10月29日,《新华每日电讯》发表题为《真实场景“上岗”后 机器人还要过几关》的报道。

　　仿真超市的货架前，人形机器人根据订单识别商品、拣选、扫码、装箱；另一侧的质检赛场，它们要拧开瓶盖、放置试管、操作离心机，物料和故障点位还会随机变化……刚刚结束的2026全球开发者先锋大会暨国际具身智能技能大赛，把一系列真实产业难题搬进赛场。比赛看的不只是动作是否流畅，更是环境一变，机器人还能不能把任务做完。

　　赛场上的“压力测试”，映照着具身智能产业正在经历的一次转向。近日，新华社中国经济信息社与中国信通院上海工创中心在上海联合发布《2026具身智能产业创新报告》。报告提出，2026年具身智能开始由开发演示走向真实场景常态化运行，进入部署成长期。判断行业进展的尺子，也正从发布了多少产品、下线了多少台，转向有多少机器人真正进入工厂、仓库和商店，持续完成任务并交付结果。

　　从展示动作到完成任务

　　过去几年，人形机器人跑得更快、动作更灵巧，频频吸引眼球。但一段精彩演示，并不等于一套可复制的生产方案。10月12日至16日在上海举行的第二十六届中国国际工业博览会上，机器人展区的提问明显变得具体：精度多高、负载多大、部署需要多久、连续运行是否稳定。

　　智元在工博会上以“工业部署态”为主线，将精灵G2系列机器人放进光模块插拔、缸盖气门装配、汽车安全带金属壳上下料、料箱搬运码垛四类模拟工位。从亚毫米级精密操作到50公斤峰值重载搬运，展台呈现的是机器人的能力边界，要证明这些能力可以规模化复制，还要看产线上的长期运行数据。

　　报告记录了智元在龙旗科技南昌工厂的一段测试：8台精灵G2在6天测试中累计作业超过64小时，完成64828次作业，综合作业成功率为99.99%。这组略显枯燥的数据，反而更接近产业真正关心的问题：机器人能否稳定运行，人工介入多少，综合成本是否划算。

　　报告将产业演进概括为“XYZ”三条曲线。2022年至2025年的X曲线是开发尝鲜期，重点解决机器人能否稳定运动、能否量产等问题；2026年至2030年的Y曲线是部署成长期，机器人需要从完成动作转向稳定完成任务；此后才可能进入以通用能力提升和智能涌现为特征的Z曲线。

　　所谓部署态，不是把样机搬到生产现场，而是机器人能够在真实环境中常态化运行、持续交付结果。这背后至少包括整机可靠性、量产一致性、模型泛化能力、数据闭环和运维保障等一整套系统能力。中国信通院上海工创中心首席专家郑忠斌表示，演示呈现的是最优表现，部署要求的却是最不利情况下仍满足产线标准，当前最迫切的门槛在于可靠性工程化和可验收，以及通过真实部署形成持续进化的闭环。

　　场景选择也因此更加务实。当前，具身智能首先进入搬运、分拣、巡检、上下料等边界清晰、结果可量化的任务领域，再逐步向柔性装配、商业服务以及家庭等复杂环境拓展。报告测算，若单个动作的成功率为99%，则十个动作连续完成的总体成功率将降至约90%。对工业生产而言，这意味着机器人必须从短链条、高确定性任务起步，在运行中逐步延长任务链。

　　从单点技能到边干边学

　　机器人进入真实场景，难点不只在机械本体，更在于让运动、作业和交互三类能力协同起来。

　　报告将这一目标概括为“三智一体”。早期机器人往往分别训练移动、抓取和对话等模块，单项能力可以做得亮眼，但模块之间的信息损耗和误差累积，会在复杂任务中被放大。新的技术路线试图用统一模型贯通感知、决策和执行，让机器人既能理解任务，也能根据环境变化调整动作。

　　按照报告提出的能力分级，当前机器人本体和交互能力发展较快，已处于L3向L4过渡阶段；运动智能大体处于L3水平；直接决定劳动价值的作业智能仍略低于L3。面对陌生物体、光照变化和人员干扰时，机器人能否稳定完成任务，仍需更多真实场景检验。

　　数据是另一道关口。文本、图片可以从互联网获得，机器人的训练数据却要记录视觉、力觉、触觉和动作轨迹，还要知道一次操作为何成功或失败。真机数据成本高，仿真数据又存在与现实环境的差距。报告认为，具身智能需要从实验室集中采集数据，转向机器人在商业场景中边运行边学习，形成部署、采集、训练、更新、再部署的闭环。

　　刚刚结束的全球开发者先锋大会把这种迭代过程进一步向开发者开放。大会设置实景实训和工作坊，参会者可以现场操作智元、宇树等企业的真机；商超零售、质检检测、能源巡检等企业需求则被转化为赛题和可复用的“技能包”。对产业而言，开发者生态的价值不只是增加应用数量，更在于让来自不同本体、不同场景的经验能够被验证、沉淀和复用。

　　这也解释了为何真实部署量比单纯出货量更受关注。一台长期运行的机器人既是生产工具，也是数据入口。部署场景越多，模型接触的长尾问题越丰富；模型能力提高，又可能打开更多场景。但这一飞轮能否转起来，还取决于数据格式能否统一、隐私如何保护、不同本体之间的数据能否复用。郑忠斌将其堵点概括为“不通、不信、不换”：数据标准不通，仿真与真机数据的可信度缺少标定，数据权属与收益分配机制也有待完善。

　　规模化拐点更要看硬指标

　　市场对具身智能的期待正在升温。国务院发展研究中心《中国发展报告2025》预计，我国具身智能产业市场规模有望在2030年达到4000亿元、2035年突破万亿元。报告同时提醒，产业长久发展仍需关注泛化能力、高质量数据、端侧算力与功耗、零部件耐久性和系统安全等规模化落地必须跨越的门槛。

　　目前，规模化部署的探索已开始从工厂车间延伸到更开放的文旅场景。9月24日，智元与长隆集团合作启动具身智能主题乐园运营，超过300台机器人分布在100余个交互体验点，覆盖文娱商演、科普研学、导览导购、服务零售、智能伴游、酒店服务和体育竞技等场景。企业方面称，这一大规模常态化部署在行业内尚属先行探索。对产业而言，其观察价值不在于机器人“会表演”，而在于机器人能否在客流波动、开放交互和多场景切换中持续运行，能否形成可维护、可运营的服务样本。

　　但场景增多、部署量上升，并不自动等于规模化拐点到来。主题乐园的任务边界、交互安全和运营节奏与工业产线并不相同，其部署经验也不能简单复制到制造环节。规模化的真正门槛，仍要落到连续运行时间、有效任务完成量、人工接管率、综合成本和系统安全等硬指标上。也正因如此，具身智能还缺少一把被普遍认可的价值标尺。

　　传统工业机器人通常按设备价格、开机时间或单个工序的投资回报率评估。报告介绍，智元提出“有效智能工时”概念，尝试综合活跃机器人数量、实际有效工作时长和任务价值密度衡量机器人产出。这一指标目前仍属于企业探索，能否成为行业通用尺度，需要在更多场景中反复验证。

　　安全则是比成本更硬的约束。机器人直接作用于物理世界，一次识别错误或动作失控，都可能带来现实后果。报告建议把安全治理贯穿硬件、算法、系统和部署全过程，明确开发者、使用者和监管者的责任边界，同时加强数据最小化采集、脱敏和加密保护。

　　机器人进入生产和服务场景，也不宜被简单概括为对人的替代。报告认为，在现阶段更可见的路径是人机协同，让机器人承担重复、高强度或连续性任务，释放新的工作岗位与机遇，激活生产力价值。同时评估员工权益、技能转型和安全责任，让技术应用与人的发展相协调。

　　从展台走向真实场景，意味着具身智能开始接受生产和生活的持续检验。热闹的动作展示仍会吸引目光，但决定产业能走多远的，将是另一组不那么抢眼的数字：连续运行多长时间、完成多少有效任务、需要多少人工接管、综合成本能否被客户接受。郑忠斌表示，“可验收”是跨越部署门槛的重要标志。