“機器人奧運”狂攬18金，
智元要做不“偏科”的全能選手。
18金、16銀、12銅，金牌榜、獎牌榜雙第一，這是智元首次參加2026世界人形機器人運動會、業內人稱“機器人奧運會”上交出的成績單。
其中，量產版靈巧手OmniHand拿下8個靈巧手專項中的7枚金牌；精靈G2在場景賽獲得12枚金牌中的6枚；遠征A3、靈犀X2則分別在舞蹈、武術、乒乓球和障礙賽等項目中取得多枚獎牌。另外值得一提的是，智元這次派出的參賽機型都是量產機，並未為比賽單獨定製本體。
獎牌是賽事最直觀的結果，但比獎牌數量更值得關注的，是其背後呈現出的跨賽道能力。這也對應著當前人形機器人競爭焦點的變化：產業進入部署階段後，競爭正在由單項長板轉向系統能力。
過去兩年，人形機器人最容易被看見的進步，通常來自跑、跳、翻跟頭或擬人互動等單項能力。機器人廠商也由此形成了不同標籤：有的長於本體和運動控制，有的強調大模型和互動，有的主攻靈巧操作。但當機器人真正進入工廠、商場和公共服務場所等應用場景，任務不會按照技術模組分別出現，機器人必須同時完成環境感知、任務規劃、身體移動和物體操作，並應對碰撞、誤差與臨時變化。
這意味著，明顯“偏科”的人形機器人已經很難適應部署階段的要求。單項能力的峰值，或許決定了人形機器人能否製造高光時刻；而感知、決策、操作、運動與工程體系能否形成穩定閉環，才最終決定著它能否持續上崗。
這也是這屆運動會新增場景賽的意義所在。面對圖書整理、酒店服務、消防應急等場景項目，機器人需要連續完成一整套貼近真實作業的流程。如果各項能力之間缺乏協同，即便在單一環節中表現出色，後續也可能因定位偏差、抓取失敗或決策中斷而無法完成任務。
以消防應急場景為例，人形機器人要完成危險品識別、異常閥門關斷、滅火器抓取與滅火等一連串任務。這個過程的難點不僅在於識別目標和規劃動作，還包括讓機器人在移動、接觸和負重狀態下，把各個環節順利銜接起來。
面對重達4.5至5公斤、超過多數人形機器人末端夾爪負載能力的滅火器，智元的解法是，在手腕處加裝結構件，利用手腕的結構強度將滅火器勾起，再將其放入帶有20度傾角的底盤承載桶，由底盤完成後續轉運。本質是將抓取並持續負重，拆解為勾取、承載和移動，降低了末端執行器的負擔。
在操作環節，智元採用基於VR和逆運動學對應的超視距遙操系統，將人的動作轉換為機器人指令，並通過全身控制實現操作者身體運動向機器人全身的對應。力控策略則提升了機器人與環境接觸時的柔順性和容錯性，減少輕微碰撞導致任務中斷的機率。
圖書整理場景則包括出庫運輸、上架歸位、錯放圖書識別與糾正。智元的方案是預先建立高精度地圖並標定點位，通過定位導航計算路徑，再以視覺模型識別書脊標籤，由任務決策系統串聯各個環節。這裡真正困難的不是讓機器人完成一次抓取，而是避免任何一個小誤差在長流程中被不斷放大。
可以看到，當下人形機器人行業熱議的“場景為王”，強調的不僅僅是機器人企業開始爭奪更多應用場景，更本質的含義在於，場景已經在事實上成為了技術能力的組織方：過去通常被分別展示的視覺、運控、靈巧操作和模型能力，只有進入一項具體任務，才能形成穩定持續的、具有社會和經濟價值的生產力。
對於人形機器人企業而言，參加賽事目的也由此發生改變。
賽事無疑還是難以跟真實商業部署劃等號，因為實際的作業部署還包括經濟性、安全性以及長期可靠性等更多維度的考驗，但賽事可以在有限時間內集中製造高擾動和異常情況，成為人形機器人一次高密度的系統壓力測試。所謂“以賽促研、以賽促練”，本質上是把部署中可能分散出現的問題集中暴露，再把形成的適配、控制與決策經驗帶回到真實應用場景。
從這個角度看，智元橫跨靈巧手、場景作業和高動態運動的成績，比單一項目冠軍具有更高的含金量。因為它體現的不只是某一台機器人的單項長板，更是智元現有產品與技術體系對運動、操作和場景作業等多類能力的覆蓋。
在場景任務中，首先發揮作用的是智元的作業智能體系，主要負責機器人的任務理解、規劃與技能學習。
其中，具身基座模型GO負責視覺理解、指令解析與任務泛化，世界模型GE提供符合物理規律的生成式互動環境，分佈式強化學習框架Genie Evolver用於技能學習和迭代，Genie Studio Agent則負責理解任務、拆解步驟和編排能力。具體到酒店服務、圖書整理和應急處置等長流程任務，這套體系可以讓機器人理解要做什麼、分幾步做，再根據任務進展呼叫相應技能。
對任務的理解和規劃，最終還要轉化為機器人本體能夠執行的動作。面對抓取、開瓶、拆包等精細操作，靈巧手OmniHand採用DUET雙層具身接觸智能架構，將外層位姿控制與內層觸覺控制結合，根據物體形狀、摩擦和受力變化調整力度與位置。
而對於舞蹈、武術和障礙賽等高動態任務，則由運動預訓練模型、全身協同控制演算法及Sim2Real體系，負責將模擬中形成的動作策略遷移至實體機器人，並協調軀幹與四肢完成運動。
但技術具備復用基礎，並不意味著它就可以自然複製到每一台機器人上。模型和控制策略要在不同本體上穩定運行，還依賴硬體性能與生產一致性。以精靈G2為例，其域控製器搭載2070 TFLOPS算力，讓模型和演算法可以在端側運行，減少對外部算力與網路的依賴；同時，智元通過控制產品的一致性，讓演算法能夠在不同本體之間遷移，減少針對單機差異反覆偵錯的工作。只有模型、控制演算法與量產本體相互配合，技術上的通用性才可能進一步轉化為部署效率。
智元把這套囊括軟硬體能力的完整體系概括為“三智一體”：以機器人本體為基礎，融合運動智能、互動智能和作業智能。這事實上也隱含了人形機器人規模化部署的核心要點：真實任務的問題會跨越模型、控制和本體，必須跨層迭代，同時還要通過本體量產的一致性將能力大規模複製。
部署是真正的長期考驗
賽場，最終仍是一次對機器人進入真實作業環境的前瞻驗證。在今年4月的智元合作夥伴大會上，智元創始人、董事長兼CEO鄧泰華用“XYZ曲線”，描述了智元對人形機器人產業演進過程的判斷：
X曲線是開發嘗鮮期，機器人可以在科研機構提供開發或者通過文娛表演提供情緒價值，這個支撐了過去三年整個行業的快速發展；Y曲線則是部署成長期，機器人開始像人一樣幹活，成為一種生產力，當更多生產力被部署，就形成了部署態的資料飛輪；隨著資料持續積累，再結合演算法持續創新，就迎來量變到質變的關鍵時刻，進入第三階段的Z曲線——ChatGPT3.5時刻。
按照鄧泰華的定義，部署並不只是把機器人交付到客戶現場，機器人能夠自主工作、自主維運和自主補能，儘量減少人工干預，並獨立創造價值，才意味著生產力真正落地。
可以看到，按照這一標準，當前多數人形機器人距離真正成熟的部署態仍有距離。現階段的機器人已經可以完成部分生產和服務任務，但自主作業範圍仍然有限，面對環境變化和異常情況時往往需要人工偵錯或接管；自主維運、自主補能以及長期穩定運行等能力，也尚未得到大規模驗證。
智元目前也正沿著從量產走向部署的路徑推進。公司的第15000台具身機器人已於六月底下線，形成了一定的規模化生產基礎。此次參加場景賽的精靈G2，此前也已進入龍旗、上汽等工廠。圍繞真實作業需求，智元還推出了產線上下料、工業搬運、物流分揀、導覽導購、安防巡檢和工商業清潔等生產力解決方案。
這些初步的量產和場景部署，為智元積累了走向成熟部署態所需的工程與資料基礎。面對工位、物料和作業流程各不相同的真實環境，新任務的適配周期、人工介入程度、長期運行穩定性和投入產出比，將進一步檢驗其技術體系的部署效率，並決定現有解決方案的規模化速度。
這事實上也是本屆運動會釋放出的比金牌榜更值得關注的訊號。人形機器人仍然需要追求更快、更高、更強，但進入真實場景後，單項能力的上限已經不足以決定最終表現，感知、決策、操作、運動、可靠性和成本相互牽制，任何一項長期存在短板，都可能影響機器人持續穩定作業。
18枚金牌、雙榜第一，智元在“機器人奧運”上呈現的優異成績背後，是技術體系從“單點極致”向“全面發展”的成功跨越。獎牌全部由量產機斬獲也驗證了其運動、互動與作業三大智能在同一底座上的深度融合。更深一層的意義是，這次比賽宣告著，人形機器人的競技已轉向系統能力的較量，而智元已率先站上了這一高地。 (36氪)