行业定位与发展阶段 - 2025年被称作“具身智能元年”，行业正从实验室走向工商业应用，从技术演示转向实际生产力工具 [1][15] - 当前人形机器人智能水平相当于“两三岁孩童”，至多处于“学前班阶段”，发展需循序渐进 [2][16] - 多数机器人目前仅能完成导览、科教、搬运、配送等简单任务，行业落地尚处早期阶段 [1][16] 商业化落地路径与场景 - 业内普遍采取“沿途下蛋”策略，即从简单小场景切入，逐步向复杂大场景拓展 [1][15] - 主流商业化路径是从工业、物流等可控性高、容错率高的领域切入，积累数据后再向高阶场景（如居家服务）推进 [4][18] - 商用服务机器人龙头企业擎朗智能已在全球部署超10万台机器人，并摸索出“岗位化”发展路径，即在单一岗位上做深做透 [4][18] - 上海开普勒聚焦工业级具身智能搬运，旨在用“大脑”重构物流逻辑，解决汽车制造、新能源电池等领域动态环境适配难、重载精准搬运难等痛点 [5][18] - 机器人进入家庭场景预计需要更长时间，有企业家预测需等待10年左右，因生活场景对“柔性操作”要求更高 [7][20] - 上海卓益得机器人已在导览、演艺等场景实现商业闭环，并预计5年内可实现一定规模的家庭落地，届时交付量有望达“上万台甚至更多” [8][21] 技术演进与数据驱动 - 行业共识认为，高质量数据是机器人从“能动”到“好用”的关键，是具身智能进化的“燃料”和基石 [9][22] - 高质量数据极度稀缺且采集成本高昂，各地正积极建设数据采集工厂和标准化数据集平台 [9][22] - 公司训练数据来源包括真机数据、仿真合成数据和专家技能数据库，三者形成“倒三角”数据体系 [9][22] - 开普勒的机器人“大脑”训练分两阶段：工业场景基础通用能力训练需半年至一年；细分领域适配训练仅需几个月 [10][23] - 通过“岗位化”深耕积累专属数据，结合泛化学习能力，可提升后续机器人的智能和实用性，例如1000台机器人积累1000个岗位数据 [10][23] - 开普勒基于分层模型VLA+实现了精准语义识别，机器人可听懂“请搬运2号货箱”等自然语言指令并自主完成全流程 [7][20] 量产进展与供应链 - 行业初步具备量产能力是2025年的重要标志，例如智元宣布第5000台通用具身机器人灵犀X2正式量产下线 [10][23] - 供应链需求旺盛，零部件供应商傲意科技今年交付灵巧手产品接近5000台，覆盖国内150多家人形机器人企业和200多家终端企业 [11][24] - 2026年被视作检验量产能力的关键一年，竞争核心在于能否“接得住”订单并完成交付 [12][24] 市场挑战与成本考量 - 机器人商业订单的“含金量”受质疑，需分辨其由真实商业需求驱动还是由政策补贴和投资热度催生 [11][24] - 商家采购核心诉求是增收或降本，但当前许多机器人定价在“几十万元级”，在真实商业场景中难以“划得来” [12][24] - 降低成本依赖于达到一定的出货量，只有持续投入、积累大量真实场景数据后，商业闭环才能打通 [12][25] 长期发展展望 - 行业专家认为，具身智能的发展速度既没有预期中快，也没有很慢，仍需度过较长的发展周期 [12][25] - 预计具身智能还需要发展“至少十年以上”才能迈向成熟，但社会宽容开放的态度可能加快商业化进程 [13][25] - 行业在核心技术上仍处于探索阶段，例如机器人“大脑”进化中VLA是否是唯一技术路线存在争议 [12][25]