编辑丨岑峰
" 如果大模型现在还处在‘拨号上网’的时代，那谁能告诉我，制约具身智能规模化的致命卡点到底是什么？大模型解决物理世界问题的巅峰时刻，究竟何时到来？"
在 2026 世界机器人大会（WRC）的一场重磅圆桌论坛上，北京航空航天大学教授、中国机器人学术泰斗王田苗，向台下的五位具身智能头部企业 CXO 抛出了这个极度尖锐、甚至有些不合时宜的冷水式提问。
过去两年，大模型的狂飙将具身智能推上了风口浪尖。一段段炒菜、叠衣、甚至后空翻的视频在社交网络上疯传，仿佛 AGI 降临物理世界已是近在咫尺。然而，离开聚光灯和精心布置的实验室，这些动辄标价数十万的机器人，真能在现实中的工业流水线和和凌乱的家庭环境中活下来吗？
2026 年被行业公认为 " 具身智能规模化应用元年 "。但在王田苗给出的数据里：今年中国的人形机器人累计交付仅在 1.5 万台左右，而传统的工业机器人出口额却早已突破百亿大关，并保持着近 20% 的稳健增长。
理想与现实之间的巨大鸿沟，亟需一次毫无保留的行业 " 底牌大揭秘 "。
制约人形机器人从 " 几台 Demo" 走向 " 万台交付 "，进而吃下海量真实订单的 " 卡点 " 究竟在哪里？大模型的算力奇迹，为何在面对物理世界的几个螺丝钉时频频失效？在软件与硬件、平台与垂类的生态博弈中，未来的具身智能又将走向 " 苹果式 " 的赢者通吃，还是 "Windows 式 " 的百花齐放？
在这场聚集了众擎机器人 CEO 赵同阳、加速进化 CEO 程浩、具身科技联合创始人刘宇龙、优必选副总裁焦季超，以及京东智能机器人业务部负责人徐磊的顶级圆桌上，五位具身智能第一线的掌舵者，围绕 " 真实量产的卡点 "、" 软硬解耦的终局 " 以及 " 商业化落地的真实节奏 "，展开了一场极具启发性的产业交锋。
01
灵魂第一问：卡住 " 万台量产 " 脖子的，到底是大脑还是供应链？
当大模型赋予了机器人 " 听懂人话 " 的能力后，许多人乐观地以为，机器人走向千家万户只剩下成本问题。但王田苗的问题直击大规模落地的 " 最后一厘米 "：" 制约巨身智能机器人走向万台交付的卡点，主要在什么地方？"
那么，阻碍机器人拿到 " 万台入场券 " 的真凶到底是谁？现场迅速分化为两大阵营：" 算法技术派 " 与 " 制造工程派 "。
" 算法技术派 " 认为，原罪依然在那个还不够聪明的大脑。
众擎机器人 CEO 赵同阳一针见血地指出了软件思维与硬件现实的错位。他指出，当前业内宣称的具身大模型操作成功率大多在 96% 左右。这在软件和互联网世界，或许是一个足以支撑产品上线的优秀数字；但在真实的物理世界，这却是致命的。
" 这意味着机器人如果走出去执行 100 次任务，有 4 次不能活着回来，或者会砸坏客户的产线。这是一个极其糟糕的事情。" 赵同阳坦言，真正的商业化落地，尤其是 To B 的工业场景，绝对不会接受 96% 的良率。大模型面临的当务之急，不是去炫技做更多花哨的动作，而是如何将稳定性和可靠性从 " 两个 9（99%）" 死磕到 " 三个 9（99.9%）" 甚至 " 四个 9（99.99%）"。只要大脑的决策还存在随机性崩溃的风险，万台量产就是一句空话。
加速进化 CEO 程浩对此表示高度认同。他抛出了著名的 TPMF（Technology Product Market Fit）理论，认为当前具身智能的需求一直都在，产品定义也没有多难，真正的卡脖子环节就是 " 技术不 Ready"。
程浩将当前的具身大模型技术路线形容为 " 派系林立但远未收敛 "。有人做分层架构，有人做 VLM（视觉语言模型）与 VLA（视觉 - 语言 - 动作模型）的融合，但真正能扛住工程化落地检验的 " 端到端大模型 " 至今没有出现。" 现在距离大规模落地，最关键的还是卡在大脑的可靠性上。"
然而，身处真实生产与交付第一线的嘉宾，却给出了截然不同的答案。
" 大脑只要做到‘够用’就行。" 具身科技联合创始人刘宇龙透露，截至 2026 年 6 月，具身科技已经完成了约 15000 台机器人的量产交付，其中包括上万台四足机器人。在 " 见过血 " 的刘宇龙看来，大脑的成熟度固然不够理想，但在特定的垂类场景下，现有的算力和算法已经能够解决特定的刚需痛点（如从 A 地搬运货物到 B 地）。
他认为，真正的卡点在硬件指标和制造标准。比如机器人的自重负载比、高低温环境下的 MTBF（平均故障间隔时间）等。" 我们在万台交付过程中遇到的最大痛苦，是如何保证所有批次出货的良率、工艺一致性。" 刘宇龙指出，具身智能缺乏像汽车、家电那样成熟的行业标准，上下游供应链仍在盲人摸象，这才是量产最大的绊脚石。
优必选副总裁焦季超补充道，真实的客户并不会去实验室里苛求 4 个 9 的极致成功率：" 客户只关心，我用机器人替代这个工位，ROI 能不能在两三年内算过来？你的采购成本和后续的运维成本到底是多少？"
优必选今年即将形成万台级的产能，焦季超坦言，从 100 台到 10000 台，对产线的生产制造流程带来了巨大的挑战。" 我们去年就经历过，前 100 台和 100 到 200 台的生产过程中，发现需要做修正，但我能不能快速找到工厂跟进？目前整个行业还没有形成一套标准化的 NPI（新产品导入）流程和质量管控体系。"
作为掌握着海量销售数据与真实部署场景的 " 超级渠道 "，徐磊爆出了一个令人深思的内部数据：" 目前具身智能机器人的转化率，比传统的手机数码产品要差数十倍。"
他指出，大家都在谈论 AGI 时代的通用智能，但在当下做出的产品是否真正满足了用户的刚需？是否创造了不可替代的价值？" 如果我们的产品只能提供噱头，而不能算清楚投资回报率（ROI），那么万台以上的交付根本无从谈起。"
02
第二问：大模型如何驯服物理世界的不确定性？
当 " 卡脖子 " 的阵痛逐渐被视作量产路上的必经关卡，王田苗教授的第二个问题，直接触及了具身智能的技术灵魂：相比起已经非常成熟、稳定运行数十年不出错的传统工业机器人，" 通用智能 " 本身的可靠性究竟该如何保证？
王田苗抛出了一个令在场大牛们无法回避的客观事实：传统工业机器人的无故障出错时间大约是 6 到 8 万小时；而在极端的工业制造环境下（如精密电子组装、危险化学品处理），容错率必须为 0。
这实际上触及了目前 AI 界争论最激烈的话题：基于概率分布的 LLM，能否胜任物理实体的零误差操作？
焦季超指出，现实物理世界远比纯粹的数字代码复杂得多。哪怕是同类机器人，只要电机参数存在细微的不一致，或者构型存在极小差异，都会导致传感器采集到的真实数据大相径庭。
" 从模型和方法论的角度来看，跨本体的迁移目前面临着极大极大的挑战。" 焦季超坦言，这就导致了一个让算法工程师极其头疼的局面：在 A 款机器上喂足了数据、训练得非常完美的模型，一旦平移到 B 款机器上，就会因为物理参数的错位而频频出错，必须花大力气进行人工 " 特调 "。物理世界对微小误差的零容忍，让原本在软件世界里无往不利的 " 通用大模型 "，在残差不齐的物理躯体面前撞了一鼻子灰。
然而，如果依然是要解决复杂任务的精确执行，大模型的演进方向在哪里？
焦季超和具身科技的刘宇龙一致认为，连接虚拟大脑与物理身体的 " 桥梁 " 依然脆弱，而修补这座桥梁的核心材料是 " 多模态数据 "。
" 现有的通用大模型（LLM）主要是靠互联网文本数据喂出来的，但对于具身智能来说，我们需要触觉、力觉、视觉等多维度的真实交互数据。" 焦季超一针见血地指出，高质量具身数据的获取手段目前极不成熟，数据量远远达不到涌现物理常识的门槛。
更深层的问题在于底层架构。焦季超认为，目前许多具身大模型仍是基于 Transformer 等自然语言处理架构 " 魔改 " 而来的，并不完全适配具身智能 " 感知 - 决策 - 控制 " 的闭环训练范式。" 未来一定会出现一个专用于具身的动态模型新架构。只有完成底层架构的重构，才能真正抹平大脑指令与物理动作之间的微小误差。"
众擎机器人的赵同阳则从工程师的痛苦中看到了大模型的不可替代性。" 如果用传统工业算法，每天面对客户碎片化的需求，工程师的数量是远远不够的。大模型的价值在于它对多任务的泛化求解能力。" 尽管大模型目前不够稳定，但它是应对无尽长尾场景的唯一解。
" 大模型现在太早期了，我们目前正处于具身智能的‘拨号上网时代’。" 程浩比喻道，现在行业和用户的预期是 "5G 时代 " ——要求机器人能跑能跳、能做家务还能工厂打螺丝。但现在的技术基建，可能连 3G 都算不上。在这个阶段，去死抠单一的容错率卡点是没有意义的，因为从电机的扭矩、减速器的材料、算法的架构到边缘计算的通信延迟，到处都在拖后腿。
" 但这并不意味着拨号上网时代没有商业价值。大家回想一下，当年拨号上网、网速只有几 KB 的时候，全球每年的计算机销量依然有几百万甚至上千万台。因为像雅虎、早期 BBS 这样的简单应用，已经能够满足一部分真实的商业需求了。" 程浩认为，大模型在具身智能上的应用绝不是 " 憋大招 " 式的黑天鹅事件，而是一个螺旋式上升、渐进演化的过程。它必然会在一次次降维落地、试错与真实数据的反刍中，最终跨越容错率的鸿沟，迎来属于它的 "5G 巅峰时刻 "。
03
第三问：终局推是 " 苹果模式 "还是 "Windows 模式 "？
当大模型真正跨越了物理世界的鸿沟，具身智能产业走向成熟，它的终局生态究竟会呈现何种面貌？
王田苗抛出了全场最具战略高度的一问：未来的具身智能，会是一家巨头吃下从大模型到硬件本体的全部利润（类似苹果 iOS 的封闭生态）；还是会像 PC 和智能手机早期那样百花齐放：做本体的、做大模型的、做供应链的，各自称王，形成软硬解耦的分工格局（类似 Wintel 或安卓模式）？
在这场交锋中，" 软硬一体 " 的呼声占据了上风。
赵同阳认为，人形机器人的市场空间足够庞大，甚至比智能手机更夸张。在这样的体量下，市场一定会收敛出两三家像苹果、微软一样的超级巨头，切走行业 80% 的利润，而剩下的 20% 留给做垂类专用的长尾企业。
优必选的焦季超同样站队 " 软硬一体 "。他给出的理由更加技术化：" 人形机器人的复杂度在于硬件和软件的深度耦合。比如电机的参数不一致、本体构型不同，会导致你采集的数据完全不一样。跨本体的模型迁移，目前在技术上仍面临巨大挑战。"
焦季超坚信，通往 AGI 最短、最佳的路径，一定是硬件与软件的深度匹配与自研。" 我不认为未来的硬件和软件能够轻易分开。"
但加速进化的程浩给出了截然不同的推演逻辑。他认为，长期来看，软硬件必定会走向 " 解耦（Decoupling）"，只是现在时机未到。他将具身智能的产业革命划分为三个阶段：
1. 本体阶段（现在）： 处于百花齐放的阶段，就像计算机刚诞生时，Apple、IBM 各自为战，系统和硬件紧密绑定，因为大家都没跑通。
2.Agent 应用阶段（近期）： 随着基础系统的成熟，硬件本体开始收敛，但上层的应用会迎来爆发期，就像移动互联网早期的 App Store，各类垂直场景的 Agent 争奇斗艳。
3.模型阶段（终局）： 通用具身大模型（Foundation Model）彻底成熟，并像微信、抖音一样 " 吃掉 " 绝大部分的长尾应用。
" 到了那个时候，终局最大的赢家一定是那家做大模型的公司。社会将进入一个由超级大模型统治的时代。" 程浩判断，虽然短期内由于技术不成熟必须软硬一体，但随着标准化的确立，软硬解耦是不可阻挡的历史规律。
京东的徐磊也从产业链的角度印证了这一趋势。他透露，京东目前正在推进人类历史上规模最大的具身数据采集计划（包括千万小时真实场景数据和百万小时真机采集）。他认为，尽管当下是百花齐放，但随着 " 跨环境、跨本体 " 的大模型预训练技术不断突破，未来的基础大模型一定能在通用的硬件本体上展现出极强的跨用能力。
04
在 " 拨号上网 " 的阵痛中，寻找进化的钥匙
当长达一个多小时的圆桌接近尾声，王田苗教授的三个灵魂拷问，终于为疯狂奔跑的具身智能行业，拼凑出了一幅褪去滤镜、极度真实的产业图景。
不可否认，大模型确实还处在具身智能的 " 拨号上网 " 早期阶段。它离 "5G 时代 " 那无所不能的通用人工智能，仍有漫长且险恶的算力鸿沟、数据荒漠与架构壁垒需要跨越。
无论是面对大模型频频 " 手抖 " 的幻觉焦虑，还是面对 " 苹果式巨头 " 或 "Windows 式生态 " 的终局推演，摆在在座所有明星企业面前最冷酷的现实问题是：梦想很宏大，但今年和明年，我们靠什么活下去、赚到钱？
在圆桌的最后，五位头部企业的掌舵者，对于商业化落地的 " 宏观节奏 " 达成了共识：摒弃一步登天、直达 AGI 的幻想；遵循从高刚需、低容错、半结构化的 B 端（企业级）场景切入，最后再图谋复杂多变、容错率低的 C 端（家庭）市场的演进路线。
优必选的焦季超也预测，随着技术的成熟和成本的下降，工业端的放量将是明后两年的重头戏。" 先把容易实现的巡检、搬运、分拣做透，再去碰那些需要穿针引线的精细活。"
有趣的是，在这个硬核的机器人论坛上，" 情绪价值 " 被反复提及。焦季超坦言，优必选今年发布的偏向情感陪伴的 C 端产品需求远超预期。" 这种能做出微表情、能产生情感共鸣的陪伴机器人，市场需求极其庞大。" 京东的徐磊同样证实，虽然整体 B 端需求大于 C 端，但在 C 端市场中，具身类的陪伴聊天机器人增速最为迅猛。徐磊甚至勾勒了一个 " 去中心化交互 " 的未来：在万物互联的具身时代，我们不再需要掏出手机，对着桌子或家庭机器人说一句话，一切服务就能自动完成。
" 技术和产品必须达到一个适中的状态。"
众擎机器人的赵同阳用一句话为这场圆桌作了结。在这个大模型还在 " 拨号上网 " 的时代，没有一家公司能一口吃成胖子。最聪明的做法，是用 80% 的精力去抢占巡检、安防、工业搬运等确定性极强的 " 沙头堡 "，通过这些粗活累活造血；然后，再把剩下的 20% 留给实验室，去探索那个虚无缥缈却又令人神往的、能真正走入千家万户的 AGI 终局。
毕竟，只有留在牌桌上的人，才有资格见证巅峰时刻的到来。
上车，带你看遍全球 AI 顶会精华
可独家畅览：
专家演讲 PPT
大会报告全文
热门论文解读
学术新星访谈
扫描上方二维码
或点击「阅读原文」关注雷峰网专区。
