具身智能和移动机器人：为什么今年都在工厂上强度
工业制造场景正成为移动机器人与具身智能共同瞄准的核心战场。近期，多台智元精灵G2机器人集群进驻龙旗科技南昌工厂，连续六天每日十一小时透明直播产线作业；与此同时，银河通用重载人形机器人Galbot S1进入宁德时代智慧产线，承担模组与电池包生产环节的长程自主任务；它石智航则与天海汽车合作探索汽车线束装配场景的落地应用。
根据人形机器人场景应用联盟发布的信息，还有多家集成厂商在工业制造场景中推进人形机器人的实际部署。例如，深圳壕翎机器人在潍柴发动机生产线的活塞销上销工序中，部署一台人形机器人，完成活塞销分拣、抓取、换向、放置的全流程自动化作业；安徽巨一科技则在某汽车电芯模组组装产线的电池上料核心工位，部署一台人形机器人完成上料作业。
就在具身智能摩拳擦掌准备进入工厂之际，早已落地工厂的移动机器人企业也在进行技术迭代，推进轮式底盘与人形上半身结合的机器人形态在工厂中应用。同时，也有企业将通用大脑部署到专有设备上。
工业制造与仓储物流历来是移动机器人的最大应用场景。如今，这两大场景中，具身智能与移动机器人两代厂商呈现出重心不同、但形态与场景有所交融的落地态势。
为何今年各大厂商纷纷在工厂场景中加大投入力度？两代机器人在场景落地上的差异究竟何在，能力演进路径又将如何发展？到2026年，工厂究竟需要新一代机器人具备怎样的能力？
01 工业制造为何成为主战场之一
具身智能加速挺进工厂的关键因素并非技术成熟度。
从行业数据来看，工厂目前并非具身智能的最大买家。
人形机器人场景应用联盟秘书长李进科在第三届人形机器人场景大会上梳理指出，从去年到今年，具身智能实际落地的第一大场景是数据采集——各地政府建设数据采集基地，批量采购机器人用于实训数据；第二大场景是教育科研——高校和研究机构构成稳定客户群；第三大场景是表演与商业服务——租赁、展览、活动演出已形成小型市场，但竞争迅速白热化，“价格从一天1万元降至8000元，再降到1000元”。
在2025年具身落地场景中，工业物流的出货量排名第四，占比约4%。
这样一个目前落地规模较小的场景，为何成为今年的重点落地领域？
政策方面的驱动因素不容忽视。6月10日，工信部与国资委联合启动了“人形机器人与具身智能实景实训专项行动”。泰盈科技高级副总裁赵庆波注意到，该行动明确要求十个省份和一批中央企业在真实工业与物流场景中部署具身智能机器人，“630交一次作业，1130再交一次，每个省要评选出不少于10个优秀案例”。
一位行业资深人士透露，不少地方正在快速反应，“周六周日开会，主动拉着企业做场景匹配”。
李进科将“实景实训专项行动”视为具身智能产业的上岗证，认为这有利于推动具身智能从实验室走向工业、服务、特种等真实生产生活场景。
其次，当前资本市场环境下，具身智能进入工厂也有助于企业构建叙事，从而在行业激烈竞争中拉开身位。今年具身领域融资屡创纪录，在核爆级融资规模下，智能制造等具有巨大落地想象空间且受政策支持的场景，成为厂商必须布局的重要市场。
此外，工厂数据对于具身厂商跑通从数据到模型的智能飞轮至关重要。
智元机器人中国区副总裁卢贤刚近日提到，工业环境相对结构化，有产线、有工序、有节拍，动作可拆解可量化，相比家庭场景中的开放性与不确定性，反而是具身智能从价值探索迈向部署态数据飞轮的理想环境。
“部署态”是智元今年提出的概念。在完成量产突破后，智元期望通过产线反馈产生数据飞轮，使机器人更加智能，最终实现更大规模普及。
部分集成商则认为，具身智能能够让制造业实现前所未有的柔性，从而解决工业制造中的痛点。
大连豪森智能研究院院长、壕翎机器人总经理黎炯在汽车行业从业20余年，他观察到产线换型的速度正在急剧加快。2025年国内新上市新能源新车型达到300款，日均3.21款。传统三年一改款、五年一换代的节奏已被彻底打破。
频繁的换线使传统刚性自动化方案面临挑战——PLC编程、固定夹具、专用工装每次换线都需要重新部署。如果换用具身智能为核心的控制大脑，将大幅提升制造柔性。
以汽车线束为例，这道工序因线缆柔性、路径复杂、精度要求达到亚毫米级，数十年来一直依赖工人手工完成。不久前创下具身行业内最大单笔融资纪录的它石智航就选择了这个场景，其逻辑是：在最难的柔性场景中跑通，向下兼容便顺理成章。
在具身厂商摩拳擦掌推进落地之际，此前已规模化落地工厂的移动机器人厂商也在迭代进化，推出了类人型轮式产品；同时也有厂商探索将通用大脑接入现有产品。
两个月前的智造大会上，海康机器人的轮式人形机器人亮相。与已经验证自身商业价值的“专业工”移动机器人不同，海康机器人将轮式人形机器人定义为集移动、操作与智能于一体的“多用工”。“眼+脚+手”的合体能够在工厂中实现多个点位、需要用“手”完成的小物料拣选、零部件上下料等应用，从而实现“一机多用、快速适配”。
海康机器人副总裁张文聪认为，轮式类人型机器人与原有AMR专用设备之间是一种协作关系，用于弥补原有专用设备不适用的场景问题。
此外，还有采用VLA大脑“重做”现有产品的路径，其目标是解决此前困扰行业的场景碎片化、交付成本及周期问题。
移动机器人行业发展超过十年，目前行业内出货量突破一万台的玩家超过20家，规模化虽已加速，但仍存在提升空间。
去年，仙工智能将VLA模型在工业叉车上落地，探索在保证工业可靠性的同时提升泛化能力。仙工智能联合创始人叶杨笙表示，此前基于规则的控制系统的机器人，预先编程好的动作碰到新场景就得重新编程，这容易带来规模化交付难题。而更通用的大脑无疑是一种解决方案。
由此可见，具身落地浪潮与移动机器人突破落地天花板的两大需求，共同驱动了两代机器人在2026年同时在工业场景中加速加大投入。
02 专用向上，通用向下
“当下很难实现一个通用的机器人既能干涂胶的活，又能完成打螺丝的任务”，一家集成落地商坦言，具身智能进入工厂，落地并非一蹴而就。
仙工智能叶杨笙近期在一次访谈中将机器人落地划分为五个不同阶段。
1.0阶段是完全硬编程的工业机械臂，所有动作一条条写死。2.0阶段是协作臂和移动机器人，具备一些算法和自主性，但硬件仍为专用——叉车就是叉车，潜伏式就是潜伏式。3.0阶段加入AI，软件变得更通用、更泛化，但硬件未变，仍是专用形态。4.0阶段软件和硬件都通用，更接近今天所说的人形机器人。5.0阶段则是未来的终极形态。
叶杨笙判断，3.0阶段的产品与4.0阶段的产品将会共存，但从落地机会和进展来看，更倾向于从3.0阶段中寻找。因此仙工智能选择的路是用更通用的大脑，基于他们此前已布局的智能叉车设备，将原有产品重做一遍，从而大幅提升场景泛化能力。
这种3.0与4.0交融的图景，实际上刻画出了当下工厂中不同机器人厂商的落地现实。
我们观察到，当前阶段具身智能厂商在场景落地上仍相对狭窄，某种程度上处于“通用之下”的阶段，可视为叶杨笙所说的4.0阶段产品。
目前在工业及仓储物流场景中落地走在前列的有智元、优必选、银河通用、星动纪元等玩家。智元目前展示的工业场景主要集中在分拣、搬运等环节。优必选创始人周剑受访时提到，目前他们聚焦的搬运、分拣、质检三大工位，不仅是客户迫切需要人形机器人提供能力协同的领域，也是人形机器人现阶段更适合发挥能力的领域。
星动纪元与顺丰合作，在物流领域主要处理供件分拣、非标包裹等环节，针对传统自动化设备能力相对薄弱的软包、硬盒等不同规格、材质和形态的非标准包裹。
不难看出，这些走在前列的企业目前“通用”处理开放任务的路径尚处于极早期。沿途下蛋，通过具体场景加速需求验证和场景打磨，是当前阶段的现实，也是企业获取生产级场景数据、转动模型智能飞轮的关键一环。
具身智能的落地集成商也采取了渐进的落地策略。作为汽车智能设备和装配领域的资深玩家，豪森智能旗下子公司深圳壕翎正与在翼子板搬运、电池上下料、活塞销上销等多个场景探索人形产品落地。豪森智能研究院黎炯提到，他们的渐进技术路径是：短期以动作编排为主，中期过渡到分层模型驱动，远期才走向大模型的端到端路线。
壕翎在汽车装配场景中提炼出25个场景，包括移动、搬运、组装、密封、连接、打标、加注等七大类别，不同类别对机器人的要求各不相同。例如涂胶对轨迹要求、运动柔性和计划性要求高，而打螺丝对力矩要求高。
这使得当下不可能用一个通用形态完成所有工作。目前壕翎与多类本体企业合作，不局限于人形，而是针对场景采用不同本体——可以是三头六臂，也可以没有腿只有手。
也有厂商通过产品设计的模块化来提升不同场景的适配性，例如星动纪元拥有全尺寸双足L7、轮式服务Q5、半身模块M7、独立灵巧手XHAND，不同模块可面向不同场景需求灵活组合。
从移动机器人侧观察，除了仙工智能，一批在这波具身智能浪潮之前成立的公司也已开始重视大模型技术的布局。
据数智前线了解，目前移动机器人出货量排名第一的海康机器人，除了基于深度学习小模型实现手眼协同、眼脚协同以及眼脚手协同外，目前也有一支规模不小的团队在研究跟进感知控制一体化的端到端模型的探索与落地。
不过海康机器人提到，工业场景节奏快、容错低、ROI必须算得清，目前具备自主感知、环境决策、自主移动作业的移动机器人，才是当前工业场景落地最成熟的广义具身形态。人形机器人是具身智能的形态之一，对海康机器人而言是机器人技术的延展形态，也是接下来的布局点之一。
目前他们采取的策略是双线并举：专业做深，在确定性场景中积累足够的数据和工程经验；多用持续进化，通过自适应学习、跨场景自主决策等技术，实现“一机多用、柔性适配”。
今年整个机器人赛道呈现“专用向上，通用向下”的趋势，从专用走向通用之际，新一代具身玩家与移动机器人厂商在落地场景、形态上形成了一种重心不同、但场景与形态有所交融的局面。
03 工厂的门槛和数据飞轮之路
形态在折衷融合，路线在渐进，但工厂的验收标准并不会因此降低。
重庆千里科技副总经理钟南海前不久在人形机器人商业落地大会上提到，千里科技作为潜在场景需求方，内部近期也在研判如何衡量当下大热的具身产品进入工厂产线，最终他们形成了一套研判指标。
千里科技前身是重庆力帆汽车，2024年完成基因重组后，集合了造摩托车、造汽车、通用机械以及自动驾驶和AI的多重基因，工厂中有5000多名工人。
验收指标包括定量和定性两个方面，可总结为“三个100和一个3”：连续跑100次任务，成功率要达到95%以上，在专项场景中要达到99%以上；100小时内人工接管次数小于1次；参照工业机器人的可靠性标准，100天内故障少于1次；整体拥有成本在3年内低于一个工人的成本。
此外还有四个定性指标：机器人要具备长程闭环能力，能自我纠错，而非一出错就停机；要通过安全合规关，碰撞检测、急停、人机安全距离都要达标；要能与工厂现有的MES系统对接，实时接收任务、上报状态；最后，供应商要能给出明确的故障修复时间承诺。
这些指标相当严苛，但并不令人意外。已经完成工厂规模化落地的移动机器人厂商曾经接受过类似的考验，现在轮到具身智能玩家了。
刚刚走进工厂的具身智能厂商，首先要实现技术突破，让机器人真正具备泛化能力，同时具备场景可靠性，才能兑现想象空间。
这一代具身厂商的共同点是都采用数据驱动的方法来通向未来的物理AGI，用AI原生方式让工厂中的机器人不再是一个高度碎片化的市场。
厂商之间的分歧点也很明显：当前模型能力尚未达到“端到端打天下”的程度，到底该用什么东西来承载“通用性”、获得什么场景的数据来加速闭环，各家的判断和决策并不相同。
攻克极窄的高难度任务，向下兼容是一种选项。
例如它石智航就是从市场空间足够大、需求足够多、技术壁垒足够高的线束场景出发。“线束涉及大量柔软精密操作，可以瞬间爆发大量数据，也有in-house环境，挑战在于有严格的节拍要求可靠性。但这也是通向应用的必由之路”，它石智航创始人陈亦伦在一次访谈中提到。
他们发现遥操作数据在采集效率、成本、规模及多样性等方面都存在瓶颈，于是自研可穿戴设备，让劳动者戴着手套和第一视角摄像头干活，力求获得真实场景中真实任务的数据。
也有厂商看中能容忍错误、适度泛化、容忍节拍且能长时间作业的当下可落地场景。
原力灵机联合创始人兼CEO唐文斌认为，物流场景可以让机器人先干，失败时调度系统将其送到人工处，由人接着干。这是一套系统，任务能被闭环，企业更容易算清账。
按照技能复杂度一个个攻克也是一种思路。银河通用通过合成数据穷举几何空间，先让pick and place这类技能在所有材质、形状、光照条件下都达到接近100%的成功率，再叠加下一个技能。
但无论哪种路径，高速迭代和数据飞轮是所有厂商强调的重点。
一位行业资深人士指出，迭代需要将围绕AI所有环节的珠子串起来，其中任何一个珠子如果放在外部就会成为迭代的阻力。这使得厂商在能力构建上，除了不少厂商已采取自建本体、手和数据采集手套以及大脑全栈能力之外，头部的具身厂商还在搭建交付团队，了解场景反馈，从而加速跑通闭环。
在让飞轮转起来的需求下，行业内也有观点认为，当下更大的竞争点在于谁能更快地将更多机器人铺出去。类似于智能驾驶场景中的特斯拉——先有车在跑、有人在开，数据回传训练模型，模型再推回车端，谁就能构建更强的壁垒。
从这一意义上看，上一代移动机器人厂商已经先有业务，拥有长期积累的场景理解和设备量优势；而新型具身智能玩家在实现路径和AI反馈闭环的构建上则走了全新的、更可能规模化的路线。未来它们在工业场景中的协同与角力，仍需长期观察。
然而，当下可以确定的是，要在工厂中规模落地通用机器人，仍需不短的时间。