从硬件参数到体系竞争，具身智能产业化起步

全栈闭环正在改写国产机器人的竞争逻辑。

在2026科大讯飞全球1024开发者节上，聆动通用集中展出LDB具身智能通用机器人、LDU环境式数据采集解决方案，首次发布iFlyBot-WAM工业世界动作模型、LindenBot-Harness执行组织系统、LDU环境式数据采集解决方案。这是国内具身智能产业竞争升维的缩影。

这家脱胎于科大讯飞的公司，2024年12月才成立，到2026年上半年刚完成新一轮数亿元Pre-A轮融资，股东阵容涵盖国内头部CVC，一线市场化基金及地方国资。科大讯飞董事长刘庆峰在半年业绩会上明确表态，聆动通用“未来将独立融资并寻求上市”。

过去三年，具身智能的公共讨论被关节扭矩、自由度数量、奔跑速度这些硬件指标主导。但2026年的产业现实是：能跑演示的机器人很多，敢让它上产线干活的客户很少。分水岭不在本体，而在本体背后那套体系。

当数据、模型、执行、本体被捏合成一个闭环，具身智能真正产业化的大门才刚刚打开。

百亿俱乐部里

没有人再靠“单科成绩”入场

2026年上半年，具身智能的融资与估值进入一轮加速。据智东西统计，仅上半年就新增约15家具身智能创业公司估值突破百亿元，全行业百亿级独角兽至少已有25家。

钱进来得越快，落地的压力就越大。头部公司的量产数字开始被拿来比较，投资人不再满足于看一段演示视频，核心考核指标转向了工程化交付、规模化落地。

因此，单点硬件参数不再构成壁垒。关节多一点、负载大一点、跑得快一点，这些差距在一年前还是发布会上的卖点，如今已经很难支撑一家公司的估值。

取而代之的是“本体+大脑+数据”的全栈能力。有统计显示，走全栈路线的具身智能百亿企业已增至约13家。

聆动通用的优势正在于此。

这家公司2024年12月10日成立，是科大讯飞在集团内部孵化的控股公司，定位工规级具身通用机器人。依托讯飞星火大模型在源头AI技术上的领先优势搭建了“大脑—小脑—本体”全栈自研技术架构，是业内首批实现全链路自主可控的具身智能企业。其全栈能力在这次大会上完整地呈现出来。

LDU环境式数据采集解决方案解决“数据从哪里来”的问题。国内真实物理交互场景的合规数据存量仅约50万小时，商业化落地需要的是数千万小时，缺口超过99%。LDU用无本体、背包形态、可换电的设计，把采集从实验室和特定工位里释放出来，至少试图在物理层面把数据供给的瓶颈松开一道口子。

iFlyBot-WAM工业世界动作模型解决的是数据如何变成能力的问题，它采用“VLA任务理解+世界模型物理预测”的双层架构，VLA负责听懂指令、知道“要做什么”，世界模型负责预判动作后果、判断“做了会怎样”。

LindenBot-Harness执行组织系统解决的是能力如何进入执行的问题，它引入智能体大模型做任务拆解与协调规划，把场景适配从依赖工程师提前编写程序转向“智能体自适应”。

LDB具身智能通用机器人本体则是最终的物理载体，目前已在真实场景应用，此次展出的就是其在仓储物流场景的作业模拟，展示了轮臂机器人多场景的任务泛化能力和柔性物体操作能力。

数据采集支撑模型迭代，模型推理执行动作，执行系统调度本体作业，本体在真实产线上跑出的现场数据又反哺下一轮训练数据采集，四层叠加，构成一个闭环。单点公司可以在某一个环节做得很好，但闭环公司才有可能把“好”变成“可复制”。

规模化落地的三道门槛

全栈体系的竞争，最终要回答落地问题。

2026年上半年，国内具身智能公开中标项目超218个，披露合同金额超17亿元，但教育科研机构占了约55.5%，工业及技术型企业仅约21%。工厂是行业期待的、具有可持续商业价值的核心客户，但买单规模与融资热度之间仍有落差。

有长期关注机器人行业的投资人表示，大多数公司的产品从设计思路上就不是为工厂准备的，当科研和表演的订单增长放缓，问题就会暴露。

如何用国产AI创造社会价值，实现工业场景规模化落地？安全可信是第一道门槛。iFlyBot-WAM的“世界模型评估+确定性安全仲裁”机制在技术架构上回应了这一问题：世界模型先预判动作后果，明确的安全规则决定是否放行，把不安全动作拦在执行之前。

在资质层面，工信部2024年版《工业机器人行业规范条件》明确要求，企业研发、生产的工业机器人关键零部件、本体、集成系统等主营产品须获得CR认证。LDB用9个月走完了研发与测试周期，拿到了国内首张工业应用具身智能机器人的CR认证，同步通过了CE-MD全项检测，意味着其机械安全、功能防护和全链路风险评估达到了欧盟统一标准。

第二道门槛是标准话语权。聆动作为核心参编单位，深度参与了YD/T 6771-2026《具身智能数据集质量要求及评估方法》和YD/T 6770-2026《具身智能基准测试方法》两项行业标准的研讨与编撰。

前一项标准规定了数据集质量的八个评价维度，包括完整性、一致性、多样性、真实性等；后一项构建了仿真与真实环境下的统一基准测试框架，适用于对单个具身智能系统开展“感知—决策—执行”全链路能力的测试。当行业从技术探索进入规范期，参编标准本身就构成一种隐性壁垒。

第三道是可复制性。单一产线的成功部署，并不等于规模化落地。从“一个产线跑通”到“跨场景复制”，考验的是执行系统能不能自适应新任务。

LindenBot-Harness执行组织系统的设计意图指向的正是这里。用智能体大模型做任务拆解和协调规划，场景适配靠智能体在上下文里自适应，安全验证也嵌进每一步执行动作里。这样从单点试点走向跨场景复制时，执行系统具备的是可迁移的组织能力。

在落地节奏上，聆动通用联合创始人张吉洋表示，智能仓储是第一个爆发点，随后是工厂内的上下料与分拣搬运，最终将渗透至技术集成度最高的汽车制造领域。据悉，目前，聆动通用的机器人已在全国10余个地区真实产线投入应用。

聆动通用此前透露，其今年上半年收入是去年全年的10倍，合同规模达到亿级，江浙地区两条产线具备全年千台级别的交付能力，将争取两年内实现盈亏平衡。

10倍的增长建立在低基数上，千台级别的产线规模放在工业机器人的大盘里也谈不上庞大。但它至少说明，这套闭环在商业层面已经开始运转，而不是停留在展台和BP里。

而每一个跑通闭环的企业，都在把国产AI向真实产线推进一格。