当前的具身智能行业，每家企业都在从零搭建自己的技术底座，就像一百家手机厂商各自发明了一套充电线。

世界机器人大会上，几百家企业带来了各自的人形机器人，它们能走、能跳、能干活，但彼此之间说不了话，操作系统不通、数据各异、接口互不兼容。每家企业都在从零搭建自己的技术底座，就像一百家手机厂商各自发明了一套充电线。

世界机器人大会现场 图源：时代财经摄

这种 " 各自为战 " 让 2026 年的具身智能行业呈现出一种 " 在混乱中狂奔 " 的独特景象：2026 上半年具身智能领域发生 322 笔融资，总额高达 935 亿元，诞生了 22 家百亿估值企业。工信部数据显示，2026 年上半年机器人产业规上企业营收达 1655 亿元，同比增长 24.5%。这说明在产业爆发初期，市场更看重 " 谁能先跑通场景 " 而非 " 谁的标准更统一 "。

正如宇树科技创始人王兴兴在世界机器人大会上直言，目前，泛化能力不足是具身智能最大的瓶颈。" 同类问题多次解决、有限资源持续分散 "，开放原子开源基金会理事长、工信部人形机器人与具身智能标准化技术委员会主任委员谢少锋这样评价。他把这种状态概括为八个字—— " 百花齐放，各自为战 "。北京人形机器人创新中心有限公司总经理熊友军也指出，当前行业在数据采集与商业化模式上存在大量同质化投入，各企业间缺乏互通，导致资源严重浪费。

时代财经在世界机器人大会期间通过与多家企业对话发现，具身智能的碎片化不是某一层的问题，而是从数据采集、模型架构、操作系统到制造标准的全链路割裂。然而，更值得追问的是，这种割裂为什么一直停不下来？业内提出的几条破局路径又为什么至今没有一条真正跑通？

每家企业都在从零搭建同一条流水线

碎片化最隐蔽的代价藏在数据层。要让机器人学会一个新动作，企业需要采集大量人类操作数据来训练 AI 模型。但不同机器人的 " 身体构造 " 千差万别——传感器型号、关节自由度、手部力度各不相同—— A 公司录的数据，灌进 B 公司的机器人里就学不会。

自变量机器人公司创始人、首席执行官王潜打了个比方：很多人说数据是人工智能的石油，但在具身领域，数据更像 " 工业品 "。石油开采出来就能流通，工业品却有明确的规格和产线归属，换一条产线就用不了。他的团队自研了一套高精度采集设备，人做一遍动作就能 1:1 复刻到机器人身上，只用 10% 真机数据加 90% 辅助数据，就能达到全量真机数据的训练效果，效率提升至少 10 倍。但这套能力封在自变量自己的体系里——设备、数据流程、AI 模型全是自己的。一家企业取得的效率突破，没法自动变成全行业的提升，因为底层不统一，数据从物理上就没法流通。

王兴兴把这个问题讲得更直白。他表示，目前多数 AI 模型在固定场景经过充分训练后，任务成功率可以接近 100%，" 但只要操作的物品或环境稍微换一下，成功率下降非常严重 "。机器人执行任务 " 大差不差能执行 "，但最后几厘米、几毫米的偏差无法修正，成功率就会暴跌。他把这称为 " 全世界具身智能最大的瓶颈 " ——不是某一家企业的技术短板，而是缺乏统一数据底座导致的全行业共性困境。

比数据更根本的分歧在 " 大脑 " 和 " 身体 " 的关系上。2026 世界机器人大会 8 月 20 日下午的圆桌对话上，加速进化科技有限公司创始人、董事长程昊，优必选副总裁、具身智能与人形机器人研究院院长焦继超，众擎机器人创始人、首席执行官赵同阳，三人为这个问题当场交锋。程昊认为长远来看大脑和身体一定会分开，就像手机硬件和安卓系统可以各做各的，但 " 现在还太早，好比拨号上网时代，用户预期却是 5G"。焦继超不同意，认为不同电机参数和身体结构导致采集的数据天然不同，硬要分开反而效率更低，" 灵魂和肉体要匹配 "。赵同阳更直接，宣称 " 想做成苹果，灵魂和肉体就要一体 "，并透露众擎已经开始自研大脑。

对 " 大脑 " 和 " 身体 " 关系的选择，对于具身智能行业尤其重要，究竟是走向 " 安卓模式 " 还是 " 苹果模式 "，将直接决定每家企业怎么花钱。如果最终走向 " 安卓模式 "，企业可以分工协作；如果走向 " 苹果模式 "，就必须从头到尾自己全做。

在终局明朗之前，最安全的选择是全套都做——程昊自建了操作系统和开发工具，焦继超强调优必选 " 坚持全栈软件自研 "，赵同阳从零补大脑的课。2026 年的产业实践正在强化这种 " 全栈自研 " 惯性：智元机器人第 15000 台机器人下线，其精灵 G2 在上汽通用奥特能超级工厂以 ± 0.1 毫米定位精度承担电池产线作业；优必选 6 月与 GPU 企业沐曦股份合资成立曦选创智，注册资本 1 亿元，双方各持股 35.01%，计划 2027 年流片、2028 年量产专用端侧芯片，从芯片到整机彻底绑定。重复建设不是因为企业不懂分工效率更高，而是路线不确定让分工变成了押注。

架构不确定还传导到了工厂车间。智身科技联合创始人、联合执行总裁刘宇龙透露，截至 6 月 30 日已交付约 15000 台具身智能机器人，但万台生产中最大的卡点之一是 " 每一批出货的良率和一致性 "。他表示，目前机器人行业还没有像汽车、家电那样明确的质量标准。

焦继超也提到，优必选在量产到第 100 到 200 台时发现需要临时修改设计，" 整个行业没有一套完整体系保证上万台产品的一致性和稳定性 "。技术路线没收敛，制造标准也无从统一。

这些成本最终会体现在销售端。

京东智能机器人业务部负责人徐磊给出了一个直接信号：具身智能产品在京东渠道的购买转化率，比手机、电脑等传统消费电子 " 差几十倍 "。他解释说，品牌和产品还没收敛，消费者面对几十个互不兼容的品牌自然会犹豫。不过他也披露了增长数据：去年四足机器人已在京东卖出超 1 万台，今年人形机器人销量同比增长 9 倍，但买家主要是高校、科研机构和工业试点，普通家庭买单还为时尚早。

开源、标准、市场收敛：三扇门都没有完全打开

面对碎片化，世界机器人大会上嘉宾提出了三条出路，但每条路都有自己的堵点。

第一条是开源统一。谢少锋提出操作系统、控制系统、通信协议、数据底座四大方向，每个都有社区在推进：AGIROS 汇聚 1200 多名开发者、适配 20 多种机器人；熊友军主导的 " 慧思开物 " 平台下载量超 1600 万次；OpenLET 数据集下载超 300 万次。王潜把 AI 模型和开发工具全部开源，熊友军提出 " 不独行、不筑墙、不踩坑 "。

2026 年开源数据也在加速扩容：工信部 7 月发布《人工智能关键基础技术具身智能数据集质量要求及评价方法》，首次划定完整性、一致性等八大质量评价维度，该办法将于 11 月 1 日实施；光轮智能在大会期间发布全球首个十万小时级全模态人类行为开源数据集 EgoSuite-Open100K，覆盖 128 类场景、15000 余项任务，首批数据捐赠给开放原子开源基金会孵化。

但开源绕不开一个现实问题：企业最核心的数据愿不愿意公开？德国汽车研究中心主任、杜伊斯堡埃森大学教授 Ferdinand Dudenhoffer 看法并不乐观，他打了个比方，" 数据是公司的 DNA，你会愿意把自己最根本的部分卖掉吗？数据公开了，竞争对手就能拷贝你。" 他认为开源能统一的是接口、协议和数据格式，但对于各家的核心数据和竞争底线的统一，仍面临较大困难。

第二条出路是建立统一标准。谢少锋表示目前标委会已有 76 家委员单位、405 家企业参与，正在制定 98 项标准，熊友军也透露北京创新中心已牵头 40 多项标准。但标准制定速度跟不上技术迭代，98 项标准从立项到落地需要全行业反复协商，而 AI 模型的技术路线每隔几个月就变，旧的还没成熟，新的已经冒出来。标准能统一接口和测试方法，却很难在路线本身还没定型时给出顶层设计。

第三条是市场自然收敛。徐磊判断技术和场景收敛后规模化自然到来；程昊把产业分成拼硬件、拼应用、拼模型三个阶段，越往后头部越集中；赵同阳更激进，认为 " 最终会有一两家像苹果、微软的公司吃掉头部 80% 利润 "。

摩尔线程创始人、董事长、首席执行官张建中算了一笔算力账：目前机器人 AI 模型大多只有 70 亿参数，而语言大模型已达千亿级别，差了一个数量级。他认为，" 机器人的’ GPT 时刻’，一定是在千卡、万卡级别的集群上训练出来的。" 集群训练成本以亿元计，没有企业愿意为每种机器人单独训练一套大模型。他表示，当算力账单贵到付不起时，统一架构就不再是理想，而是生存必需。

三条路并非互斥，更可能在博弈中交织推进。最终推动行业收敛的力量，或许就是一笔最简单的经济账：当 100 家企业各自重复搭建同一条数据管线、各自承担全栈研发成本，这笔 " 碎片化税 " 高到企业无法承受时，轮子自然会停止重造。