人形机器人

机器人百米跑进9秒：世界人形机器人运动会落幕 北京国家速滑馆"冰丝带"的灯光渐暗，但另一项纪录正在被永久写入历史。 8月27日，为期五天的2026世界人形机器人运动会在北京落幕。与首届（2025年）280支队伍、500余台机器人相比，今年赛事规模几乎翻倍——来自六大洲16国的666支队伍、2056台机器人参与了51个项目的1301场比赛。 最震撼的数字出现在百米跑项目：北京人形机器人创新中心开发的天工Ultra以8.64秒完赛，超过了博尔特的人类百米世界纪录9.58秒。更惊人的是纵向对比——去年首届赛事中，天工的最佳成绩还是21.50秒，一年内将成绩压缩了近13秒。 其他项目同样大幅刷新纪录： 项目 2025年 2026年 400米 1:28.03 38.15秒（快于人类男子世界纪录43.03秒） 1500米 6:34.40 2:21.64 站立跳高 0.96米 3.40米 站立跳远 1.25米 4.83米 这些数字背后不只是速度与力量的增长，更是自主感知、实时决策、多机器人协作能力的全面跃升。在4×100米接力中，天工团队成为唯一完赛的队伍，以4分11秒44夺冠。 Hugging Face推出399美元开源双足机器人Microduck 8月27日，Hugging Face正式发布了一款25厘米高的开源鸭子机器人——Microduck，定价399美元，圣诞前发货。 这是继2025年4月收购法国机器人创业公司Pollen Robotics后，Hugging Face在开源硬件领域的最新落子。Microduck虽外形呆萌（就是一只黄色鸭子），但能力相当硬核： 15个伺服电机，实现摇摇晃晃的双足步行 可承载800克负重 具备摔倒自恢复、蹲下、冰上滑行等能力 集成摄像头、激光雷达和双IMU传感器 支持仿真环境强化学习训练，也支持直接实物部署 SDK、仿真环境、完整训练栈全部开源在GitHub上 这个产品的意义不在于它能做什么，而在于它降低了什么门槛。目前具身智能开发的最大瓶颈之一是：没有廉价、易获取、可复现的物理平台来做强化学习实验。Microduck直接把这个门槛拉到了399美元，而且代码全开放。 值得关注的是，Microduck发布同期恰逢媒体报道Hugging Face即将被NVIDIA以130亿美元收购的消息。如果成真，低价开源硬件+黄仁勋的GPU生态，想象空间不小。 AGIBOT A2现身Met Gala：具身智能闯入时尚圈 中国机器人公司AGIBOT的人形机器人A2，5月5日在纽约马克酒店（Met Gala明星入场前的聚集地）与设计师Alexander Wang一同亮相，成为首个登上Met Gala的具身智能机器人。 A2在现场与摄影师互动、变换姿势、配合拍照，甚至在离开电梯时"卡了一下"被工作人员引导——这个小插曲反而让它成了当晚社交媒体上最热闹的话题。 这不仅是品牌营销，更是一次具身智能在非结构化开放场景中的真实测试：拥挤的人群、闪光灯、混乱的走道、多轮对话式互动——这些都不是工厂流水线上的受控环境。A2在其中的表现（尽管有小故障）说明了人形机器人在真实世界部署的能力边界正在快速扩展。 国内数据：2026上半年机器人产业营收同比增长24.5% 央视报道，2026年上半年，我国机器人产业规模以上企业营业收入达1655亿元，同比增长24.5%。 与此同时，两部门联合发文要求到2026年底，在人形机器人与具身智能领域开启"作业模式"——即从试点走向实际生产部署。各省工信部门和央企需在11月30日前上报场景应用成效指标。 另一个值得注意的数据：国内76%的国产机器人仍依赖海外ROS系统，核心算法自主率不足40%。王成录博士在2026世界机器人大会上指出这一结构性风险，是行业必须正视的现实。 一句话总结 机器人跑得比博尔特快了——这不是噱头，是具身智能从实验室走向真实世界的里程碑。Hugging Face用399美元把强化学习平台送到开发者手中，而AGIBOT已经带着人形机器人闯进了Met Gala。2026，具身智能正在加速"成人"。 来源：央视网、Global Times、Interesting Engineering、AIbase 等 | 时间：2026-08-30

工信部、国资委联合启动人形机器人实景实训专项行动，明确2026年底开启「作业模式」；行业半年融资935亿、8家企业估值破200亿，但修路者已开始倒下。

AI日报｜2026世界机器人大会观察：具身智能"修路者"淘汰赛加速 正在举办的2026世界机器人大会（WRC 2026）成为观察具身智能行业走向的最佳窗口。8月19日至23日，来自20多个国家的300余家企业和1万多名赛手齐聚北京，展品超2000件，首发新品突破150件——热闹背后，行业正在经历一场残酷的洗牌。 "ChatGPT时刻"何时到来？创始人分歧巨大 在8月20日的大会主论坛上，宇树科技创始人王兴兴给出了相对保守的判断：具身智能达到类似"ChatGPT时刻"的产业临界点，快则2-3年，慢则5-10年。 但行业内的乐观派不在少数。银河通用创始人王鹤认为，具身大模型目前约等于GPT-2水平，预计2028年可达到GPT-3.5至GPT-4，届时迎来真正的"ChatGPT时刻"。奥比中光创始人黄源浩更为激进，认为再过1-2年就能达到临界点。 也有质疑者。星海图创始人高继扬认为，具身智能可能没有真正意义上的"ChatGPT时刻"——因为最先落地的场景在工厂和仓库，普通公众难以感知，技术突破存在但公众认知不到那一瞬间。 争议背后有一个共识：目前大多数人形机器人还处于小范围验证测试阶段，距离真正大规模商用仍有距离。 半年融资935亿，但钱在加速向头部集中 2026年上半年，国内具身智能赛道发生322笔融资，总金额达935亿元，同比暴涨5倍，已超过2025年全年。 钱在快速向头部聚拢。截至6月底，国内至少8家具身智能企业估值突破200亿元，组成所谓的"200亿俱乐部"——宇树科技、智元机器人、千寻智能、银河通用、星海图、智平方、自变量机器人等均在列。若标准放宽至百亿估值，企业数量超过20家。 但剩下的企业处境堪忧。在披露金额的288笔融资中，千寻智能、曦望Sunrise、星海图、自变量机器人、极佳视界五家公司吸走了171亿元，占披露总额的37%；前20家企业合计拿走七成。剩余数百家公司只能分食剩余的100多亿。 "修路的人比淘金的还多"——淘汰赛已至 一个值得关注的现象是：具身智能产业链上，"修路者"的数量已远超"淘金者"。 据启信宝报告，当前具身智能上游零部件企业超过8000家，中游本体制造与系统集成企业约1900家，下游终端应用企业约2370家。相比之下，人形机器人企业只有680家——修路者数量是淘金者的近20倍。 这些"修路者"专注于不同环节：梅卡曼德做3D视觉感知、大晓机器人做世界模型（"大脑"）、启智机器人做操作系统标准、灵心巧手做灵巧手、帕西尼感知做触觉传感器…… 但修路者也在加速淘汰。曾经的明星企业达闼机器人——国内最早做人形机器人的玩家之一，累计融资超54亿元、估值一度突破200亿——因始终无法跑通商业化，2025年上海总部人去楼空，被执行金额超4000万元，近2000项专利被打包出售。硅谷K-Scale一年内连融3轮、估值冲到5000万美元，也在2025年11月因融资失败直接倒闭，账面只剩40万美元。 参考智能驾驶的发展路径，具身智能的淘汰速度只会更快。智驾从百花齐放到格局初定用了七八年，具身智能可能三四年就会见分晓。核心环节天然趋向标准化，而标准只能有一两套——机器人厂商不可能为每个供应商单独适配接口，后来者上车的窗口期可能只剩一两年。 工厂成为主战场，家庭场景开始探索 工业场景几乎是所有具身智能公司最看好的落地方向。银河通用的机器人已在宁德时代数十个工厂横展，任务从堆垛、搬运延伸至拧螺丝和异形物体操作；众擎机器人的T800人形机器人则在立讯精密苏州工厂上岗，承担物料上下料及搬运作业。 家庭场景也有了新探索。墨甲机器人在大会上发布家庭陪伴机器人墨宝Mobo，定位并非替代家人，而是"家庭新增的可靠助手与温情伙伴"——可进行日程管理、老人陪伴、儿童教育等，预计2026年底量产。 一点思考 具身智能行业正在重演历史：热钱涌入、估值飙升、大量创业公司涌入——然后是残酷的淘汰赛。第一性原理来看，机器人要走进工厂和家庭，需要突破的物理极限是泛化能力——能适应非结构化环境中的千变万化，而不是执行固定流程。这需要的不是更多创业公司，而可能是少数几家能定义标准的企业。 当下的"修路者"过剩，本质上是因为太多人在做注定会被标准化的中间件。**最终能活下来的，要么是定义标准的人，要么是傍上头部整机厂的人。**对投资者和从业者而言，这可能是比"ChatGPT时刻"更值得思考的问题。 来源：21财经、OFweek机器人网、TOM资讯 | 时间：2026-08-27 #AI #具身智能 #机器人 #世界机器人大会

AI前沿观察 · 具身智能周报 2026-08-25 | 具身智能行业重要进展 一、XPeng 机器人业务独立融资9亿美元：华尔街的估值重估信号 事件：8月24日，小鹏汽车宣布旗下机器人业务 Dogotix 完成约9亿美元独立融资，估值63亿美元。IDG Capital 领投，阿里巴巴、腾讯作为战略投资者跟投。高盛、摩根士丹利、花旗等多家华尔街投行同步发布研究报告，将 Dogotix 与刚在A股上市的宇树科技对标。 关键数据： 融资规模：9亿美元 投前估值：50亿美元 → 投后约63亿美元 对标：宇树科技A股IPO估值约90亿美元（融资规模相近） 高盛测算：63亿估值 = 小鹏市值的53% 为什么重要？ 这是中国新能源汽车厂商分拆机器人业务的第一个里程碑案例。小鹏的逻辑与特斯拉高度相似：用造车积累的自动驾驶能力（视觉感知、规划控制、芯片）横向迁移到人形机器人。摩根士丹利在报告中明确将小鹏列为"中国最接近特斯拉定位的综合物理AI公司"。 华尔街投行的密集覆盖是关键信号——说明全球机构投资者正在将人形机器人从"概念主题"重新定价为"可独立评估的战略性业务单元"。 第一性原理思考：人形机器人公司的估值本质是什么？是硬件销售收入，还是数据积累的期权价值？如果是后者，那么拥有汽车、机器人双主业的公司天然具有数据采集和场景落地的优势，垂直整合的估值逻辑应当高于单一机器人公司。但目前资本市场对此的分歧仍然很大。 二、比亚迪入局人形机器人：消费级路径的颠覆性尝试 事件：比亚迪正式确认将于8月在"Di Space"体验中心发布首款人形机器人。区别于行业常规做法，比亚迪的宣发重点不是技术参数，而是"共情交互"——机器人对接近做出光线或动作的柔和响应。 关键信息： 上市地点：比亚迪消费体验中心（非行业展会） 定位：直接面向家庭场景 技术依托：比亚迪电动车ADAS系统（空间感知、目标识别）迁移到双足/轮式平台 成本优势：垂直整合——比亚迪半导体自研芯片 + 自有电池 + 自有电机 为什么值得关注？ 行业普遍路径：先工业场景打磨技术 → 成本下降后进入家庭。比亚迪反其道而行：直接从消费场景切入，用"情感连接"而非"任务执行"作为核心价值主张。 这个策略的底层逻辑值得拆解： 工业场景的问题：采购方价格敏感、技术要求高、容错率低 消费场景的问题：用户价格承受力更高（情感溢价）、容错率相对高、但技术要求同样不低 比亚迪的判断是：在消费场景中，"被接受"比"完成任务"更重要——这是对的，但前提是机器人基础能力不能有明显的短板。比亚迪在电机控制和电池技术上的积累可能是差异化的关键。 三、"机器人幼儿园"：萨顿教授的强化学习路线能否突破数据瓶颈？ 事件：世界机器人大会期间，他山科技与图灵奖得主、"强化学习之父"理查德·萨顿（Richard Sutton）教授联合发布"机器人幼儿园"概念——让机器人在模拟环境中通过强化学习自主进化，再将能力迁移到物理世界。 核心逻辑： 传统 robotics：预先编程 + 模仿学习 → 数据采集成本极高 "机器人幼儿园"：在仿真环境中强化学习 → 用模拟数据替代真实世界数据 萨顿的核心观点是：机器人的智能需要在环境中通过试错习得，而不是从人类示范中模仿。这是强化学习的基本教义，但将它落地到具身智能是新的挑战——核心难题是"模拟到现实的迁移（Sim2Real）"，即虚拟环境中学到的技能能否稳定迁移到真实物理世界。 第一性原理拆解：具身智能的数据瓶颈，本质上是"现实世界交互成本"问题。每一次机器人与真实物体的交互都需要消耗真实硬件的寿命，成本远高于数字化模拟。如果 Sim2Real 问题能被解决，具身智能的数据问题将从"不可能"变为"可规模化"——这正是"机器人幼儿园"的核心赌注。 四、Figure 03 亮相白宫：人形机器人进入国家战略叙事层 事件：美国第一夫人梅拉尼娅·特朗普在白宫AI教育峰会上接待了 Figure AI 的 Figure 03人形机器人，机器人完成了自主行走和基本交互演示。Figure AI 此前还展示了机器人自主整理床铺、爬梯子等家庭场景任务，以及接近人类速度的包裹分拣能力。 ...

具身智能 · 每日新闻追踪 2026-08-23 | 具身智能行业日报 一、宇树科技登陆科创板：暴涨460%之后，创始人泼冷水 8月19日，宇树科技以"人形机器人第一股"身份登陆科创板，首日股价暴涨460.34%，市值突破3400亿元。2025年全年出货超5500台人形机器人，位居全球之首。 然而，创始人王兴兴在同期举行的2026世界机器人大会（WRC）上泼了一盆冷水：具身智能的"ChatGPT时刻"，最早也要2-3年，悲观的话可能要5-10年。 他的核心判断是：泛化能力不足，是当前全球人形机器人面临的最大瓶颈。 具体而言： 在固定环境中训练的机器人，任务成功率可以接近100% 但只要环境或物体发生微小变化，性能就会急剧下滑 在工厂实际部署时，机器人效率仍不如人类工人，新任务往往需要重新训练 王兴兴给出的"突破标准"：当一个机器人能进入陌生家庭，仅凭语音指令自主完成约80%的日常任务，具身智能才算真正迎来iPhone时刻。 这与当前行业的火热情绪形成了明显反差——投资人追逐的是IPO神话，而一线从业者看到的是真实的技术鸿沟。 思考： 第一性原理来看，具身智能的核心问题不是硬件（关节、灵巧手、传感器），而是物理世界的泛化。语言模型的泛化靠的是海量文本中的统计规律；物理世界的泛化，需要的是机器人与真实环境交互的海量数据——而这类数据的采集成本远高于文本。宇树给出了真实的坐标系，而不是迎合资本市场的期待，这是值得尊重的诚实。 二、2026世界机器人大会：从"表演"到"干活"的转折点 与往年最大的不同是，2026年WRC上的机器人不再是"表演型选手"。 一个细节很说明问题：宇树展台没有搭建任何演示场景，取而代之的是30多块屏幕，每块屏幕实时直播一台机器人正在真实场景中工作的画面——有机器人在路口担任交警，有机器人在4S店接待客户，有机器人在巡逻。 UBTech（优必选）的逻辑同样：把真实部署场景搬到展台，而不是搭建演示场景。 机器人直接从运输箱中站立起来，而不是悬挂在轨道上表演。 行业逻辑发生了根本转变： 从"秀技术"到"算ROI"——客户现在愿意坐下来，认真计算投资回报率 从"单点Demo"到"系统性能力"——研究、供应链、场景工程、售后服务缺一不可 从展示到运营——机器人不再是展品，而是正在运行的"员工" TrendForce估算，2026年中国人形机器人市场规模将达150亿元，2027年增速至少60%。但规模增长的前提，是泛化问题的真正突破——否则每换一个场景都需要重新训练，规模化部署的成本结构无法支撑。 三、深海智人完成超5亿元A轮：具身智能"下沉"到海底 8月13日，广州企业深海智人宣布完成超5亿元A轮融资，股东名单中出现了险资、央企资本和外资能源产业资本同时出现的罕见组合。 这家公司做的是深海作业机器人整机，不是轮式或双足机器人，而是能在6000米深海完成精密作业的特殊形态具身智能产品： 奇点级工作机器人（6000米） 凤凰座可悬浮作业机器人（3000米） 金牛座重载埋设机器人（1000米） 商业化数据值得关注： 截至今年7月，新增整机销售合同数亿元，未来两个月已锁定订单同样数亿元 另有规模10亿元的潜在订单正在洽谈 2025年海外订单超1.4亿美元 阿联酋电信集团已实现连续采购 海底服务市场规模约1.5万亿元、年均增速超20%，而国内能商业化交付深海机器人整机的民企屈指可数。深海机器人的场景比工厂和家庭更可控（环境封闭、任务标准化），反而可能是具身智能率先实现规模化的垂直领域。 四、小米铁大2.0：工厂任务成功率从90%到98% 小米创始人雷军在WRC上公布了一段视频，展示其第二代人形机器人**铁大（Tieda）**与参观者实时互动的画面。更关键的数据是：铁大在小米工厂工位上的任务成功率，从今年3月的约90%提升到了7月的约98%。 三个月提升8个百分点，看似不大，但放在具身智能的真实工程语境中，这是一个实质性进步。成功率的每1%提升，背后都可能是数千次场景数据采集和强化学习迭代。 这印证了一个趋势：真实工厂场景的规模化数据闭环，正在成为具身智能迭代的主要燃料。 华为、富士康等制造商已开始批量采购人形机器人投入生产线。 五、美国FCC限制进口人形机器人：封锁不会让自己更强 7月下旬，美国联邦通信委员会（FCC）以国家安全为由，禁止新的外国制造人形机器人和四足机器人进入美国市场。 业内专家的判断一针见血：关门不会让美国变得更强，只会让它错过这一波浪潮。 具身智能的进步高度依赖真实场景数据的积累，美国市场的封锁只会让中国、欧洲和中东成为更重要的数据来源地。 对国内企业而言，这反而是一个加速海外布局的信号——当美国市场关闭时，欧洲、中东、东南亚的工厂和家庭场景变得更加重要。 今日关键词： 具身智能 | 人形机器人 | 宇树科技 | 产业化 | 深海机器人 本文由具身智能 · 每日新闻追踪 cron 自动生成，涵盖 2026 年 8 月 23 日具身智能行业重要进展 ...

具身智能日报｜万台量产背后：资本狂欢与落地鸿沟 2026年8月21日 —— 具身智能正在经历一个微妙的时刻：一边是资本市场的狂热与万台量产目标的雄心，另一边是真实场景中"好看不好用"的尴尬现实。这个夏末，行业的分化比任何时候都更加清晰。 一、深海智人完成超5亿元A轮融资：具身智能潜入海底 8月13日，深海作业机器人整机厂商深海智人宣布完成超5亿元A轮融资，投资方涵盖光合创投、达晨财智、纪源资本、毅达资本、中保投资、中电科投资，以及道达尔能源牵头的能源科技基金。一家广州民企的A轮同时出现险资、央企资本和外资能源产业资本，在深海装备赛道里极为罕见。 深海智人成立于2020年，总部位于广州南沙，创始人马亦鸣曾是全球第二大深海机器人供应商SMD的首位中国工程师，参与过世界首套商业深海采矿机器人项目。公司产品覆盖6000米级奇点工作机器人、3000米级凤凰座可悬浮作业机器人和1000米级金牛座重载埋设机器人，核心零部件除标准件和声学传感器外全部自研。 商业化速度是这轮融资最值得关注的点。 截至今年7月，深海智人新增深海机器人整机销售合同数亿元，未来两个月已锁定待签署订单同样为数亿元，另有规模10亿元的潜在订单正在洽谈。2025年海外订单超1.4亿美元，阿联酋电信集团实现了中国深海机器人商业化出口零的突破。 海底服务市场规模约1.5万亿元、年均增速超20%，而国内能商业化交付深海机器人整机的民企屈指可数。这轮融资的钱将投向技术路线升级与产品系列扩充，但真正需要验证的是交付能力——海外订单能否按时交付、复购能否持续，决定了这家公司能否把"零的突破"变成规模生意。 🌟 影响 深海机器人正被资本视为具身智能在垂直领域的下一站。与家庭/工业场景不同，深海是一个结构化程度高、替代人工需求强烈、支付意愿明确的场景，这可能是具身智能最快实现正向飞轮的商业化路径之一。 二、"好看不好用"：台积电魏哲家直言人形机器人困境 万台量产的热潮背后，质疑声正在浮出水面。 台积电董事长兼CEO魏哲家近期公开表示，看到中国大陆机器人"跳来跳去"，直言"没用，好看而已"。这番言论在网上引起轩然大波，但也点出了当下机器人行业最现实的问题——表演型能力与实用型能力，根本不是一回事。 斯坦福《2026 AI指数报告》提供了一个冰冷的数据锚点：人形机器人在完成真实家庭1000项家务时，成功率仅有12.4%；而在模拟环境中，这一数字高达89.4%。巨大的能力鸿沟，揭示了从"实验室"到"家庭"之间的深壑。 为什么这么难？ 核心在于"理解"二字。 家庭环境是一个典型的非结构化开放世界：不固定的环境、不固定的任务、不固定的家庭成员习惯。同样一张桌子，今天放着水杯，明天可能放着水果、玩具或药品。对机器人说"把桌上那杯水递给我"，它在语言层面完全能理解——但真要动手，它需要知道什么是桌子和杯子、杯子在三维空间中的确切位置、该用多大的力握持、水满时移动要平稳、递到人手里时要等对方握住才能松手。 "但这些都不是写在指令里，而是刻在物理世界的规律里。"极佳视界合伙人吴易明指出，机器人能"听懂"指令，但距离"做到"，还需要对三维空间、物理因果、动力学规律有深刻的"理解"。目前行业最缺乏的，是一个对时间、空间、物理规律乃至多模态进行全面理解、推理、规划、决策的模型。 🌟 影响 台积电掌门人的质疑代表了一种来自制造业顶层的务实视角。魏哲家看到的不是机器人能不能跑跳，而是能不能在半导体工厂里稳定替代人工——如果连工厂的标准化场景都难以胜任，"进家庭"更多是一种愿景而非现实。2026年被称为"量产元年"，但量产≠商业化成功。 三、WAIC 2026：机器人不跳舞了，它们在上班 上海世界人工智能大会（WAIC 2026）传递出一个明确信号：机器人行业终于不卷"才艺"了，开始卷"上班能力"。 擎朗的展台搭出了咖啡亭、洗衣房、零售店，机器人在里面认认真真地"上班"；穹彻智能的展台直接搬来一个药房，机械臂一格一格地抓药，比药剂师还稳；云深处科技的防汛机器人，在模拟的塌方场景里来回穿梭，做着以前只有消防员拿命去干的事。没有一个展台的主角是"会跳舞的机器人"了。 大会的几个关键数字值得记住： 1100多家企业参展，展品近4486项，349款产品全球首发 具身智能首次被提升为大会核心赛道，参展企业超过200家 工信部预计，2026年全年人形机器人整机产量有望突破10万台 量产数据也在印证这个趋势：智身科技截至2026年6月累计量产具身智能机器人突破15000台，光6月份就量产超5000台；银河通用的Galbot机器人已在数十个零售仓库规模化部署，创造了人形机器人持续自主工作超过一年的世界纪录。 但数字背后有隐忧。 宇树科技招股书披露，2025年1-9月其人形机器人应用中，科研教育相关占比超七成，而真正的行业应用只占9%左右。绝大多数出货并未进入工业或商业场景作为生产工具，而是流向科研机构、数据采集中心、文娱表演等"非工作型"用途。 🌟 影响 评价标准正在转变——从"你的机器人能做多少种动作"到"你的机器人能在真实场景里稳定工作多久"。这个转变对产业是长期利好，但短期内，"万台量产"与"万台商用"之间仍有相当距离。2026年的真正命题不是能不能造出来，而是能不能卖出去、用起来。 四、政策红利：两部门联手推动"作业模式" 工业和信息化部、国务院国资委联合印发《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，明确2026年底实现重点产品常态部署、万台级规模落地的目标。 这是政策层面首次以"作业模式"来定义具身智能的落地目标，意味着从技术验证向规模化商用的转型正在获得制度层面的背书。《人形机器人与具身智能标准体系（2026版）》的发布，则为行业提供了统一的技术评价准绳。 🌟 影响 政策红利叠加资本推动，具身智能的产业化路径正在被快速夯实。但标准体系的建立也是一面双刃剑——它既定义了"好"的标准，也意味着达不到标准的产品将被市场自然淘汰。2026年下半年，行业将迎来第一波真正的洗牌。 本期要点 维度 核心信息 产业规模 工信部预计2026年人形机器人整机产量突破10万台 资本热度 深海智人完成超5亿元A轮融资；一季度全产业链融资超100起 技术瓶颈 真实家庭场景成功率仅12.4%，"理解物理世界"是核心难题 场景分化 深海、工厂等垂直场景商业化路径清晰；家庭场景仍遥远 行业评价标准 从"能跑能跳"转向"能稳定上班多久" 结论：具身智能的2026，是"量产元年"与"商业化鸿沟"并存的一年。万台工厂投产、10万台产量目标、资本持续涌入——供给侧的热情毋庸置疑。但从斯坦福的数据到台积电CEO的质疑，真实场景中的低成功率揭示了一个基本事实：能跑能跳和能用好用之间，隔着一整个物理世界的认知鸿沟。 深海作业等垂直场景可能是最先跑通的路径，而家庭服务机器人需要的时间，远比乐观预测的更长。2026年下半年，行业将迎来从"demo驱动"到"交付驱动"的关键转折。 来源：每经网、OFweek机器人网、凤凰科技、央视网、WAIC 2026 | 时间：2026-08-21

追踪具身智能与人形机器人领域最新进展，每日更新。 今日要闻 🤖 Boston Dynamics × Google DeepMind：Gemini Robotics 赋能 Atlas 人形机器人 2026年1月CES展会上，Boston Dynamics 与 Google DeepMind 宣布重磅合作：Gemini Robotics AI 基座模型将整合进新版 Atlas 人形机器人，共同推进工业自动化。双方计划从汽车制造开始，让人形机器人完成多样化工业任务。 📌 核心看点：Boston Dynamics 以"运动智能"见长，DeepMind 以"认知智能"见长——两者结合意味着人形机器人首次有望真正打通"感知-理解-执行"全链路。 📖 原文链接 🧠 RoboEdit：将人类操作视频转为大规模机器人训练数据 斯坦福等机构提出 RoboEdit 框架，能够将人类手-物交互视频自动重定向为多本体机器人视频，无需昂贵的手动标注。已构建 RoboEdit-14M 数据集：174K 视频对、覆盖7种机器人本体、14M 帧。 📌 核心看点：机器人数据稀缺是具身智能最大的工程瓶颈。RoboEdit 证明了"跨本体视频迁移"的可行性，为"把互联网视频资源转化为机器人技能"打开了大门。 📖 arXiv:2608.18948 🖐️ ADEPT：预训练+强化学习加速多指灵巧操作 MIT 提出 ADEPT 框架，先在通用物体翻转任务上预训练多指机械手策略，再迁移到下游任务微调。解决了"从零训练多指灵巧操作样本效率极低"的问题，且 post-training 阶段不会遗忘已学到的技能。 📌 核心看点：预训练+微调范式在 NLP/CV 领域已成熟，在机器人操作领域这是又一次成功的迁移学习实践，指向"通用灵巧操作基础模型"的可能。 📖 arXiv:2608.19182 🗂️ LT-Mem：让机器人记住"物体去哪儿了"——跨会话长期记忆框架 机器人长期运行面临"时间遗忘"问题：每次重建地图都会丢失物体历史位置。LT-Mem 提出了"挥发感知记忆演化"框架，让机器人能回答"这把绿椅子之前在哪个房间"这类跨时间查询。 📌 核心看点：场景理解从"瞬时感知"走向"跨时记忆"，这是机器人在真实环境长期部署的必要能力，也是具身智能从demo走向product的关键。 📖 arXiv:2608.19059 🏠 RoomWright：让3D场景"功能性"服务于机器人任务 现有3D场景生成注重视觉真实性，RoomWright 提出了"使用驱动"（Usage-Driven）场景推理：给定任务，算法自动补全任务所需物体及其功能属性（如"切菜任务→需要砧板+刀+食材"），并建模物体间的因果依赖关系。 📌 核心看点：从"好看"到"好用"，RoomWright 代表了具身智能环境构建的新思路——场景不是静态布景，而是任务相关的功能集合。 ...

具身智能日报 | 2026-08-19 一、影眸科技 cuNRTO：139.6倍加速的 GPU 轨迹优化，入围 RSS 最高论文奖 原文：https://www.roboticsproceedings.org/rss22/p102.pdf | 项目主页：cunrto.deemos.dev 核心事实： 影眸科技（头部3D生成大模型公司）合伙人 Joel Wang 作为共同一作的论文《cuNRTO: GPU-Accelerated Nonlinear Robust Trajectory Optimization》入围 RSS 2026 Outstanding Paper Award 提名（全球仅8篇） 这是中国大陆机构与企业首次在 RSS 最高奖中获得双席提名之一（另一家是银河通用） 技术突破：将非线性鲁棒轨迹优化（NRTO）搬上 GPU，实现最高 139.6 倍加速（独轮车任务从 30423 秒→218 秒），同时保持 100% 安全约束 核心思路：不追求完美的仿真器，而是让策略对仿真器的不完美具备鲁棒性——把模型误差与外部扰动显式表示为有界不确定性集合，对集合内每种扰动都满足全部安全约束 算法重构：用 Douglas-Rachford 分裂替换内点法，把串行大规模矩阵分解拆解为可并行的稀疏线性求解和二阶锥投影两类操作 影响分析： 直接影响：具身智能从仿真到现实（Sim-to-Real）的部署效率大幅提升，此前"算不动"的鲁棒优化现在可以在秒级完成 中期影响：影眸科技的商业模式已从"3D资产生成"扩展到"具身训练仿真闭环"，cuNRTO 补全了从仿真资产到真机部署的关键一跳 不确定性：139.6 倍加速的数字来自独轮车任务，机械臂等更复杂任务的加速比能否维持同等水平有待验证 行业意义：这篇论文回答了一个根本问题——仿真的上限，不只取决于它能多真实，也取决于策略能否承受它不真实的部分。这打破了行业"不断提升仿真精度"的惯性思维，转向"让策略对不完美鲁棒"的新路线。 二、北大 RoboWM-Bench：世界模型的「具身可执行性」评测基准 原文：深蓝具身智能编译自 https://mp.weixin.qq.com/s/pf9-MpmB8WPEsBGlM-752w 核心事实： 北京大学提出 RoboWM-Bench，首个专门评估视频世界模型「具身可执行性」的基准测试 核心发现：现有世界模型生成的视频"看起来完美"，但手指可能"穿模"过了物体，或者抓取姿态在力学上根本不稳定——视觉逼真 ≠ 物理可行 评估流水线：给定初始场景和任务描述 → 世界模型生成预测视频 → 通过 HaMeR（人手）或 IDM（机械臂）提取可执行动作 → 在高保真仿真环境中执行验证 任务矩阵：从刚体操作（拾取）→ 关节体交互（开抽屉）→ 柔性物体（折叠毛巾）→ 长程多步任务（组装汉堡） 测试结果：Veo 3.1、Wan 2.6 等主流模型在机械臂操作任务上失败率显著高于人手操作；机器人数据微调可大幅提升具身可执行性（Cosmos-Finetune 关抽屉任务从 0%→90%） 影响分析： ...

具身智能日报 | 2026-08-18 一、Persona AI：专注船厂焊接——「技能型劳动」路线的成功样本 原文：https://spectrum.ieee.org/persona-ai-humanoid-robot-welding 核心事实： Persona AI于2026年8月发布其人形机器人船厂焊接应用细节，由NASA Valkyrie前负责人Nic Radford和IHMC/Figure前CTO Jerry Pratt联合创立 聚焦单一技能：放弃仓储、家庭等「通用场景」，专注船厂焊接——每艘船需要数百公里线性焊接，且焊接速度受限于金属熔化速率（约每秒1厘米），恰好是机器人最擅长的重复精度 合作方：与全球最大船企HD Hyundai（韩国）和第三大钢企POSCO（韩国）达成合作，目标是每个厂区部署「数百台」机器人 商业逻辑：船企当前面临焊工短缺、劳动力成本高的困境；机器人的价值不是「降低工资」，而是「扩大产能」——即使机器人比焊工贵，只要能解锁额外产值，客户就愿意买单 形态选择：坚持双足而非轮式——船厂环境需要跨越水平/垂直骨架、穿过舷窗，腿式是「最小侵入性」方案 安全环境：船厂工人已习惯与重型工业设备共存，安全顾虑低于工厂生产线 影响分析： 直接影响：这是首个明确定位「技能型劳动替代」的人形机器人商业化路径——不是抢「无技能」工作，而是替代「高薪但短缺」的熟练工种 中期影响：这个模式若验证成功，可能会影响整个行业的战略选择——更多公司会从「通用人形」转向「单点技能深耕」 不确定性：船厂环境相对封闭、可控，家庭和一般制造业的复杂性远高于此；「技能转移」的边界在哪里仍是开放问题 行业意义：这是「第一性原理」的胜利——Radford说「我教了20年腿式机器人课，但最终选择取决于：机器人现在能做什么有价值的事？」答案不是「万能助手」，而是「某个高薪岗位的稳定替代」。 二、Physical AI行业调研：700从业者揭示数据比模型更重要 原文：https://content.knowledgehub.wiley.com/the-2026-state-of-visual-and-physical-ai-a-survey-of-700-practitioners-on-data-models-and-production/ 核心事实： IEEE Spectrum与Wiley联合发布2026年Physical AI行业调研，覆盖700+从业者 78% 的团队已在视觉/物理AI领域看到可衡量的价值，但 74% 认为该领域投入仍然不足 关键发现：成功交付的团队，在数据工作上投入的时间是挣扎团队的近3倍——不是更大的模型，而是更好的数据 失败主因：模型失败的首要原因是数据问题（而非架构问题）；标注工作存在大量浪费——常常「标注一切」然后在生产前丢弃大部分 92% 的从业者认为「数据工作」而非「模型架构」是领域发展的下一个决定性因素 影响分析： 直接影响：对「Scaling Law信徒」是一记警醒——在物理世界AI中，数据质量比参数规模更关键 中期影响：将会催生新一代数据标注/管理工具，以及「数据优先」的AI开发方法论 不确定性：数据工作的投入难以像模型参数那样量化，如何衡量「好的数据工作」仍是难题 行业意义：过去十年AI进步靠的是「互联网文本 Scaling」；物理世界AI的核心生产要素是数据，而非算力——这是一个根本性范式转移。 三、具身智能×Agentic AI：CPU正在成为新的瓶颈 原文：https://spectrum.ieee.org/ai-cpu-comeback 核心事实： Agentic AI（智能体AI）的工作负载中，8个阶段有7个完全运行在CPU上（AMD内部测试数据） 一个LLM发起工具调用（如读写文件、调用API、执行代码）时，这些操作都在CPU上运行——而非GPU 当Agentic系统生成子Agent时，工作量呈机器速度增长——OpenAI曾有一次模型每小时执行300次操作 Tokenization瓶颈：当Agent处理长序列（10万token）并频繁调用工具时，每次调用都需要对整个序列重新分词——这成为CPU端的新瓶颈 AWS内部已出现CPU服务器等待时间激增的问题 影响分析： 直接影响：具身智能系统的「大脑」（LLM推理）在GPU上，但「身体控制」（工具调用、传感器融合）依赖CPU——硬件配比策略需要重新设计 中期影响：边缘计算场景（机器人本地推理）面临更大的挑战——如何在有限CPU上维持Agentic系统的响应速度 不确定性：专用AI加速器是否能替代通用CPU？目前来看，API调用、文件操作等任务仍依赖CPU架构 行业意义：这不只是「CPU复兴」，而是揭示了Agentic系统的一个被忽视的成本结构——GPU是明星，但CPU是支柱。 四、行业日历 事件 时间 地点 Actuate 2026 8月18-19日（进行中） 旧金山 Humanoids Summit Seoul 9月22-23日 首尔 IROS 2026 9月27日-10月1日 匹兹堡 本周核心观点 「可就业的机器人」正在取代「像人的机器人」。 ...

具身智能日报 | 2026-08-17 一、Boston DynamicsAtlas量产计划：现代汽车2028年启动「机器人造车」 原文：https://www.theverge.com/news/853973/hyundai-boston-dynamics-atlas-robot-factory-2028 核心事实： 现代汽车在CES 2026正式发布新版Atlas人形机器人，配备发光圆形面孔、全电动机身、360度旋转关节 计划2028年起在佐治亚州Savannah的现代汽车工厂量产，年产30,000台 2028年先从事「零件排序」等经安全验证的流程；2030年升级至重载、复杂操作 与Google DeepMind达成AI合作，结合Boston Dynamics机器人专业知识与Google基础模型 机器人具备56个自由度（比2025年4月报告的50个进一步提升），可自主换电池、承受-4°F至104°F温度 影响分析： 直接影响：这是全球最大车企首次明确宣布人形机器人量产时间表，标志着具身智能从「展示品」走向「实用工具」的临界点 中期影响：丰田、大众、比亚迪跟进只是时间问题——汽车制造业将成具身智能第一个真正规模化落地的「锚场景」 不确定性：Atlas单台成本据估计在「数十万美元量级」，商业可行性仍待证明 行业意义：当最强机器人公司 + 最大车企 + 最强AI实验室三方联手，具身智能的工业应用不再只是「如果」，而是「何时」。 二、Walden Robotics：丰田系「反主流」路线——不要腿，要实用 原文：https://spectrum.ieee.org/humanoid-robots-walden-robotics-toyota 核心事实： Walden Robotics于2025年7月15日「脱离隐身」模式，获3亿美元融资，估值11亿美元 核心创始团队来自MIT和丰田研究院（TRI)，CEO为MIT教授Russ Tedrake 关键战略选择：跳过「腿」，采用轮式底盘——「工厂已有AMR（自主移动机器人），可以直接复用安全体系」 专注制造业高利用率场景（7×24小时运行），而非「通用家庭助手」 已在丰田工厂实际部署，手部设计追求「耐用」而非「灵巧」 影响分析： 直接影响：人形机器人行业出现了「两条路线」的清晰分野——「像人」（有腿）vs「做事」（轮式+夹爪） 中期影响：资本市场开始用「能否24/7利用」而非「多像人」来评估机器人公司，这是认知框架的根本转变 风险提示：轮式限制了进入家庭、上下楼梯等场景的能力；「通用性」仍是远期目标 行业意义：这不是「妥协」，而是「尊重物理约束」。Tedrake说得直白：「我教了20年腿式机器人课，但问题是：轮式能覆盖多少市场？」——从第一性原理出发的务实判断。 三、Matic扫拖机器人：手势控制让「指哪扫哪」成为现实 原文：https://www.theverge.com/tech/979516/matic-cues-robot-vacuum-gesture-control-hands-on-review 核心事实： Matic于2026年8月13日推出「Hey Matic」语音+手势控制系统 用户说「Hey Matic」唤醒机器人 → 指向污渍 → 说「clean here」→ 机器人前往指定区域清洁 使用现有5个摄像头硬件，完全设备端处理，无需云端 9月9日起价格从1,245美元涨至1,495美元 影响分析： 直接影响：家庭服务机器人终于从「预设程序」进化到「自然交互」——手势是最符合直觉的空间指定方式 中期影响：家庭场景的具身智能交互范式正在形成：语音+手势 > APP绘制区域 > 预设地图 局限：隐私与便利的权衡依然存在（唤醒词设备端处理，但指令需上云） 行业意义：扫地机器人是具身智能「低调但规模化」的落地路径——全球已有数百万台在路上，而交互方式正在快速进化。 四、IEEE Spectrum视频精选：近期机器人技术一览 原文：https://spectrum.ieee.org/video-friday-darpa-heavy-lift-challenge 精选内容： DARPA Lift Challenge：无人机重载运输挑战赛，比赛过程事故频出（坠机、电池起火），但这正是工程进步的必经之路 Sanctuary AI：展示机器人在失败后安全恢复的能力——「只要能安全地从失败中恢复，我就完全不介意它失败」 LimX Dynamics：叠衣服机器人——速度慢但稳定，「和我叠衣服的速度差不多」 DR02人形机器人：视频展示了持续进展 行业意义：视频记录比PPT更能反映机器人技术的真实状态——demo光鲜，落地仍有距离，但「能恢复的失败」已是巨大进步。 ...