從倉庫到工廠，具身智能產(chǎn)業(yè)應(yīng)用的“GPT時刻”還有多遠？

2026年，具身智能的敘事邏輯正在發(fā)生根本性轉(zhuǎn)變。2025年的舞臺炫技、發(fā)布會演示已經(jīng)退潮，取而代之的是一個更務(wù)實的問題：機器人到底能不能干活、能掙多少錢、什么時候能大規(guī)模鋪開？

目前業(yè)內(nèi)有很多專家的共識：人形機器人正處于從技術(shù)突破邁向規(guī)?；虡I(yè)化的關(guān)鍵時期，2026年有望成為量產(chǎn)落地和場景驗證的重要節(jié)點。

在這個轉(zhuǎn)折之年，物流與工業(yè)兩大B端場景成為具身智能最先“登岸”的灘頭陣地，而關(guān)于“大腦”技術(shù)路線的爭論也愈演愈烈。更令人好奇的是，人們反復(fù)追問的那個問題——具身智能的“ChatGPT時刻”何時到來？“iPhone時刻”又何時才能出現(xiàn)？或許答案遠比我們想象的復(fù)雜。

物流、工業(yè)成具身智能產(chǎn)業(yè)應(yīng)用的切入點

在眾多具身智能潛在應(yīng)用場景中，物流倉儲被認為是條件最為成熟的突破口之一。邏輯并不復(fù)雜：需求剛性、場景邊界清晰、價值可量化。裝卸、揀選等環(huán)節(jié)純?nèi)肆σ蕾嚦潭葮O高，而招工難、人力成本上漲是物流行業(yè)的普遍痛點。與此同時，倉庫環(huán)境相對結(jié)構(gòu)化，任務(wù)目標明確，不需要像家庭場景那樣應(yīng)對無限開放的復(fù)雜環(huán)境。

從市場規(guī)模來看，物流倉儲的潛力確實巨大。據(jù)中商產(chǎn)業(yè)研究院2026年3月數(shù)據(jù)顯示，2026年中國智能倉儲設(shè)備市場規(guī)模將突破1800億元人民幣，具身智能設(shè)備增速遠超傳統(tǒng)AGV/AMR。更長遠來看，思瀚研究院預(yù)計全球智能場內(nèi)物流機器人市場規(guī)模到2030年將達到人民幣3441億元，2024年至2030年的復(fù)合年增長率為19.5%；中國市場到2030年有望達到1339億元。

然而，這些光鮮的數(shù)字背后存在一個被忽略的尷尬：物流機器人的整體滲透率仍然偏低，且大多數(shù)已部署的設(shè)備還停留在傳統(tǒng)AGV（自動導(dǎo)引車）或AMR（自主移動機器人）層面，真正具備具身智能能力的機器人（即能夠感知、理解、自主決策并執(zhí)行復(fù)雜操作的機器人）才剛剛起步。有業(yè)內(nèi)人士直言，中國超過1000萬裝卸工的存量市場，智能裝備滲透率不到1%。

這一差距背后存在多重現(xiàn)實挑戰(zhàn)。技術(shù)瓶頸首當(dāng)其沖：人形機器人續(xù)航不足，難以滿足8小時滿負荷作業(yè)；低溫、高濕、金屬密集場景中傳感器信號衰減，定位精度待提升；大規(guī)模集群協(xié)同調(diào)度算法仍需優(yōu)化。其次是成本問題：當(dāng)前小批量量產(chǎn)前的機器人硬件成本仍在30萬元左右，即使小批量生產(chǎn)（如100臺規(guī)模）后能降至十幾萬元，對物流行業(yè)這類低毛利產(chǎn)業(yè)而言仍然是筆大開銷。正如智往未來CEO孫浚凱所言，京東、順豐這類物流企業(yè)每一單利潤都是幾毛、幾分錢，采購自動化設(shè)備希望投資回報周期（ROI）一年回正，而當(dāng)前具身智能機器人的ROI周期能做到2~3年已經(jīng)算是很好了，普遍需要長達4~5年才能回正。

不過，變化正在加速發(fā)生。2026年以來，多家企業(yè)已在物流場景取得實質(zhì)性進展：極智嘉于2026年2月發(fā)布倉儲通用人形機器人Gino1，可從事揀貨、搬箱、打包、巡檢等多項任務(wù)；菜鳥于2026年4月在MODEX 2026國際物流展發(fā)布首款自研“攀爬機器人”ZeeBot，首個由該機器人進行智能作業(yè)的倉儲項目已在廣東省交付并投入使用；德馬科技早在2025年7月已建成人形機器人物流場景訓(xùn)練與數(shù)據(jù)采集工廠，并聯(lián)合鹿明機器人推出重載具身機器人.....

而智往未來也在這一賽道快速推進。據(jù)悉，智往未來已與某頭部電商物流簽署了POC協(xié)議，將機器人部署到其倉庫中開始實際作業(yè)并采集數(shù)據(jù)；與全球頭部醫(yī)療健康巨頭，以及某一線汽車主機廠商等跨國公司的合作也在洽談中。孫浚凱預(yù)測，2026年物流領(lǐng)域的分揀場景下，具身智能機器人總出貨量可能在幾百臺級別，而智往未來有望占據(jù)約30%的市場份額。

智往未來創(chuàng)始人兼CEO孫浚凱與智往未來具身智能產(chǎn)品Armstrong Pro

與此同時，孫浚凱表示，物流場景正在成為具身智能“數(shù)據(jù)飛輪”的啟動點。倉儲物流中涉及的物品類型（如飲料、包裹、日用品），與零售商超和家庭場景高度相似，使得機器人在物流場景中積累的技術(shù)能力和數(shù)據(jù)沉淀，能夠更容易地遷移和復(fù)用到商超零售乃至家庭服務(wù)中。正如孫浚凱所規(guī)劃的演進路徑：從倉儲物流起步，逐步邁向商超零售，最終延伸至家庭服務(wù)——這不僅是技術(shù)成熟度的逐步提升，更是一條精心設(shè)計的“從簡向繁”路線。

相較于物流，工業(yè)制造場景對具身智能的需求同樣強烈，但挑戰(zhàn)截然不同。傳統(tǒng)工業(yè)機器人（“四大家族”為代表）在精度、速度、可靠性上已臻化境，但它們被困在“籠子”里，依賴高精度的夾具和嚴格編程，無法適應(yīng)小批量、多品種的柔性生產(chǎn)趨勢。

具身智能為工業(yè)柔性制造帶來了曙光。它有望讓機器人像熟練工人一樣，通過視覺識別不同的工件，自主規(guī)劃抓取姿態(tài)和裝配動作，完成螺絲擰緊、線束裝配、質(zhì)檢等復(fù)雜任務(wù)。

不過，工業(yè)場景的“繁榮”之下，分化同樣明顯。正如孫浚凱在與筆者交流時指出的：工業(yè)生產(chǎn)場景千差萬別，側(cè)重于精度與效率，大模型并非其核心需求。當(dāng)前頭部玩家倡導(dǎo)的柔性制造，雖涉及任務(wù)泛化，但并未充分發(fā)揮大模型技術(shù)的潛力?！斑@就造成了工業(yè)場景下的泛化能力不如物流場景中那般凸顯，且在工業(yè)場景下，傳統(tǒng)工業(yè)機器人供應(yīng)商的行業(yè)壁壘更為明顯，行業(yè)Know-how讓新晉玩家望而卻步，”拓斯達具身智能業(yè)務(wù)線-矩陣智拓CMO王琪曾對筆者表示。

相比之下，倉儲場景追求絕對泛化能力，需要應(yīng)對各種復(fù)雜情況，在孫浚凱看來，這才是大模型技術(shù)真正的用武之地。

大腦技術(shù)逐漸收斂的一年

2026年，具身智能產(chǎn)業(yè)完成了從“敘事驅(qū)動”到“基本面驅(qū)動”的根本性轉(zhuǎn)變。據(jù)廈門具身智能產(chǎn)業(yè)聯(lián)盟的報告，2026年中國具身智能產(chǎn)業(yè)綜合指數(shù)達7.4/10，已跨越技術(shù)驗證期，進入商業(yè)化落地攻堅與生態(tài)格局塑造的關(guān)鍵階段。

孫浚凱也觀察到了這種現(xiàn)象，他表示，2024年是行業(yè)元年，2025年資本市場活躍，而2026年，行業(yè)已整體進入“卷落地”階段，大家從拼技術(shù)故事，轉(zhuǎn)向拼真實的場景驗證和訂單獲取。

這個過程中，價值錨點從技術(shù)炫酷轉(zhuǎn)向場景穿透力，資本從押注夢想轉(zhuǎn)為驗證商業(yè)模型，客戶從技術(shù)嘗鮮變?yōu)樯a(chǎn)力工具采購。

如果說2024-2025年具身智能行業(yè)的焦點是“會不會動”，那么2026年的焦點已經(jīng)轉(zhuǎn)移到“腦子好不好用”。當(dāng)前，圍繞機器人大腦的技術(shù)路線之爭愈演愈烈，最具代表性的兩條路徑是VLA（視覺-語言-動作）模型與世界模型。

VLA模型曾一度被視為具身智能的主流技術(shù)路徑，即讓機器人基于視覺輸入和語言指令，直接完成動作生成與執(zhí)行。這一路線的核心優(yōu)勢是端到端的簡潔性——看到、理解、行動，一氣呵成。端到端VLA大模型已成為行業(yè)技術(shù)共識，中國企業(yè)已率先實現(xiàn)“全身控制+移動軌跡”的統(tǒng)一輸出，部分開源模型綜合性能超越國際標桿30%。例如，小米于2026年2月開源首代機器人VLA大模型Xiaomi-Robotics-0，采用“大腦+小腦”混合架構(gòu)實現(xiàn)實時控制，在三大主流的仿真測試和真實真機任務(wù)中均獲得優(yōu)異成績。

然而，隨著機器人開始進入更復(fù)雜、更長鏈條的任務(wù)場景，僅僅“看懂指令并做出動作”已不夠。機器人還需要理解任務(wù)目標、預(yù)測動作后果、在多種可能路徑中做出最優(yōu)選擇。而這正是世界模型正在試圖解決的問題。

世界模型的核心思想是讓機器人學(xué)習(xí)物理世界的底層規(guī)律，從而能夠“想象”動作的后果，進行規(guī)劃與推理。2026年以來，世界模型領(lǐng)域動作頻頻：BeingBeyond發(fā)布基于大規(guī)模人類行為數(shù)據(jù)訓(xùn)練的具身智能世界模型Being-H0.7，魔法原子也將在全球首屆具身智能大會上發(fā)布其世界模型產(chǎn)品。

在英偉達GTC 2026大會上，VLA與世界模型的技術(shù)路線分歧公開激化。但越來越多業(yè)內(nèi)人士認為，VLA和世界模型并非“替代與被替代”的關(guān)系，而是可能走向融合。孫浚凱的判斷頗具代表性，他認為，2026年應(yīng)該會是一個技術(shù)相對收斂的階段，行業(yè)將圍繞“哪種技術(shù)范式更適合落地交付”得出初步結(jié)論。據(jù)悉，智往未來在VLA路線上已走了兩年，同時也在積極探索世界模型和基座模型的訓(xùn)練，計劃在系統(tǒng)性測試后，根據(jù)投資回報比做出技術(shù)路線的最終選擇。

無論選擇哪條技術(shù)路線，數(shù)據(jù)都是決定成敗的核心變量。據(jù)統(tǒng)計，全國已建立超43座人形機器人訓(xùn)練場，累計匯聚近3000萬條具身智能數(shù)據(jù)，國家與地方共建創(chuàng)新中心正牽頭制定數(shù)據(jù)互聯(lián)互通標準。

然而，“雞與蛋”的困境依然存在：機器人模型的泛化能力弱，不成熟就無法批量部署，沒有批量部署就收不回真實場景數(shù)據(jù)。孫浚凱的破解策略是：將場景收斂到一個非常窄的范圍內(nèi)，用相對成熟的技術(shù)解決真實的客戶需求，從而讓商業(yè)飛輪轉(zhuǎn)起來。“我們采用離在線融合的強化學(xué)習(xí)算法，先在離線環(huán)境中訓(xùn)練使任務(wù)成功率達60%-70%，再通過真機在線交互提升剩余的成功率，”孫浚凱介紹道，“比如在物流揀選場景中，面對尺寸和材質(zhì)各異的未知包裹，我們不需要海量的窮舉數(shù)據(jù)，僅需幾十到一百條真實操作數(shù)據(jù)，就能讓機器人迅速適應(yīng)并實現(xiàn)穩(wěn)定抓取?！?/p>

值得注意的是，決定了具身智能能否真正好用的因素，不僅是大腦的“打造”，還在于“大小腦”融合的技術(shù)路徑。對此，孫浚凱表示，很難嚴格區(qū)分“大腦”和“小腦”——當(dāng)機器人看到目標、理解任務(wù)、規(guī)劃并執(zhí)行抓取時，整個流程是一體的。當(dāng)遇到遮擋需要身體前傾或側(cè)身調(diào)整抓取角度時，就需要全身運動控制能力來協(xié)調(diào)移動與上肢操作。孫浚凱強調(diào)：“大腦、小腦和本體在這些環(huán)節(jié)中無法割裂，缺一不可。硬件定義決定了產(chǎn)品性能的下限，算法能力決定了上限，二者密不可分。”

從產(chǎn)業(yè)鏈角度看，當(dāng)前具身智能創(chuàng)業(yè)公司大致可分為三個陣營：一是專注于大腦算法的AI公司，如千訣科技（目標讓行業(yè)一半機器人用上千訣大腦，2026年上半年接入設(shè)備將超過10萬臺）；二是軟硬一體的全棧公司，如智元機器人、星動紀元等；三是硬件本體公司，如宇樹科技等。這三類公司的技術(shù)側(cè)重點和商業(yè)模式各有不同，但隨著“大小腦融合”趨勢的深化，邊界正在變得模糊。

離“iPhone時刻”尚遠

當(dāng)前，有很多人拿具身智能或者物理AI這個領(lǐng)域與當(dāng)初的ChatGPT和iPhone相比。暢想著具身智能什么時候能出現(xiàn)“GPT時刻”和“iPhone時刻”。對此，孫浚凱表示，“GPT時刻”可能很快就會到來，但“iPhone時刻”離我尚遠，“GPT時刻可能很快到來，在數(shù)據(jù)、資金、人才涌入下，這項技術(shù)可能在兩三年內(nèi)達到那個突破點”，孫浚凱判斷。而2028年被他視為一個關(guān)鍵的技術(shù)收斂窗口期，屆時各種技術(shù)范式的可行性將被驗證，行業(yè)將結(jié)束早期的百家爭鳴，進入第一輪洗牌。

不過業(yè)內(nèi)也有一些比較“激進”的聲音，千尋智能聯(lián)合創(chuàng)始人高陽曾指出，如果與大語言模型的發(fā)展階段比較，具身智能行業(yè)在2025年正處于GPT-2階段——數(shù)據(jù)基礎(chǔ)設(shè)施建設(shè)取得進展，但模型能力尚未實現(xiàn)質(zhì)的飛躍。他判斷，2026年年末至2027年年初，行業(yè)有望迎來具身智能的GPT-3時刻。銀河通用等頭部玩家的判斷也趨于一致：2026年末到2027年年中，行業(yè)有望迎來具身智能的GPT3.0時刻。

雖然在“GPT時刻”的到來上，業(yè)內(nèi)有些許分歧，但在“iPhone時刻”的到來方面，則比較一致。

如果說“GPT時刻”回答的是“技術(shù)能不能突破”的問題，那么“iPhone時刻”回答的則是“商業(yè)能不能爆發(fā)”的問題。兩者之間存在根本性差異。對此，孫浚凱表示，“GPT時刻”和“iPhone時刻”完全是兩個概念?！癎PT本質(zhì)上還是一個技術(shù)，還不是一個成熟的產(chǎn)品。它還沒達到一個產(chǎn)品級的成熟度?！倍鴌Phone時刻則意味著“它對整個產(chǎn)業(yè)形成了巨大變革，并且能持續(xù)盈利，同時無人能超越”。這個判斷的關(guān)鍵洞察在于：iPhone時刻的關(guān)鍵點是商業(yè)模式發(fā)生了變革——iPhone開啟了移動互聯(lián)網(wǎng)，成就了數(shù)以萬億美元計的新賽道和市場。

這一定義也被行業(yè)普遍認同。具身智能的“iPhone時刻”要求機器人達到高度的產(chǎn)品成熟度，即能夠大規(guī)模量產(chǎn)、低成本部署、開箱即用、容錯率極低、交互體驗極佳。星動紀元創(chuàng)始人陳建宇在博鰲論壇上也強調(diào)，機器人進入工業(yè)場景“不是做演示，而是要滿足很高的節(jié)拍效率、很高的成功率以及99%以上的可靠性。不只是‘能做一次’，還要能夠可靠、持續(xù)、低成本地完成任務(wù)”。

孫浚凱認為，在iPhone時刻到來之前，具身智能還需要經(jīng)歷一個漫長的軟硬件收斂過程——2028年左右技術(shù)路線初步收斂，再經(jīng)過3到5年的產(chǎn)品打磨和商業(yè)模式探索，才能真正迎來爆發(fā)。屆時，iPhone時刻的特征是：雙足雙靈巧手、低成本、硬件可靠，能夠全行業(yè)開箱即用，并對整個社會的商業(yè)形態(tài)產(chǎn)生顛覆性影響。

回到當(dāng)下，具身智能產(chǎn)業(yè)應(yīng)用正處在一個關(guān)鍵的階梯式上升期。從量級上看，2026年的人形機器人出貨量預(yù)計在6.25萬至10萬臺之間，其中相當(dāng)一部分仍處于POC和試點階段，真正的規(guī)?；逃貌艅倓偲鸩?。正如孫浚凱所預(yù)判的，物流場景2026年所有玩家加在一起的出貨量“可能將將破千”，距離真正的規(guī)?；渴疬€有不小差距。

但從另一個角度看，這條路徑的確定性正在增強。中國在供應(yīng)鏈韌性、場景落地速度和資本熱度上全球領(lǐng)先，已形成中美雙核、多極并存的全球格局。摩根士丹利預(yù)計，到2050年人形機器人市場規(guī)模將達到5萬億美元，部署量達10億臺；中國具身智能市場規(guī)模有望在2030年達到4000億元，2035年突破萬億元。

從“千臺”到“十萬臺”再到“無處不在”，具身智能的產(chǎn)業(yè)應(yīng)用正在經(jīng)歷一個從技術(shù)驗證到商業(yè)驗證、再到生態(tài)變革的階梯式跨越?！癎PT時刻”解決的是技術(shù)能不能的問題，而“iPhone時刻”解決的是商業(yè)能不能的問題——前者決定能不能起步，后者決定能走多遠。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）