从“表演”迈向“进厂干活” 具身智能商业化落地提速

中经记者 方超 石英婧 上海报道

从被众人围观的样品，“变身”落地工厂的产品，具身智能产业正在加速打通商业化闭环。

日前，第二十六届中国国际工业博览会（以下简称“工博会”）在国家会议中心（上海）开幕，据悉，本届工博会展览面积达31万平方米，吸引全球24个国家和地区、超3200家参展商，近300项首发首秀展品集中亮相，其中，一批同场竞技的具身智能企业成为市场焦点。

《中国经营报》记者注意到，今年工博会，除了ABB机器人、发那科、安川电机等外资机器人企业外，也汇聚了新松、智元、深诣、珞石等一众国内机器人企业，相关数据显示，今年共有400多家机器人企业参展，外资品牌参展面积超40%。

而在今年这场具身智能产业的“大比拼”中，真实场景作业能力成为企业竞逐焦点。深诣创始人刘凯向包括记者在内的媒体直言：“我们认为不管是什么样的技术，只有当技术能够产生商业化价值，为客户解决好问题，能够满足客户的生产力要求，这样才能够真正让技术快速发展。”

深诣聚焦工业与物流等高价值场景，日前亮相工博会。受访者/图

行业掀起“进工厂”热潮

这台机器人刚完成饮料罐的精准抓取、搬运与装箱，那台机器人即开启展示面向工业精密插接的作业能力，不同于吸引人的“花哨表演”，在今年的工博会上，机器人似乎正集体“挥别”实验室，走向生产线。

纵观今年工博会，各家机器人企业纷纷将各类生产线搬上展台，覆盖的场景从汽车及零部件制造，到半导体与精密制造，再到真实仓储与物流搬运，在各类生产线上自主“挥臂”工作的机器人，令人眼花缭乱。

以真实仓储与物流搬运场景为例，在今年工博会上，深诣就对外发布了物流操作机器人Sculptor、工业操作双臂机器人Edge，以前者为例，其在工博会上展示了多品类箱体混合码垛作业。

“Sculptor机器人是一款面向复杂场景的多任务具身操作机器人。它其实想解决的问题和目前我们在像拆码垛、卡车装卸等场景中看到的专机非常不同，因为我们所期待的具身操作机器人，它一定是一个一机多能的机器人。” 深诣技术联合创始人黄康尧向媒体表示。

在黄康尧看来，Sculptor机器人可以同时具有多项能力，“比如说它可以做卡车装卸、混合拆码，以及可以做箱式的拣选，甚至是行李的搬运，我们希望我们的Sculptor机器人被Foundation Model驱动，能够去实现更多的任务。”

对于为何选择聚焦物流和工业场景，刘凯向记者介绍，上述场景市场空间广阔，“具体来说在物流场景，我们会更加聚焦在几个细分场景，一个是卡车或者集装箱的装卸货，另外一个就是在快递行业的笼车码放，包裹分拣到特定线路后会滑入滑槽，这个滑槽里面都是随机的包裹和箱子，需要将其码放到运输笼车里。”

“像这些工作原本是比较辛苦的人力搬运，我们希望通过技术让人更轻松，不要再去做这种非常消耗体力，同时又比较伤害身体的劳作，把这些繁重的劳作变成一些简单的操作，这也是我们坚持的一些理念。”刘凯表示。

不仅仅是深诣，在本届工博会上，展示自身在细分工业场景的真实作业能力，成为包括节卡、遨博智能等不少机器人企业的共同选择。而在展会外，特斯拉Optimus机器人等明星机器人也早已“进厂拧螺丝”。

据悉，在今年1月份的达沃斯世界经济论坛期间，马斯克表示，Optimus机器人已进入量产倒计时，该机器人已在特斯拉旗下工厂承担拧螺丝、物料搬运等基础任务，预计将在2027年年底前向公众销售人形机器人。

10月14日，外界更传出Optimus即将进入量产周期的信息，记者联系特斯拉相关负责人，其对此回复称，“现在没有任何官方消息可以分享”，其同时强调“以官方消息为准”。

何以破局“数据短板”

在推动机器人迈腿“进工厂”的另一边，如何破局“数据短板”也成为行业面临的现实挑战。

“我个人觉得最重要的是，工业界数据能不能成为人工智能的first-class citizen，最头等的数据，在语言、代码之外。今天不只是人活动的数据没有，我自己觉得工业界的数据离人工智能还是太远。”据报道，在2026工博会开幕式圆桌对话上，中国工程院院士王坚提倡，工业界应该把工业数据拿出来，给做机器人的企业。

王坚发出上述呼吁的背后，在业内看来，数据采集以及高质量数据获取，一直是具身智能行业面临的痛点之一，国金证券研报认为，以人形机器人为代表的物理AI，数据是最卡脖子的领域。

“当前人形机器人行业硬件方案趋于收敛，‘大脑’训练成为决胜关键，而数据量级和质量直接决定模型泛化能力。机器人高质量、高保真物理交互的真实数据极度缺失。”国金证券研报认为，“大语言模型有万亿级token训练，而具身模型可用的真实交互数据不足其万分之一。”

深诣技术联合创始人罗宇向记者表示：“数据不够其实是一个非常宏观的问题，怎么去采集数据也是一个很核心的问题。换句话说，对于具身智能的‘ChatGPT时刻’，我们不能只说数据量不够，我们更应该说的是如果数据量不够的情况下，我们怎么去产生充分的数据回流过程以及提升模型的训练效率。”

“对于我们来说，我们是通过模型对于任务的语义理解和多维物理规律的推演提升模型的泛化能力，同时快速适应能力使得数据本身回流过程能够加速，更快获得广泛真实数据之后反过来再提升我们自己的通用模型能力。”罗宇表示。

深诣向记者提供的信息显示，针对真机数据稀缺、交互成本高的问题，其研发了OMPO经验匹配技术，“并采用异步off-policy强化学习方法，让模型能够更有效地利用与当前任务相关的历史数据和多源经验，提高真实交互的学习效率。”

而对于行业需要的高质量物理AI数据，觅蜂科技方面向记者介绍，其在今年工博会上，携MEgo系列无本体数据采集终端、MEgo Engine数据治理引擎及物理AI数据众包服务平台“觅蜂派”亮相，“展示从真实操作数据采集到数据治理的全链路技术体系及场景任务组织的服务能力，为具身智能模型训练与评测提供数据基础设施。”

“想要让具身智能真正扎根千行百业，仅凭单一企业、少数团队的力量远远不够，需要无数人，特别是年轻人躬身入局。”智元方面介绍，其此前对外发布“元苼生态发展计划”，据悉，基于具身智能真实教学与科研需求，智元将投入千台具身智能设备，打通产业前沿技术与高校人才培养的衔接壁垒，为具身智能产业规模化落地筑牢人才根基。

（编辑：石英婧 审核：童海华 校对：陈丽）