机器人困在炫技里，乐高式模块化能解围吗？

2026年世界机器人大会刚在北京亦庄落幕。373家企业、3000余件展品、55.7万人次观众，数据相当热闹。但展馆里转一圈，你会发现一个尴尬的现实：机器人分拣快递、煮面、搬货、打包，每个动作都流畅，可一旦换个环境，这些能力就迅速失效。

科沃斯董事长钱东奇在会上说得直白：“泛化没有解决之前，眼下所有的Demo都只是特定场景的炫技。”这句话，基本概括了行业的真实处境。

两个卡脖子的基础问题

机器人叙事卡在两个问题上：场景泛化能力差，开发制造成本高。当下多数机器人走的是“一场景一机型”路线——针对具体场景采集数据、定向训练，形成一套固定能力。演示视频里的流畅动作，大多是这种模式的产物。问题在于，机器人一旦走出预设环境，能力便迅速失效。

行业人士的描述更具体：机器人在固定场景里可以把成功率训练得很高，但换一个物品、换一个环境，表现就会明显下降。真正的难点在“最后几厘米、最后几毫米”——大方向能执行，但末端的成功率和偏差，与真实世界的要求还无法匹配。

银河通用创始人王鹤给出了产业侧视角：给定任务几乎都能做好，但背后需要专业人员做后训练，这样的投入难以复制到成千上万个行业。他把2026年的规模化应用问题归结为一句话——能不能少采数据、少派工程师，把能力复制到100家工厂、1000家门店。

喂数据：一条昂贵的路

泛化问题的行业解法之一是“喂数据”：用海量泛化场景数据填补能力盲区。但数据采集本身就是一门高成本的生意。据澎湃新闻报道，一台遥操作采集设备投入约35万元，一名采集员一天只能采集约500条数据；乐聚机器人柯真东测算，采集1万小时数据需要上百万元的软硬件投入。

更麻烦的是标准——各家的传感器接口、数据格式、标注规范互不兼容，数据成了一座座孤岛。上海交通大学一个团队曾从约12万小时第一视角数据中做筛选，真正适用于模型训练的不足5000小时，有效率不到4%。即便完成了训练，想覆盖所有现实场景，依然是奢望。

还有一种更远的解法是世界模型：让机器人理解现实世界的物理规律，靠推理而非记忆去应对陌生环境。这条路线今年声量渐高——英伟达发布了打通文本、视觉、音频与动作的Cosmos世界基础模型，中国电子学会也宣布成立世界模型专家委员会。

但业内评价相当冷静。在今年的智源大会上，有研究者直言，物理世界中“暂时没有看到任何世界模型能力真正进入可投产阶段”，更多人认为它短期内的角色只是数据引擎和训练工具，而非驱动真机的“大脑”。墨奇智能CTO黄青虬的表态更直接：“世界模型和VLA，都不是答案。”

成本难题：账算不平

泛化难题之外还存在成本难题，两者互为因果。由于研发依赖一场景一机型，换一个应用场景，往往意味着机械结构、传感器布局乃至整机设计推倒重来。企业与用户的场景需求又高度分散，全行业的研发与制造成本因此居高不下。

量产规模同样撑不起规模效应。据行业机构统计，2025年全球人形机器人出货量约1.7万台——作为对比，一款畅销汽车单月的销量便常常数以万计。没有汽车工业那样的量产纵深，零部件成本就摊不薄。

形态各异的机器人还带来另一重负担：维修。有媒体报道概括了工厂的顾虑——能不能稳定干活、坏了多久能修好、换任务要调几天、停机损失谁承担；很多订单背后跟着“服务负债”，工程师驻场、夹具改造、故障维修，收入未必覆盖得了后续投入。

富士康工业互联网AI产品总监王丽给出的工厂视角更直接：产线3年内回本是基准线，而全生命周期成本考量下，机器人要5至8年才能与一名产线工人持平。工厂们的结论并不复杂：眼下的机器人，账算不平。

另一种解法：像乐高一样拼机器人

在所有试图回答“泛化难、成本高”的行业路线中，有一条值得单独拿出来审视：模块化。这里的模块化，不是把机器人拆成零件卖，而是让机器人本身具备自由拆装、重新组合的能力——像乐高一样，用一套标准化的模块，拼出适配不同场景的形态。它同时对准了前述两个问题：组合能力扩充了场景覆盖的范围，标准化则大幅摊薄了制造成本。

这套范式在工业史上早有先例，最经典的案例来自汽车业。2012年，大众汽车推出MQB模块化平台，用统一的接口标准把发动机、变速箱、空调等总成变成可复用的“积木”。时任大众CEO文德恩当年披露的数字是：模块化让生产成本削减20%，制造时间最多加快30%。这个平台的零部件通用化率达到60%，仅车头空调制暖等大型组件的版本数，就从102个压缩到28个。十年间，MQB累计出产超过3200万辆汽车，横跨大众、奥迪、斯柯达、西雅特四个品牌40余款车型。

但机器人的模块化，与汽车并不完全相同。汽车模块化的本质是生产端的零部件共享，车主不需要自己重组一辆车；机器人模块化则要求产品在用户手里仍能拆装重构。这意味着不仅机械与电气接口要统一，动力、感知、控制乃至上层算法系统都要随形态变化而实时打通——拼上一个新模块，整机要“知道”自己变成了什么，并立刻协同起来。

也正因为门槛高，目前市场上不少打着“模块化”旗号的产品，本质上只做到了工具或外设层面的可更换：换一个夹爪、加一个吸盘、快换一个末端执行器。机身没有变、系统没有变，能力边界自然也没有变。这类“伪模块化”更接近配件生意，无法真正改变机器人的功能与开发范式。

一个可供观察的样本

真正的模块化，应该是分层打通的。本末科技的实践提供了一个可供观察的样本，这家公司公开的技术布局分为三层：底层是标准化的动力模组，中层是轮足机器人整机，顶层是模块化拼接系统。

2025年底，它首发了被称为全球首款“整机模块”具身智能机器人的D1：整机围绕自研的P10一体化直驱关节模组构建，实现“感驱控一体化”；配合其“通用小脑”协同算法，两台D1可在3秒内完成快速拼接，在双轮足与四轮足形态之间切换，拼接后承载能力达60公斤，模块之间可实现毫秒级协同发力。

今年2月，D1在山东济宁春晚中展示了轮足与轮足、足式与足式、轮足与足式的全形态拼接协作；8月的世界机器人大会上，本末科技又发布了HMD-P系列一体化关节模组，把模块化的底座进一步向行业开放。

对照前文的两个困境，这种开发范式的意义是直接的。其一，同一套模块可以拼出巡检、运输、应急救援等多种形态，场景适配不再需要整机重新设计；其二，模块的通用性意味着未来面对全新场景时，开发的起点不再是零；其三，维修逻辑从“整机返厂”变成“更换模块”——坏哪个模块换哪个，停机损失和售后成本都被压低。

模块化能否真正成为机器人行业破局的那把钥匙，现在下结论还为时过早。但至少，它提供了一条与“堆数据”“赌世界模型”完全不同的路径——不追求一步到位的通用智能，而是先用标准化的积木，把成本降下来，把场景铺开去。这条路能不能走通，取决于模块化能否在更多真实场景中证明自己，而不只是停留在展馆的演示台上。