一个值得警惕的反差：出货量在加速，通用能力却不显眼

8月20日发布的观察文章给出的核心判断是：具身智能正在以商业化速度扩张，却没有以同样明显的方式变得更通用。

2026世界机器人大会上，机器人跳舞、踢球、做体操、分拣包裹以及执行工厂作业的演示依旧密集，现场观感相当惊艳。但从技术进步的角度看，许多动作更像是上一届展会的延续或变体，而不是在鲁棒自主性上出现了清晰的代际跃升。12

这并不意味着行业没有进步。相反，大会展示了机器人产业正在从“能不能做出样机”转向“能不能进入真实场景”。大会共吸引373家参展企业，展示超过3000项创新产品。6问题在于，一段顺利完成的演示，距离一个能在陌生环境中持续工作的机器人，仍然相差很远。

市场正在集中，出货量已经成为最直观的增长信号

文章援引的数据称，2026年上半年全球人形机器人出货量超过2.2万台，全年预计超过5万台。按企业看，Agibot（智元机器人）出货约9700台，Unitree（宇树科技）超过7000台，银河通用超过1100台；市场前五大企业合计占有86%的份额。12

应用结构同样透露出行业目前的商业落点：

• 娱乐场景约占38%；
• 数据生产与科研约占26%；
• 智能制造约占16%；
• 仓储与物流约占10%。12

这组数字说明，人形机器人市场正在快速形成规模，但应用仍集中在相对明确、可控或具有展示价值的领域。换句话说，行业已经进入“卖出更多机器人”的阶段，却还没有完全进入“机器人能在各种地方自主完成复杂工作”的阶段。

真正的瓶颈：从“演示成功”到“换个地方也能做”

具身智能的困难，不能简单归结为机械结构、灵活性或算力不足。更深层的挑战包括：

1. 训练数据不够丰富。 机器人需要大量、多样且高质量的现实世界交互数据，而不是少数经过精心设计的动作样本。
2. 脚本化不等于可泛化。 在固定路线、固定物体和固定指令下完成任务，并不能证明机器人换一个物体、货架或工厂后仍能稳定执行。
3. 场景适应成本很高。 新的物体、空间布局、照明条件和生产流程，都可能迫使系统重新学习或调整。
4. 工程系统需要反复校准。 传感器、控制策略、软件模型和机械结构之间的配合，往往需要持续调试，而不是训练一次模型就能解决。12

宇树科技创始人王兴兴的观点是，在固定场景中实现可靠运行正变得越来越可行；但要走出固定场景，仍需要大量后训练，并且离不开持续的人类参与。12

银河通用创始人王鹤则提出了更直接的检验标准：机器人能否把在一家工厂学到的能力迁移到100家工厂，或把在一家门店学到的能力迁移到1000家门店？它能否听懂语言指令，并在此前没有见过的环境中完成任务？12

这也是为什么展台上的“成功一次”并不足以证明通用智能已经到来。文章将当前具身模型概括为大致处于“GPT-2阶段”，并引用了行业对其在2028年前后达到类似GPT-3.5至GPT-4能力的预期。12这里的时间表属于前景判断，而不是已经得到独立验证的技术结论。

Unitree与银河通用：两条不同的竞争路线

大会也呈现出两种颇具代表性的路线。

Unitree：先把身体、动作和成本做好

文章认为，Unitree的优势主要在于运动控制、机身工程、较低成本以及规模化生产，而不是具身基础模型的领先地位。12

在大会上，Unitree预告了一款最高速度可达每秒12.65米的机器人；其2026年上半年出货量超过7000台，约占全球市场的31%。12这条路线的重点，是把机器人做得更灵活、更便宜，并尽快扩大生产和实际使用规模。

银河通用：把重点放在“机器人脑”和场景适应

银河通用展示了双足机器人ET1，并表示其通用全身模型使用了约10万小时的人体运动数据进行训练。12

该公司的WAM-TTT（World Action Model Test-Time Training，世界动作模型测试时训练）方法，试图让机器人通过观看工人在现场执行任务的视频来适应新业务，而不必为每个动作进行人工标注，也不必完全依赖远程操控。14

从商业化进展看，文章称银河通用已经不再停留于单机概念验证，而是进入了宁德时代（CATL）数十家工厂的部署阶段。12不过，这类信息主要属于企业或部署方披露，不能直接等同于经过独立基准测试的通用智能证明。

下一阶段的关键，不是再多一个炫技动作

这篇文章最终提出的判断并不悲观，但相当克制：人形机器人行业正在快速整合，出货量和真实部署都在增加；然而，能够听懂自然语言、适应陌生场景、跨工厂或跨门店迁移，并且只需较少人工介入地持续工作，仍是尚未解决的核心问题。12

因此，观察具身智能的进展，不能只看机器人能否完成一个漂亮动作，也不能只看发布会上的速度和数量。更重要的指标是：它换一个物体还能不能做，换一条产线还能不能做，换一座工厂还能不能做，以及出了差错后能否自行恢复。真正的技术跃迁，或许要等到这些能力从展台演示变成可复制、可规模化的日常生产力。

一个值得警惕的反差：出货量在加速，通用能力却不显眼

8月20日发布的观察文章给出的核心判断是：具身智能正在以商业化速度扩张，却没有以同样明显的方式变得更通用。

2026世界机器人大会上，机器人跳舞、踢球、做体操、分拣包裹以及执行工厂作业的演示依旧密集，现场观感相当惊艳。但从技术进步的角度看，许多动作更像是上一届展会的延续或变体，而不是在鲁棒自主性上出现了清晰的代际跃升。12

这并不意味着行业没有进步。相反，大会展示了机器人产业正在从“能不能做出样机”转向“能不能进入真实场景”。大会共吸引373家参展企业，展示超过3000项创新产品。6问题在于，一段顺利完成的演示，距离一个能在陌生环境中持续工作的机器人，仍然相差很远。

市场正在集中，出货量已经成为最直观的增长信号

文章援引的数据称，2026年上半年全球人形机器人出货量超过2.2万台，全年预计超过5万台。按企业看，Agibot（智元机器人）出货约9700台，Unitree（宇树科技）超过7000台，银河通用超过1100台；市场前五大企业合计占有86%的份额。12

应用结构同样透露出行业目前的商业落点：

• 娱乐场景约占38%；
• 数据生产与科研约占26%；
• 智能制造约占16%；
• 仓储与物流约占10%。12

这组数字说明，人形机器人市场正在快速形成规模，但应用仍集中在相对明确、可控或具有展示价值的领域。换句话说，行业已经进入“卖出更多机器人”的阶段，却还没有完全进入“机器人能在各种地方自主完成复杂工作”的阶段。

真正的瓶颈：从“演示成功”到“换个地方也能做”

具身智能的困难，不能简单归结为机械结构、灵活性或算力不足。更深层的挑战包括：

1. 训练数据不够丰富。 机器人需要大量、多样且高质量的现实世界交互数据，而不是少数经过精心设计的动作样本。
2. 脚本化不等于可泛化。 在固定路线、固定物体和固定指令下完成任务，并不能证明机器人换一个物体、货架或工厂后仍能稳定执行。
3. 场景适应成本很高。 新的物体、空间布局、照明条件和生产流程，都可能迫使系统重新学习或调整。
4. 工程系统需要反复校准。 传感器、控制策略、软件模型和机械结构之间的配合，往往需要持续调试，而不是训练一次模型就能解决。12

宇树科技创始人王兴兴的观点是，在固定场景中实现可靠运行正变得越来越可行；但要走出固定场景，仍需要大量后训练，并且离不开持续的人类参与。12

银河通用创始人王鹤则提出了更直接的检验标准：机器人能否把在一家工厂学到的能力迁移到100家工厂，或把在一家门店学到的能力迁移到1000家门店？它能否听懂语言指令，并在此前没有见过的环境中完成任务？12

这也是为什么展台上的“成功一次”并不足以证明通用智能已经到来。文章将当前具身模型概括为大致处于“GPT-2阶段”，并引用了行业对其在2028年前后达到类似GPT-3.5至GPT-4能力的预期。12这里的时间表属于前景判断，而不是已经得到独立验证的技术结论。

Unitree与银河通用：两条不同的竞争路线

大会也呈现出两种颇具代表性的路线。

Unitree：先把身体、动作和成本做好

文章认为，Unitree的优势主要在于运动控制、机身工程、较低成本以及规模化生产，而不是具身基础模型的领先地位。12

在大会上，Unitree预告了一款最高速度可达每秒12.65米的机器人；其2026年上半年出货量超过7000台，约占全球市场的31%。12这条路线的重点，是把机器人做得更灵活、更便宜，并尽快扩大生产和实际使用规模。

银河通用：把重点放在“机器人脑”和场景适应

银河通用展示了双足机器人ET1，并表示其通用全身模型使用了约10万小时的人体运动数据进行训练。12

该公司的WAM-TTT（World Action Model Test-Time Training，世界动作模型测试时训练）方法，试图让机器人通过观看工人在现场执行任务的视频来适应新业务，而不必为每个动作进行人工标注，也不必完全依赖远程操控。14

从商业化进展看，文章称银河通用已经不再停留于单机概念验证，而是进入了宁德时代（CATL）数十家工厂的部署阶段。12不过，这类信息主要属于企业或部署方披露，不能直接等同于经过独立基准测试的通用智能证明。

下一阶段的关键，不是再多一个炫技动作

这篇文章最终提出的判断并不悲观，但相当克制：人形机器人行业正在快速整合，出货量和真实部署都在增加；然而，能够听懂自然语言、适应陌生场景、跨工厂或跨门店迁移，并且只需较少人工介入地持续工作，仍是尚未解决的核心问题。12

因此，观察具身智能的进展，不能只看机器人能否完成一个漂亮动作，也不能只看发布会上的速度和数量。更重要的指标是：它换一个物体还能不能做，换一条产线还能不能做，换一座工厂还能不能做，以及出了差错后能否自行恢复。真正的技术跃迁，或许要等到这些能力从展台演示变成可复制、可规模化的日常生产力。