问题——从“会跳舞”到“能干活”，产业真正短板哪里 近两年，机器人翻滚、奔跑、跳舞等视频频繁出圈，市场热度持续攀升。但在2026年中关村论坛年会的一场具身智能圆桌讨论中，多位企业负责人不约而同地指出：演示能力并不等同于产业能力。当前具身智能整体仍处于早期阶段，距离在复杂环境中稳定作业、在多场景低成本复制推广，仍有明显差距。行业面临的核心问题集中在三上：其一，高质量真实交互数据缺口较大；其二，缺乏统一、权威、可复现的评测与对标体系；其三，模型、机器人本体与场景系统之间仍需形成更强的工程化耦合与交付能力。 原因——数据获取成本高、试错风险大，标准缺位放大不确定性 与会者将行业现状比作大模型发展的早期阶段，认为行业“增长斜率很大”，但“基础设施”仍补课。一上，具身智能不同于仅依赖互联网文本或图像数据的技术路线，机器人需要真实物理世界中完成感知、决策与执行闭环，数据必须来自具体场景的交互反馈。然而，工业产线、仓储物流、特种作业等场景对稳定性与安全性要求极高，试错代价高昂，企业用户往往难以接受“半成熟”设备进入关键环节，这直接抬升数据采集与迭代的门槛。 另一上，资本与创业力量加速涌入，推动行业快速扩张的同时也带来分化：新玩家涌现与淘汰并存，技术路线和商业模式多点开花，但行业缺少统一的能力分级与评价尺度，导致市场对“智能水平”与“可交付边界”的理解不一致，继续放大投资、采购与应用落地的不确定性。 此外，多位人士强调，具身智能不是单纯的算法竞赛，而是“模型—硬件—场景系统”的综合比拼。模型架构、控制系统、传感与执行硬件、以及部署场景的流程再造缺一不可。若缺少系统级设计与工程化组织能力，即便单点能力突出，也难以真实环境中稳定运行并实现规模复制。 影响——2026年或成商业化加速期，但“泛化能力”决定能走多远 与会嘉宾普遍判断，2025年行业主要在夯实数据、工程与产品化基础，2026年将进入场景泛化能力提升与商业规模化落地的关键窗口期。其影响体现在三上： 首先，应用重心将更强调“可交付、可运维、可复制”。机器人从实验室走向真实世界，不仅要完成单任务，还要在环境变化、任务切换、人机协作等情况下保持稳定表现。 其次，产业竞争将从“样机能力”转向“体系能力”。谁能以更低成本在更多真实场景中部署更多机器人，形成持续回流的数据闭环，谁就更可能加速模型迭代，拉开代际差距。 再次，社会预期需要回归理性。机器人短期内在家庭场景全面普及仍受成本、安全、可靠性与服务体系限制；相对而言，工业、仓储、园区巡检、特种作业等具备明确ROI与相对可控边界的场景，更可能成为阶段性突破口。 对策——以数据闭环牵引产品迭代，以标准体系引导健康竞争 围绕行业“卡点”，与会者提出多项方向性建议： 一是加快构建真实场景数据闭环。通过与制造业、物流业等行业用户联合试点，在可控风险条件下推进小规模、分阶段部署，逐步扩大机器人在真实环境中的运行时长与任务覆盖，形成可持续的数据回流机制。同时，更多使用仿真、遥操作、混合采集等方式降低试错成本，并通过安全策略与流程约束保障生产环境稳定。 二是推动建立权威评测与基准体系。当前缺少大规模、可公开复现的基准与测试集，难以横向比较不同系统能力。应鼓励产学研协同建设覆盖典型任务、典型环境与关键指标的测评体系，提升行业透明度与可预期性。 三是研究建立能力分级与行业标准。与自动驾驶领域能力分级类似，具身智能也需要明确“在什么条件下能做什么事”的标准化表达，涵盖安全边界、可靠性、故障处理、可解释性与运维要求等内容，为采购、监管与保险等配套机制提供依据。 四是强化系统工程与供应链协同。以产品化和规模化为目标，推动控制、传感、执行器、算力平台与软件栈协同优化，在保证安全与可靠前提下降本增效，提升可量产与可维护能力。 前景——从“单点突破”走向“规模部署”，决定性变量仍在产业协同 总体看，具身智能正处于从概念热潮走向应用深水区的关键阶段。2026年能否成为行业加速落地的“元年”，取决于两个决定性变量：其一，能否在真实场景中形成低成本、可持续的数据飞轮；其二，能否以标准和评测体系把行业从“各说各话”引向“同尺竞争”。随着更多场景试点展开、软硬件系统持续迭代，机器人在工业与特种领域的规模化应用预计将率先取得突破；家庭场景则更可能沿着“从单一功能到多任务协同、从可用到可靠”的路径渐进发展。
具身智能的发展不仅关乎技术创新，更是对产业生态的全面考验。从实验室到生产线，行业正在经历关键转型期。平衡好数据、技术和场景的关系，将是打开智能新时代的关键。