人形机器人决胜“大脑”

记者 郑晨烨

8月19日至23日，2026世界机器人大会在北京亦庄举行，300余家企业携超过2000件展品参展，首发新品150余款。

和一年前相比，大会的面貌发生了很大变化：去年多数展台上的机器人还在做翻跟头、打拳击这类表演性动作，今年换成了在模拟药房里分拣药品、在零售场景里给顾客取货、在模拟家庭里叠衣服整理物品等实用性展示。

但记者现场观察，机器人在实用性场景中也时不时会出现问题。

8月20日下午，记者注意到一处无人零售展台前排起了长队，围观的人很多。展台上搭建了一组货架，既有药品也有日用商品，旁边是结账台，顾客可以通过手机小程序下单，机器人接到订单后从货架上取货、放到结账台上完成交付。

一位观众下单了一件袋装豆浆。机器人接到订单后，先转向货架识别出豆浆的位置，伸出机械臂抓取，转身放到结账台上，整套动作连贯流畅。围观的人越来越多，又一位观众下了一单摆在货架内侧的小件商品。但这次，机器人的动作出现了明显的停顿。工作人员解释称，这是因为附近人流量太大，机器人的避障识别受到了干扰。有观众说，这么点人流让它取两件东西就卡住了，真到零售店干活，干扰肯定比这里多，它肯定干不了。

实际上，上述情况和机器人的泛化能力有关：人形机器人当下并没有像人一样灵活应对各种情况的大脑；机器人的行为依赖前期的数据采集和场景仿真训练，本质上是按照预设的程序在执行，训练过的动作可以完成，但没有训练过的情况一旦出现，它就不知道该怎么办了。

“客户买机器人是用来解决问题的，不是伺候它的。”谈到机器人在场景落地中遇到的挑战时，云迹科技CPO（首席产品官）段炎彪这样对记者说。

云迹在服务机器人领域深耕多年，在全球超过4万家酒店部署了服务机器人。段炎彪说，之所以会出现客户反过来“伺候”机器人的情况，是因为机器人在运行中会遇到大量的长尾问题（即单个出现概率不高但种类繁多的意外状况）。以酒店场景为例，地毯的长毛有时会把机器人的轮子陷进去，类似情况在实验室和仿真训练中很难提前覆盖，一旦出现，客户就需要花时间专门处理。

段炎彪认为这些长尾问题正是阻碍机器人规模性商业化的主要原因之一。

宇树科技（688836.SH）创始人王兴兴8月20日在大会主论坛上说，目前全世界最大的瓶颈就是具身智能的泛化能力不够，当前多数模型在固定场景经过充足的数据采集和专项训练后，任务成功率可以接近百分之百，但只要更换操作物品或者稍微改变环境，成功率就会大幅下降。

在王兴兴看来，当一台机器人在任意一个陌生环境能完成八成左右的任务时，这差不多就是具身智能的ChatGPT时刻（即具身智能出现类似ChatGPT的代际能力突破），这个时点快则两到三年，慢则五到十年。

在这样的背景下，围绕机器人“大脑”数据积累、模型训练和商业模式探索的竞赛已经展开。

“沿途下蛋”

在一个确定性很高的固定工位上，机器人的作业成功率和人工只有很小的差距；任务一旦变长变复杂，这个差距就会迅速拉大。

小米新一代人形机器人“铁大”从今年3月开始在小米汽车工厂的螺母工站上作业了。螺母工站是汽车总装产线上的一个固定工位，工人需要在流水线上将螺母逐个对准螺孔、拧紧固定，每一轮操作持续几秒钟，一天重复数百次，动作重复性高，但对定位精度有要求。

小米机器人事业部总经理向迪昀告诉记者，“铁大”刚上工位时的成功率是90%；4个月之后，成功率已经提升到了98%；人工完成同样操作的成功率是99%，这最后一个百分点有可能在年底追上。

在螺母工站这样确定性很高的固定工位上，机器人的效率和任务时长高度相关。向迪昀说，在固定工位上，机器人的效率可以不断逼近人工，但任务一旦变长、变复杂或者环境出现训练没有覆盖的变量，成功率的下降就会很快。比如，3到5秒的短任务，机器人的效率能达到人工的七到十成；30到60秒的中等任务，机器人的效率就降到了人工的六到七成；一分钟以上的长任务，效率会降到人工的三成左右。

王兴兴在上述演讲中解释了这种效率衰减的技术原因：机器人每一次感知、控制的闭环都会产生偏差和损失，任务越长偏差累积得就越大。

一位长期关注机器人领域的投资人向记者表示，在机器人赛道，“99分等于0分”，差的这1分对用户意味着什么，看看扫地机器人就知道了。扫地机器人进入普通家庭已经很多年，任务高度垂直，功能也相对单一。即便如此，用户每次启动之前还要先做一轮准备：地上散落的杂物要先收好，因为机器识别不了；某些房间的门要先关上，因为机器跨不过门槛。

该投资人认为，用户买机器人是为了让机器替自己干活，一旦机器应对不了稍微复杂的情况，用户就要反过来伺候机器，任务越复杂、场景越开放，这种成本就越高。

扫地机器人尚且如此，对通用人形机器人来说问题只会更大。

在本届世界机器人大会现场，记者注意到，家庭是各家企业展示投入最大的场景，从叠衣做饭、物品归置到冰箱补货，各类家务任务被依次演示。但所有厂商的家庭场景演示都还停留在原型展示阶段。没有一家的产品能正式投入到普通人的家庭当中。

银河通用创始人王鹤在大会主论坛上说，按照当下的技术条件，直接让机器人进入普通家庭并不是一条很好的发展路径。智平方副总裁莫磊也认为，人形机器人进入家庭这个场景至少还要5年。

另外，能完成一个任务和能很好地完成一个任务是两回事。在大会现场，记者观察到，有的企业的机器人叠一次衣服大约需要10分钟。在某个展台的机器人餐桌清理演示中，一张揉皱的纸巾粘在机械爪上，机器人试了几次都没有扔进桶里，最后由工作人员上前处理。展会期间甚至出现因现场网络干扰，多台机器人无法继续演示的情况。

家庭场景短期走不通，行业当下的共识是从B端分步过渡。

对此，银河通用给出的路径是：先在零售药房、工业产线等场景持续运行，再以机构康养、医院病房作为中间过渡，然后向养老、残障辅助等刚需家庭场景渗透，最终扩散至普通家庭。王鹤把这个过程称为“沿途下蛋”。

在走向家庭的过程中，机器人大脑的能力需要持续进化。

在技术架构层面，机器人行业在过去一年经历过一次方向收敛：2025年，大多数具身智能企业采用VLA模型（即视觉—语言—动作模型，机器人同时处理看到的画面、接收的语言指令和输出的动作）；到了2026年，多数企业开始在VLA的基础上叠加世界模型，让机器人在执行动作之前先对环境的未来状态进行预判，减少任务执行过程中的偏差累积。

行业同时形成了“快慢脑”的工程共识：大脑负责深度推理和任务规划，小脑负责高频率的即时执行和运动控制，两者分工以平衡算力消耗和响应速度。

架构在收敛，但大脑要变聪明归根结底需要数据，目前机器人行业主要依靠两条路积累训练数据。

一是在客户现场部署机器人采集场景数据。比如，京东零售具身智能业务负责人郑小丹告诉记者，机器人正从“展示”走向“干活”，京东作为拥有物流、零售、健康等场景的使用方，希望开放自身场景与机器人本体厂商和模型厂商共同推进数据采集，未来两年的目标是采集千万小时级别的高质量场景数据。

郑小丹说，衡量数据不能只看数量，更关键的是高质量和场景的多样性。

二是仿真。仿真的原理是在虚拟环境中搭建场景让机器人反复训练，虚拟环境的成本远低于在客户现场部署机器人，而且可以快速制造各种场景的变化，如改变光线、挪动物品位置、模拟人流干扰，理论上可以用低成本覆盖大量训练场景。

但仿真的问题在于，虚拟环境和日常场景之间存在差距。虚拟环境里的物理规律是简化的，如一张纸巾在仿真中是一个标准的柔性物体；但日常场景中揉皱了的纸巾粘在机械爪上的触感、沾了水变重的纸巾从爪面滑落的轨迹，仿真很难还原。仿真可以把数据量堆起来，但很难覆盖日常场景中那些偶发、随机、无法预设的变量。

行业里把这种差距称为sim-to-realgap（即仿真到现实的迁移损失），纯靠仿真训练的机器人在进入日常场景后往往会出现性能下降。

在莫磊看来，“干活”才是天花板最高的场景，机器人只有在客户现场持续干活才能不断暴露问题、积累数据、迭代模型。他认为，一家具身智能公司不能只做模型，应该是软件、硬件和场景三位一体；大脑和本体之间需要协同迭代，只做模型不做硬件、不进场景，模型的能力也无法持续提升。

　　在成本和硬件层面，莫磊告诉记者，人形机器人如果要进入普通家庭，硬件成本至少要下探到A级车（约10万到20万元）的价格区间，同时一台机器人每天连续工作8到16个小时、一个月30天运转不出故障，硬件稳定性的重要性可能不逊于大脑本身。

作为参照，特斯拉Optimus机器人当前灵巧手的运行寿命只有6周，单只手成本超过6000美元（约合人民币4.2万元），一台机器人每年仅零部件更换的费用就接近10万美元（约合人民币70万元）。

在展会现场，一家具身智能公司的副总裁用三句话向记者概括了当下机器人行业所处的位置：数据是教材，评测是考试，部署是上岗。而现阶段，大部分机器人企业还处在利用教材学习的阶段，并不能保证百分百通过考试，距离未来大规模上岗就更远了。

逐际动力相关负责人陈丰在接受记者采访时称，2026年是人形机器人POC（即概念验证）落地元年，而不是量产元年，规模化量产至少要到明年。

陈丰说，过去很多机器人在展台上表演时，后面都有一个操作员拿着遥控器在控制；观众看到的流畅动作并不完全来自机器人自己的判断，人形机器人走到场景里最重要的一步是“去掉遥控器”。

“大脑”生意

泛化能力不够、长尾问题覆盖不了、家庭场景走不通，这些挑战的解决都取决于机器人能不能拥有一个足够聪明的大脑。

围绕大脑，一门新的生意正在形成。

星海图创始人兼CEO高继扬在大会主论坛上说，具身智能的商业模式正在变化，未来会分成三个阶段：当下阶段以整机销售为主，硬件毛利率维持在四到六成之间；第二阶段即方案订阅阶段，客户不再购买整机而是为整体解决方案付费，硬件毛利率会回落到两成左右；第三阶段即物理世界Token（即智能能力的使用计量单位）销售阶段，客户按照机器人完成任务所消耗的智能能力量来付费，整机甚至可能进入负毛利，收入来源转向智能能力本身的持续消耗。

高继扬认为，这个演进路径和云计算行业从卖服务器到卖算力的过程类似，大脑会从整机的一个组成部分逐步演变为独立的收入来源，硬件反过来变成承载大脑的载体。

大脑要变成一门独立的生意，前提是大脑本身足够聪明。大脑变聪明需要两样东西——数据和算力。

华南一家大型券商的分析师向记者表示，机器人行业当前的问题在模型，模型的问题在数据，数据这个环节如果不能出现规模化的公司，人形机器人板块的股票想出现大级别的上涨行情难度很大。

郑小丹说，数据采集是从前端采集、清洗标注再到评测的完整链条，采集方式包括通过机器人本体在场景中采集、通过第一视角设备由人佩戴采集等多种路径，京东也在和外部合作伙伴拓展更多工业场景和家庭场景的数据采集，但整个链条的标准化和规模化还在早期阶段。

在算力层面，华福证券在近日发布的研报中指出，特斯拉在2026年4月完成了下一代AI芯片AI5的流片，单颗芯片算力达到2000至2500TOPS（万亿次运算/秒），是上一代AI4的4到8倍。AI5是Optimus下一代大脑的算力基础，直接决定机器人在端侧（即机器人本体上而非云端）能跑多复杂的推理模型。

在数据和算力之外，特斯拉还有多数竞争对手不具备的一个优势。公开信息显示，特斯拉FSD（全自动驾驶系统）已于5月纳入中国可用地区列表，正在北京、上海等城市展开内部测试，FSD与Optimus共享端到端神经网络架构和视觉感知算法，特斯拉在道路上积累的自动驾驶数据和算法可以直接用于训练机器人的大脑。

上述研报还提到，Optimus年底有望达到周产2000台，2026年全年出货目标是万台级别，2027年出货预计超过10万台。更多的Optimus部署到客户现场，会产生更多的场景数据反哺大脑训练。

另外，越来越多的产业巨头开始进入具身智能领域。

前述投资人称，过去几年支撑起人形机器人这条赛道的是初创公司的技术突破，但从今年下半年开始，支撑这条赛道的是产业巨头的资源投入和场景储备，英伟达、谷歌、京东、华为等公司从不同方向进入，其共同的切入点都是大脑。

前述投资人认为，现阶段二级市场上缺乏纯粹的大脑和数据链标的，多数上市公司做的还是本体和零部件，真正围绕大脑做训练、做数据、做模型的公司大部分还在一级市场，这也是他目前对二级市场人形机器人板块相对谨慎的原因。

前述分析师认为，当前A股的人形机器人标的以本体公司为主，宇树科技上市之后，板块有了估值基准，市场情绪会逐步好转。但本体产业链上的公司最终能走多远取决于大脑，大脑不行，本体就只是一台硬件，大脑和数据链是他下一个阶段重点关注的方向。

“大脑能力的突破是一切落地的前提。”陈丰说。