图 1：从战略配股到实体合营，场景方与本体方的能力互换。数据来源：中国石油（601857）集团公告 /宇树科技（688836）公告
北京市市场监督管理局公示的一则经营者集中简易案件，让工业具身智能赛道的合作模式变化浮出水面。中国石油（601857）集团昆仑制造有限公司及其一致行动人昆仑资本，联合宇树科技（688836）股份有限公司、北京泛界智能科技有限公司拟新设合营企业，主攻工业具身智能机器人解决方案。交易完成后，昆仑制造及其一致行动人合计持股 60%，宇树科技（688836）、泛界智能各持股 20%。
这起合营不是孤立动作。今年 8 月宇树科技（688836）科创板 IPO 时，昆仑资本已作为战略投资者获配 903,290 股，占当次公开发行股份数量的 2.23%，获配金额约 1.36 亿元。双方彼时签署的《战略合作备忘录》已明确围绕油气场景机器人应用展开合作。从战略配售到实体合营，产业资本与机器人本体公司的绑定关系在不到一个季度内完成了从资本纽带向经营实体的跨越。
据宇树科技（688836）此前上市文件披露，中国石油（601857）集团可开放的资源包括油田、炼化厂区、长输管线、储罐区等作业场地，同时输出防爆规范、安全处置流程、设备故障判定标准以及泄漏、火灾等应急演练场景。宇树科技（688836）则根据落地需求提供常规及防爆四足机器人，集成气体检测、热成像、声纹采集等设备，用于巡检、渗漏排查和事故前期环境探测。这套分工里，场景方提供的是物理空间、安全规程和故障知识库，技术方提供的是本体硬件与感知载荷，双方交换的不是订单，而是能力。
高危能源（850101）场景率先跑出实际投用案例
石化领域在合营官宣之前已有 " 机器代人 " 的落地样本。中国石化（600028）首个飞索智能巡检机器人在镇海炼化投用，覆盖 1.2 万平方米液化气球罐区。据企业介绍，该机器人搭载全景相机、OGI 光学气体检测仪等 6 种设备，可采集 15 类数据，每天自主巡检 12 次，能够同步监测 6 种气体、在 50 米范围内识别泄漏隐患，单班次巡检覆盖面积为人工的 5 倍以上。这组数据指向一个关键变化：机器人进入的是客户既有的安全生产流程，不是为演示搭建的临时场景。
电网侧的推进节奏同样紧凑。今年 9 月 22 日，南方电网与宇树科技（688836）签署战略合作框架协议，双方约定开展技术共研、场景共建、标准共立、产创共融，围绕电力场景推进技术攻关、工况对接与行业标准制定。南方电网还在通过真实工况划定技术边界，2026 电力具身智能应用大赛共吸引 93 支队伍、140 家单位报名，15 支队伍进入实操赛，在真实电力作业环境中完成变电站设备巡检、紧急停电操作、专变用户电能表更换前验电三项任务。以赛代练的做法，实际上是在为技术方案设定可量化的交付标准。
中国信通院 10 月发布的《具身智能发展报告（2026 年）》提出，2026 年的具身智能站在 " 未来产业向试点应用的过渡节点 "，制造、物流、能源（850101）、医疗、商业服务等领域试点规模逐步扩大。IDC 同期数据显示，2026 年上半年全球四足机器人在工业制造领域应用市场规模约 7675 万美元，同比增长 194.2%，部署量同比增幅达到 537.9%，增速显著高于消费（883434）端市场，化工（850102）、矿山、冶金等高危工业场景是工业制造市场增长的核心驱动。两组数据叠在一起看，工业场景的增速领先并非偶然，高危环境对人工替代的刚性需求构成了商业化最扎实的起点。
场景甲方为何集中在能源（850101）央企
江行智能创始人庞海天在接受第一财经记者采访时给出了运维端的成本逻辑：变电站、新能源（850101）场站等基础设施位置偏远，站内设备价值高，人工运维巡检劳动强度大、效率偏低。部署机器狗、无人机（885564）、巡检机器人等终端设备后，单场站数千个巡检点位的人工巡检可实现整体替代。他同时提到，上层 " 物理 AI 大脑 " 可对采集数据集中分析，识别设备故障与异常，结果回传至控制中心，整站巡检效率显著高于人工模式。这个链条里，替代的不是单个巡检工，而是 " 巡检—判断—回传 " 整条作业流。
能源（850101）央企成为场景甲方的另一面，是准入门槛本身构成了筛选机制。贝克休斯工业解决方案业务高级副总裁阿拉温德 · 亚拉加达（Aravind Yarlagadda）在接受第一财经记者采访时表示，在能源（850101）行业，数字技术运行在一个对可靠性、安全性、连续运行要求极高的物理环境里，不只是在优化一个数字流程，而是在围绕复杂设备和工业流程做决策，这些设备可能要连续运行几十年。他的判断是，工业场景里只靠复杂算法远远不够，还需要高质量的运营数据、对设备工艺的深度理解，以及一线工程师、运维人员愿意信任的模型。物理 AI 在石化、能源（850101）场景的部署门槛显著高于普通场景，技术方案需要在复杂工况下持续稳定运行，打通存量控制系统，同时满足严苛的安全生产、网络安全（885459）与现场运营规范。
这段判断对理解中石油与宇树的合营结构有直接帮助。油气场景的防爆规范、安全处置流程、设备故障判定标准，是几十年运营积累下来的隐性知识，机器人企业短期内无法自行生成。反过来，宇树需要证明的是其本体在复杂工况下的连续运行能力和载荷适配性。合营企业把双方绑在同一个经营实体里，本质上是把 " 场景知识 " 和 " 本体能力 " 的磨合成本内部化，而不是通过一次次采购合同来试错。
数据瓶颈与商业化节奏的边界
真机数据的稀缺程度可能被市场低估。国金证券（600109）10 月 29 日援引中国信息通信研究院《具身智能训练场研究报告（2026 年）》分析，想要推动机器人迎来类似大模型的 "ChatGPT 时刻 "，约需 21,200 台机器人连续工作一年，产出千万小时级有效数据，而当前全球可用的高质量真实数据仅数十万至百万小时级，数据尤其是真机数据是物理 AI 最核心的瓶颈。按这个口径，当前数据供给与目标之间差着数量级，且缺口集中在真机运行数据而非仿真数据。
商业化节奏的判断需要区分阶段。中国出海企业协作联盟（CEGA）具身智能与机器人委员会主任、华山资本管理合伙人杨镭提出，机器人进驻厂区不等于商业化落地，现场演示、接入生产流程、客户持续付费、规模化采购是完全不同的发展阶段。他的判断是，未来数年工厂、仓储、物流这类标准化 To B 场景会比家庭服务这类非结构化环境更早实现规模化商用。这个判断的边界条件在于 " 标准化 " 三个字：流程越标准、环境越可控，复制成本越低；一旦场景需要大量定制化改造，单项目经济模型就会迅速恶化。
天使投资人、资深人工智能（885728）专家郭涛向第一财经记者分析，工业具身智能当前正处于从样品演示转向工程交付的过渡期，已经脱离纯实验室研发阶段，部分高价值场景完成单点试点验证，但距离大规模批量落地仍有较长距离。他认为技术突破和商业化洗牌会同步推进：技术层面模型物理泛化能力、本体可靠性、整机成本都会迎来一轮集中迭代，不少底层卡点有望得到缓解；商业化层面资本资源会持续向具备稳定项目交付能力、跨场景复制能力的企业集中，大量仅能完成样机制作、无法拿到工厂持续性订单的团队会逐步被市场出清。
把这几条线索放在一起，中石油与宇树的合营样本提供的是一个可观察的中间态：场景方以股权绑定替代采购试错，技术方以经营实体承接交付责任，双方共同承担从试点到规模化的不确定性。这个模式能否复制到更多能源（850101）央企和更多工业门类，取决于两个变量，一是合营企业能否在约定周期（883436）内交出可验证的连续运行数据，二是单站点的经济模型能否在去掉首台套溢价后仍然成立。公开信息尚不足以确认这两点的进展节奏，但至少方向上，工业具身智能的竞争已经从展台演示挪到了现场交付的账本上。