具身智能卡在“最后一公里”，聪明的大脑还是干不了活

作者 | 曾响铃

文 | 响铃说

继大模型之后，具身智能成为最拥挤的赛道之一。而大模型的爆发提供了一条被验证过的路径——智能的突破来自模型能力的堆叠，于是资本、人才、算力顺着这条路径涌进机器人领域，都在集中押注同一个方向：给机器人装“大脑”。

大家的判断近乎一致：只要理解、规划、推理能力足够强，机器人就能干活。结果，“外购底盘+自研大模型”成为大量项目的默认路线：快速做出演示样机，融资，再开始下一轮。

这个循环跑得很快，但结果相当尴尬。

大量样机卡在从仿真走向真实物理环境的最后一步。演示视频里灵活自如的机器人，一进真实家庭、真实工厂，就变得笨拙、迟钝，甚至直接趴窝。行业里有个说法叫“脑子聪明，身体动不了”——大脑说“我会了”，身体回复“不，你不会”。

在这个节点上，我们不得不重新审视一个更基础的问题。当全行业都在给机器人装大脑时，被集体欠账的，恰恰是最基础的一环——机器人得先在物理世界里稳定地动起来，才谈得上干活。

不难发现，卡住具身智能落地的关键，或许已经不是大脑够不够聪明，而是身体够不够灵活、稳定、强大。

具身智能卡在“最后一公里”：仿真“学霸”，现实“学渣”

斯坦福HAI《AI Index Report 2026》披露过一组数据，很扎心：具身机器人在仿真环境中任务成功率可达89.4%，一旦进入真实家庭场景，成功率骤降至12%。

77个百分点的落差意味着什么？说白了，今天的具身机器人在仿真世界里是当之无愧的“学霸”，但在真实世界中却是“学渣”——而这道落差，已经不是靠把大模型做得更强就能抹平的。

为什么从仿真到现实这一步会如此难跨？究其原因，在于仿真环境把物理条件理想化了——接触力、摩擦系数、传感器噪声、执行器延迟都被简化处理。而真实世界是非结构化的，一块地毯、一道门槛、一束逆光，都可能让仿真里习得的策略失效。

“想明白”和“动起来”之间，隔着一道物理鸿沟，而这道鸿沟长期被行业选择性忽略。我们若要看清这道鸿沟，就需要先拆解机器人的系统构成。

一套完整的具身智能系统，实际是三套体系的协作：大脑，即大模型，负责决策与环境语义理解，决定“想什么”；小脑，即底层运动控制核心，负责高动态运动、姿态解算、平衡控制，决定“怎么做”；身体，即模块化硬件本体与高通过性机械结构，决定“能去哪、能不能做”。

但在当前主流的研发模式下，大脑自研，身体外购，小脑往往处于两头不靠的状态。三层结构被人为割裂，小脑与身体由此成了系统性短板。

客观而言，大模型决定的是智能上限，运动控制与本体硬件决定的是落地下限。

但两者的性质完全不同——智能上限可以靠参数规模和数据积累不断突破，落地下限受制于一系列刚性物理条件，比如关节的动态响应速度、高动态运动下的姿态解算稳定性、复杂地形上的平衡控制精度、机械结构在非结构化环境中的通过性等等。

这些能力，光堆算力、参数量实现不了，还得靠工程积累一寸一寸磨出来。

总的来说，只卷大脑，相当于不断强化一个孩子的思考能力，却任由他四肢发育不良。认知层与运动执行层一旦脱节，智能就只能停留在仿真与演示环境。这正是大量样机“站不起来”的核心机理：不是大脑不够聪明，而是身体不够强壮。

做“身体”，正在成为具身智能下半场的开端

时至今日，“卷大脑”的收益正在肉眼可见地递减。大模型能力快速趋同，炫酷demo的门槛越来越低，而真正掏钱的客户，买的不再是演示，而是真实场景下的稳定作业。

当所有人都在抢大脑入口时，行业的评价坐标已经悄悄从“演示有多炫”切换为“能不能干活”——而干活，就必须回到物理层。

由此，行业路径开始出现分岔，有人开始不抢大脑，专注于做“身体”。

具体的，“身体”怎么做？即把运动控制与本体硬件做成标准化的能力底座，向开发者交付“装好小脑和身体的整机”，开发者只需负责装大脑、调应用。这门生意听起来似乎没那么性感，还得长期打磨和验证，但仔细拆解会发现，这可能是当前行业洗牌中最值得下注的方向。

首先，从价值兑现看，大脑的价值最终必须由身体兑现。认知能力再强，最终要靠身体“动起来”，才能在物理世界里完成任务。当全行业集体押注“聪明”时，执行侧的供给反而变得稀缺。这是典型的供需错配：谁都不愿意干的脏活累活，恰恰构成了门槛。

回看工业机器人产业也能印证这一点——减速器、伺服电机、控制器等核心部件长期占据产业链利润池的核心位置，下游系统集成的利润反而最薄。物理层的价值从来不小，只是在AI叙事语境里被反复低估了。

其次，从壁垒看，物理层是难复制、难速成的硬能力。高动态运动、姿态解算、平衡控制，需要控制算法的长期调优。直驱电机、本体结构，需要工艺与材料的持续积累。不同于大模型层可以通过开源和规模快速拉近差距，物理层的能力差距只能用时间和技术精度填补。换句话说：这里的护城河不是写代码写出来的，是工程时间一寸一寸挖出来的。

最后，从产业演进看，标准化底座吃的是生态复利。成熟产业的历史反复验证过这个剧本：PC时代，Wintel定义了标准底座，桌面软件在其上繁荣；移动互联网时代，ARM与安卓分别卡位芯片层与系统层，后发者只能依附。

对应的，具身智能的产业逻辑也是相通的：谁先把“身体”标准化，谁就握住了开发者生态的入口——当场景开发者可以像开发App一样，基于标准整机开发应用，底座厂商收获的就是整个生态的复利，而不是单一产品的利润。

这条路线并非纯粹的推演，以本末科技为例，这家公司以直驱技术切入，据弗若斯特沙利文统计，其2025年在中国双轮足机器人市场排名第二，市占率18.6%——在“身体”这个品类上，市场已经开始用订单投票。

更值得注意的是这家公司业务结构的变化。当“小脑+身体”被做成可交付的标准件，覆盖轮足、配送、巡检等真实场景之后，2025年其整机业务毛利率达64.3%，显著高于直驱动力模组业务约20%的水平。

不难发现，零部件厂商卖标准化整机，反而比卖零部件更赚钱——64.3%对20%的单台盈利差距，给“身体”这门生意增强了不少商业信心。

虽说室内物资运输、资料配送、园区短途跑腿、隧道铁路巡检，场景跨度相当大，但底层却是同一套运动控制底座与模块化硬件架构，其中的场景差异只需靠传感、作业等功能模块的组合即可解决。

这与汽车工业的平台化路径如出一辙——一套底盘平台衍生多款车，核心研发投入随规模摊薄，新场景的拓展从“从零开发”变成“组合模块”。那么，对具身智能行业而言，这恰恰是生态能够繁荣的前提：只有场景复制的成本足够低，底座之上才会长出开发者层。

换句话说，做“身体”，不仅能把活干出来，商业模式也站得住。

当然，目前来看，这仍是一个“小而美”的赛道。接下来，“身体标准件”能否在规模拐点到来之前成为行业默认选项，将决定基础设施玩家能否长成平台级玩家，并主导未来具身智能的规模化应用。

客观地说，这个市场仍处于早期：通用底座与场景深度的张力未解，本体标准尚未统一，生态碎片化。这条路目前是“小而美”的，前路并不确定。但行业事实已经证明了一件事：具身智能的上半场，比的是谁的大脑更聪明。下半场，比的一定是谁的身体先走出实验室，先在真实世界里把活干起来。

简单来说，当“身体”从短板变成标准件，当机器人不再只会在视频里翻跟头，而是能以标准化、规模化的产品真正推开了工厂的门、走进了家庭的客厅，具身智能的落地才算真正开始。

*本文图片均来源于网络