【工厂成机器人落地场】工厂正成为移动机器人和具身智能共同瞄准的落地场。几天前多台智元精灵 G2 机器人集群进驻龙旗科技江西南昌量产工厂连续 6 天每天 11 小时全透明直播产线作业同期银河通用的重载人形机器人 Galbot S1 也传出进入宁德时代智慧产线在模组与电池包生产环节承担长程自主作业它石智航则宣布与天海汽车在汽车线束装配场景合作探索落地。根据人形机器人场景应用联盟信息还有多路集成厂商在工业制造场景推进人形机器人落地。比如深圳壕翎机器人在潍柴发动机生产线活塞销上销工序部署 1 台人形机器人实现活塞销分拣、抓取、换向、放置全流程自动化作业安徽巨一科技则在某汽车电芯模组组装产线的电池上料核心工位部署 1 台人形机器人完成上料作业。具身智能摩拳擦掌进厂时早已落地工厂的移动机器人企业采用移动机器人产业联盟标准包含 AGV、AGC、AMR 等各类有导航装置、有车载控制系统以轮式为特征的机器人公司多基于深度学习算法也在技术迭代推进轮式底盘 人形上半身的形态机器人在工厂应用。也有企业将通用大脑落地到专有设备上。工业制造和仓储物流一向是移动机器人的最大应用场景。现在这两大场景里具身智能和移动机器人两代机器人厂商正呈现出重心不同但形态、场景有所交融的落地态势。【为何工厂场景受青睐】为什么今年厂商们都在工厂场景里上强度两代机器人做的场景到底有何差异能力演进路径如何2026 年工厂到底需要新一代机器人具备怎样的能力让具身智能加速挺进工厂的关键不在技术成熟度。从行业数据看工厂目前并不是具身智能最大的买家。人形机器人场景应用联盟秘书长李进科日前在第三届人形机器人场景大会上梳理去年到今年具身智能实际落地第一大场景是数据采集——各地政府建数据采集基地批量采购机器人做实训数据第二是教育科研——高校和研究机构是稳定客户第三是表演和商业服务——租赁、展览、活动演出已经形成了一个小型市场但竞争迅速白热化“从 1 万块钱一天到 8000、到 1000”。工业物流在 2025 年的具身落地场景里出货排在第四占比约 4%。一个现在落地较小的场景为什么成为今年的重点落地场景政策方面的驱动因素不可小觑。6 月 10 日工信部与国资委联合启动“人形机器人与具身智能实景实训专项行动”。泰盈科技高级副总裁赵庆波观察到行动明确要求 10 个省和一批中央企业在真实工业和物流场景中部署具身智能机器人“630 交一次作业1130 再交一次每个省要评选出不少于 10 个优秀案例”。有行业资深人士称不少地方在快速反应“周六周日开会主动拉着企业做场景匹配”。李进科将“实景实训专项行动”视作是具身智能产业的上岗证认为这有利于推动具身智能从实验室走向工业、服务、特种等真实生产生活场景。其次当下的资本市场环境里具身智能进工厂也有利于企业构建叙事从行业激烈竞争中拉开身位。今年具身领域融资一再创纪录核爆级融资规模下智能制造等有极大落地想象空间且受政策支持的场景成为厂商需要落子的重要市场。另外工厂数据对具身厂商跑通从数据到模型的智能飞轮至关重要。智元机器人中国区副总裁卢贤刚近日提到工业相对结构化有产线、有工序、有节拍动作可拆解可量化相比家庭场景里的开放性和不确定性反而是具身智能从价值探索走向部署态数据飞轮的一类环境。“部署态”是智元今年提的概念。完成了量产突破今年上半年下线 1.5 万台后智元寄望通过产线的反馈产生数据飞轮让机器人更智能最终实现更大规模普及。一些集成商则认为具身智能可让制造业实现前所未有的柔性解决工业制造痛点。大连豪森智能研究院院长、壕翎机器人总经理黎炯在汽车行业扎了 20 多年他看到产线换型的速度在急剧加快。2025 年国内新上市新能源新车型 300 款日均 3.21 款。传统 3 年一改款、5 年一换代的节奏已经被彻底打破。频繁换线让传统刚性自动化方案面临挑战——PLC 编程、固定夹具、专用工装每次换线都要重新部署如果换成以具身智能为核心的控制大脑将大幅提升制造柔性。以汽车线束为例这道工序因为线缆柔性、路径复杂、精度要求亚毫米级几十年来一直靠工人手工完成。不久前创下具身行业内最大单笔融资记录的它石智航就选中这个场景。逻辑是在最难的柔性场景跑通了往下兼容就顺理成章。具身厂商摩拳擦掌推进落地时此前已经规模化落地工厂的移动机器人厂商也在迭代进化推出了类人型轮式产品也有厂商探索将通用大脑接入已有产品。2 个月前的智造大会上海康机器人的轮式人形机器人亮相。相比已经验证自身商业价值的“专业工”移动机器人海康机器人将轮式人形机器人定义为集移动、操作与智能于一体的“多用工”“眼 脚 手”的合体可在工厂里实现多个点位、需要用“手”去实现的小物料拣选、零部件上下料等应用实现“一机多用、快速适配”。海康机器人副总裁张文聪认为轮式类人型机器人与原有的 AMR 专有设备之间是一种协作关系用来弥补原来专用设备不适用的场景问题。也有用 VLA 大脑“重做”已有产品的路径它瞄准的是此前困扰行业的场景碎片化、交付成本及周期问题。移动机器人行业发展超十年目前行业内出货量破万玩家过 20 家规模化虽已加速目前行业内仍有规模化提升空间。去年仙工智能将 VLA 模型在工业叉车上落地探索在保证工业可靠性同时提升泛化能力。仙工智能联合创始人叶杨笙称此前的机器人产品基于规则的控制系统预先编程好的动作碰到新场景就得重新编这容易带来规模化交付难题。而更通用的大脑无疑是一种解法。可以看到具身落地浪潮和移动机器人突破落地天花板的两大需求驱动了两代机器人在 2026 年同时在工业场景里加速上强度。【专用与通用的交融】“当下很难做到一个通用的机器人既能干涂胶的活又来完成打螺丝任务”一家集成落地商坦言具身智能进厂落地并非一蹴而就。仙工智能叶杨笙近期在一个访谈里将机器人落地分为五个不同阶段。1.0 阶段是完全硬编程的工业机械臂所有动作一条条写死。2.0 阶段是协作臂和移动机器人有了一些算法和自主性但硬件还是专用的叉车就是叉车潜伏式就是潜伏式。3.0 阶段把 AI 加上去软件变得更通用、更泛化但硬件没变还是专用形态。4.0 阶段软件和硬件都通用更偏向今天大家所说的人形机器人5.0 阶段则是未来的终极形态。叶杨笙判断3.0 阶段的产品和 4.0 阶段产品会共存但从落地机会和进展看更偏向从 3.0 阶段中找。因此仙工智能选择的路也是用更通用的大脑基于他们此前已布局的智能叉车设备把原来的产品重做一遍从而大幅提升场景泛化能力。这种 3.0 和 4.0 的交融图景实际上刻画出了当下工厂不同机器人厂商的落地现实。当下阶段具身智能厂商们在场景落地上还相对窄某种程度上处于“通用之下”的阶段可视作叶杨笙口中的 4.0 阶段产品。目前工业及仓储物流场景落地走在前列的有智元、优必选、银河通用、星动纪元等玩家。智元目前展示的工业场景主要是在分拣、搬运等环节。优必选创始人周剑受访时提到目前他们聚焦的搬运、分拣、质检三大工位不仅是客户迫切需要人形机器人提供能力协同的领域也是人形机器人现阶段更适合发挥能力的领域。星动纪元跟顺丰合作在物流领域也是供件分拣、非标包裹处理环节处理传统自动化设备能力相对短板的软包、硬盒等不同规格、材质和形态的非标准包裹。不难看出这些应用走在前列的企业目前“通用”处理开放任务之路还在极早期。沿途下蛋通过具体场景来加速需求验证和场景打磨是当下阶段的现实也是企业获得生产级场景数据、转动模型智能飞轮的一环。具身智能的落地集成商也采取了渐进的落地策略。作为汽车智能设备和装配资深玩家豪森智能旗下子公司目前深圳壕翎正与在翼子板搬运、电池上下料、活塞销上销等多个场景探索人形产品落地。豪森智能研究院黎炯提到他们的渐进技术路径短期以动作编排为主中期过渡到分层模型驱动远期才到大模型的端到端路线。壕翎在汽车装配场景提炼 25 个场景包括移动、搬运、组装、密封、连接、打标、加注等七大类别这里面不同的类别对机器人的要求不一样。比如涂胶对轨迹要求、运动柔性和计划性要求高而打螺丝对力矩要求高。这使得当下不可能用一个通用形态做完所有的工作。目前皓翎跟多类本体企业合作不局限人形针对场景来采取不同本体可以三头六臂也可以没有腿只有手。也有厂商用产品设计的模块化来提升产品在不同场景的适配性比如星动纪元有全尺寸双足 L7、轮式服务 Q5、半身模块 M7、独立灵巧手 XHAND不同模块面向不同场景需求灵活组合。而从移动机器人侧来观察仙工智能以外一批在这波具身智能浪潮之前成立的公司也都已重视起大模型技术的布局。数智前线获悉目前移动机器人出货量排名第一的海康机器人基于深度学习小模型来做手眼协同、眼脚协同以及眼脚手协同路径外目前也有一支不小的团队在研究跟进感知控制一体化的端到端模型的探索和落地。不过海康机器人提到工业场景节奏快、容错低、ROI 必须算得清目前具备自主感知、环境决策、自主移动作业的移动机器人才是当前工业场景落地最成熟的广义具身形态。人形机器人是具身智能形态之一对海康机器人而言是机器人技术的延展形态也是接下来的布局点之一。目前他们采取的策略也是双线并举。专业做深在确定性场景中积累足够的数据和工程经验。多用持续进化通过自适应学习、跨场景自主决策等技术实现“一机多用、柔性适配”。今年整个机器人赛道专用向上通用往下从专用走向通用之际新一代具身玩家和移动机器人厂商当下在落地场景、形态上形成了一种重心不同但场景、形态有所交融的局面。【工厂门槛与数据飞轮之路】形态在折衷融合路线上渐进但工厂的验收标准并不会因此降低。重庆千里科技副总经理钟南海前几天在人形机器人商业落地的一场大会上提到千里科技作为潜在场景需求方内部近期也在研判如何来衡量当下大热的具身产品进入工厂产线最终他们内部形成了一套研判指标。千里科技的前身是重庆力帆汽车2022 年完成基因重组后集合了造摩托车、造汽车、通用机械以及自动驾驶和 AI 的多重基因工厂里有 5000 多名工人。验收指标包括定量和定性两个方面可总结为“三个 100 和一个 3”——连续跑 100 次任务成功率要达到 95%以上在专项场景中要达到 99%以上100 小时内人工接管次数小于 1 次参照工业机器人的可靠性标准 100 天内故障少于 1 次整体拥有成本在 3 年内低于一个工人的成本。还有四个定性指标机器人要有长程闭环能力能自我纠错而不是一出错就停要过安全合规关碰撞检测、急停、人机安全距离都要达标要能跟工厂现有的 MES 系统对接实时接收任务、上报状态最后供应商要能给出明确的故障修复时间承诺。这些指标称得上严苛却并不让人意外。已经在工厂完成规模化落地的移动机器人厂商此前接受过这样的拷问现在要轮到具身智能玩家了。刚刚走进工厂的具身智能厂商先要实现技术突破让机器人真正具备泛化能力同时具有场景可靠性才能兑现想象空间。这一代具身厂商们的共性是都在用数据驱动的方法来通向未来 phycial AGI用 AI native 的方式来让工厂里的机器人不再是一个高度碎片化市场。厂商间分歧点也很明显当下模型能力还没有“端到端打天下”到底该用什么东西来承载“通用性”获得什么场景的数据来加速闭环大家的判断和决策并不一样。攻克极窄的高难度任务往下兼容是一个选项。比如它石智航就是从市场空间足够大、需求足够多、技术壁垒足够高的线束场景出发。“线束涉及到大量柔软精密操作它可以瞬间爆大量的数据也有 in - house 的环境挑战是有严格的节拍要求可靠性。但这也是通向应用的必由之路”它石智航创始人陈亦伦在一个访谈里提到。他们看到遥操作数据在采集效率、成本、规模及多样性等方面都存在瓶颈又自研可穿戴设备让劳动者戴着手套和第一视角摄像头干活力求获得真实场景里真实任务的数据。也有厂商看中能容忍错误、适度泛化、容忍节拍和能长时间作业的当下可落地场景。原力灵机联合创始人兼 CEO 唐文斌认为物流场景可以让机器人先干失败了调度系统把它送到人工那儿人接着干。它是一套系统任务能被闭环企业更好算过来账。按照技能复杂度一个个攻克也是一种思路。银河通用的合成数据穷举几何空间先让 pick and Place 这种技能在所有材质、形状、光照条件下都做到接近 100%成功率再叠加下一个技能。但不管是哪种路径高速迭代和数据飞轮是所有厂商强调的重点。一位行业资深人士提到迭代需要将围绕着 AI 所有环节的珠子串起来其中的一个珠子如果在外部就成为迭代的阻力。这使得厂商的能力构建上除了不少厂商已经采取自建本体、手和数据采集手套以及大脑全栈能力之外头部的具身厂商还在搭建交付团队了解场景反馈从而加速跑通闭环。在让飞轮转起来的需求下行业内也有观点称当下更大的竞争点在谁能更快地将更多的机器人铺出去。类似智能驾驶场景里特斯拉先有车在跑、有人在开数据回传训练模型模型再推回车端谁就能构建更强的壁垒。从这个意义看上一代移动机器人厂商已经先有业务有长期积累的场景理解和设备量的优势而新型具身智能玩家在实现路径和 AI 反馈闭环的构建上则走了全新的更可能规模化的路。未来它们在工业场景的协同和角力、竞争态势仍需长期观察。而当下可以确定的是要在工厂里规模落地通用机器人仍需不短的时间。