在於如何將智能化能力深度嵌入業務流程，如何讓數位技術真正釋放生產力。正心AI始終堅持以科技創新為驅動，實打實幫扶企業實現數位化轉型升級，讓AI技術走出實驗室，走進生產線，走向商業價值的實處。正心AI與企業攜手同行，在“人工智慧+製造”的時代浪潮中，共同書寫從傳統製造到智能製造的跨越篇章。 (正心AI)

2026未來產業十大賽道報告解析當具身智能開始踏入工廠，當衛星網際網路將全球每一個地方都予以覆蓋，當核聚變的第一道光線投射進現實，我們正站立在技術奇點的前夕。《2026年未來產業十大賽道》是賽迪未來產業研究中心連續第二年於中關村論壇推出年度研究成果，十大賽道的遴選既是對技術成熟度的精準判斷，更是對未來產業爆發點的戰略預判。《2026年未來產業十大賽道》聚焦人形機器人/具身智能、生物製造、腦機介面、細胞與基因治療、自主智能體、低空裝備、核聚變能、高等級自動駕駛、衛星網際網路、量子計算這十個領域。本文在逐一解析十大賽道的同時，系統整理了各賽道的深度行業研究報告作為延伸閱讀，供讀者參考學習。賽道一：具身智能與人形機器人——從實驗室走向生產線如果說2023年屬於大模型元年，那2026年正演變成具身智能的產業化元年。賽迪預估，全球具身智能市場往後五年的複合增長率會高達73%，直至2030年市場規模預估能達到2388億元。核心驅動力源自三項重大突破，其一大模型給予機器人“大腦”，使其擁有環境理解以及任務規劃的能力，其二感測器與執行器成本降低，使得觸覺和力控具備實現的可能，其三場景落地處理程序加快，工業製造、商業表演、特種應用、家庭服務這四大方向已然形成明晰的商業模式，尤其在汽車製造、電子裝配等重複性勞動場景之中，人形機器人正從“概念展示”轉變為“降本增效”的實際價值創造。賽道二：生物製造——用細胞寫程式碼的工業革命2050生物創造預計產值出30兆美元價值，這是麥肯錫針對生物製造所做出的長遠預判。它跟傳統化工不一樣，生物製造會拿可再生生物質當作原料，依靠engineered microbes（工程微生物）達成“細胞工廠”去以生產化學品、材料以及能源該物品的生產。2026年存在著關鍵轉折，合成生物學的工具箱越發完善，AI輔助蛋白質設計極大地縮短了研發周期，監管框架漸漸地清晰起來。從生物基塑料一直到替代蛋白，從生物燃料直至珍稀化合物，生物製造正不斷重構物質生產方式，這也使得“雙碳”目標擁有了更加堅實的技術底座。發展報告合成生物學產業的延伸閱讀建議是，對於生物基材料的市場剖析，以及合成生物學政策跟監製方面的研究。賽道三：腦機介面——打開神經數位化的潘多拉魔盒腦機介面在Neuralink完成首例人體植入之際，已從科幻概念搖身變成臨床現實。賽迪作出預測 ，2030年全球市場規模會達到64.3億美元 ，年複合增長率超過15%。產業圖譜於2026年呈現出四大落地場景，其一為醫療康復，作用是幫助癱瘓患者恢復運動功能；其二是認知提升，包含專注力訓練、記憶增強等；其三是消費娛樂，如沉浸式遊戲、VR互動；其四是睡眠調控，涉及失眠干預、夢境識別。侵入式與非侵入式技術路線一起平行發展，國內處在醫療級應用以及監管倫理框架建設方面正加速追趕。賽道四：細胞與基因治療——精準醫療的終極形態從CAR-T到CRISPR，細胞與基因治療（CGT）正在改寫癌症和遺傳病的治療規則。賽迪指出，該市場未來將保持20%以上的高速增長。2026年，技術演進將會呈現出四大方向，其一為由體內CAR-T構成，此為無需體外進行培養，而是直接在體內開展編輯的技術；其二是非病毒載體，其作用在於解決安全性與成本方面的痛點；其三是基因編輯技術迭代方向，其中鹼基編輯、先導編輯更為精準；其四是幹細胞與再生醫學方向，主要涉及器官修復與抗衰老。隨著生產工藝朝著標準化發展，以及支付體系不斷完善，CGT正從所謂的“天價神藥”逐漸邁向“可及性治療”。賽道五：自主智能體——AI Agent重構組織形態GPT之後，緊接著會出現叫什麼的下一個殺手級應用呢？答案是自主智能體的（AI Agent）。這可不單單只是聊天機器人的一種進化，更是那種具備能夠感知所處環境、可以自主進行決策還有能夠執行相關任務能力的數字員工。2026年，多Agent協作系統走向成熟，“一人公司”變為了現實，具體而言，一個創業者能夠指揮數十個AI Agent去完成市場分析、產品設計、程式碼開發、客戶服務等全流程工作。不過，應該重視的是Agent的自主權限邊界、資料安全、責任歸屬等治理問題迫切需要建立行業標準。賽道六：低空裝備——天空即將像道路一樣繁忙電動化，智能化，網聯化，這三個關鍵詞正在重塑航空業的處理程序。低空裝備，其中包括eVTOL、無人機物流、城市空中交通，將會在動力系統方面展現出電動化與氫能化雙輪驅動的態勢，在營運層面依靠AI、5G - A以及低軌衛星技術達成無人化。2026年的產業重點在於，適航認證體系要得以完善，低空的基礎設施比如說起降場、充電站以及空管系統要進行建設，商業模式比如空中計程車、醫療急救、物流配送要開展驗證。一旦城市上空出現常態化航線，立體交通網路將會把城市空間結構徹底改變。賽道七：核聚變能——終極能源的黎明前夜"永遠的五十年"正在變成"觸手可及的十年"。在最近的五年之中，全球範圍內搞核聚變投資的總額預計將呈現出年均複合增長50% ， private capital（私人資本）以大容量的態勢進行湧入，從而對技術路線朝著多元化方向發展起了推動促進作用。托卡馬克、仿星器、慣性約束、場反位形等多種技術路線平行實現突破，關鍵材料像高溫超導帶材成本降低，以及電漿體控制演算法取得進步後，使得聚變裝置的Q值也就是能量增益因子不斷朝著盈虧平衡點靠近。雖說商業化還需要一些時間，不過在2026年已經能夠看到示範堆建設以及產業鏈的初步形態了。賽道八：高等級自動駕駛——Robotaxi的爆發元年端到端大模型被應用到車上，讓自動駕駛切實具備了“老司機”的水平。在限定區域達成規模化營運的L4級自動駕駛，會促使2026年變成Robotaxi商業化迅猛發展的元年。技術層面上，AI是直接從感測器資料再對應到駕駛動作大幅簡化了系統複雜度；商業層面，無人駕駛計程車成本比有人駕駛的還要低了，像Waymo、百度、小鵬等企業都在加速擴張營運區域；法規層面，中國、美國、歐洲正在建構自動駕駛汽車准入以及上路通行制度。賽道九：衛星網際網路——天基新基建的全面鋪開衛星網際網路從Starlink到國網星座，正從“技術驗證”步入“商業兌現”階段，未來，手機直連衛星讓網路“無死角覆蓋”，成為了最具潛力的新增長點。2026年產業重點在於，低軌衛星星座（像中國星網、G60星鏈等）的批次部署，星載相控陣天線技術的突破，以及地面終端的小型化並實現低成本化。當遠洋、沙漠、災區這類一貫的傳統通訊盲區接入寬頻網路時，全球數字鴻溝會被明顯予以縮小，與此同時還給自動駕駛、物聯網供給全域覆蓋能力。賽道十：量子計算——算力革命的第二戰場在經典晶片漸漸靠近物理極限之際，量子計算給出了指數級提升算力的一種可能性 ，未來十年量子計算市場規模的年複合增長率將會超過百分之三十 ，預估在二零三五年會突破千億美元。2026年的關鍵進展在於，量子位元數量和質量雙提升、量子糾錯碼突破、NISQ（含噪聲中等規模量子）處理器在特定領域（如藥物發現、金融建模、密碼破解）展現量子優勢。雲平台讓量子計算觸手可及，混合量子-經典演算法成為實用化主流路徑。 (TOP行業報告)

3月25日，SEMICON CHINA 2026在上海拉開帷幕，全球領先的移動操作機器人方案商優艾智合攜三款新品重磅亮相。在優艾智合展台，三台移動操作機器人正在模擬的半導體工廠環境中協同作業。從取料到運輸再到對接放料，一整套完整的物料智能化流轉閉環躍然眼前。這是優艾智合在本次展會上全球首發的三款新一代半導體具身智能移動操作機器人OW12-300、OW8-350、ATS6F。三款產品分別指向12吋晶圓全工藝段、8吋晶圓前道工程、跨潔淨度物料轉運三大場景，共同構成了覆蓋半導體全工藝鏈的工業物流解決方案。效率革命：7×24小時不間斷作業在半導體製造這樣一個對精度、潔淨度、穩定性要求近乎苛刻的行業裡，優艾智合此次新品集中亮相，從效率、潔淨、連續作業三個維度發起一場“效率革命”。OW12-300可相容FOUP、FOSB、Metal CST等12吋晶圓製程的載具，實現工藝全覆蓋。OW8-350則應用於半導體前道工藝，可在650mm窄道通行。OW12-300現場演示顯示，OW12-300和OW8-350均實現了最快25秒以內的空滿交換時間，這意味著物料對接節點上，移動操作機器人已經具備了與天車系統同量級的作業節拍，作為OHT的柔性補充，有效打通廠內物流瓶頸。OW8-350效率革命的另一面，是連續作業能力。OW12-300搭載無線充電與雙電池，OW8-350則配備超大容量電池與雙側無線充電，兩者均支援在作業過程中同步補電，實現7×24小時不間斷運行，持續創造價值。行業首創，破解跨潔淨區難題此次發佈的三款新品中，ATS6F的亮相尤其值得關注。這款專為長距離、高潔淨場景設計的新品，為優艾智合行業首創，機器人配備了艙內潔淨系統與自動密封技術，在萬級車間內可保障物料百級潔淨度，可實現跨潔淨度、跨區域的無界轉運。在連廊運輸場景中，ATS6F省去了無塵環境建設和專用軌道投入，以更低的綜合成本實現同樣嚴格的潔淨度要求，為半導體工廠的跨區物流提供了全新的高性價比選擇。ATS6FATS6F結合物料資訊管理系統，保障物料運輸全流程中的安全和可追溯，讓機器人與生產系統深度融合，形成資料閉環，夯實物質流與資訊流的基礎，已成為行業進一步升級的關鍵。作為全球工業具身智能的先行者與領導者，優艾智合深耕最具增長潛力和場景適應性的移動操作機器人賽道，依託創新的“一腦多型”具身智慧型手機器人解決方案，拓展移動操作機器人應用的深度和廣度，並在對產品與技術有著嚴苛要求的半導體和能源化工領域率先實現規模化應用，建立了領先優勢。相關資料顯示，以2024年收入計，優艾智合在全球工業移動操作機器人領域排名第一。 (半導體行業觀察)

3 月 12 日，2026 年中國家電及消費電子博覽會（以下簡稱：AWE 2026）在上海正式舉行。作為 AWE 官方合作媒體的雷科技，也正式進入 AWE 2026 時段，由總編輯羅超領銜的雷科技史上最大規模展會報導團（10+ 成員）在 AWE 2026 現場發回的高頻、專業和立體報導。與此同時，今年 AWE 2026 參展企業超過 1200 家，預計觀眾超過 20 萬人，擁有十大超千平旗艦展區，展示超百款全球首發新品，百余家品牌企業首次亮相。而得益於主展區從 12 個展館擴容到 13 個展館，以及首次開闢的東方樞紐國際商務合作區展區，AWE 2026 總展覽面積已經來到 17 萬平方米。而作為本次擴容的最大看點之一，首次設立的創新科技展區則是聚集了大量具身智能和機器人公司和產品，包括追覓孵化的魔法原子、宇樹科技、它石智航、智身科技、樂享科技（元點智能）等。此外，特斯拉也帶來了邁入量產的第三代人形機器人，進行了上海首秀。有意思的還有貼在特斯拉人形機器人旁邊的那段話：「不久的將來，人形機器人就走進千家萬戶，成為我們的好幫手。」圖片來源：雷科技 AWE 報導團但在 AWE 2026 首日逛展後，雷科技對機器人有了不一樣的想法比起更強調通用性的“能跳舞”的人形機器人，或許從家電長出的機器人，會更早一步走進千家萬戶。事實上，追覓、海爾、方太等廠商不僅這麼想，也拿出了一定的階段性成果，不斷逼近家庭機器人的真正落地。機器人新勢力湧入 AWE：「狗」比「人」多過去 AWE 的絕對主角是電視、冰箱和空調等家電產品，但未來展館裡最吸睛的裝置，很可能就是各種機器人。相比前幾年機器人在 AWE 上更多是零星出現，AWE 2026 今年特意設定了創新科技展區，讓一批具身智能和機器人公司集中亮相，包括魔法原子、宇樹科技、元點智能、智身科技、它石智航。從機器狗到人形機器人，從家庭服務機器人到工業機器人，各種形態的機器人幾乎來到了 AWE 現場。耐人尋味的是，儘管這些機器人「新勢力」都在盯著「人形機器人」，在談通用機器人和具身智能，但不同廠商之間的產品路線也有一定的分化。首先要說的就是目前的名氣最大的宇樹科技，不管是人形機器人 G1 ，還是四足機器人 Go2，最核心的展示還是各種格鬥、跳舞和障礙越野，相比去年並沒有根本不同。坦白講，確實缺少了新意，但在 AWE 2026 上仍然吸引到大量觀眾的圍觀。圖片來源：雷科技 AWE 報導團更重要的是，這也符合宇樹目前的定位——更專注做好具身智能的硬體。相比之下，它石智航更強調從硬體、軟體到 AI 的全端能力，雖然也能跳舞、分揀，但從發佈之初就更多展示人形機器人 A1 的「刺繡」，核心展示其從世界模型到手部精細化控制的優勢。圖片來源：雷科技 AWE 報導團而經過今年春晚的亮相，魔法原子的機器人可能也被很多人所熟知，這次直接在 AWE 帶來了相當豐富的產品矩陣，從面向工業場景的人形機器人 MagicBot Gen1，到在春晚上完成托馬斯迴旋的人形機器人 Z1，再到家庭寵物機器狗 MagicDog。圖片來源：雷科技 AWE 報導團同樣主打場景覆蓋的還有元點智能，不僅有全尺寸人形機器人 Jupiter，還展示了兩款更貼近家庭場景的機器人：陪伴機器人 M1 以及戶外履帶式機器人 W1。尤其是戶外履帶式機器人 W1 在外觀上比較接近「瓦力」，對於很多人都頗具吸引力，功能上基本對齊了家用機器狗，能負載、能跟隨，特別在於採用履帶而非四足設計。圖片來源：雷科技 AWE 報導團至於智身科技的仿生四足機器人「鋼鏰 ZSL-1」以及輪足機器人「銅錘 M1」，更多還是面向戶外作業場景，離普通家庭更遠。此外，即將發佈的第三代特斯拉人形機器人雖然「封」玻璃之中，但現場工作人員也透露，這該版本與正式發佈的量產版本僅存在「細微差異」。必須承認，人形機器人的故事很性感，但如果從普通觀眾的視角再多看一圈，很容易冒出一個更現實的問題：這些機器人，看起來很熱鬧，但離真正進入家庭還有多遠？答案其實不難判斷。把剛才提到的這些人形機器人放在一起，就會發現它們更多還是停留在能力展示階段。問題其實不只一個。展會上的機器人往往在非常固定的環境裡工作：桌子位置固定、物體擺放整齊、任務流程提前設定。但真實家庭環境往往充滿隨機性，物品擺放混亂、光線變化、空間狹窄，這對機器人系統來說是完全不同的挑戰，更考驗具身智能的泛化能力。這在技術上依然是很大的挑戰。而即使不考慮軟體和研發成本，今天人形機器人的硬體成本也很難落到普通家庭可以接受的價格區間。但最重要的是，大眾根本找不到它明確的使用場景。人形機器人還是很熱鬧，但離家庭仍然很遠。京東在 AWE 2026 也展示了多款商城在售的機器人，包括前面講到的宇樹、元點智能等品牌的機器人，但京東智慧型手機器人業務部負責人徐磊在 AWE 現場就指出，目前人形機器人的消費人群基本上還是科研團隊和學生。同場的千尋智能董事、副總裁孫榮毅也認為，人形機器人想要真正進入家庭起碼還要 4-5 年。相比之下，陪伴型的小型機器人或者機器狗，或許可以很快走進千家萬戶。一方面是技術難度明顯更低、成本也更低，另一方面結合 AWE 現場也能看出，普通使用者可以更直觀看到它們的實際價值，不管是更純粹給到情緒價值的魔法原子 MagicDog，還是出門能幫忙負載一些水或實物的元點智能 W1。家電「長出」具身智能，機器人到家的另一條路如果說創新科技展區展示的是機器人公司的技術路線，那家電廠商正在走出另一條完全不同的路：從家電逐漸長出具身智能。相比通用人形機器人，這些「家電」機器人並不強調通用性，也很少談具身智能的宏大敘事，而是直接從家庭裡最具體的任務出發，比如疊衣服、做飯、清潔、搬運。在 AWE 2026 現場，這種思路已經有了更直觀的呈現。追覓今年承包了整整一個展館。除了掃地機器人和洗地機等成熟產品線，追覓這次還帶來了多款機器人，其中之一就是追覓疊衣機器人。圖片來源：雷科技 AWE 報導團顧名思義，追覓疊衣機器人功能和目標都非常明確，就是解決疊衣服這件重複且耗時的家務。現場演示中，機械臂會先識別衣物形態，再通過多次折疊完成整理。雖然動作明顯偏慢，但流程已經相當完整。同時在追覓館還能看到另一款更具未來感的家庭機器人，官方稱其為「全職型服務機器人」，將兼具家政 + 監護 + 安保。圖片來源：雷科技 AWE 報導團設計上，這款機器人採用了更像是一個移動服務平台，底部是類似清潔機器人的移動底盤，上方則安裝了雙機械臂，可以執行簡單的抓取、搬運或整理動作，同時也具備家庭巡檢和遠端監控能力。更關鍵的是，它還能自主使用清潔配件，實現取物、擦拭、吸塵等功能。相比機器人公司強調的「通用機器人」，追覓的思路其實更直接，核心是把家務拆解成可以自動化的任務，逐步引入機械臂、移動能力和具身智能。類似的思路也出現在海爾展館。在這屆海爾館的機器人展區，海爾展示了三款機器人，移動陪伴機器人可以說的不多，這裡略過不談。關鍵在於另外兩款，一款同樣採用移動底盤設計的機器人，功能上支援食材分揀、剝香蕉、疊衣等功能；另一款則通過一手夾子、一手吸頭重新設計了「掃地機器人」的形態。圖片來源：雷科技 AWE 報導團相比之下，方太的思路更側重家電和機器人的「協同」。在 AWE 2026 上，方太展示了一套「成長型廚房具身智能系統」，核心是一台人形機器人以及多台機械臂，與廚房電器協同完成烹飪流程。現場演示的流程大致是：機器人從冰箱取出食材，機械臂進行簡單處理，再交給灶具或鍋具完成烹飪。整個過程中，廚房裝置負責加熱、控溫和煙氣處理，而機器人則承擔取放和操作的角色。圖片來源：雷科技 AWE 報導團這並不是單一機器人，而是一套「機器人 + 廚電」的協作系統。背後的邏輯在於，烹飪裝置已經能夠自動控溫、自動翻炒，那麼增加的機械臂和機器人可以逐步補齊「操作」這一環，實現高效的分工合作。從追覓、海爾到方太，在 AWE 2026 上看下來，會發現一個這些「家電」機器人都沒有試圖解決「所有問題」。它們做的事情恰恰是把家庭任務拆解。廚房、清潔、收納、搬運……每一個任務都對應了家庭場景中的真實需求，意味著真正的「用武之地」和大眾消費市場。並且伴隨機械臂、靈巧手、視覺系統和 AI 能力不斷迭代，具身智能帶來的體驗收益也能以逐步升級的節奏吸引消費者購買升級，就像過去「摩爾定律」指引整個電腦產業的規律升級。這也是為什麼不少人開始認為，真正走進家庭的機器人，很可能不是完整的人形機器人，而是漸進式向走向完全具身智能的家電。但即便如此，這些機器人距離真正走進千家萬戶仍然還有不小距離。最直觀的問題就是效率。在 AWE 現場，無論是機器人還是機械臂，動作普遍都比較緩慢。這既是為了保證穩定和安全，也說明系統仍然處在早期階段。不過我們也不能否認，家電廠商確實找到了家庭機器人的一條更現實的路徑：從現有的家電產品，或者說從更具體的使用場景需求出發，思考具身智能價值，而不是從技術出發思考產品。尤其對比一步到位實現人形機器人的具身智能，這在技術實現上，更容易，在產品迭代上，也更穩健。家電在慢慢進化成人，人形機器人也終將到家圖片來源：雷科技 AWE 報導團在 AWE 2026 的展館裡走一圈，很容易產生一種錯覺：機器人時代似乎已經到來。人形機器人、機器狗、家務機器人、廚房機械臂，幾乎每個展館都能看到它們的身影。但如果稍微冷靜一點再看，會發現另一層更真實的圖景，機器人確實在逼近家庭，但路徑並沒有想像中那麼戲劇化。機器人公司更願意講述通用人形機器人的未來，這個故事足夠宏大，也足夠性感；而家電廠商則選擇了一條更樸素的路線——從清潔、廚房、收納這些最具體的家務出發，讓家電一點點長出「手」和「腳」。兩條路徑並不矛盾，只是路線和節奏不同。也許未來某一天，人形機器人真的會像特斯拉所說的那樣走進千家萬戶。但在那之前，更可能先發生的，是家裡的各種裝置逐漸擁有操作能力。當掃地機器人開始會搬東西，當廚房裝置開始會處理食材，當家電逐漸擁有「身體」，家庭機器人時代也許就已經悄悄開始了。海信、海爾、美的、TCL、創維、華為、追覓、石頭、MOVA、雷鳥、韶音、小熊、九號等AI科技巨頭，將在上海灘圍繞“AI科技·慧享未來”主題，呈現AI與硬體特別是家電融合的新潮流。人人“養龍蝦”，家電如何融入Agent能力？機器人到家，家電無人化走到了那一階段？全場景融合，“人車家”生態會碰撞出那些火花？AI硬體大爆發，硬體廠商又整出了那些花活兒？ (雷科技)

2026年初，中國人工智慧與先進製造深度融合的最前沿——具身智能（Embodied Intelligence）領域迎來爆發式增長。隨著技術突破、資本湧入與場景落地同步加速，一個由至少六家估值超百億元人民幣的獨角獸企業組成的“百億俱樂部”已然成型。這不僅標誌著中國在全球人形機器人競賽中從“跟跑”轉向“並跑”甚至“領跑”，更預示著智能體即將從實驗室走向工廠、辦公室乃至千家萬戶。圖片來源自宇樹科技官微一、百億不是終點，而是入場券過去三年，中國具身智能企業經歷了從概念驗證到商業閉環的躍遷。2025年被稱為“人形機器人量產元年”，而2026年則成為“規模化放量與估值兌現之年”。據公開融資資訊與行業信源交叉驗證，截至2026年2月，以下六家企業已明確邁過百億人民幣估值門檻，構成中國具身智能第一梯隊：銀河通用（Galaxy General） —— 估值約211億元智元機器人（Agibot） —— 估值約150億元宇樹科技（Unitree Robotics） —— 估值約120–150億元千尋智能（Qianxun Intelligence） —— 估值超100億元星海圖（StarMap AI） —— 估值超100億元智平方（AI² Robotics） —— 估值超100億元這一“六強格局”打破了早期“四小龍”的侷限認知，展現出中國在該賽道上的叢集式創新優勢。二、六強各有所長：技術路線多元，商業化路徑清晰銀河通用：估值第一，生態最強作為目前中國估值最高的人形機器人公司（30億美元），銀河通用憑藉其輪式+雙足融合的產品策略、自研具身大模型和強大的產業資源，迅速打開市場。2025年底獲中國移動鏈長基金領投超3億美元融資，股東陣容包括寧德時代、美團、央視融媒體基金等。其機器人已進入豐田、博世、寧德時代產線，並拿下百達精工超1000台訂單。2026年央視春晚亮相，進一步確立其“國家隊”地位。智元機器人：IP驅動，雙足先鋒由前華為天才少年彭志輝（“稚暉君”）聯合創立的智元機器人，以極強的技術傳播力與工程實現能力著稱。其雙足人形機器人“遠征A2”兼具靈活性與穩定性，在電力巡檢、科研教育等場景試點應用。2025年完成多輪融資後估值達150億元，投資方包括比亞迪、高瓴、聯想創投等，是“技術網紅+硬科技”結合的典範。宇樹科技：硬核製造，性價比破局者杭州宇樹原以四足機器人聞名全球，後快速切入人形賽道。其核心優勢在於全端自研高功率密度電機、減速器與力控系統，實現關鍵零部件國產化與成本控制。H1人形機器人在2025年世界人形機器人運動會奪冠，G1售價不到10萬元，成為中小企業可負擔的商用選擇。雖未高調融資，但憑藉持續盈利與出口優勢，穩居百億行列。千尋智能：開源引領，工業閉環驗證千尋智能以“任務導向”訓練範式打破傳統演示資料依賴，其開源模型Spirit v1.5在2026年1月登頂全球權威評測RoboChallenge，成為首個任務成功率超50%的系統。更關鍵的是，在寧德時代電池PACK車間內，面對多型號電池的連續生產任務，其人形機器人“小墨”單日工作效率實現三倍提升，且在一致性與穩定性方面表現卓越，驗證了具身智能在高精度製造中的真實價值。2026年2月完成近20億元融資，估值破百億。星海圖：閃電崛起，端到端革新者成立僅兩年半的星海圖，是“六強”中最年輕的成員，卻也是成長最快的黑馬。2026年2月完成10億元B輪融資，累計融資近30億元，估值迅速突破百億。其發佈全球首個開箱即用的端到端VLA模型（如G0/G0 Plus），跳過中間符號系統，直接實現“看-想-做”一體化。客戶包括華為、比亞迪，已獲數千台訂單，老股東如美團龍珠、螞蟻、高瓴全部追投。智平方：科學家軍團，全域智能探索者深圳智平方匯聚5位史丹佛全球前2%科學家，被業內稱為“最像特斯拉的中國機器人公司”。其GOVLA具身大模型強調全身協同與長期任務規劃，在汽車製造、半導體面板等柔性及公共服務場景批次部署AlphaBot系列。雖低調行事，但憑藉頂尖人才密度與工程化能力，穩居百億陣營。三、為何是中國？三大引擎驅動叢集崛起中國能在短短三年內孕育出六家百億級具身智能企業，源於技術積累、產業需求與資本生態的深度共振。技術底座堅實：中國在電腦視覺、大模型、強化學習等領域已具備全球競爭力，為具身智能提供演算法支撐。製造場景豐富：新能源、汽車、電子等產業對柔性自動化需求迫切，為人形機器人提供了全球最大、最複雜的試驗場。資本空前活躍：中東主權基金（如Prosperity7）、產業巨頭（京東、美團、比亞迪、寧德時代）及本土頂級VC紛紛重倉，推動企業快速迭代與擴張。政策強力引導：國家“十四五”機器人規劃明確支援人形機器人研發，北京、上海、深圳等地建設專項產業園，加速技術轉化。四、挑戰猶存：通用性、安全與倫理需協同突破儘管進展迅猛，行業仍面臨深層挑戰。當前具身智能系統多在特定任務上表現優異，但在開放環境中的長期自主決策、異常處理、多工切換等方面仍有瓶頸。此外，人形機器人一旦進入公共或家庭空間，其行為安全性、資料隱私與倫理邊界亟需建立統一標準。對此，頭部企業普遍採取“場景收斂、逐步擴展”策略——先聚焦工業、倉儲等封閉高價值場景，再向零售、醫療、家庭延伸，以控制風險、積累資料、迭代模型。結語：兆賽道啟航，中國定義下一代智能體2026年被視為人形機器人“規模化放量元年”。2月2日國際投行摩根士丹利發佈最新行業研報，大幅上調2026年中國人形機器人銷量預測，預計銷量將達2.8萬台，較此前1.4萬台的預測值翻倍，同比2025年實現133%增長。同時大摩指出，中國人形機器人銷量將呈指數級增長，2030年銷量預計將達26.2萬台。行業普遍認為，隨著成本下降（部分機型已低於10萬元）、性能提升與生態完善，未來3-5年，人形機器人有望成為繼智慧型手機、新能源汽車之後的又一兆級新賽道。而在這場全球競賽中，中國憑藉“演算法+硬體+場景+資本”四位一體的優勢，已從技術追隨者轉變為規則共建者。銀河通用、智元、宇樹、千尋、星海圖、智平方等企業的集體崛起，不僅代表商業成功，更像征著中國在下一代智能基礎設施上的戰略佈局初見成效。當機器人不再只是執行指令的工具，而是能理解意圖、適應環境、完成複雜任務的“具身智能體”，人類與機器的關係將迎來根本性重構。正如中國著名人工智慧專家李德毅院士所言：我們正努力讓無“生命”的機器“活”起來，使其成為在時序更迭中持續計算、思考的“活機器”。這場變革，中國已站在潮頭。 (具身智能觀察室)