科技观察 | 2026 年 11 月 4 日整理

配图：AI 生成的工业场景概念示意，不是宁德时代或任何厂商真实产线照片。

会跳舞、能翻跟头，已经不是机器人产业最难的考题。当人形机器人走出展会、进入工厂和药房，人们开始追问：它能不能识别陌生物品？能不能完成没有逐条编程的新任务？又能不能连续工作数小时而不出错？这正是具身智能竞争的新焦点。

数据：2026 年上半年中国具身智能融资概况。

01 从 " 炫技 " 到 " 干活 "：产业目标正在改变

过去几年，人形机器人最容易被拍成爆款的画面是跑步、舞蹈和后空翻。这些演示证明了本体的运动控制能力，却无法直接回答企业最关心的问题：机器人能否创造稳定的生产价值。

当前，中国机器人企业正加大对 " 具身智能 " 的投入，希望让机器不必为每项任务单独编写程序，也能根据环境变化调整动作。随着机器人硬件成本下降，竞争的差异化开始更多地转向感知、决策与学习能力。

02 为什么说 "AI 大脑 " 比四肢更难？

聊天机器人可以从海量文本中学习语言规律，实体机器人却必须理解物理世界：杯子会滑落，软线会弯曲，同样的物品换个位置，抓取方式也可能失效。把 " 知道怎么做 " 转化为 " 真的做对 "，需要视觉感知、动作规划、力控反馈和大量真实交互数据。

原创信息图：具身智能从数据采集到闭环训练的概念流程。

当前企业尝试让人类示范动作、使用可穿戴传感器记录力度和姿态，并以仿真训练降低真实试错成本。但模拟世界与真实工厂总有差距，数据是否准确、能否覆盖长尾异常场景，比简单增加训练样本数量更重要。

03 机器人已经 " 上岗 "，但边界同样清楚

落地正在发生。宁德时代表示，Spirit AI（千寻智能）的机器人已参与其中州工厂的电池包测试线束连接工作，企业公布的特定插接任务成功率超过 99%。这说明机器人在明确、可重复的工序里已有实际价值，但不能据此推断其能胜任所有装配任务。

药房是另一个场景：蚂蚁集团机器人业务 Robbyant 的设备已在上海两家药房参与订单处理，药品出库前仍由工作人员核查。人机协作而非 " 一夜替代人工 "，更接近目前行业真实的商业化状态。

原创信息图：演示场景与真实岗位对机器人能力的要求并不相同。

04 真正的门槛，是稳定工作和可计算的回报

实验室里的一次成功，并不等同于工厂里连续数月的可靠运行。真实客户需要衡量任务成功率、异常恢复、故障停机、安全责任，以及机器人加上运维和人工监督后的综合成本。尤其是柔性物体操作、陌生环境泛化与复杂协作任务，仍是难题。

资本热度也需要冷静看待。IT 桔子数据显示，2026 年上半年国内具身智能融资约 935 亿元、322 笔，融资额约为上年同期五倍。资金推动技术和场景试验，但融资总额既不是行业收入，也不能证明商业模式已经全面跑通。高端算力供给、模型训练成本和估值压力，都是后续挑战。

05 " 机器人 ChatGPT 时刻 "，可能先发生在小岗位

未来真正有价值的突破，或许并非机器人突然具备全能的 " 人类智力 "，而是它在一批可验证、可量化的岗位上，把完成率、稳定性和成本做到让企业愿意持续采购。电池线束插接、仓储拣选、药房订单处理，可能比家庭里的 " 万能管家 " 更早形成规模化市场。

机器人产业下一轮胜负手，不是谁的动作最像人，而是谁能让机器在真实世界里，持续、可靠、划算地完成任务。