31/08/2026 11:22
《陶冬天下－陶冬》具身機器人，距離突破還有多遠？
《陶冬天下》8月份，具身機器人產業發生了兩件事。第一件是在北京舉行的機器人運動會，雖然機器人選手出現了不少翻車、搞笑時刻，但是它們的動作靈活性較一年前有大幅進步，百米跑、跳遠等項目更超越了人類紀錄。
第二件是人工智能(AI)教母李飛飛直指，人類通用身體雖能適應多樣環境，卻非任何特定任務的最優解。機器人先在仿真中學習新策略，評估系統再主動尋找它容易失敗的狀態，並圍繞失敗生成新的交互經驗，形成「發現問題－補充數據－改進策略」的閉環。換言之，具身機器人距離突破還有很長的學習過程。
具身智能機器人大體可劃分為三個層次：大腦（AI模型，負責任務理解與決策規劃）、小腦（運動控制系統，負責將決策轉化為實時運動指令）與身體（關節、靈巧手及各類傳感器等硬件，負責執行與感知）。筆者看來，三者的成熟度並不一致，身體硬件與小腦已趨成熟，大腦仍在演進。
機器人身體與小腦的可靠性與運控已趨成熟，這主要體現在三個層面：身體的整體設計基本定型，關節方案趨於統一；各類零部件的可靠性持續提升；小腦的整機運控能力已比較成熟，動作絲滑，故障率與錯誤率顯著下降。
機器人大腦的VLA(Vision-Language-Action)模型和世界模型(World Model)兩條路徑正並行突破，兩條路徑並非替代關係，唯有兩者協同發力，機器人才能實現從「能做事」到「把事做好」的關鍵一躍。
過去兩年，具身智能機器人的應用場景多是商場跳舞、演唱會表演，但真正決定其商業價值的是能否在工位上替代人力，產出價值。今年這一「決定性場景」開始跑通，產業應用誕生。
首先，具身智能機器人已能在部分產線上替代一個工位，完成五到六個連續動作（如零件插入、黏合、轉序），對照機器人售價，用戶已能算出投資回本周期。而這一價值仍在向上：根據頭部企業的指引，明年上半年，單台機器人有望從替代一個工位提升至兩至三個。這種「愈用愈能幹」、價值持續抬升的特性，正是具身智能機器人與工業機器人的根本區別：工業機器人完全依賴預編程，只能點對點執行固定動作，能力天花板相對固定；具身智能機器人基於模型學習，一旦實現泛化，能力上限是敞開的。
其次，真機數據正在實現「從零到一」的進步。不同於大語言模型可直接用互聯網沉澱的海量數據，具身智能更依賴真實世界的真機數據。據學界與業界判斷，真機數據積累需達1000萬至1億小時，模型才可能出現智能湧現、具備泛化能力。2026年被稱為「數據採集元年」，據報道，某電商巨頭正依托自身業務場景，發動數十萬人參與採集，以補齊數據缺口。其背後是行業寄望的「數據飛輪」：部署得愈多，產生的真機數據愈多，大腦就愈強。
由此可以勾勒出一條行業發展的可能路徑：至明年如果真機數據積累至千萬小時級別並經模型訓練驗證，機器人能力有望迎來躍升；而泛化能力一旦湧現，或將成為具身智能的「ChatGPT 時刻」。
基於以上判斷，具身機器人的產業演進路徑開始變得清晰，三類商業機會浮現：
1）「賣鏟子」的零部件企業：具身機器人產業踏入高速增長的前夜，量增邏輯顯現。兩類環節有望率先放量，一是諧波減速器賽道，作為關節傳動核心部件，單機價值高、競爭格局清晰，受益於國產整機出貨增長，營收已較早兌現，是當前少數已有業績體現的環節；二是感知類零部件（視覺、觸覺傳感器、電子皮膚），作為數據採集必需器件，其需求呈現當下與未來的兩段疊加－－當下數據採集裝備催生大量裝配需求，疊加未來機器人量產需求，有望進入持續放量通道。
2）本體/整機企業：整機企業的價值由「模型能力×商業化能力」共同決定：模型領先但商業化薄弱，則價值難以兌現；交付順暢但泛化能力不足，則成長空間受限。當前比較優質的整機企業多數尚未上市，今年下半年將有一些企業集中赴港上市，將成為觀察這一賽道機會的窗口。
3）特定場景的初步商業化：在具身智能實現泛化前，率先在細分場景落地商業化的企業，有望更早收獲現金流。這一路徑主要分兩條，一是「自上而下」從通用智能切入，將「通用大腦」部署到產線，在零件上下料、物料分揀等標準化工位率先跑通商業閉環；二是「自下而上」從專用場景出發，由深耕搬運、裝配等特定環節的機器人或專用裝備企業，疊加智能化能力，實現商業升級。
但是李飛飛教授所言非常正確。人類進化是不同器官、肢體協調並進的過程，對於單一工作要求，也許不具身的機械臂、機械工具可能效率更高。具身機器人真的能像人一樣工作，最重要的是大腦進化，也就是AI綜合能力的進化。在這方面，起碼還需要幾年時間。《陶冬》
*本文純屬個人觀點，不代表所在機構的官方立場和預測，亦非投資建議或勸誘。
*《經濟通》所刊的署名及/或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。
第二件是人工智能(AI)教母李飛飛直指，人類通用身體雖能適應多樣環境，卻非任何特定任務的最優解。機器人先在仿真中學習新策略，評估系統再主動尋找它容易失敗的狀態，並圍繞失敗生成新的交互經驗，形成「發現問題－補充數據－改進策略」的閉環。換言之，具身機器人距離突破還有很長的學習過程。
具身智能機器人大體可劃分為三個層次：大腦（AI模型，負責任務理解與決策規劃）、小腦（運動控制系統，負責將決策轉化為實時運動指令）與身體（關節、靈巧手及各類傳感器等硬件，負責執行與感知）。筆者看來，三者的成熟度並不一致，身體硬件與小腦已趨成熟，大腦仍在演進。
機器人身體與小腦的可靠性與運控已趨成熟，這主要體現在三個層面：身體的整體設計基本定型，關節方案趨於統一；各類零部件的可靠性持續提升；小腦的整機運控能力已比較成熟，動作絲滑，故障率與錯誤率顯著下降。
機器人大腦的VLA(Vision-Language-Action)模型和世界模型(World Model)兩條路徑正並行突破，兩條路徑並非替代關係，唯有兩者協同發力，機器人才能實現從「能做事」到「把事做好」的關鍵一躍。
過去兩年，具身智能機器人的應用場景多是商場跳舞、演唱會表演，但真正決定其商業價值的是能否在工位上替代人力，產出價值。今年這一「決定性場景」開始跑通，產業應用誕生。
首先，具身智能機器人已能在部分產線上替代一個工位，完成五到六個連續動作（如零件插入、黏合、轉序），對照機器人售價，用戶已能算出投資回本周期。而這一價值仍在向上：根據頭部企業的指引，明年上半年，單台機器人有望從替代一個工位提升至兩至三個。這種「愈用愈能幹」、價值持續抬升的特性，正是具身智能機器人與工業機器人的根本區別：工業機器人完全依賴預編程，只能點對點執行固定動作，能力天花板相對固定；具身智能機器人基於模型學習，一旦實現泛化，能力上限是敞開的。
其次，真機數據正在實現「從零到一」的進步。不同於大語言模型可直接用互聯網沉澱的海量數據，具身智能更依賴真實世界的真機數據。據學界與業界判斷，真機數據積累需達1000萬至1億小時，模型才可能出現智能湧現、具備泛化能力。2026年被稱為「數據採集元年」，據報道，某電商巨頭正依托自身業務場景，發動數十萬人參與採集，以補齊數據缺口。其背後是行業寄望的「數據飛輪」：部署得愈多，產生的真機數據愈多，大腦就愈強。
由此可以勾勒出一條行業發展的可能路徑：至明年如果真機數據積累至千萬小時級別並經模型訓練驗證，機器人能力有望迎來躍升；而泛化能力一旦湧現，或將成為具身智能的「ChatGPT 時刻」。
基於以上判斷，具身機器人的產業演進路徑開始變得清晰，三類商業機會浮現：
1）「賣鏟子」的零部件企業：具身機器人產業踏入高速增長的前夜，量增邏輯顯現。兩類環節有望率先放量，一是諧波減速器賽道，作為關節傳動核心部件，單機價值高、競爭格局清晰，受益於國產整機出貨增長，營收已較早兌現，是當前少數已有業績體現的環節；二是感知類零部件（視覺、觸覺傳感器、電子皮膚），作為數據採集必需器件，其需求呈現當下與未來的兩段疊加－－當下數據採集裝備催生大量裝配需求，疊加未來機器人量產需求，有望進入持續放量通道。
2）本體/整機企業：整機企業的價值由「模型能力×商業化能力」共同決定：模型領先但商業化薄弱，則價值難以兌現；交付順暢但泛化能力不足，則成長空間受限。當前比較優質的整機企業多數尚未上市，今年下半年將有一些企業集中赴港上市，將成為觀察這一賽道機會的窗口。
3）特定場景的初步商業化：在具身智能實現泛化前，率先在細分場景落地商業化的企業，有望更早收獲現金流。這一路徑主要分兩條，一是「自上而下」從通用智能切入，將「通用大腦」部署到產線，在零件上下料、物料分揀等標準化工位率先跑通商業閉環；二是「自下而上」從專用場景出發，由深耕搬運、裝配等特定環節的機器人或專用裝備企業，疊加智能化能力，實現商業升級。
但是李飛飛教授所言非常正確。人類進化是不同器官、肢體協調並進的過程，對於單一工作要求，也許不具身的機械臂、機械工具可能效率更高。具身機器人真的能像人一樣工作，最重要的是大腦進化，也就是AI綜合能力的進化。在這方面，起碼還需要幾年時間。《陶冬》
*本文純屬個人觀點，不代表所在機構的官方立場和預測，亦非投資建議或勸誘。
*《經濟通》所刊的署名及/或不署名文章，相關內容屬作者個人意見，並不代表《經濟通》立場，《經濟通》所扮演的角色是提供一個自由言論平台。