全球智能化具身机器人研发和使用现况详细版

先给结论

2026 年的真实状态：行业在过“从演示到作业”的坎

具身智能的本质，是让 AI 不只会回答问题，而是能通过身体感知世界、理解目标、规划动作、执行任务并从结果中学习。这个方向一定会长期存在，因为它对应的是制造、物流、护理、家务、农业、安防、应急等大量真实劳动。

但当前最容易误判的是：公开视频中的机器人会跳舞、会后空翻、能端杯子，不等于它已经能在客户现场稳定工作。商业化需要更硬的指标：每天工作小时数、故障间隔、人工接管比例、任务吞吐量、部署成本、维护成本、安全认证和客户系统集成。

所以更准确的描述是：传统机器人和 AMR 已经规模化，人形机器人正在进入小批量试点，家庭通用机器人仍处非常早期。当前赢家不一定是单机体最酷的公司，而是能把硬件可靠性、训练数据、模型泛化、远程运维和现场流程改造做成闭环的团队。

成熟度梯队

五层落地进度

规模商业

工业机械臂、协作机器人、AGV/AMR、部分仓储自动化。已经有大量真实收入和安装经验。

可复制试点

仓储搬运、汽车制造物料配送、固定区域上下料，Digit、Figure、Apollo、Atlas 等正在争夺。

早期部署

巡检、零售补货、酒店/餐饮配送、实验室自动化、康养辅助，通常要限定路线、任务和环境。

训练场阶段

通用移动操作、人形多任务学习、跨场景泛化，依赖遥操作、示教和仿真数据。

家庭通用

长期想象最大，但开放家庭环境、安全、隐私、售后和价格仍是硬坎。

全球研发版图：谁在做什么

主体	代表产品/方向	2026 状态	强项	短板/待验证
Figure AI	Figure 03、Helix VLA	2026-06-30 宣布 Figure 03 进入 BMW Spartanburg 工厂 Hall 52，做物流排序和拉料车相关任务。	双足、双臂、工厂任务、端到端模型叙事强。	需要公开更长期的吞吐量、故障间隔和人工接管比例。
Agility Robotics	Digit	在 GXO 设施完成 100,000+ totes 搬运；与 Toyota Motor Manufacturing Canada 签署 RaaS 商业协议。	仓储物流任务更窄、更接近 ROI；RaaS 商业模式清晰。	能否跨更多客户站点复制，仍需观察。
Apptronik	Apollo 2 / Apollo 3、Robot Park	2026-06-30 扩建 Austin Robot Park，用训练场采集物流、制造、零售任务数据；与 Google DeepMind、Mercedes 关系密切。	把“训练数据工厂”做成核心资产，双足和轮式路线并行。	Apollo 3 商业版量产、客户现场表现还要验证。
Boston Dynamics	全电 Atlas	产品版 Atlas 面向工业，2026 部署计划包括 Hyundai 和 Google DeepMind。	运动控制、机器人本体、可靠性工程积累深。	商业化速度可能比视频热度慢，成本和任务经济性需证明。
Tesla	Optimus	官方定位为通用双足自主机器人，用于不安全、重复或无聊任务；招聘页面显示仍在强化操控、灵巧手、制造质量和高产自动化。	制造体系、电池/电驱、FSD 视觉经验、规模化野心。	外部可验证客户部署和真实任务指标仍有限。
NVIDIA	Isaac、GR00T、Jetson Thor	发布 Isaac GR00T Reference Humanoid Robot，整合 Unitree H2 Plus、五指灵巧手、Jetson Thor 和 Isaac 软件栈。	不做单一机器人，而做仿真、训练、部署、算力和生态底座。	行业需要证明基础模型能跨机体和跨场景迁移。
Unitree	G1、H1/H2、H2 Plus	G1/H1/H2 系列推动低成本和开发者生态；H2 Plus 成为 NVIDIA GR00T 参考人形平台。	硬件成本、运动控制、开发者可及性、中国供应链速度。	从研发/教育/展示走向高可靠商业作业，还需要场景验证。
AgiBot 智元	A 系列、X 系列、D 系列、AGIBOT World	官方称 2026 年 6 月达到第 15,000 台机器人下线，并推出 embodied AI 数据集和生态。	中国整机量产、产品线丰富、数据平台叙事清楚。	需要区分“总机器人产量”和“人形机器人真实工作量”。
1X	NEO 家庭机器人	订单页显示美国 2026 年开始交付，标准订阅 499 美元/月，复杂任务可由专家远程监督。	直接瞄准家庭，产品体验和安全外观设计突出。	家庭场景最难，早期高度依赖远程专家与学习过程。

地区路径：美国、中国、欧洲/日本各不相同

美国

基础模型 + 风投 + 客户试点

美国路径偏“AI 平台 + 创业公司 + 大客户试点”。Figure、Agility、Apptronik、1X、Boston Dynamics、Tesla、NVIDIA、Google DeepMind 等形成从模型、算力、本体到场景客户的链条。

优势：模型、资本、云/算力、自动驾驶和大客户资源。风险：硬件成本高、量产爬坡慢。

中国

政策牵引 + 供应链 + 场景开放

中国 2026 年“人形机器人与具身智能实景实训专项行动”把重心放在真实场景训练、创新联合体、技能攻关和部署验证。地方政府、央国企场景、整机厂和零部件供应链会共同加速。

优势：供应链、成本、制造速度、场景组织能力。风险：同质化、过早铺量、真实 ROI 不清。

欧洲/日本/韩国

工业机器人与精密制造底盘

欧洲、日本、韩国在工业机器人、汽车制造、精密减速器、电机、传感器和安全标准上有深厚基础。它们未必最会制造话题，但在高可靠工业场景里仍有强势位置。

优势：工业客户、可靠性、安全标准。风险：消费级和 AI 速度可能慢于中美。

技术栈：具身机器人不是一个模型，而是一条系统链

1. 机体与执行器关节电机、减速器、编码器、力控、手部灵巧操作、散热和电池决定了物理上限。

2. 感知相机、深度、LiDAR、IMU、触觉、力矩传感器让机器人知道自己和外界的状态。

3. 控制全身控制、平衡、轨迹规划、抓取规划、避障和安全停止，决定动作是否可靠。

4. VLA / 策略模型把视觉、语言指令和动作输出连接起来，让机器人能理解任务并泛化。

5. 数据闭环遥操作、示教、仿真、真机回放、失败样本复盘，是从“会一次”到“稳定会”的核心。

大模型不是万能

语言模型解决的是意图理解和高层规划，真正落到物理世界还需要低层控制、碰撞检测、抓取姿态、力反馈和异常恢复。把 ChatGPT 式能力直接套到机器人上，会低估物理世界的复杂度。

数据比算法更稀缺

互联网文本可大量抓取，但机器人动作数据必须从真实世界或高质量仿真里获得。Apptronik 的 Robot Park、AgiBot 的 AGIBOT World、Unitree 的开发者平台，本质上都在争夺“身体数据”。

应用场景成熟度详表

场景	成熟度	典型任务	为什么先落地/难落地	观察指标
仓储物流	高	tote 搬运、装卸、分拣、料箱转运、补货。	任务重复、物品规格稳定、ROI 清楚，Digit 已有真实搬运量案例。	每小时搬运量、人工接管率、故障间隔、RaaS 续约率。
汽车制造	中高	线边配送、零件排序、料车牵引、上下料、检查。	场景标准化，但节拍严格，停线代价高。Figure/Boston Dynamics/Apptronik 都在盯这个方向。	是否进入多工位、多班次、非演示节拍。
电子制造/精密装配	中	小件抓取、检测、插拔、搬运。	需求大，但对灵巧手、视觉和力控要求高，固定机械臂往往更经济。	良率、换线时间、末端执行器成本。
巡检/安防/特种	中高	电力巡检、隧道、园区、油气、消防侦察。	四足和轮式更成熟，人形不一定必要。	续航、环境适应、安全认证、远程运维能力。
零售/餐饮/酒店	中	配送、清洁、迎宾、补货、库存扫描。	客流和环境变化大，用户交互复杂，服务机器人已存在但经济性分化。	客诉率、维护成本、单位服务成本。
医疗康养	中低	陪护、搬运、康复辅助、物资配送、夜间看护。	老龄化需求强，但责任、隐私、跌倒和误操作风险高。	安全边界、医护审批、保险责任、可解释记录。
家庭通用	低	洗衣、收纳、拿取、开门、简单陪伴。	家庭开放度最高，物品无标准、儿童/宠物/隐私/安全都难控。	无需远程接管比例、事故率、售后成本、真实留存。

产业链拆解：机会不只在整机

上游

执行器/减速器/电机

人形机器人关节多，执行器成本占比高。谁能把扭矩密度、寿命、成本、噪音和发热平衡好，谁就掌握硬件核心。

感知

相机/深度/触觉/力控

灵巧操作离不开触觉和力反馈。未来“手”的传感器会像自动驾驶里的摄像头和雷达一样重要。

算力

边缘推理与仿真训练

NVIDIA、机器人芯片和边缘计算平台承担训练、仿真、部署和安全冗余，是机器人智能化的基础设施。

服务

RaaS、运维、集成

客户不只买机器人，也买部署、维护、远程监控、软件升级和流程改造。系统集成会很赚钱，但很辛苦。

风险清单

行业最容易踩的坑

把遥操作包装成完全自主，短期可以演示，长期会伤害信任。
只追求人形外观，不算任务经济性；很多场景轮式底盘或固定机械臂更合理。
低估安全责任：机器人一旦在家庭、医院、工厂与人共处，事故责任会比软件 bug 更严重。
忽视运维：电池、关节、手部磨损、跌倒损伤、现场网络和客户员工培训都会变成成本。
过早铺量：没有任务闭环和售后体系的量产，容易从“规模优势”变成“规模故障”。

判断方法

怎么看一家公司是不是靠谱

有没有真实客户现场，而不只是展厅视频。
是否公布任务指标：吞吐量、连续运行小时、接管率、故障间隔。
是否能解释数据来源：遥操作、示教、仿真、真机回流如何闭环。
是否有安全策略：力限制、碰撞检测、急停、责任日志、远程接管边界。
是否有商业模式：一次性购买、租赁、RaaS、维护服务和软件订阅。

我的综合判断： 2026 年具身机器人值得认真跟踪，但不能用“AI 大模型爆发速度”去套。大模型可以一夜之间服务上亿用户，机器人却要面对材料、关节、电池、跌倒、碰撞、质保、保险、工厂节拍和现场人员。它会更慢，但一旦跑通，会比纯软件更难被复制。短期看仓储和制造，中期看服务与康养，长期才看家庭通用。

接下来 12 个月观察表

观察点	代表问题	如果出现好信号
客户是否扩单	Figure/BMW、Agility/GXO 或 Toyota、Apptronik/Mercedes 是否从 pilot 进入多站点部署？	说明真实 ROI 开始成立。
人工接管比例	复杂任务到底多少由机器人自主完成，多少由人类远程专家兜底？	接管率下降是通用智能进步的硬指标。
供应链成本	执行器、灵巧手、电池和算力成本能否快速下降？	成本下降会让更多场景 ROI 转正。
中国实景实训	100+ 场景和万台级落地能力是否形成可复用数据和标准？	如果不是单点项目，而是行业数据资产，将显著加速迭代。
家庭机器人反馈	1X NEO 等早期交付后，用户留存、安全事件和远程接管体验如何？	家庭场景一旦真实可用，市场空间会打开，但短期概率仍低。