问题——具身智能迈向产业化面临“数据、场景、成本”三重约束。当前，人形机器人从实验室走向规模应用，关键不概念展示，而在持续稳定的真实数据供给、可复制的训练环境和可验证的应用场景。一上，多模态数据采集涉及视觉、力觉、触觉、位姿等多源信息，标准不一、碎片化明显，难以形成高质量训练集；另一方面，企业在研发迭代中需要大量实景测试与数据回流，时间与资金投入高，导致“有技术难落地”“有样机难量产”的情况并不少见。如何通过制度化的场景供给和平台化的数据生产降低研发门槛，成为地方培育新赛道必须面对的现实问题。 原因——新赛道竞争，本质是“产业组织能力”和“要素配置效率”的竞争。石景山区作为北京“两区”建设核心承载区之一，产业转型的紧迫性与首钢园空间资源的可塑性叠加，为布局具身智能提供了条件。更重要的是，具身智能产业链条长、环节多，既需要传感器、灵巧手等硬件突破，也依赖数据采集、模型训练、系统集成与场景运营的协同。地方若仍主要依靠单点招商或单项补贴，难以形成集群效应。基于此，石景山区将具身智能纳入全区现代化产业体系，推出人形机器人产业行动计划及配套支持办法，围绕数据、硬件、场景、资本等关键要素进行统筹配置，打通从顶层设计到落地载体的机制，着力补上行业“数据供给不足、测试条件分散、应用验证不充分”等短板。 影响——工业遗址“再生产”，正在转向数据与算法驱动的“新型生产力”。记者随媒体探访看到，在人形机器人训练场与企业展厅中，轮足机器人、双足人形机器人可围绕分拣、搬运、售卖、上下料、清洁整理等任务开展连续训练；多模态数据采集与空间定位追踪等技术，让“可操作、可复现、可迭代”的数据生产成为现实。对产业而言，训练场不仅是展示窗口，更是“数据工厂”和“验证工厂”：通过将制造线、商业服务与家庭生活等典型场景模块化搭建，可把原本分散在企业内部的测试环节沉淀为可共享、可扩展的公共能力，提升模型泛化与精细操作水平，加快整机从样机到应用的跨越。对区域经济而言，这种以平台聚合要素的方式，有助于带动上游传感器、执行器，中游算法软件，以及下游应用运营协同发展，形成新的增长点。 对策——以“政策+平台+企业+高校”打通全链条堵点，形成可持续生态。石景山区提出以政策体系支撑、平台载体托底、企业主体集聚、全链合力推进的路径，建立“链主企业引领—专精特新筑基—创新团队突破”的梯度培育机制，并推动政企对接、供需对接常态化运行，促进优势互补与联合攻关。从企业样本看，一批专精特新企业围绕关键能力加速突破：有企业聚焦力触觉与多模态感知，提升机器人精细操作与泛化适配能力；有企业深耕数据采集与空间定位追踪，夯实数据生产与质量控制基础。此外，地方加大产学研协同力度，对高校院所落地平台和成果转化项目给予支持，推动“技术研发—中试熟化—产业落地”顺畅衔接，让更多科研成果尽快转化为可用产品和可落地方案。 前景——以训练中心为牵引，向“从0到N”的规模化数据生产与场景扩展迈进。依托首钢园老旧厂房改造升级，石景山区在较短时间内建成专业训练中心，并提出分期建设路径：先部署轮足机器人，再引入全尺寸双足人形机器人，持续扩大真实数据产出与场景覆盖，重点破解行业数据碎片化问题；同时推动高精度力触觉、“虚实融合”采集等能力落地，降低企业研发测试成本、提升迭代效率。面向下一阶段，随着数据标准、合规体系与中试平台更完善，区域有望形成以数据要素为牵引、以关键硬件为支撑、以模型与整机为核心、以多场景验证为闭环的产业生态。业内人士认为，具身智能从“能动”走向“好用、耐用、可规模用”，更依赖数据的持续供给与场景的持续开放；地方在公共平台建设、标准制定与合规服务上的先行探索，可能成为产业竞争中的关键变量。
从钢铁高炉到数训平台，空间形态的变化折射发展动能的转换。具身智能的竞争不只在单项技术，更在数据要素组织、场景体系供给与生态协同效率。以平台化方式夯实产业底座、以制度和标准释放数据价值、以协同创新打通从实验室到生产线的路径，正成为老工业区实现新质生产力跃迁的可行方向。石景山的探索表明，把握数据与场景两把“钥匙”，工业遗存同样能够打开未来产业的大门。