具身智能赛道壁垒不在出货量
田晏林 发自 凹非寺
逛了一圈今年的 WRC，我发现，判断一家人形机器人公司到底是否拿出了真功夫，有个最简单粗暴的办法：
看它敢不敢把客户工厂的真实作业场景搬过来。
因为宣传片可以剪，Demo 可以排练，但产线不会陪演员走位。
汽车钣金件、机加件上下料中的尺寸误差与节拍压力，物流小件商品的随机堆叠，连续作业中的定位移动，任何一个细节，都可能让机器人当场卡住，触发异常模式。
优必选这次直接把这些在客户工厂里攻克的难题，1∶1 摆上展台。
现场，我们看到工业人形机器人 Cruzr Y1持续拆垛、码垛，搬运纸箱和料箱；Cruzr S2则为汽车机加件、钣金件上下料，并在工作台上完成亚毫米级定位。
另一边，Cruzr S2 还从混杂料箱中抓取不同规格的护肤品盒子，逐一投入德马自动播种墙供包台，完成播种分拣。粗略估算，其平均抓取节拍最高接近 1100 件/小时。
没有人工干预，没有预设程序，从识别、移动到抓取、放置，全靠机器人自主完成。
即便抓取失败，机器人也能够自主识别问题、调整策略并重新抓取。
这背后，其实藏着人形机器人「老大哥」对 2026 年人形机器人竞争的一种判断：
客户买单的，才是真场景。
优必选副总裁、具身智能与人形机器人研究院院长焦继超博士告诉量子位，客户筛选机器人厂商时，首先看的不是你在某一个 Benchmark 上表现多好，而是硬件是否稳定、机器人厂商是否懂场景、方案能否真正跑起来。
实验室里完成一次任务，考验的可能是算法上限。
机器人进入工厂，连续完成成千上万次作业，考验的则不只是算法，还包括硬件可靠性、任务成功率、节拍效率、采购及运维成本，以及机器人厂商对整套生产流程的理解。
优必选在 WRC 展示的这些方案，已经走过实训阶段，进入小规模交付阶段，目前正根据客户场景的运行效果逐步扩大规模。
在真实场景里完成的作业越多，优必选也建立起了自己的生态网络。
焦继超坦言，当人形机器人真正进入客户现场后，单靠一家公司很难吃完整条链路。
芯片、零部件、整机制造、场景交付、数据回流，每一环都决定着机器人能否从几台试用，走向成百上千台复制。
展台秒变工厂，客户产线 1∶1 复刻
这次 WRC，优必选没有只带来一台明星机器人，而是直接把工业、商用、家庭消费三条产品线同时摆上展台。
**工业端，**1∶1 复刻客户真实作业产线。近十台工业人形机器人 Cruzr S2 和 Cruzr Y1，在汽车上下料、搬运、拆码垛、分拣等简单、重复、枯燥的工位上，从早上 9 点开馆一直埋头工作到下午 5 点闭馆。
**商用端，**优必选带来了全新商用服务人形机器人 Walker C1，主打迎宾导览、文娱展演、科研开发和智能助教。
面向**家庭消费端，**搭载「Resonance-LM」情感大模型的超仿生人形机器人「U1」也同步亮相，主打情绪支持和情感陪伴。
三条产品线放在一起，优必选并不是简单地扩充 SKU。
现场最具视觉冲击力的，也不是所有机器人站成一排，而是 Cruzr S2、Cruzr Y1 直接进入持续、不间断的作业状态。
没有人工干预，全程自主完成识别→抓取→移动→定位→放置→检测→回流。一整套连续工作流非常流畅，直接拉满了工业场景最真实、最严苛的要求：
高强度、长时间、稳定连续作业。
拆解细节后会发现，这绝不是一次精心编排的展台表演，而是完全复刻了客户日常的生产逻辑。
比如，汽车机加件上下料需要双机协同，搬运超过 1 米的大尺寸工件，同时处理来料偏差、标定漂移、工件变形和现场扰动，最终定位精度小于 1 mm。
在汽车钣金件上下料场景中，机器人需要在皮带线和机台之间循环完成上料、定位、检测、下料。VLA 模型在端侧运行，定位精度同样小于 1 mm。
物流电商小件分拣则要求机器人面对不同规格、颜色和堆叠状态的护肤品纸盒持续抓取，平均抓取节拍接近 1100 件/小时。
真实工厂作业场景，对人形机器人提出了完全不同的能力要求。
它早已不局限于把动作做得流畅、跑得跳得好看，而是更需要读懂复杂的现实环境，自主拆解任务目标，在不确定的干扰下稳定完成抓取、装配、放置等操作，遇到失败后还能自主纠错并重试。
这就造成了作业型「打工机器人」与表演型「跳舞机器人」在硬件选型、算力配置上的巨大鸿沟。
跳舞机器人优先追求动作的爆发力和灵动性，看重跑动、空翻、舞蹈特技等视觉效果。
它们在硬件上偏向轻量化设计，身高大多在 1.2 米上下，一般不配置视觉、力觉传感器，也无需灵巧手这类末端作业执行器。
关节多选用灵活度高、成本可控的行星减速器，足以支撑大动态的肢体表演；算力端依靠瑞芯微 RK3588 这类芯片就足够。芯片主要服务底层运动控制，只需执行预编排轨迹，不需要运行复杂的具身大模型。
而**「打工机器人」身高普遍超过 1.7 米，面向的是持续受力、长时间连续运转，以及频繁与物体接触交互的真实作业工况。**
关节需要扛住持续负载，兼顾抗疲劳特性与接触力矩的精准控制，因此选用成本更高、刚度与稳定性更出色的谐波减速器。
与此同时，机器人要完成环境感知、力觉反馈、任务拆解规划，以及失败后的自主重试，需要在本地运行具身大模型与世界模型进行实时推理，这就离不开英伟达 Thor 这类高算力芯片作为算力底座。
简单来说，跳舞机器人比拼的是动态表演能力，整套硬件配置服务于舞台展示效果；
打工机器人比拼的是整机可靠性与自主智能水平，本体硬件和算力架构全部围绕实际生产作业设计，两套硬件体系无法直接互通复用。
优必选这次把要求如此苛刻的真实产线直接搬上 WRC 展台，显然不只是为了展示技术。
硬件决定机器人能不能「动起来」，而具身智能大脑，才决定机器人能不能真正「干成事」。
那么，在毫无预设保护的万人展台，让机器人进行高强度、无干预的连续作业，优必选究竟是用什么样的大脑在支撑这场硬仗？
给机器人装上一颗具身大脑
优必选的「具身大脑」，本质上是一套由理解、预测、执行构成的三层体系。
第一层是 Thinker 基座大模型，负责让机器人「看懂」世界。
机器人要先弄清楚自己身处何处、眼前有哪些物体、用户下达了什么任务，才谈得上后续的规划与操作。
Thinker 通过机器人第一视角数据，建立对视觉、语言和空间环境的理解能力。
△优必选具身智能大模型 Thinker 技术架构图
公开资料显示，Thinker 在 10B 以下具身智能大脑模型权威基准评测中获得 9 项第一，最大基座模型达到 100B。
这些评测成绩验证了模型在感知与理解层面的基础能力。但进入生产环节后，它还要面对一个持续变化的物理世界。
这就需要第二层能力：预测。
基于 Thinker 基座模型，优必选自研了「Thinker-WM 世界模型」，用来回答：
我这样做，接下来会发生什么？
机器人拿起一个物体后，会不会掉落？移动到某个位置，会不会发生碰撞？下一步动作是否符合物理规律？
为此，Thinker-WM 沿用了 Thinker 在数据管线、模型调试和训练 Infra 上的积累，同时进行了模型架构升级，引入 Diffusion Transformer、Flow Matching 等技术，将视频表征、Action 表征与 Prediction 放进统一表征空间进行训练，让动作规划更加符合物理世界规律。
目前，Thinker-WM 已经在具身智能评测基准 LIBERO 中登顶。
最后一层，是 Thinker-VLA，负责「执行」。
落实到 WRC 展示的工业工位，Thinker-VLA 需要把任务理解转换成连续控制信号，实时决定机械臂轨迹、末端姿态、抓取力度和放置位置。
遇到工件偏移或抓取失败时，模型还要根据反馈调整动作，让机器人继续完成任务。
VLA 更偏于操作，更多是回答「我怎么去做这件事」；世界模型则更多回答「我这样做之后会有什么后果」，并对这方面进行预测。
焦继超表示，理解、预测、执行三层能力连接起来，机器人才能从「会看、会想」走向「会干」。
据悉，优必选下一步计划探索将三个模型融合到统一的端到端架构中，包括主干网络和参数共享。
但对于真正进入工厂的机器人来说，模型能力只是第一关。
下一关是：这颗大脑能不能在机器人本体上实时运行？
如果机器人每一次动作都依赖云端反馈，网络延迟、通信稳定性、部署成本和功耗都会成为工业落地的障碍。
优必选的方向很明确：将高实时性能力下沉到端侧。
数据显示，Thinker-VLA 经过端侧优化后，推理效率提升 176%，存储用量降低 60%，端侧全功能模块的 GPU 显存需求从 64GB 降至 32GB。
焦继超表示，团队将大量算法从 x86 平台迁移到低功耗 ARM 平台，同时优化底层软件、算子和域控，目标是让整套软件系统在一块嵌入式板卡上运行。
你放的电路板越多，空间、续航、可靠性都会成为问题。所以我们一直坚持，要把所有的软件算法放在端侧处理。
在他看来，云端可以继续承担慢推理、多机调度和模型管理，端侧则负责机器人的实时感知和动作执行。
但这样一来，模型、算力、功耗、通信、运动控制和硬件可靠性，就需要从产品设计之初协同考虑。
端侧部署解决了具身大脑能否装进身体的问题。那么，同一个「大脑」如何快速适配工业、商用和家庭三类机器人呢？
优必选给出的答案是「1+N」。
「1」是一套共性技术基座，「N」是面向不同场景定义的机器人产品。
焦继超表示，在具身技术还没有做到真正泛化的情况下，只能通过不同场景反向定义产品。
工业机器人关注负载、精度和连续工作能力；商用机器人关注高动态和交互能力；家庭机器人则需要理解表情、情绪和记忆。
同一套智能基座可以复用，但不同机器人身体仍需要围绕具体场景进行工程优化。
目前，优必选的这种复用能力的价值已经显现。
商用服务人形机器人 Walker C1基于既有工业机器人技术底座开发，沿用了部分软件系统和自研舵机能力，从产品定义到样机完成约 4～5 个月。
而放在以前，如果完全从头开发同类产品，通常需要 6～9 个月。
优必选晒出「朋友圈」
把具身大脑装进身体、下沉到端侧，解决了机器人「能干活」的第一步。
具身智能竞争走到最后，一定会回到数据。
对于传统 AI 而言，模型能力很大程度上依赖互联网数据规模。但对于具身智能来说，机器人面对的是一个充满不确定性的物理世界。
同一个抓取动作，可能因为物体重量不同、摆放位置变化、机械误差累积，而产生完全不同的结果。
这些来自真实环境的反馈，很难仅靠仿真获得。
因此，机器人必须进入真实场景，在一次次任务执行、失败修正和环境交互中积累经验。
据悉，优必选训练模型的数据构成中，真机数据占比高达 60%～70%，Ego（第一视角）数据约占 20%，剩余 10% 才是仿真数据。
这种数据结构的背后，是优必选对具身智能演进路径的判断：
世界模型可以提升数据利用效率，仿真也能补充极端场景，但机器人真正面对的摩擦力、负载形变、物理接触与随机扰动，只有在真实交互中才能学深、学透。
为了让这些真实反馈形成闭环，优必选搭建了一套完整的自建数据闭环：
机器人进入生产环境后，会持续产生任务数据。这些数据经过上传解析、清洗标注、模型训练、部署验证，再反馈到下一轮数据采集。
在这个过程中，机器人每完成一次任务，都不仅是一次交付，也是在为具身大脑积累新的经验。
目前，优必选日均可产生千小时级原始数据。经清洗后，每 8 小时数据大约能留下 1.5～2 小时有效数据。
这些数据并非只服务于优必选的模型。目前，已有头部具身模型客户采购优必选的真机数据。
财报显示，2025 年优必选全年营收超过 20 亿元，人形机器人总销量为 13,838 台。
其中，全尺寸具身智能人形机器人收入达到 8.2 亿元，销量为 1,079 台，其中超过 80% 应用于汽车制造、智慧物流、3C 电子、半导体、航空制造、工业数据采集等严苛的工业场景。
数字本身并不是最关键的。
真正重要的是，这些机器人能否进入「高价值生产现场」。
在那里，机器人遇到的问题越复杂，产生的数据越丰富，模型迭代速度就越快，下一次交付能力也越强。
这也是为什么，**具身智能的核心壁垒从来不是简单的出货量，而是能否建立「机器人部署→真实数据→模型优化→能力提升→更多场景部署」**的正向循环。
而要让这套循环持续扩大，仅靠一家机器人公司并不够。
具身智能最终是一场涵盖产品理解、数据闭环、软硬协同与规模化制造的系统工程竞争。
据焦继超介绍，优必选正把「朋友圈」扩展到芯片、核心零部件、整机制造和场景交付各个层面。
在芯片层面，优必选与沐曦股份成立「曦选创智」，布局具身智能端侧芯片研发与量产，计划于 2027 年流片、2028 年量产。
零部件层面，其收购了 A 股上市公司锋龙股份，合作推进灵巧手、伺服驱动器等核心零部件的研发与制造。
△灵巧手
△舵机
在制造端，优必选与西门子合作建设万台产能人形机器人超级智慧工厂，并于今年 8 月正式投产。
此外，在应用端，优必选已经覆盖日立中国、富士康、三一重能、基本半导体、珠城科技等智能制造合作伙伴，以及比亚迪、吉利、东风柳汽、本田贸易、富奥股份、永茂泰等汽车产业伙伴和德马科技等智慧物流伙伴。
今年上半年，优必选还与申昊科技、Terra Robotics、德山 JMR、永达机器人、波士集团、麦迪科技等国内外应用集成商达成合作，持续推进人形机器人在更多产业中的落地应用。
这些合作伙伴共同构成了一条完整链路：
上游提供更稳定、更低成本的机器人基础能力；中游提升机器人的规模化交付能力；下游真实生产现场则不断产生新的任务需求和交互数据。
最终，这些数据再次回到具身大脑，推动模型迭代，并反过来提升机器人进入更多场景的能力。
One more thing
人形机器人行业已经不缺会走、会跳、会完成一次抓取动作的产品。
接下来的差距，会越来越集中到一个更现实的问题：谁的机器人能够被客户留下来，第二天继续工作。
因为进入真实场景之后，机器人面对的不再是一次性的展示任务，而是每天数小时、数百次甚至数万次的重复作业。
这考验的不是单点能力，而是一整套系统能力：硬件可靠性、模型泛化能力、数据闭环效率，以及厂商理解真实业务的能力。
从这个意义上看，客户订单并不仅仅代表商业收入，也成为验证技术路线最直接的一票。
客户愿意部署机器人，机器人才能获得真实反馈；真实反馈推动模型迭代，模型提升又帮助机器人进入更多场景。
商业化和技术进化，在这里开始变成同一条曲线。
所以回过头来看，优必选在 WRC 上复刻的那些客