84
重新认识具身行业，从自变量的这封邀请函开始
Using Zibianliang Robotics' launch event invitation as a starting point, this article systematically dissects the four major 'bubble' phenomena currently existing in the embodied AI industry, proposes three core criteria for judging the industry's true inflection point, and calls for a return to rationality, focusing on technology and real-world implementation. A AI科技评论
Today 3699 words (about 15 min) View Source →
原创 高景辉 2026-04-13 11:27 广东
戳破具身智能行业的「气泡」。
戳破具身智能行业的「气泡」。
作者丨高景辉
编辑丨马晓宁 **!Image 3**
最近，我们收到了一封奇特的发布会邀请函：打开包装映入眼帘的，居然是一张气泡膜卡片，令人摸不着头脑。
可当我们看到邀请函里的内容，才恍然大悟。原来主办方自变量机器人的意思，是想在4月21日即将举办的发布会上，戳破具身智能行业的“气泡”。
的确，具身智能行业的很多现象，就像气泡一样，一戳就破。有多位投资人向我们表示，一些在外人看来很惊艳的效果，实际上并没有太多“含金量”，问几个问题便知深浅。
所以，这种“气泡”的本质，是一种认知差。具身智能本就是交叉学科，自身的复杂性决定了其难以用日常生活经验理解，因此业内人士和普罗大众对于具身智能的认知存在着巨大偏差。
而戳破气泡，就是要打破这种认知差，还原行业最真实的底色。同时也能让大家明白，各类语境下所谓的“拐点时刻”，并没有那么容易到来。
但批判从来不是目的。相较于戳破行业气泡，重建一套客观公允的行业评价标准，传递真实、可信的产业信号，才是这场祛魅行动真正的内核。
!Image 5: 图片 01
热潮之下，细数具身智能行业的四大「气泡」
任何新兴行业，都会经历从喧嚣到理性的过程，具身智能也不例外。当下具身行业里，就普遍存在着四类认知偏差： 评分气泡：打榜成绩亮眼≠模型能力强大
各类评测榜单向来是行业技术水平的直观参考，但目前具身行业尚未形成统一、权威的评测标准，榜单数据的参考价值存在一定局限性。
首先，评测体系缺乏统一规范，榜单公信力有待提升。不同机构、厂商推出的榜单，评分维度、考核指标差异较大，甚至部分整机厂商自建评测榜单，种种原因共同导致行业内出现多家企业均宣称“排名第一”的现象，难以横向对比企业的真实技术实力。
其次，部分榜单不同的硬件却用同一套“考卷”，公平性存在优化空间。某位头部具身公司创始人与AI科技评论谈及打榜时提到：“其实我们打这个榜单是吃亏的，因为我们是基于自己的硬件来测试，反而PI这种没有自己硬件的会沾光，因为他们数采和训练模型用的硬件和平台的一样。”
还有一个问题是，预设任务无法体现开放环境中的自主推理与泛化能力，过去的 Benchmark 多为标准化考题，机器人按预设流程执行即可得分，无法验证核心能力。因此单看打榜成绩，很难对模型能力得出客观评价。
不过，这种情况已出现了了转机。目前，行业渐渐开始发力无预设、动态化、开放环境评测：引入隐藏任务、随机干扰项、非结构化场景，不再考核“复刻动作”，而是聚焦机器人的自主推理、环境泛化与临场决策能力。
此外，新一代 Benchmark 开始绑定真实硬件形态，区分不同机身、末端执行器、传感器配置，同时引入多机并行测试，验证量产一致性。随着行业各方的努力，“评分气泡”有望变得越来越小。 技能气泡：会表演≠能干活
人形机器人的动作演示常被用于技术展示，但舞台演示能力与产业实际作业能力，分属两种不同的技术维度，二者不能混为一谈。
舞台演示侧重肢体运动的流畅性与观赏性，以复刻预设动作为核心，考验的是运动控制能力（Locomotion），或者叫具身“小脑”能力；在工业、民用场景下实际作业，考验的则是末端操作（Manipulation），与模型能力息息相关。
从技术门槛来看，末端操作的实现难度更高。这不仅需要高适配性、高精度的末端执行硬件作为基础，还需要多模态感知、亚毫米级的空间定位和力控、长程推理能力，这才是机器人“干活”所需要的核心能力。 样品气泡：视频“能打”≠现实可靠
当前具身行业内，各种DEMO演示视频被广泛传播，被用作展现技术最新进展。这些DEMO虽然能让人眼前一亮，但往往无法反映真实的可靠性。
一方面，演示视频存在样本选择性，难以反映真实运行成功率。实验室环境下的流畅演示，往往经过多次调试与场景优化，部分视频素材为筛选后的成功案例，辅以剪辑优化，无法全面体现机器人在连续运行中的失败率、容错率等核心指标。
另一方面，单台样机的可行性，无法代表规模化量产的稳定性。单体样机在理想环境中可完成指定任务，但当产品量产规模扩大、运行周期延长、应用场景趋于复杂时，硬件损耗、系统适配、环境干扰等潜在问题会逐步显现。 商业气泡：订单繁荣≠真实生产力
随着具身智能企业加速量产，各种订单信息层出不穷，但考虑到订单数据的统计口径与应用场景存在差异，不能将其直接等同于产业生产力的规模化落地。
首先，订单统计标准不统一。行业尚未明确区分意向订单与确定性订单，“小订” 与 “大订” 的履约约束力差异显著；同时，小型人形机器人与大型人形机器人在量产难度、技术壁垒上差距较大，同质化的订单统计方式，容易模糊产品的实际落地价值。
其次，订单来源结构多元，市场化采购占比有限。部分公开订单来源于关联合作、政府示范项目及短期试点，这类合作以场景验证、技术展示为主要目的，并非基于企业生产刚需的市场化采购，可持续商业化价值有待验证。
再者，订单应用场景集中，生产力属性尚未凸显。即便是市场化采购订单，目前也多集中于科研教育、数据采集、展会展演等领域，主要服务于技术研发与品牌推广，真正落地于工业生产、商业服务等生产力场景的规模化应用，仍处于初步探索阶段。
客观而言，上述行业气泡，是具身智能作为新兴赛道发展初期的阶段性现象，无需过度苛责，甚至可以说尽早暴露问题其实是一件好事，意味着行业玩家们可以及时矫正、调转船头。
!Image 6: 图片 02
干扰消散，行业真正的核心信号已然浮现
如果测试分数、舞台表演、视频花活、纸面订单都不具有足够的说服力，那么标志着“拐点时刻”到来的真实信号到底是什么呢？
结合头部具身智能企业的动作来看，这样的“真信号”至少需要达到三个标准。 标准其一：大脑能力突破，完成从预编程到自主推理的进化。
很长一段时间里，具身智能行业的重心都在本体和“小脑”，以运动控制能力著称的宇树科技，便凭借动作灵活的机器人多次登上春晚。但一个明显的信号是，即便是硬件领域的佼佼者，也开始焦虑于“大脑”的缺失，比如去年宇树开始积极寻找大脑供应商，补齐模型能力。
资本市场的偏好，也侧面反映了大脑能力的重要性。当前国内估值最高的几家具身企业，如银河通用、星海图、自变量机器人，都把模型能力放在了首要位置。自变量创始人王潜更曾公开表示“AI是第一性的，硬件是第二性的”，要由AI定义硬件。
而为了突破模型能力，制约模型发展的数据瓶颈更是成为了行业新的攻坚高地，多家头部企业已喊出构建“百万小时数据集”的目标，一座座数据工厂接连在全国范围内建立。具身数据的“scaling laws”被彻底验证、模型自主推理能力产生飞跃的那一天，便是具身智能的拐点时刻。 标准其二：在真实场景中持续稳定运行，完成从“可演示”到“可依赖”的进化。
当前具身智能行业内外，最受关注的话题莫过于“落地”。“机器人究竟能帮我们干哪些活？”是对每个具身企业的灵魂拷问，机器人可依赖的程度，也决定了我们离拐点时刻还有多远。
在商业领域，餐饮、文旅成为最火爆的场景，制作咖啡、甜品的机器人已在各地部署。至于商超、酒店等场景，相关厂商也在通过迭代产品，提供更智能化的服务。
在工业领域，3C电子、汽车零部件、新能源产线正成为核落地场景，机器人承担装配、检测、巡检等高危、高重复、高精度工作，部分厂商的产品已经过POC验证。
家庭场景落地进程相对较慢，不过轻量型陪伴机器狗、家用小型机器人价格已下探到万元级，同时也有厂商尝试与家庭服务平台合作，探寻机器人在家庭落地的新渠道。
的确，这些真实环境中的落地还不够完美，但至少已经走出了实验室，迎接商业的考验。有了“从0到1”，接下来便是从1到100的进化。 标准其三：跑通ROI闭环，完成从“能干活”到“能赚钱”的进化。
“算账”，是具身智能赛道最现实的一道关卡，也是最难的一场考验。虽然目前在工业、商业场景中尚未普遍实现稳定的正向ROI，但所有玩家都在朝这个方向死磕，让机器人赚回自己的成本。
当投资人开始询问机器人的“单机日均产值”而非“算力参数”时，行业才真正进入了深水区。
!Image 7: 图片 03
戳破气泡，是为了让具身智能走得更远
回到开头，自变量这封别具巧思的邀请函，不仅是邀请我们参加发布会，更是邀请整个行业回归理性、落到地面。他们想传递的，不是质疑，而是一种长期主义的清醒。
对行业而言，厘清认知偏差，是最好的自律。
告别榜单内卷、演示内卷、营销内卷，把精力放回技术研发与场景落地。透明的认知，会倒逼行业形成良性竞争，让真正有实力的企业，被看见、被认可。
对市场而言，降低非理性预期，是最好的包容。
具身智能是一条长坡厚雪的赛道，没有一蹴而就的飞跃，没有立竿见影的落地。正视技术的难度，尊重发展的规律，多一点耐心，少一点浮躁，就是对行业最大的支持。
厘清认知气泡，方能看清发展本质。告别片面化的成果展示，聚焦技术与落地的双重深耕，具身智能行业的高质量发展，藏在每一次场景落地的实践、每一项技术的稳步突破之中。
//
推荐阅读  