作者：快思慢想研究院 田丰
《财经态度 | 走上工位、做起服务！让机器人练就更多“真本事”》，央视财经经济之声《财经态度》
【开篇】钢铁同事，走上工位
2026年6月的一个清晨，新能源汽车总装线的深处，一台身高约1.7米的双足机器人正在执行它的第137个班次。它没有迟到，不会抱怨噪音，也不会因为上夜班而打哈欠。旁边的人类工人偶尔瞥它一眼，然后继续手里的活——这个场景，已经不再令人惊讶。
就在同一天，工信部正式启动《2026年度人形机器人与具身智能实景实训专项行动》（以下简称“专项行动”）。文件覆盖北京、天津、上海、江苏、浙江、山东、湖北、湖南、广东、四川十省市及有关央企，部署六项任务：打造实景实训空间、组建创新应用联合体、攻关实用化作业技能、加强实景应用验证与常态部署、强化关键要素保障、凝练成熟经验。政策目标清晰：加速构建“实景实训—数据沉淀—产品迭代—规模部署”闭环，到2026年底在百个以上高价值场景完成应用验证和常态化部署，进一步丰富具身智能应用谱系，带动形成万台级规模落地能力。
“常态化”是专项行动的关键词。它意味着机器人从资本市场精心制作的“叙事资产”，正式变成企业资产负债表上可折旧、可核算、可追责的生产资料。快思慢想研究院院长田丰做出判断：“（人形机器人）验收权从厂商手中转移到了用户单位手中——这是判断战略新兴产业从供给侧叙事进入需求侧定价的里程碑。”
这场机器人产业转型，比任何人预想的都要复杂，也更重要。
冷启动：为飞轮提供“第一推动力”
要理解专项行动的战略意图，需要先理解一个令人头疼的机器人产业挑战：数据飞轮的冷启动困境。
具身智能的能力增长，遵循一条与芯片根本不同的规律。芯片性能由工艺节点决定，可以在无尘实验室内闭环提升，摩尔定律的引擎是光刻机和材料科学；而具身智能的性能，由“部署规模×场景结构化程度”决定，必须在贴近真实生产场景的开放多变物理环境中获得。当前人形机器人的硬件已基本够用，最大瓶颈在AI模型，而模型瓶颈的本质是数据瓶颈。
特斯拉FSD的先例证明了这条路径的有效性：数百万辆量产车以“影子模式”持续回传真实驾驶数据，才换来自动驾驶能力的逐级跃迁。但机器人产业面临一个更尖锐的逻辑悖论：没有部署就没有数据，没有数据就没有能力，没有能力就更没人部署。飞轮是对的，但飞轮还没高速转起来。
实景实训专项行动的政策本质，是用举国体制的动员力为数据飞轮提供第一推动力。专项行动要求各省级地区部署不少于20个场景单元、各央企部署不少于10个——这就是冷启动的点火装置，打破死锁。与此同时，专项行动还明确提出依托国家人工智能创新应用先导区，重点推动构建“四高”能力：高水平实训空间、高泛化具身智能模型、高质量实景数据集、高性能整机产品——这四个“高”字，是对整个闭环产出物的系统性定义，缺一不可。
而“常态化”的验收标准，同样经过精心设计。专项行动明确了四项指标：真实作业成功率、效率提升率、安全可靠性、经济可行性。这四项指标都无法被精心剪辑的演示视频搞定。它们意味着考核“三个连续性”：时间连续性（7×24小时或完整班次的长周期在岗）、任务连续性（从接收指令到交付结果的完整闭环）、责任连续性（故障率、运维成本、安全事故进入用户单位的正式管理体系）。专项行动甚至用“作业模式”替代了行业惯用的“应用示范”——一词之差，宣告了一个时代的终结和另一个时代的开始。
在规模目标上，政策的“万台级”数字设定颇有深意。制造业的莱特定律表明：累计产量每翻一番，单位成本下降约15%—20%。人形机器人当前正处于这条曲线最陡峭的区段——快思慢想研究院分析数据发现，优必选Walker系列成本较2024年已下降25%，与其交付量增长同步发生；2025年国内人形机器人出货约1.8万台、同比增长超650%。从万台到十万台的量级跨越，意味着关节模组、灵巧手、传感器等核心部组件第一次获得规模化订单牵引，整机成本有望进入“降价—放量—再降价”的正循环。政策把目标定在“万台级”，恰好是莱特定律开始发挥作用、又不至于透支真实需求的量级。
三张地图：工业、服务、特种的不同打法
未来已来，机器人不均匀地出现在所有场景。专项行动面向生产制造、检测分析、维修维护、仓储物流、餐饮零售、医疗康养、安全生产、应急救援、防灾减灾等重点场景全面布局，但产业落地的节奏并不均匀。田丰提出判断框架：“高结构化、高重复度、高人力缺口”的三高场景率先兑现——工业看汽车与3C产线的转运上下料，服务看仓储物流与商业空间作业，特种看能源巡检与应急处置。
工业战场：半结构化适配区。汽车总装与3C产线，是当前模型泛化能力的最优匹配区间——比实验室桌面复杂，比家庭环境可控，光照稳定、流程标准、物料有限。市场已经用真实订单投票：优必选2025年交付超500台Walker S2、全年订单金额接近14亿元，第1000台工业人形机器人已正式下线；智元的采购订单同样集中来自汽车制造、3C电子、物流仓储。田丰采用“工位级ROI框架”做出投产财务测算：一个两班倒工位的年度人力成本约15万—25万元，当机器人3年总持有成本降至同一区间（45万-75万元），新质生产力替代在纯经济上成立。人社部门此前测算的制造业重点领域人才缺口长期在千万量级——哪怕仅1%的工位具备适配性，对应的也是数十万台级市场，远超当前国内全行业产能。
服务战场：“半人形”机器人先行。在商超、仓储、餐饮等服务场景，率先放量的将是轮式底盘加双臂的“半人形”形态。商超、餐厅、酒店大堂的地面结构化程度高，双足行走在这些场景中属于工程溢价，轮式方案可将整机成本和故障率同时砍掉相当比例。Omdia数据显示，2025年全球出货量第一的智元（5168台、占39%）产品矩阵中，轮式具身机器人占重要比重，已落地接待、商演、物流分拣等场景。值得注意的是，专项行动点名的医疗康养场景，首要瓶颈是责任界定而非技术成熟度——养老机构面对失能老人的突发状况，智能机器人介入的法律授权边界尚不存在，这决定了康养场景的放量节奏将显著滞后于其需求热度。对普通消费者而言，轮式商用服务机器人将先于双足人形机器人进入可见的日常场景；家庭，是最后被攻克的环境——物品种类极多、空间布局各异、老人儿童的不可预测行为密集，这里的复杂任务环境问题最为严峻。先做到人们喜欢，再解决规模，家庭服务机器人若在技术达到家庭级可靠性之前仓促入市，大众切身体会到的一系列失败事件将严重损伤整个行业的社会信任。
特种战场：价值密度最高的赛道。电力巡检、油气设施维护、应急救援、防灾减灾，这些场景有一个共同特征：环境对人有害、任务价值极高、客户支付能力强。专项行动要求各央企开放不少于10个场景，实质是把国家电网、中石油这类超级业主转化为“首购客户”——这种需求侧的国家组织能力，是美国市场不具备的制度优势。定价逻辑也截然不同：特种场景按“避免的事故损失”定价，一次变电站事故的损失以千万计，这使特种场景的合理客单价比工业场景高出整整一个数量级。万台级目标中，特种场景贡献的台数可能最少，但贡献的单台利润和数据价值，可能最高。
投资地图：零部件赛道优先于整机
对于投资者，田丰给出判断：“技术壁垒高、国产化率低、万台放量直接拉动订单”三重特征叠加的零部件赛道，优先于整机投资。
第一，精密减速器和执行器，是当前国产替代空间最大、放量传导最直接的卡位赛道。一台人形机器人，关节模组的成本占整机40%—50%；谐波减速器长期由日本Harmonic Drive垄断高端市场，国产厂商绿的谐波等已取得突破。万台级出货直接对应该赛道百万组级订单，且产品生命周期与整机迭代深度绑定。与灵巧手赛道不同，关节执行器的技术规格标准化程度相对高，供应商转换成本较大，一旦进入头部整机厂BOM清单，黏性强、转换成本高，是典型的“赢家通吃型”卡位。
第二，灵巧手及其上游传感器，是技术迭代最快、短期爆发潜力最大的子赛道。IDC预测2026年中国灵巧手市场规模将突破3亿美元、实现150%以上增长。驱动力在于：当前工业部署最高频的失败模式恰恰是抓取失败，灵巧手能力每提升一个台阶，直接解锁新的应用任务场景。触觉传感器是灵巧手的关键传感模态，国内厂商在这一领域与国际水平的差距正在迅速收窄。2025年灵巧手出货量排行前五，已全部是国内厂商（因时机器人、强脑科技、灵心巧手、傲意科技、大寰机器人），国产化率处于陡峭提升的历史窗口。
第三，具身智能大模型与数据服务，则是高估值但商业模式尚未完全闭合的赛道，投资逻辑需与前两者明确区分。智元AgiBot World开源百万条真机数据集，背后是超过4000平方米的自建采集工厂、3000多种真实物品、多级人工在环质检——说明真机数据的生产，是货真价实的重资产工业行为。谁率先建立低成本、高通量的数据工厂，谁就掌握了等价于“台积电产能”的战略核心资源。但目前的商业化路径仍是“卖整机时打包模型”，尚未出现独立的数据服务收费模式；模型本身的独立定价能力尚未形成。这一层的投资逻辑更接近“生态卡位”，短期财务回报取决于整机厂的量产速度，是耐心资本赛道，而非快钱战场。
数据战争：真实世界，是最贵的训练场
在具身智能与语言大模型之间，隐藏着一条数据经济学的鸿沟，其深度远超大多数人的想象。田丰将这一差异概括为：训练数据从“互联网的免费副产品”变成“必须专门生产的昂贵主产品”——这是具身智能与语言大模型在数据经济学上的根本差异。
第一，成本结构的倒置。语言模型的训练语料，是人类五十多年互联网活动的免费副产品——十万亿token量级的文本，以接近零的边际成本获取，稀缺的是芯片算力。具身智能恰好相反：数据远比算力更稀缺。谷歌的Pete Florence与Andy Zeng的系列研究已经证明，语言模型可以充当机器人的任务规划先验，但操作执行层的能力没有捷径，必须由物理交互数据喂养。这条产业规律意味着：谁掌握低成本、高通量的真机数据生产线，谁就掌握了具身智能时代相当于“台积电产能”的战略资源。
第二，信息维度的缺失。专项行动专门点名“力位控制曲线”和“全身运动轨迹”的记录精度——力觉、触觉、关节力矩的时序信号，在整个互联网语料中是缺失的。从视频中可以学到运动学（物体怎么动），却学不到动力学（接触力多大、摩擦如何、柔性物体怎样形变）。谷歌DeepMind创始人Demis Hassabis将世界模型视为通往物理智能的路径，而仿真到真实的鸿沟（sim-to-real gap）决定了“最后一公里”必须由真机数据弥合：仿真器可以生成千万条轨迹，却无法精确模拟一块沾油的金属件在夹爪中滑移。仿真数据负责广度，真机数据负责保真度，二者是配比关系，而非替代关系。
第三，失败数据的稀缺性。互联网语料中常见知识被亿万次重复表达，而真实产线上的异常工况——来料偏差、突发遮挡、设备抖动——每一条都是低频且无法刻意复现的反例样本。专项行动明确要求积累“异常处置、突发干扰、边界工况”数据，具身智能的Scaling Law瓶颈在长尾覆盖，同分布数据总量的边际价值正在递减。
由此引出一个被严重低估的制度问题：真机数据产生于用户单位的生产场地和工艺流程之中，权属天然模糊。专项行动将“创新应用联合体组建、数据确权共享、商业利益分配”列入需要沉淀的机制经验——这是“数据要素×”政策框架第一次与具身智能在操作层面真正交汇。数据确权规则的成熟速度，将直接决定数据飞轮的转速。
“9的征程”：机器人从会跳舞到能上岗
如果说数据是燃料，可靠性便是发动机。后者是整个人形机器人产业最容易被低估的工程难题。田丰预测工程范式转变：将从“平均成功率”转向“最差情况可靠性”——上岗的真正门槛，是做错和意外发生之后的自主恢复能力。
真实场景的扰动分为三类，且“异常”在统计上是常态：
物理扰动：光照变化、遮挡、物体滑移、柔性与反光材质；
流程扰动：来料规格偏差、产线节拍调整、上游工序波动；
人因扰动：人机混行环境中人类轨迹的不可预测性。
实验室demo隐含的假设是环境服从设定；真实产线的非标准工况，足以让任何只在标准分布上训练的模型频繁失效。专项行动要求强化“复杂或异常工况下的泛化与容错能力”，指向的正是这个分布外问题——解决它要靠扰动数据的刻意采集与对抗性训练，单纯扩大同分布数据量，收效有限。
Andrej Karpathy曾用 ”9的征程”(march of nines）类比自动驾驶从演示走向产品可靠性的困难：做出 90% 可行的 demo 只是“第一个9”，随后每向 99%、99.9% 推进一步，都需要重建一整套数据引擎与验证体系——他在特斯拉5年大约推了2~3个“9”，但仍有更多“9”待攻克。举例来说，人形机器人演示视频在90%成功率时即可发布，而常态化作业要求99.9%以上——中间隔着数倍于已完成出厂基本款产品的工程量。当前主流VLA（视觉-语言-动作）模型恰恰缺乏一套关键闭环：动作执行后，缺少对结果的校验与反思机制。让机器人学会说“我刚才没抓住，重来”，比抓取成功率提高两个百分点，更接近商用的本质。人类工人的核心价值，正是犯错后能即时察觉并自我纠正，从而周而复始完成批量任务。
专项行动中“大小脑”分层架构的表述，具有深刻的工程含义：慢系统（基础模型）负责任务理解与规划，快系统（运动控制）负责毫秒级反射——异常发生时，快系统先兜底，慢系统再重规划。容错来自架构冗余，任何单一的端到端模型都无法承诺永不出错。专项行动同时要求完善碰撞检测、力控限制、紧急制动和黑匣子，这套组合实质是把航空工业的失效安全（fail-safe）设计哲学移植到机器人整机。马斯克在Optimus量产进程中反复强调“原型容易、量产难”，难点正在于此：从一台能跳舞的样机，到一万台在人机混行车间稳定作业的柔性生产设备，中间隔着的是可靠性工程、热管理、结构耐久这些不性感但决定生死的工程环节。
RaaS机器人即服务：把资本支出变成运营账单
伴随技术问题逐一被攻克，商业模式的创新不可或缺。专项行动“鼓励探索‘人形机器人即服务’模式，通过按效用付费、经营性租赁等商业创新手段降低用户投入门槛，加速市场化推广。”其本质，是把商业模式从“卖资产”改为“卖工时、卖结果”——用经营性租赁和按效用付费，把用户的资本支出转化为运营支出，把技术迭代风险从用户侧移回厂商侧。
人形机器人的技术代际约12—18个月更替一次，整机残值曲线陡峭，企业用户大批量买断即承担贬值风险——这是当前生产组织采购决策最大的心理障碍。机器人即服务（RaaS，Robot as a Service）让厂商持有资产，用户按任务量、按工时或按节省的成本付费，软硬件运维打包在内。对用户而言，决策从“一笔数十万元的资本预算”简化为“一笔与人力成本直接对标的月度运营费用”，采购审批层级和周期同步下降——这才是“降低投入门槛”的普惠模式。海外已有先例验证：早在2024年6月，Agility Robotics与物流巨头GXO以按任务付费模式部署Digit人形机器人，开创了人形机器人RaaS的首个商业化样本。
RaaS还隐藏着更深的战略价值：数据回流权。厂商保留机器人所有权，意味着保留了数据管道的控制权——每一台租赁出去的机器人，都是持续回传作业数据的采集终端。租金收入之外，厂商收获的是喂养下一代具身智能模型的真机数据。这与特斯拉卖车但保留数据回传的逻辑完全相同。因此，RaaS对头部厂商而言首先是数据战略，其次才是商业模式——理解了这一点，就能理解为什么有能力自持资产的厂商会主动选择这条重资产路线。
专项行动中还有几个配套机制值得关注：
其一，整机“身份证”制度为二手流转和残值市场奠基。残值可评估，租赁公司才敢于入场；
其二，人形机器人保险被首次写入政策文件。没有保险精算就没有规模商用，这是汽车产业百年史给出的铁律，而精算所需的事故率基础数据恰恰只能来自实景实训；
其三，成本下行的宏观规律仍在发挥作用。Sam Altman曾观察到智能模型的单位成本约每年下降10倍，这一规律正通过模型推理成本向物理智能持续传导。
但田丰也提出一个必须直面的分歧：摩根士丹利对2026年中国人形机器人需求的预测仅1.2万台，而头部企业的预测普遍超过10万台，分歧达8—12倍。这一分歧的本质，是对“补贴退坡后订单留存率”的判断差异。万台级目标若由真实ROI支撑，则是产业拐点；若由地方补贴堆砌，则是透支。实景实训的应用验证报告制度，恰是区分二者的过滤器。
身份证与黑匣子：给机器人立规矩
当数十万台机器人开始在工厂、商场乃至家庭中行走，一个古老而全新的问题出现了：谁对它们的行为负责？ 田丰的建议方案是：建立覆盖“准入—在岗—退役”全生命周期的可追溯治理体系——整机“身份证”是物理世界AI治理的基础设施，其管理粒度必须细到模型版本。
这个问题的答案，远比人们想象的复杂。机器人与传统设备的本质区别在于：一台机器人OTA升级前后，行为策略可能完全不同——物理本体相同，行为主体已变。因此，整机“身份证”信息管理必须建立“硬件唯一标识＋模型版本快照＋黑匣子行为日志”三层结构。整机序列号只是第一层；事故归因时，需要精确回答“事发时刻这台机器运行的是哪个版本的哪个模型”。专项行动将黑匣子列入安全能力要求、将整机身份证列入要素保障，已搭出框架，下一步需要标准化的是版本登记的强制性和日志格式的统一性——否则跨厂商的事故鉴定将无从下手。
责任界定与强制保险需要互锁推进。人机混行环境下的侵权责任在现行法律框架内存在真空：损害发生时，产品缺陷责任（整机厂）、算法责任（模型提供方）、使用管理责任（用户单位）的边界不清晰，且端到端模型的不可解释性使传统的“缺陷举证”路径几乎失效。可行路径是参照机动车交强险逻辑：强制保险先行无过错赔付，再由保险机构向责任方追偿——把责任认定的复杂性从受害者端移到专业机构端。专项行动同时提出“运维责任界定”规范总结与“人形机器人保险”政策探索，方向正确；关键约束在于精算数据的积累周期——治理体系的成熟速度，受制于实景实训产生事故与无事故记录的速度，规则与数据在这里形成互锁。
现行安全标准体系同样面临根本性挑战。现有工业机器人安全标准（ISO 10218及协作机器人技术规范ISO/TS 15066）的隐含假设，是机器人固定安装或限定于围栏区域——人形机器人“自主移动＋全身力控＋开放环境”的属性整体超出了这一框架，人机混行安全标准实质上需要重建。具身智能是在广泛环境中达成目标的能力——机器人越通用，其行为空间越无法被穷举测试，一次性的准入认证必然失效。治理范式因此必须转向全生命周期的持续监测：在线运行数据审计、异常行为预警、模型更新备案。专项行动中“常态化跟踪评估机制”与“规模化部署风险预警与动态调整机制”的表述，正是这一新范式的雏形。
还有一个维度不可忽视：机器人同时是移动的传感器阵列，其在工厂、商场、家庭中采集的环境数据涉及商业秘密与个人隐私，数据安全合规将与物理安全标准同等重要。可靠伙伴的“可靠”，最终由物理安全、责任清晰、数据合规三条底线共同定义。
尾声：真实的考场，才是最终的裁判
1969年，阿波罗11号登月之后，阿姆斯特朗说：“这是个人的一小步，却是人类的一大步。”这一步之所以伟大，不是因为它发生在电视直播里，而是因为它真实地发生在月球表面。
2026年，当一台人形机器人安静地完成它的第137个班次，没有人为它喝彩——但这恰恰是最好的状态。常态化的标志，从来不是掌声，而是习以为常。
专项行动真正的意义，是把中国人形机器人产业从“演示经济”推入“验证经济”：不再靠PPT、Demo视频赢得估值，而是靠真实产线上的成功率和ROI赢得订单。“实景实训—数据沉淀—产品迭代—规模部署”这个闭环，是整个政策逻辑的骨架。飞轮已经开始转动，数据正在积累，莱特定律的齿轮咬合在一起。
但最终的问题仍然悬而未决：万台规模之后，哪些机器人会留下，哪些会退场？ 答案不在政策文件里，不在投资路演上，在那一张张应用验证报告里——真实的考场，永远是最诚实的裁判。
参考文章：《财经态度 | 走上工位、做起服务！让机器人练就更多“真本事”》，央视财经经济之声《财经态度》
畅销书：《AI商业进化论：“人工智能+”赋能新质生产力发展》
出版社：人民邮电出版社
作者：田丰
帮助你定位AI当下发展坐标的指南针
帮助你洞察AI未来演进趋势的航海图
通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。
