2026世界机器人大会上，具身智能企业的展示重心从概念演示转向了场景落地能力。星海图复刻了一座前置仓，展示机器人将商品装入撑开的袋子并完成打包；自变量在传送带上让机械臂处理快递包裹，快速将面单翻至最上层并剔除异物；银河通用的G1演示了物品归置、叠衣、洗衣晾衣等操作；开普勒的大黄蜂则在工厂场景中搬运，双臂单次可举起30公斤重物。企业更愿意分享机器人连续工作时长、适配新任务所需数据量以及投资回报预期，参观者开始询问价格和交付时间等采购细节。
行业数据显示，上半年国内具身智能融资935亿元、出货超4万台，但超过65％的机器人仍用于演示和研发，真正持续生产的不足35％。机器人在特定场景中可以接近人工效率，却难以将能力复制到更多场景；一台样机能够完成任务，不意味着多台产品都能稳定执行。尽管模型、本体、数据和供应链均有进步，但这些进步尚不足以让机器人成为可规模化应用的生产力。此次大会更多是拉开了具身智能走向场景落地的序幕，形成了一种共识：企业开始认真考虑，如何将一次部署积累的模型能力、数据、硬件方案和交付经验，带给不同客户、不同工位和不同任务。
从场景复杂度看，工业、物流和能源巡检大多属于封闭或半封闭环境，工作对象、活动范围和验收标准相对明确，最容易用节拍、稳定性和成本计算投资回报。这也是机器人最先从概念验证走向落地部署的领域。光象科技COO郑可表示，汽车工厂自动化率已经很高，但小型件、异形件的上料，以及插接、卡接、拧紧等操作仍高度依赖人工，这些正是具身智能更擅长的空白地带。具身智能并非全盘替代传统自动化，而是补充传统机械臂在物料状态变化、多品类生产和快速换产场景中的不足。
从工厂走向零售、酒店、餐饮和药店等商业场景，环境进一步开放。机器人既要完成取送、清洁、制作饮品等具体工作，也要面对顾客、员工、障碍物和临时需求。擎朗在酒店洗衣场景中未让一台人形机器人包办所有工作，而是将流程拆开：配送机器人运送衣物，人形机器人负责投衣、启停设备、折叠和装篓，再由配送机器人送回房间。这种模式将机器人嵌入现有业务系统，而非孤立完成一次表演，与工业场景中传统机械臂和具身智能的配合逻辑类似。
复杂度最高的是家庭场景。物品没有固定位置，任务缺少统一流程，用户给出的往往也不是标准指令。机器人可能刚开始准备早餐，面包就被人拿走；正在倒水时，瓶口又被临时遮住。银河通用展示了机器人制作早餐时被干扰后仍能重新判断并继续任务的场景；千寻的机器人则能在用户发出「帮我整理客厅」的模糊指令后，将任务拆解为把碗放进洗碗机、将饮料归位、收起玩偶和处理垃圾等多个步骤，再自行规划执行顺序。但机器人的成本、安全性、泛化能力和隐私责任在家庭场景中尚未找到稳定答案。家庭场景仍可能在一段时间内支撑具身智能的第二条融资曲线，但短期内难以规模化落地。陪伴类机器人可能成为进入家庭的先锋，如心言机器人的巴布、青心意创的Amoo等。
无论场景难易，如果每换一家客户都要重新采集数据、训练模型和改造本体，企业得到的仍然是一个个定制项目。跨越场景需要模型把一次部署获得的经验变成可迁移的泛化能力。现阶段更现实的标准是，当物品、指令和环境发生变化，进入新任务时，机器人能否用更少数据和更短训练完成适配。未来评估模型价值不能只看展台上完成了多少任务，还要看适配新任务所需时间、新增数据消耗量，以及场景变化后能力保持程度。泛化能力最终反映的是机器人进入下一个岗位的「培训成本」。
星海图创始人高继扬称，目前机器人完成一项新任务大约需要10小时的后训练，下一步希望将门槛压缩到1小时甚至只依赖少量样本。星海图采用统一自回归架构，希望用一个模型打通零样本指令、通用抓取和长程任务，支撑机器人从「拿起一个面包」走向完成前置仓履约这样的完整任务。银河通用自研了银河星脑WAM-TTT技术，客户只需拍摄视频，无需遥操作数据采集即可完成模型后训练。银河通用创始人王鹤表示，只需要视频数据，不需要标签和动作标注就能完成后训练，模型在落地场景中的迭代速度非常快，门槛也非常低。
数据的价值在不断提升。与语言模型处理文本关系不同，机器人面对的是重量、惯性、摩擦和碰撞。它不仅要识别眼前是一只杯子，还要判断从什么位置抓、需要多大力度，以及拿起后杯子是否会滑落。自变量创始人王潜提出，数据不是石油，而是工业品。石油是等待开采的标准资源，具身智能数据却需要围绕任务被采集、筛选、加工和组合。成功完成任务、操作失败、人工纠正和异常状态的数据价值并不相同。企业需要把每一次部署都变成数据生产过程。场景由此不只是机器人创造收入的地方，也开始成为模型获得数据和反馈、识别失败和继续进化的关键。京东、凌迪等掌握大量场景数据的公司，如今开始为机器人提供训练数据，可能成为加速具身智能落地的重要助力。
在本体层面，具身智能不再追求一种形态覆盖所有任务，而是回到任务本身。人形机器人曾是最容易被理解的形态，但进入真实工位后，多一条腿、一只手或一个自由度，都意味着额外成本、功耗和故障风险。企业开始重新回答一个更基本的问题：完成这项工作，最少需要什么？光象科技在汽车质检场景中的选择是，如果一条机械臂手持光源，就能在90秒或180秒的工厂节拍内完成车身扫描，便没有必要增加第二条机械臂。具身智能的下一步，是在场景落地的大前提下，产出可复制的生产力，而非停留在单点演示的定制化交付。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
