作者 | 毛心如

如果一場有關(guān)具身智能的圓桌對談，聽到的關(guān)鍵詞是還遠、鴻溝、刷榜、缺標準，你會覺得這是一場唱衰嗎？

答案恰好相反。

過去兩年，具身智能從學(xué)術(shù)概念迅速膨脹為一級市場最擁擠的賽道。

融資額連創(chuàng)新高，人形機器人登上春晚，一個后空翻都能制造短暫的熱搜。

但現(xiàn)實是，科研人員將模型和硬件真機部署之后，發(fā)現(xiàn)離真正希望的大規(guī)模應(yīng)用還是有比較大的鴻溝。這種鴻溝正在被越來越多的人發(fā)現(xiàn)并承認。

從行業(yè)風向不難發(fā)現(xiàn)，現(xiàn)在越來越多的玩家不會急切地去追求通用泛化，而是把目光聚焦在哪些場景能實現(xiàn)商業(yè)閉環(huán)，我們還能在哪些方面擴大自身的優(yōu)勢。

這場由原力靈機主辦的圓桌論壇上，清華大學(xué)教授汪玉、智源研究院院長王仲遠、階躍星辰 CEO 姜大昕、星海圖 CEO 高繼揚、原力靈機 CEO 唐文斌齊聚一堂，匯集了從學(xué)界到產(chǎn)業(yè)、從模型大腦到行動身體的具身智能全鏈路參與者。

這場圓桌釋放出了一個深刻的觀點：2026 年不會是具身智能的 ChatGPT 時刻，但它很可能是行業(yè)從狂熱敘事轉(zhuǎn)向理性深耕的分水嶺。

同時，這場圓桌也為 2026 年具身智能行業(yè)發(fā)展，清晰勾勒出了三大核心趨勢。

從 Demo 演示到規(guī)模化商業(yè)閉環(huán)

一直以來，具身智能的發(fā)展大多還是停留在 Demo 演示和仿真環(huán)境測試階段，大多數(shù)玩家的追求都是全場景泛化。雖然這樣的技術(shù)理想很豐滿，但現(xiàn)實是大多機器人仍然面臨著走不出實驗室、干不了活的尷尬。

在這場圓桌論壇上，一個共識顯現(xiàn)：具身智能的全場景泛化在短期內(nèi)不具備實現(xiàn)條件。

2026 年行業(yè)的核心發(fā)展方向需要暫時擱置全場景通用的愿景，聚焦特定封閉或者半封閉場景，實現(xiàn)技術(shù)、數(shù)據(jù)、商業(yè)的規(guī)�；�閉環(huán)。

從技術(shù)層面來看，具身智能的泛化能力存在多維度的實現(xiàn)難點，這決定了全場景落地的不現(xiàn)實性。

階躍星辰 CEO 姜大昕認為，具身智能的泛化應(yīng)該包含場景泛化、任務(wù)泛化、目標泛化三個核心維度，場景分為封閉、半封閉、全開放，任務(wù)涵蓋導(dǎo)航、抓取、家務(wù)等。

不同維度的泛化難度天差地別，目前行業(yè)尚未形成對具身智能 ChatGPT 時刻的統(tǒng)一定義，實現(xiàn)全維度的零樣本泛化只會更難。

相較于大語言模型僅需處理虛擬的語言信息，具身智能需要融合計算機視覺、運動控制、環(huán)境感知等多領(lǐng)域技術(shù)，其技術(shù)復(fù)雜度呈指數(shù)級提升，短期之內(nèi)難以實現(xiàn)全場景的自主適應(yīng)。

正因如此，先解決單一場景問題，再逐步探索泛化成為了 2026 年行業(yè)的核心共識。

智源研究院院長王仲遠認為，現(xiàn)在最現(xiàn)實的路徑是通過 VLA +強化學(xué)習(xí)把一個個真實的場景解決好，先讓機器人干起活，再在真機中積累更多的數(shù)據(jù)，形成數(shù)據(jù)的閉環(huán)，最后再來解決泛化性的問題。

這個思路拒打破了為了泛化而泛化的技術(shù)誤區(qū)，將數(shù)據(jù)閉環(huán)作為連接單場景落地與全場景泛化的橋梁，同時單場景的持續(xù)運營，也是積累真實真機數(shù)據(jù)的唯一途徑。

從商業(yè)落地來看，可規(guī)�；�、可持續(xù)化、可核算 ROI 也成為 2026 年具身智能落地的核心評判標準。

原力靈機聯(lián)創(chuàng)唐文斌基于自身對具身智能 ChatGPT 時刻的理解，給出了 2026 年的目標，實現(xiàn)單一場景一千臺機器人的持續(xù)運行。

星海圖創(chuàng)始人高繼揚則更加激進，他認為整個行業(yè)都需要在生產(chǎn)力端看見明確增長，兩年之內(nèi)能夠有單一場景上萬臺出貨量。而從落地場景來看，工業(yè)物流、制造業(yè)等封閉或半封閉場景也將成為 2026 年具身智能落地的核心賽道。

目前具身智能在倉庫、工廠里打螺絲等場景已具備初步落地條件。這些場景的特點是環(huán)境可控、任務(wù)單一、干擾因素少，能夠有效降低機器人的感知和操作難度，更易實現(xiàn)數(shù)據(jù)閉環(huán)和 ROI 核算。

相較于家務(wù)、服務(wù)等開放場景，工業(yè)場景對機器人的錯誤容忍度相對較低但場景邊界清晰，且存在巨大的產(chǎn)業(yè)升級需求，成為具身智能從實驗室走向產(chǎn)業(yè)的最佳切入點。

盡管硬件仍面臨著連續(xù)穩(wěn)定性工作、安全性、電池續(xù)航等問題，但在封閉場景中，這些問題可通過環(huán)境適配、設(shè)備改造等方式得到緩解，足以支撐機器人實現(xiàn)常態(tài)化運營。

可以說，2026 年具身智能行業(yè)將正式進入單場景落地元年，誰能率先在特定場景實現(xiàn)規(guī)�；�、可持續(xù)化運營，誰就能成為行業(yè)發(fā)展的標桿。

評測體系與技術(shù)標準走向統(tǒng)一

AI 的發(fā)展離不開標準和評測的支撐，大語言模型的快速迭代，一定程度上得益于完善的評測體系和相對統(tǒng)一的技術(shù)標準。

而具身智能作為融合軟件模型+硬件實體+物理交互的復(fù)合型領(lǐng)域，目前仍處于評測體系缺失、技術(shù)標準碎片化、開源生態(tài)不完善的發(fā)展階段。

這也成為制約行業(yè)從 Demo 演示走向規(guī)�；�落地的核心瓶頸。

從 2025 年開始，越來越多產(chǎn)業(yè)界、學(xué)術(shù)界的研究人員都在為具身智能找標準，像原力靈機的 Robochallenge、上海交通大學(xué)的開源測評集 GM-100 都是印證。

經(jīng)過野蠻生長的 2025 年，推動真機評測常態(tài)化、技術(shù)標準統(tǒng)一化、開源生態(tài)體系化，補齊行業(yè)發(fā)展的底層短板成為 2026 年的必然趨勢。

首先，是基于物理世界的真機評測體系將成為行業(yè)主流，RoboChallenge 等平臺將引領(lǐng)行業(yè)評測標準的構(gòu)建。

當前具身智能的評測多停留在仿真環(huán)境中，LIBERO、SimplerEnv、RoboTwin 等現(xiàn)有評測基準規(guī)模小、場景單一，很多測評分數(shù)已經(jīng)被刷到接近滿分。

但這個分數(shù)并不能反映機器人在真實物理世界中的實際能力，只有基于物理世界真實的、大規(guī)模的、真機的測評，才能引導(dǎo)整個行業(yè)快速的、正向的發(fā)展。

其次，具身智能技術(shù)標準的統(tǒng)一將提上日程，模型輸出、數(shù)據(jù)格式等核心標準將率先形成行業(yè)共識。

當前具身智能行業(yè)的標準碎片化問題體現(xiàn)在多個方面，硬件接口不統(tǒng)一、數(shù)據(jù)采集格式不一致、模型輸出邏輯不相同，導(dǎo)致企業(yè)之間的技術(shù)成果無法互通、模型難以重復(fù)驗證，極大降低了行業(yè)的研發(fā)效率。

目前國內(nèi)外都在積極進行模型開源，但在最后的部署復(fù)現(xiàn)都變成了一件棘手的問題。

這背后的關(guān)鍵就是各家的標準并沒有統(tǒng)一，數(shù)據(jù)類別千差萬別，甚至格式、代碼也有很多難以對齊。這樣碎片化的標準，讓行業(yè)陷入各自為戰(zhàn)的研發(fā)困境，也制約了具身智能的規(guī)模化落地。

2026 年，這一問題也將迎來實質(zhì)性突破，具身智能的技術(shù)標準制定將正式進入行業(yè)議程。

2025 年底，工業(yè)和信息化部人形機器人與具身智能標準化技術(shù)委員會正式成立，其中由學(xué)界以及產(chǎn)業(yè)界相關(guān)人士構(gòu)成，通過雙方實際經(jīng)驗，定義具身智能模型輸出的標準。

模型輸出標準將解決模型驗證、技術(shù)互通的核心問題，讓行業(yè)的研發(fā)成果能夠?qū)崿F(xiàn)共享和迭代。

而隨著單場景規(guī)模化落地的推進，硬件接口、數(shù)據(jù)采集等標準也將逐步形成行業(yè)共識，推動行業(yè)從碎片化發(fā)展走向協(xié)同化發(fā)展。

最后，是全鏈條的開源生態(tài)將逐步構(gòu)建，成為推動行業(yè)技術(shù)創(chuàng)新的核心動力。

開源是人工智能技術(shù)快速發(fā)展的重要推手，大語言模型的普及、Transformer 架構(gòu)的一統(tǒng)江湖，都離不開開源生態(tài)的支撐。

具身智能作為技術(shù)復(fù)雜度更高的領(lǐng)域，更需要開源生態(tài)的助力，讓中小企業(yè)和科研機構(gòu)能夠站在巨人的肩膀上進行研發(fā)。

未來，像 Robochallenge 這種平臺或許會向公益化形態(tài)發(fā)展，打造包含開源框架、開源硬件、開源數(shù)據(jù)、開源應(yīng)用/評測的全開源生態(tài)。

目前，具身智能的開源生態(tài)已經(jīng)在算法層面實現(xiàn)了初步發(fā)展，依托開源社區(qū)，第一梯隊的公司例如美國的 Physical Intelligence，開源后算法傳播會在 2-3 個月內(nèi)完成。

在 2026 年，具身智能的開源將從算法層面延伸至硬件、數(shù)據(jù)、評測等全鏈條，原力靈機、智源研究院等頭部機構(gòu)也會不斷加大開源力度，降低行業(yè)的研發(fā)門檻，推動技術(shù)創(chuàng)新的加速落地。

總的來說，評測體系與技術(shù)標準的統(tǒng)一，是具身智能從技術(shù)探索走向產(chǎn)業(yè)落地的必要前提。

隨著真機評測平臺的完善、具身智能核心標準的制定以及全鏈條開源生態(tài)的構(gòu)建，行業(yè)將擺脫無標準可依、無評測可考的發(fā)展困境，為規(guī)模化商業(yè)閉環(huán)提供堅實的底層支撐。

產(chǎn)學(xué)研深度融合，提升中國玩家整體競爭力

具身智能，從來不是只屬于企業(yè)的舞臺，學(xué)術(shù)界的技術(shù)探索和產(chǎn)業(yè)界的實踐落地，二者缺一不可。在以中美為主導(dǎo)的行業(yè)競爭中，美國在算法、大腦端更占優(yōu)勢，中國在供應(yīng)鏈、產(chǎn)能上更勝一籌已經(jīng)是公認的共識。

那么，下一階段中國玩家要提升核心競爭力的錨點就在于，持續(xù)擴大供應(yīng)鏈優(yōu)勢，同時推動產(chǎn)學(xué)研合作發(fā)展，形成學(xué)術(shù)探索推動產(chǎn)業(yè)落地，產(chǎn)業(yè)落地反哺學(xué)術(shù)研究的正向循環(huán)。

清華大學(xué)的汪玉教授表示，美國在模型研發(fā)和數(shù)據(jù)積累的工作做得更早，但目前中國在具身智能產(chǎn)業(yè)鏈的整體投入已經(jīng)遠遠多于美國。

中國完善的產(chǎn)業(yè)鏈和供應(yīng)鏈能夠把應(yīng)用開放的范圍擴展得更廣，與此同時再加大在模型和應(yīng)用層面的投入，中國有可能在具身智能領(lǐng)域早于美國實現(xiàn)更快突破。

相較于美國超級碗聚焦大語言模型的技術(shù)展示，中國春晚成為機器人技術(shù)落地的重要舞臺，這一差異也反映了中美兩國在 AI 發(fā)展上的不同側(cè)重。

其次，中國的產(chǎn)學(xué)研聯(lián)動日益緊密，形成產(chǎn)業(yè)問題推動學(xué)術(shù)研究，學(xué)術(shù)研究解決產(chǎn)業(yè)痛點的正向循環(huán)，這是中國具身智能發(fā)展的另一核心優(yōu)勢。

過去，中國的人工智能發(fā)展曾存在學(xué)術(shù)與產(chǎn)業(yè)脫節(jié)的問題，學(xué)術(shù)界專注于論文發(fā)表，產(chǎn)業(yè)界專注于商業(yè)落地，兩者之間缺乏有效的溝通和協(xié)作。

現(xiàn)在中國學(xué)術(shù)界和產(chǎn)業(yè)界正在增加聯(lián)動，真正推動產(chǎn)學(xué)研的深度融合。

這種融合，體現(xiàn)在多個方面：產(chǎn)業(yè)界的實際落地痛點成為學(xué)術(shù)界的研究方向?qū)W術(shù)界的技術(shù)探索為產(chǎn)業(yè)界提供了創(chuàng)新思路，例如智源研究院發(fā)布的 RoboBrain、RoboBrain-X0 等模型產(chǎn)學(xué)研共建評測平臺、制定行業(yè)標準，例如 RoboChallenge 平臺聯(lián)合了產(chǎn)業(yè)界、學(xué)術(shù)界和研究機構(gòu)共建，實現(xiàn)了技術(shù)、硬件、數(shù)據(jù)的共享2026 年，中國具身智能的產(chǎn)學(xué)研融合將進一步走向常態(tài)化、機制化。

高校和科研機構(gòu)將成為產(chǎn)業(yè)界的技術(shù)研發(fā)中心，產(chǎn)業(yè)界將成為高校和科研機構(gòu)的場景驗證中心，兩者的協(xié)同創(chuàng)新將推動具身智能技術(shù)的快速迭代和落地。

而像階躍星辰與原力靈機這種產(chǎn)業(yè)界之間的協(xié)同也會不斷變多，并進一步延伸至學(xué)術(shù)界，形成更大范圍的產(chǎn)學(xué)研影響力。

基于此，中國具身智能玩家的整體競爭力將實現(xiàn)全面提升，有望在全球競爭中率先實現(xiàn)具身智能的大規(guī)模商業(yè)化落地。

DM0 模型由原力靈機與階躍星辰聯(lián)合訓(xùn)練除此之外，作為已經(jīng)實現(xiàn)規(guī)�；�軟硬件產(chǎn)品量產(chǎn)交付的星海圖，其創(chuàng)始人高繼揚表示，中國的整機和供應(yīng)鏈經(jīng)過過去兩年的準備，已經(jīng)發(fā)生了很多變化。

供應(yīng)鏈、零部件的可靠性和一致性問題得到了明顯改善，真機數(shù)據(jù)的積累也隨整機落地逐步推進，供應(yīng)鏈-數(shù)據(jù)-算法的產(chǎn)業(yè)鏈條將形成正向循環(huán)。

可以說，2026 年是中國具身智能玩家提升全球競爭力的關(guān)鍵一年：產(chǎn)學(xué)研深度融合將解決具身智能的核心技術(shù)痛點供應(yīng)鏈優(yōu)勢將推動技術(shù)的規(guī)�；�落地豐富的產(chǎn)業(yè)場景將為具身智能提供廣闊的發(fā)展空間三者結(jié)合，將讓中國在具身智能的全球競爭中占據(jù)有利地位，有望率先迎來屬于中國的具身智能 ChatGPT 時刻。

2026 年，大概率不會是具身智能的奇跡之年，而是入局玩家要把笨功夫下透的一年。

理性發(fā)展、務(wù)實落地會成為真正的主旋律。

當評測從仿真遷往真機，場景從泛化退回到垂直，競爭從模型崇拜轉(zhuǎn)向 ROI 算賬，行業(yè)也需要經(jīng)歷一場夢想照進現(xiàn)實的祛魅。

畢竟具身智能這場馬拉松，行業(yè)整體才跑出了一公里。

       原文標題 : 三大趨勢，定調(diào)2026年具身智能