人形机器人要“智体双全”应对突发状况

众擎机器人在现场表演格斗。

奥比中光展台。

8月19日-23日，以“人机共生，产需共融”为主题的2026世界机器人大会在北京举行。300余家参展企业、超3000件展品集中亮相，释放出一个清晰的产业信号:具身智能与人形机器人正在进入真实产线与商业场景中。展会现场，来自深圳的众擎机器人搭起了一座八角笼擂台。两支T800人形机器人战队“豆浆”与“卤煮”在此进行了URKL格斗联赛的展示，高频对抗的物理演练引起现场高度关注。众擎创始人兼CEO赵同阳现场接受了南都记者专访。对于为何选择机器人格斗这一展示形态，他表示:“一方面，格斗像电影、音乐等艺术一样，能给人带来情感价值，人们心目中崇拜的英雄往往是最能打的那个；另一方面，人类只有动作敏捷、体能充沛才能打赢比赛，这恰好也是人形机器人为人类做事需要迈出的第一步。只有先解决体能问题，做到敏捷、不出错，才能应对各种意外场景。”

测试物理极限

为了验证这种“体能”，赵同阳甚至亲自下场测试，并在近期引发了被机器人“一脚踹翻”的讨论。对此，他向南都记者表示该场景并非摆拍:“当时机器人确实进化到了这个程度，我想测试其力量极限，结果真的被踹飞。”据悉，T800峰值功率达1.4万W，最大力矩450Nm，能够支撑大力量动作，并在动作后快速调整姿态保持平衡。

在实战对抗中，动作衔接的流畅度依赖于算法的演进。众擎在控制层面采用了端到端神经网络控制，而非传统手动编程，使得机器人在意外场景下(如摔倒、视觉锁定误判等)绝大部分动作均可自主完成调整。除了云端算力支撑的大模型训练，机器人在现场展示的上楼梯、下斜坡以及灵巧手抓取等动作，均基于纯本体边缘端推理，无须依赖云端即可实现实时物理感知与决策。

在物理对抗背后，支撑机器人完成复杂动作的底层逻辑，在于控制架构的重构。展会期间，众擎发布了“仿人脑”具身智能引擎EngineAI　Awaken。

有别于单一模型，这是一套包含五层的体系架构。其核心突破在于提出了“分层异构多频”的控制哲学:将2Hz的重度语义推理与100Hz的高频运动控制彻底解耦。这种设计从根本上规避了大模型计算延迟导致的机体失控，使机器人在保持高阶认知智能的同时，能够保障机体在物理世界中的实时动作响应。

“众擎想做的是像电影中那样灵敏的动作和反馈，甚至在空中翻转时还能动态调整自己的姿态。”赵同阳表示。

　　迈向商业落地

不论是格斗赛事还是底层架构迭代，人形机器人的最终指向依然是真实场景的商业落地。

赵同阳对南都记者总结，过去两年团队主要聚焦于搭建研发体系与打磨产品，而当前行业的焦点已明确从前期的技术Demo演示，转向商用和工业等实用领域的规模化应用。今年8月，T800已在立讯精密苏州工厂正式“上岗”，承担物料上下料及搬运作业。这是该设备首次切入精密制造产线，需要在高强度噪声、人员与设备持续流动的复杂动态环境中，自主完成“接单-导航-取料-放料”的闭环作业。

面对千行百业差异化的需求，单一企业难以包揽所有场景应用。赵同阳坦言，用户的需求几乎是无止境的。面对这一现实商业环境，众擎目前的应对策略是将性能成熟的本体和底层代码向全球开放，通过建立生态平台赋能合作伙伴，以二次开发的形式满足工业、巡检、服务等规模化场景的多样化需求。

奥比中光创始人、董事长黄源浩:

　　物理智能市场规模或是数字智能的5-10倍

展会现场，奥比中光创始人、董事长兼CEO黄源浩接受了南都记者专访。他表示:“再过一两年，具身智能就能达到类似‘ChatGPT时刻’的产业临界点。长远来看，物理智能对应的市场规模，有可能达到数字智能市场的五倍甚至十倍”。

计划定义开放的标准接口　　

以具身智能为代表的物理AI，正试图补齐机器人在物理空间内的实操能力。具身智能模型的迭代高度依赖物理世界的真实交互数据，但在当前的产业环境中，数据资源的浪费较为严重。

黄源浩向记者特别强调了数据标准化的重要性:“如果不建立标准，各家设备采集数据的视角不一样，帧率不一样，精度也不一样，最终导致A机型采集的数据，B机型根本用不到。”他表示，缺乏可复用的标准，意味着每一家企业都要承担较高的数据采集成本，这严重制约了具身智能的规模化发展。

当前行业内机械臂、灵巧手制造商众多，而在上游传感器领域，奥比中光占据了较高的市场份额。基于这一卡位优势，奥比中光的商业角色正在发生转变:从单一的视觉传感器硬件供应商，向具身智能数据基础设施平台提供者转型。

黄源浩透露，目前公司正积极推进数据标准生态建设，计划定义开放的标准接口，使第三方硬件厂商能够便捷接入，从而从底层推动行业数据标准的统一。　　

　　构建无本体数采矩阵　　

标准确立之后，紧接着面临的是高质量数据的规模化获取难题。现实场景中的复杂光照、物体遮挡及长尾操作，让传统的数据采集步履维艰。

为此，奥比中光在此次大会上推出了一套“无本体数据采集硬件矩阵”。其核心商业逻辑是:将“数据采集”与“机器人本体”解耦。操作人员只需佩戴包含第一视角、手持操作、腕部近场及同步中枢的硬件矩阵，即可模拟机器人视角获取高质量交互数据。

为了确保数据达到可用于大模型训练的生产级交付标准，该矩阵在底层技术上进行了严苛的标定:在产线实测中，设备能实现连续超37小时不间断录制且零丢帧；通过微秒级时间同步技术，多相机硬件级同步误差被控制在1毫秒以内，确保了视觉、触觉、音视频在时空维度的对齐。

如同黄源浩所言，只有基础设施足够完善，具身智能才能真正替代全球数十亿劳动力，把人类从繁重的实操工作中解放出来。

采写:南都记者 赵元 严兆鑫 研究员 袁泽睿

企业供图