具身智能日报｜2026-08-28

本期关键词

#具身智能 #人形机器人 #商业化元年 #AGIBOT #Leapmotor #Unitree #行业趋势

造车新势力集体「跳槽」机器人：具身智能进入第二轮圈地

2026年的具身智能赛道，正在经历一场静悄悄的势力版图重构。

8月25日，造车新势力Leapmotor（零跑汽车）正式确认进军具身机器人领域。 CFO李腾飞在半年度业绩会上透露，公司已制定机器人业务规划，全栈自研能力是核心优势。值得注意的是，其于7月底在湖州注册成立了一家名为"凌晟精密制造"的子公司，业务范围涵盖工业机器人制造、智能机器人研发及汽车零部件生产——这被视为零跑切入机器人赛道的跳板。

无独有偶，小鹏汽车早在4月就亮出了人形机器人，理想汽车同样在年初传出机器人布局。蔚小理三家造车新势力在2026年集体涌入具身智能，绝非偶然。 电动汽车的电子电气架构、动力电池管理、线控底盘技术与机器人的运动控制、感知系统高度重合。造车派认为：智能电动汽车本质上就是「带轮子的机器人」，技术迁移顺理成章。

这波「降维打击」给原有机器人厂商带来了不小压力，但也加速了整个赛道的商业化节奏。

Unitree王兴兴泼冷水：具身智能的「ChatGPT时刻」还要等2-3年

在一片狂热中，宇树科技（Unitree）创始人王兴兴选择在2026世界机器人大会上泼出一盆冷水。

他判断：具身智能的「ChatGPT时刻」最早也要2-3年，慢则5-10年。 核心瓶颈只有一个——泛化能力不足。

具体来说，在固定环境中训练的机器人任务成功率可以接近100%，但一旦物体或场景发生微小变化，成功率就会急剧下降。这意味着当前的人形机器人本质上还是「高度特化的工具」，而非真正通用的智能体。

王兴兴给出了一个关键基准：当一台机器人能够进入陌生家庭，仅凭语音指令自主完成约80%的日常任务时，具身智能才算真正迎来拐点。 这个「80%基准」正在成为行业共识——不是99%，也不是50%，而是80%。太低没有商业价值，太高则遥不可及。

宇树已将AI模型列为最大投入方向，探索方向包括世界模型、机器人数据、VLA（视觉-语言-动作）模型，以及「用AI设计机器人本身」这一meta级别的路径。

AGIBOT狂揽46枚奖牌：比赛即实战

8月27日，智元机器人（AGIBOT）在世界人形机器人运动会上斩获46枚奖牌，其中5枚来自场景化任务赛金牌，包括酒店服务、图书馆运营等真实场景。这家公司在8月还完成了10亿元B2+轮融资，累计融资额遥遥领先。

比赛本身也颇有看点：天工Omni机器人在400米障碍赛中夺冠，智元灵犀X2则在100米障碍赛夺金。这些障碍赛并非花拳绣腿——轮胎阵、湿滑路面、跷跷板等设置的难度，直逼真实工业场景。

一个值得注意的信号：机器人运动会正在从「表演赛」升级为「实战演习」。 比赛中的任务设计（搬运、导览、巡检）直接对标工厂、医院、酒店的商业需求。用真实场景筛选技术路线，这个思路正在被更多企业采纳。

两部门联手：2026年底人形机器人开启「作业模式」

工信部、国务院国资委联合印发的「2026年度人形机器人与具身智能实景实训专项行动」已于6月正式启动，目标直指2026年底前让一批人形机器人在代表性场景中完成应用验证并进入常态部署——即开启「作业模式」。

这不是简单的补贴政策。核心玩法是「一体推进」：实景实训空间建设 + 创新应用联合体培育 + 作业技能攻关 + 应用部署验证，四位一体。面向的场景包括工业制造、特种作业、服务领域三大方向。

TrendForce估算，2026年中国人形机器人市场规模将达到150亿元，2027年增速至少60%。但王兴兴的警告值得记住：没有泛化能力做基础，规模越大，失败案例越多，舆论反噬越快。

第一性原理视角：具身智能的三个硬约束

回到物理现实，具身智能面临三个基本约束：

1. 物理世界的测试成本远高于虚拟世界。 训练一个LLM可以在云端用GPU并行跑万亿次，但训练机器人的泛化能力，必须在真实物理环境中一次次地试错。这决定了数据是具身智能最稀缺的资源。

2. 硬件的进步速度被供应链「卡脖子」。 精密减速器、力矩电机、触觉传感器的性能天花板，取决于材料科学和精密制造，这不是算法能解决的问题。

3. 「通用」的定义本身就在被重新定义。 80%任务泛化是一个合理的商业基准，但剩下20%的长尾场景（极端环境、异常物品、特殊人群）才是真正的技术深渊。

结论： 2026年是具身智能「规模化落地」元年，但距离「ChatGPT时刻」仍有距离。资本蜂拥、巨头下场、政府助推——这些是催化剂，不是解药。真正能穿越周期的，只有那些在泛化能力上取得实质性突破的企业。

来源：CnEVPost、TrendForce、Gizmochina、工信部官网、联合早报 | 时间：2026-08-28