展会多了很多“工业味”，这是逛展后的最大感受。哪怕是看到打高尔夫、举哑铃这样展示性场景，询问工作人员之后，也更多是为了展示机械臂的精度、稳定性、负载等工业指标。

　　据了解，本届工博会机器人展（RS）以“具身工业智领未来 ”为主题，展会规模达 56000 平方米，外资品牌参展面积超40%。汇聚ABB、发那科、安川电机、库卡、埃斯顿、新松、节卡、新时达、华沿机器人、越疆、梅卡曼德、柴孚、遨博智能、泰瑞达机器人等 400 余家海内外展商同台亮相。

　　2026年，被业内视为具身智能产业交付元年，是机器人量产元年，是具身智能“单场景落地”的元年，是人形机器人、具身智能产业应用开启的元年。

　　元年之下，不少公司机器人今年的下线数字也刷新到了万台水平。比如今年9月，智元第20000台通用具身智能机器人远征A3 Ultra在横琴长隆飞船乐园正式下线日，宇树累计生产下线台。其他不少企业，比如优必选柳州工厂规划今年年产能超万台。

　　产量、交付、场景、应用，正在取代单纯的技术演示，成为具身智能行业的新焦点。记者在工博会也发现，这次来参展的机器人中，表演展示的机器人比较少，更多的已经嵌入不同的生产产线。其中出现频率最多的还是堆码垛、抓取各类物品、物流快递翻面等。

　　不过，哪怕同样完成搬箱子的任务，机器人也形态各异，尤其是手部，比如有些机器人吸盘抓取，有些则是夹板夹持，不限于人形形态。

　　采访中，多位业内人士告诉记者，当前行业竞争的分水岭，已不再是运动特技的复杂度或单机参数的极限，而是能否在真实产线中形成稳定、可复制、可规模化的生产力输出。

　　这个判断，在同期的工业具身智能产业创新高峰论坛上，也被反复提及。上海市经信委二级巡视员韩大东直言，具身智能正从技术竞速迈向价值兑现，工业场景是价值兑现的首发阵地。今年是机器人单场景落地的元年，上海正推动机器人“进工厂、进产线、进工位”。

　　上海人工智能研究院通用机器人中心主任费海平指出，“工业现场真正在意的是：能不能稳定干活、能不能降本增效、能不能少改产线、能不能安全可维护。”

　　论坛上，多位专家的发言也透露出一个信号：具身智能要从展台真正走进车间，关键在于两端，一个是脑，一个是手，一个与控制有关，一个与触觉有关。

　　从本体到脑、手等，具身智能关注重点的迁移，从去年和今年的融资数据也可见一斑。赛迪数据显示，2025 年，中国具身智能机器人行业资本热度持续高涨，全年共发生760 起投融资事件。整机制造及系统集成环节成为最受资本青睐的领域，其投融资事件数量占全年总量的比重已超过六成。

　　到了2026年上半年，机器人本体整机公司同期融资仅56亿元，比例已降为13%左右，取代整机成为第一大资金池的是具身大脑、世界模型、灵巧操作硬件、数据基础设施等。比如以具身大脑为核心业务的大脑派公司吸纳了222.53亿元，占比高达50.8%。

　　以手为例，中国科学院院士丁汉在演讲中列出了一组对比数据：人类外科医生手部协同自由度可达21个，触觉分辨率优于1毫米，感知模式是多模态融合；而当前机器人手部协同自由度只有6到11个，触觉分辨率是单触点，感知模式大多停留在单模态。“当前系统面临触觉反馈缺失、视触觉空间不对齐、高维控制失真等严峻挑战，导致智能体难以处理易碎、透明、柔软等复杂物体。”

　　“灵巧手目前硬件做得不错，但模型没起来，没有数据喂给它，无法做到泛化。”中国电子信息产业发展研究院科技处处长董凯表示，过去两年，行业一直没有大规模系统性地采集过触觉数据，缺乏物理接触的时空连续数据。

　　手作为机器人与世界交互的重要触觉器官，不够泛化、不够通用，很多人想到的是大脑模型的不成熟。但在行业内，关于大脑技术路线的争议一直存在。

　　“当前大脑模型能力还没有收敛。”中国信息产业发展研究院科技处处长董凯这样表示。演讲中，他也开玩笑说，上半年业内还在讨论“VLA已死”，纷纷切换到世界模型；但到了八月份、九月份，Astra刷榜，“VLA又活了”成为新的讨论焦点。

　　“VLA、世界模型、类脑智能模型这几条路线正在彼此渗透、互相融合，行业越来越接近最终的答案。”这是董凯的判断。

　　“通用大模型，加上harness，再加上专家系统，是否会对具身模型形成降维打击”，这是行业对当前模型路线的担忧。对于两种路线，董凯认为，通用路线能力上限高、泛化潜力大，但风险是“短期3到5年内迎不来GPT时刻”；另一条路线是在单个场景里追求工程化、轻量化、可靠性，实现“大模型做底座、小模型做执行”的多模型协同。

　　费海平给出的判断是“分层融合”：通用大模型负责跨平台、跨场景的任务理解与规划，追求平台级壁垒；轻量化垂直模型通过知识蒸馏、模型剪枝，聚焦固定工位或工艺，实现边缘部署和具体任务的作业闭环。

　　与此同时，聊起大脑、模型，很多人也会提到数据的重要性。费海平特别强调，在工业场景里，不能简单理解为“只要数据够多，模型就会自动变强”，短期更可能先在特定工位、特定任务上看到“局部Scaling”，而不是立刻出现通用能力全面涌现。

　　工业领域中，“规模化数据不等于高精度+高节拍。而且模型规模提升可以提升泛化能力，但不会自动带来制造精度与工作节拍。”国地共建创新中心技术总监、副总经理邢伯阳也强调。

　　目前，具身智能在工业场景的落地大多还局限在单一场景。费海平指出，机器人在搬运、巡检等单点场景已可实现任务闭环，但不同的工业应用场景，离散制造、混合行业、流程行业，生产工艺流程和关注点截然不同。“流程行业更关注安全前提下的生产连续性，离散制造更在乎降本增效和柔性制造。”

　　而且，人干活的柔性、通用适用性、效率与机器人干活相比，仍然优势明显，比如在3C场景中，围绕电视机背板安装、打螺丝、支架紧固等工位做验证，“人完成这些步骤可能一分钟都不到。现在机器人还没办法很好兼顾高精度和高节拍。”国地共建人形机器人创新中心技术总监、副总经理邢伯阳举例道。

　　记者在工博会现场光模块线束插拔的一个工位，蹲点一段时间后发现，机器人尝试插拔两三次后，并没有成功。现场工作人员解释，线束插拔对力控和触觉反馈要求极高，机器人往往“看得见、插不准、插不九游体育,九游体育股份有限公司,九游体育官方网站,九游Sports进”。

　　当前，机器人进产线，仍然面对如何与现有产线共处的问题。邢伯阳表示，人形机器人融入制造体系的分水岭，需要重点关注“节拍效率与最后几毫米的精度”。因为工厂换线天就需要一个新零件上线，实践中如何通过基础模型加上增量化的学习，解决柔性换线的需求，是具身智能应用很重要的点。

　　“工业企业讲究闭环，要拆解任务、完成任务，更要算全生命周期的账，ROI要算五年甚至十年。”施耐德电气中国工业自动化通用行业总监金石补充说，从单点样板到跨工厂复制，建议以12个月为一个闭环周期，目标不是做Demo“，而是沉淀可复制任务系统，”关键是要把账算清。

　　机器人规模化落地的难点，是一个涉及数据、模型、应用、生态的系统工程问题。董凯将其总结为必须跨越的“三座大山”。

　　第一座是数据之山。 真实物理交互场景合规数据、尤其是负样本数据极度稀缺。而且“数采方式百花齐放，UMI/EGO/真机遥操/动补/仿真等不同方式采集或生成的数据，谁是最合适的？适合哪种模型？目前没有定论。”

　　第二座是模型之山。董凯判断，VLA端到端模型算力成本高、周期长，世界模型物理属性差，模型路线未收敛，通用泛化可能还需五到十年。

　　第三座是应用之山：目前绝大部分工业应用停留在 POC 概念验证阶段。演示视频做得漂亮，但走进真实产线，仍有大量工程问题需要回答。尚未成为可以工程化的产品，也尚未形成现实生产力。

　　面对三座大山，董凯给出的破局之道是，从场景出发定义机器人，“这样直击工业刚需，更容易转化为真实的采购力”，可以重点从“传统自动化难以处理的柔性、低节拍、高容错率的场景中”开始入手。如果反过来，拿着锤子找钉子，也就是从机器人出发找场景，面临的结果可能是“具有公关传播价值，但避开真实痛点，只解决最方便展示的问题”。

　　丁汉同样提出“场景即战略”。他认为，可以依托骨干企业开放高端制造、极端特种作业（如电力运维、深远海）测试床。大力培育开源模型平台与开发者生态，推动商业模式从单一硬件销售向“硬件底座+技能订阅”的高毛利体系演进。

　　关于标准引领与国际话语权，丁汉也在演讲中特别强调。他表示，在关注机器人技术的同时，也是关注机器人标准的“中国方案”出海。比如全面推广并动态更新人形机器人与具身智能标准体系，强制规范软硬件物理接口、通信协议与数据格式。依托国内超大规模市场完成验证后，成建制向国际标准化组织（ISO/IEC）输出“中国标准”。