（来源：中国经济导报）

转自：中国经济导报

本报记者   |   杜壮

     近日，2026 年世界机器人大会（WRC）现场，超 3000 件展品同台比拼。与往年满场翻跟头、跳舞的 " 表演型机器人 " 不同，今年各展台不约而同地亮出了物流分拣、智能仓储、产线巡检等实景作业——几乎所有企业都在传递同一个信号：我的机器人能干活。

     " 具身智能不缺会动的机器人，缺的是能在工厂稳定干活的机器人。" 安徽聆动通用机器人科技有限公司（以下简称 " 聆动通用 "）联合创始人兼产品 VP 张吉洋在接受本报记者采访时表示。

     这家成立不到两年的公司，脱胎于科大讯飞，正用两款产品、一个数据飞轮，探索打通从实验室到车间最后一公里的有效路径。

     " 这是场馆内极少数获得中国 CR 认证与欧盟 CE-MD 双重准入的具身机器人，属于是工业级的‘硬通货’。" 张吉洋介绍，LDB 历经五代样机迭代，硬件团队由 " 资深工业机器人工程师 + 汽车工程师 " 领衔，软件算法团队则源自科大讯飞研究院，具备深厚的人工智能大模型落地经验。这种 " 大脑（认知决策）+ 小脑（运动控制）+ 本体（结构硬件）" 的全栈自研模式，确保了产品在高低温、粉尘水汽、电磁干扰等复杂工业环境下的稳定性。

     值得注意的是，LDB 并非要取代现有的工业自动化设备，而是作为 " 生产力终端 " 填补人力缺口。" 它更像是一个灵活的工人，与负责搬运的 AMR（自主移动机器人）协同作业，承接那些传统专机难以应对的柔性任务。"

     依托长三角完善的供应链体系，目前，聆动通用已经布局生产基地，正加速从技术验证向量产交付跨越。

     在具身智能领域，高质量数据的稀缺性已成为行业共识，而在工业场景，这一痛点尤为突出。

     " 工厂的数据大部分都具有隐私性。" 张吉洋说，" 在车厂采集的数据，车厂都要进行局域网数据管理。物流中转场或者品牌仓也是如此，所以在这个行业里，很多机器人厂商无法通过开源渠道或购买渠道来获得其他工厂的场景数据。"

     LDT 系列正是为此而生。张吉洋介绍，LDT 能做的数据采集既包括预训练的数据，也包括后训练的数据。预训练数据可以完善整个行业的数据集，而后训练的数据则可以用于自身作业。

     " 如果客户买的是一个固定位置的机器人，它自身实际上端到端地把整个采训推流程全部走完了，自己就能部署在现场干活——就像我们现场演示的这样，它自己来做包裹的翻面和分拣。" 张吉洋解释道。

     目前，LDT 采集的高质量预训练数据已与 LDB 实现互通。"LDT 售价相对便宜一些，可以在样板间和训练场里进行大量数据采集，它的预训练数据可以给 LDB 这种移动式机器人去用。" 张吉洋表示，数据协同极大地缩短了模型迭代周期，将具身智能的应用落地周期从 " 年 " 压缩至 " 月 "。

     当前，具身智能产品正处于从 " 小批量试用 " 转向 " 大规模落地 " 的关键拐点。相关数据显示，2026 年上半年，中国人形机器人出货量已超 4 万台，全球占比进一步提升至 97%。商务部数据显示，7 月份重点平台具身智能机器人销售额增长 95.1%，增速领跑各类新型消费产品。

     市场高速增长的另一面，是资本市场对具身智能的态度日趋理性。投资人不再满足于炫目的 demo 视频，而是追问交付的数量和质量。

     在聆动通用看来，实现规模化量产需跨越 " 三重门 "。

     张吉洋表示，首先是性能门槛，单台机器人的作业效率需达到 0.8 个人力以上，真正解决生产力问题；其次是稳定性门槛，产品需具备高一致性，平均无故障工作时间（MTBF）至少需达到 6 至 12 个月；最后是 ROI（投资回报率）门槛，在工业生产逻辑下，投资回报周期需压缩至 36 个月以内才能获得试点资格，若能缩短至 24 个月，可以激发客户的强付费意愿。

     " 今年两款产品合计出货量预计在 200~300 台。" 张吉洋透露，基于在科大讯飞内部多年的技术孵化，公司成立即推出原型机，目前正加速推进量产。

     " 随着合同收入提升，量产交付要求也更高了，未来 3~5 年需要能做到全年千台级别的规模交付。" 张吉洋表示。

     对于行业未来，张吉洋预判落地将呈 " 三步走 " 态势：物流仓储将是第一个爆发点，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。他告诉记者：" 未来 5~10 年，中国凭借完整的供应链和丰富的场景优势，在具身智能的场景应用落地速度上有望领跑全球。"

     正如张吉洋所言：" 客户握手的是能解决问题的产品，而非炫目的技术概念。" 在这场从技术到产品的半程马拉松中，商业闭环的验证能力，将成为决定企业能否撞线的关键。