四場實地走訪，還原具身智能走向量產的真實水位

2026 年上半年，中國具身智能產業的熱度已經不能用「風口」兩個字簡單概括。人形機器人正逐步走向量產，VLA 大模型持續迭代，各地政府也開始投入建設所謂的「素材工廠」，這幾個訊號疊加在一起，讓「具身智能元年」不再只是口號。然而，模型跑通了 Demo 是一回事，真正進到產線裡幹活又是另一回事。從 6 月到 7 月，記者陸續走訪了北京靈初智能、深圳艾歐智能、蘇州樂享科技，並與靈生科技進行了深度交流，同時也在 WAIC 2026 的幾場具身智能圓桌論壇上觀察到業界動態。這四家公司的業務涵蓋 VLA 大模型訓練、遠程操控、人形機器人量產到世界模型研發，從基礎研究一路延伸到工程化交付。穿過這些走訪，也摸到了幾處暗礁，一個更真實的行業輪廓逐漸浮現。 在深入四家創業公司之前，有必要先梳理大廠在具身智能領域的布局。大型科技公司挾帶著資金、算力與人才優勢，紛紛切入這個賽道，有的直接開發人形機器人本體，有的則專注於基礎模型與數據平台。這股浪潮使得創業公司必須更精準地找到自己的定位，也讓整個產業鏈的分工變得更加細緻。然而，大廠的入局也帶來競爭壓力，尤其對於需要長期燒錢的硬體研發與場景驗證，新創團隊必須在技術迭代與商業化之間找到平衡點。 走訪的第一站是北京靈初智能，這家公司專注於 VLA 大模型的訓練與應用。現場展示的機器人已經能夠在模擬環境中完成複雜的抓取與組裝任務，但團隊坦言，從實驗室到真實產線的轉換仍存在巨大鴻溝，尤其是感知與動作的閉環控制，在動態環境中容易出現偏差。他們認為，目前的 VLA 模型雖然在特定場景下表現出色，但要達到工業級可靠性，還需要更大量的多模態數據與更高效的訓練方法。 深圳艾歐智能則聚焦於遠程操控技術，這被視為短期內讓具身智能落地的重要路徑。透過遠程操作員的介入，機器人可以完成一些高難度或高風險的任務，同時累積真實操作數據，反饋給模型訓練。艾歐智能的工程師表示，遠程操控的延遲與頻寬問題已有初步解決方案，但要在工業環境中實現穩定、低延遲的連接，仍需要專用網路基礎設施配合。此外，操作員的培訓成本與效率也是量產前的挑戰。 蘇州樂享科技走的是人形機器人量產路線，他們的工廠已經開始小批量生產通用型人形機器人。記者實地觀察到，生產線上的機器人組裝多數仍依賴人工，自動化程度並不高。樂享科技的管理層坦言，目前人形機器人的成本依然偏高，主要來自於精密關節、驅動器與感測器，而這些零組件的供應鏈尚未成熟。他們預計要到 2027 年之後，隨著零組件標準化與規模效應出現，成本才有機會大幅下降，屆時量產才能真正提速。 與靈生科技的深度交流則聚焦於世界模型研發。這家團隊認為，具身智能如果只會執行指令，而無法理解環境的因果關係，就無法應對非結構化場景。他們正在開發一種能夠預測動作結果的世界模型，讓機器人可以「想像」後果再行動。目前該模型在虛擬環境中已展現出初步的推理能力，但要移植到真實機器人身上，還需要解決計算資源與即時性的矛盾。靈生科技也指出，世界模型與 VLA 模型的結合，將是未來三年最重要的技術突破點之一。 在 WAIC 2026 的圓桌討論中，多位業界專家不約而同地提到數據瓶頸。儘管政府開始建設「素材工廠」來提供標準化訓練數據，但當前數據的品質與多樣性仍遠遠不足。與會者認為，真實場景中的邊際案例（edge cases）才是機器人能否真正商用的關鍵，而這些數據往往難以在實驗室中複製。此外，法規與安全標準也尚未跟上技術發展，尤其在人形機器人進入公共場所或工廠產線時，責任歸屬與保險機制仍是懸而未決的問題。 整體而言，這幾場實地走訪讓記者看到，具身智能是一條需要分層協作的產業鏈，每一層現在都還有缺口。從底層的感測器與執行器，到中層的模型與算法，再到上層的應用場景與商業模式，都存在不同程度的技術與工程挑戰。大廠的入局雖然加速了基礎設施建設，但也讓創業公司必須在細分領域做出差異化。目前，人形機器人距離真正的量產與規模化應用，至少還有兩到三年的時間，而 VLA 模型與世界模型的成熟度，也將決定這個行業能否從展示走向實用。2026 年或許不是「元年」的終點，而是真正起跑線的起點。