扫描下载APP
其它方式登录
追踪机器人与具身智能最新进展，覆盖人形机器人、机械臂、无人机及AI硬件动态。
报告指出中国具身智能产业正从硬件驱动转向数据驱动，但面临数据量不足、质量不高、异构难兼容三重瓶颈；具身数据具有物理交互性、多模态强耦合和时序连续性三大特征，需通过‘造、治、用、通’构建闭环；第三方评测、场景数据工厂、仿真基础设施等成为关键商业机会。
Figure AI发布Helix 2.5机器人，首次在未经训练的30个真实家庭中完成铺床、叠毛巾、收拾玩具等家务，宣称实现零样本泛化；其突破源于大规模人类行为视频数据集Index的预训练，验证了动作预测误差随数据量增加而规律下降的‘人类到人形机器人迁移Scaling Law’，但整体任务成功率仅56%，距实用尚远。
2026年秋季，人形机器人价格大幅下探至万元级（如启元Q1/T1售价19999元），与高端折叠手机（如iPhone Duo起售价1999美元）形成消费决策对比；文章分析其供应链降本、产品定位分化（教育陪伴、影像跟拍）、当前功能局限（续航短、无灵巧手、避障弱）及尚未成熟的消费生态，并指出个人机器人首波落地场景更可能是影像工具与编程教具，而非家务劳动。
Figure机器人在30个陌生家庭中测试自主完成收拾玩具、叠毛巾、整理床铺等家务，整体任务成功率达56%，验证其跨环境泛化能力；公司正加速自研AI模型（Helix系列）、构建数据采集体系（Index）并推进量产，从工业场景（如宝马工厂）向家庭场景拓展，但面临成本控制、真实用户接受度与规模化服务挑战。
启元机器人由上纬新材推出，正式量产发售Q1、T1两款家庭人形机器人，售价19999元起。公司聚焦教育、陪伴、娱乐等家庭场景，以‘有趣→有用→有爱’为产品演进路径，强调具身智能的泛化能力与生态建设，收入结构规划为本体销售、内容订阅及服务运维，长期押注内容与IP生态。
文章聚焦物理AI在产业场景落地的现实挑战与协同路径，以越秀地产清洁机器人、云南白药产线、中力叉车等案例揭示规模化瓶颈：数据不足、泛化能力弱、环境不可复用、成本难回收。强调需场景方（开放空间、定义标准）与技术方（世界模型、端侧算力、跨本体大脑）深度协同，并指出组织能力与生态共建才是打通‘最后一公里’的关键。
监管正加强对人形机器人等硬科技企业IPO的审核，聚焦营收真实性、盈利稳定性及商业化落地能力三大维度，核心是检验企业是否形成可持续商业闭环；宇树科技上市后股价大幅回调引发对技术成色与商业化进展的重估，叠加二级市场调整和大型IPO密集发行，促使保荐机构责任进一步压实。
文章聚焦中国具身智能领域爆发式增长的数采中心现象，揭示其在解决物理世界交互数据极度短缺（95%缺口）的同时，暴露出地方政府与机器人企业合建中心、通过关联交易循环融资推高估值的乱象；监管趋严、股价暴跌、IPO收紧反映市场对真实需求和商业可持续性的质疑，核心矛盾在于数采中心是推动产业突破的基础设施，还是资本与政绩驱动的账面游戏。
欢创科技作为全球扫地机器人激光雷达市场占有率超50%的头部供应商，已通过港交所上市聆讯。公司收入三年复合增速35.9%，但净利率仅0.4%，面临价格持续下跌、毛利率承压、经营性现金流连续三年为负等结构性挑战，高度依赖扫地机器人单一场景，正寻求向人形机器人、具身智能等新领域拓展以构建第二增长曲线。
清科灵境联合中国科学技术大学研发的OASIS WAM机器人动作模型，在RoboLab高保真仿真基准平台120个视觉-语言-操作任务综合评测中登顶第一，击败NVIDIA、Google等国际头部团队，成为榜单唯一中国团队。该模型通过WAM与高层VLM协同、未来视觉预测、Speculator推测式执行等创新设计，实现任务理解、动作生成与实时执行的分层异步并行，旨在构建具身智能公共技术底座。
具身智能零部件厂商正通过成立Tier1产业联盟、推动跨硬件适配与跨本体部署，摆脱被动定制角色，提升在产业链中的话语权、标准制定权和利润分配权；同时借力机器人多形态共性需求、量产提速及全球化分工，加速从零件供应商向可复用能力模块和全球Tier1升级。
特斯拉在美国得州建设千万级人形机器人擎天柱（Optimus）专属工厂，主体结构已大部完工，规划年产能1000万台，目标2027年下半年启动对外销售；同时供应链团队已赴宁波开展量产审厂，加速推进规模化制造落地。
具身智能行业在资本热捧和融资高潮背景下，正经历核心高管密集离职潮，多位技术灵魂人物因技术路线分歧、资本与研发节奏错配、组织能力不成熟等原因离开智元、小鹏机器人、鹿明等公司。离职并非行业衰退信号，而是早期赛道从技术驱动转向商业落地阶段的必然组织阵痛，反映人才在行业内流动而非逃离，行业仍处快速扩张期。
OpenAI正全面重启机器人业务，通过招聘27个跨领域岗位，构建覆盖数据采集、执行器设计、传感器集成、固件开发、实时控制、供应链管理及现场部署的全栈能力，核心目标是掌控机器人‘身体’以获取真实世界交互数据，驱动AGI模型持续迭代，而非仅提供AI模型。
GPT-6 Astra作为通用大模型，展现出强大机器人控制能力：可规划并执行绘画、抓取、装配等任务，成功率高达95%，引发业界对‘机器人领域OpenAI’归属的重新思考——答案或非专用机器人公司，而是OpenAI自身。其优势在于高层认知与规划，但精细操作、实时控制和物理接触等‘最后一毫米’仍是瓶颈。
