“身体”已出厂，智能还在路上：人形机器人离“真干活”还有多远？

2026年的人形机器人行业，有一个越来越明显的反差：“身体”被制造和交付的速度，已经快于通用智能成熟的速度。

不少业内人士把这一年称为人形机器人的量产元年或交付元年。

但“量产”首先证明的是供应链和交付能力，并不自动等于机器人已经稳定上岗，更不等于客户形成了可复购的商业模式。

10月12日，第26届中国国际工业博览会在上海开幕。开幕式后的深度对话上，中国工程院院士、之江实验室主任王坚，宇树科技创始人、董事长、总经理兼首席技术官王兴兴，Sharpa联合创始人向少卿，分别从不同产业位置，回答了同一组问题：机器人的“大脑”放在哪里，智能靠什么数据训练，机器人究竟何时能真正下场“干活”。

这三个问题，恰好对应当前人形机器人从“能被造出来”走向“能被用起来”的三道门。

“大脑”放哪？云和端不是二选一

机器人的“大脑”放在哪里，是当前具身智能赛道绕不开的工程问题。

通常情况下，机器人越聪明，需要的模型越大。但机器人机身空间、电池和散热都有上限，端侧推理会撞上“功耗墙”，云端推理又会撞上“时延墙”。

对于这个问题，王兴兴的观点很明确：本体算力要克制，能放到云端的尽可能放到云端。

他的理由来自三重物理约束：人形机器人的身体尺寸有限，高端算力卡不好装；电池容量有限，算力上去后续航会承压；发热和散热也有上限。

相比之下，云端算力可以弹性调配，部署和管理更方便。

但这并不意味着所有计算都要上云。

“运动控制的实时控制离不开端侧，能部署多少就尽可能部署多少。运动能力的AI目前算力要求并不特别高，但决策性任务、真正大规模泛化到任何场景的部署，还是得靠云端。”王兴兴表示。

但他同时也强调，如果未来能把模型做得足够小，直接下沉到端侧当然最好，但现实是，AI能力越强、机器人能力越强，当前阶段往往越需要云端。

向少卿则认为，这个问题在不同行业发展阶段，有不同的答案。

短期三到五年内，他认为大部分机器人“思考”仍在云端，而运动执行等时延关键环节需放在端侧。原因很简单：机器人是在和物理世界实时交互，“物理不会等你计算完毕”。

但长期来看，比如十年以后，如果机器人真正进入千家万户，云端负载和数据带宽都会成为压力，届时更多算力会重新回到端侧。

“所以长期看，更多算力会从云端进入端侧，但时延要求始终不变。”向少卿认为。

而在王坚看来，这个选择题本质上是一个分工问题，即算力和需求如何动态平衡。

他用计算史解释：PC出现之初，计算几乎都依赖终端，后来端侧算力不够，才催生云计算。到今天，手机已经是云端与本地协同的成熟样本。

王坚认为，未来机器人一旦成熟，也一定是云和端协同完成。“（在云和端之外）我不知道有没有第三种路径。但我相信，有一个变化是一定的：本地能力会越来越强，这是一个动态调节的过程。”

整体来看，三位嘉宾对于这个问题给出了三种不同维度的回答：王兴兴从物理约束出发主张决策上云、控制留端；向少卿从时间尺度判断短期云端、长期端侧；王坚则拒绝了这个选择题本身——在他看来，云和端的对立是一个伪命题。

虽然路径不同，但其实指向了同一个方向：不存在静态最优解。

这也解释了为什么以英伟达Jetson Thor为代表的端侧平台正在进入人形机器人参考设计，但整个行业的计算架构仍远未收敛。

不同任务、不同硬件、不同客户对网络和安全的要求不同，单一架构很难包打天下。

图片来源：宇树科技

智能如何提速？王兴兴提出“物理 AI 自进化”

如果说，算力决定机器人能跑多大的模型，那么数据，则决定了这些模型能否把物理世界的经验，真正变成可靠的动作。

但与大语言模型的智能来自互联网文本和代码不同，机器人面对的是一个没有现成大规模训练数据的物理世界。

据中国信通院测算数据，具身基础模型若要迎来类似ChatGPT的能力跃迁，至少需要千万小时级真实数据。而当前全球可用的高质量真实数据仅为数十万至百万小时级，供需仍存在约一到两个数量级差距。

这中间的鸿沟，如何快速填补？

王兴兴给出的解法叫“物理AI自进化”。

在他看来，当前语言和多模态模型的训练自动化程度已经很高，很多头部模型公司的大部分迭代都由模型自己完成了相当一部分工作，包括数据采集、测试和循环。

但机器人行业仍相对原始，很多团队还停留在工程师提想法、搜论文、写模型、训练、测试人员人工返回结果、再重新迭代的线性流程。

“这个链路完全可以用AI自动化：AI自己写代码、训练、部署、自动测试，AI或人打分，再自己迭代。”王兴兴指出。

当然，他同时也强调，目前人工仍然需要参与打分，因为动作是否美观、成功率是否达标、结果是不是人真正想要的，AI还不能完全独立判断。

但未来几年，随着人的经验积累，人工的参与度会越来越低。

目前，行业已经在寻找部署中学习的路径。

除了宇树提出的“物理AI自进化”思路，2026年5月，上海创智学院与智元机器人具身研究中心也联合发布了LWD（Learning While Deploying）训练框架，试图让部署中的机器人同时成为执行节点和数据采集节点，在真机上完成在线强化学习。

不过，自动化回答的只是“如何让模型持续迭代”，这个引擎要真正快速运转，还需要“燃料”，也即数据。

那么，究竟什么样的数据能更好地满足机器人的快速迭代需求？

王兴兴认为，人类数据非常关键，但真正让机器人部署到物理世界、提高成功率，真机数据也非常关键。“宇树是本体厂商，更关注机器人本体数据，尤其是真机和物理世界接触的最后几个毫米、零点几个毫米的部分。”

毕竟，这部分接触、摩擦、误差和反馈，很多时候决定了一个任务能否真正成功。

向少卿则把数据链条重新排序：人类操作数据、仿真数据、真机数据，层层递进。

其中，人类操作数据包含人对世界运行机理的理解，以及对自己身体的理解；仿真可以无穷扩展场景、增加变化，但仿真和真实机器人身体之间仍存在sim-to-real gap，也就是仿真到现实的差距；因此，真机数据负责扣上最后一环，完成闭环。

而长期来看，当人类操作数据多到一定程度后，可以成为足够好的种子，向少卿认为，更多数据将来自仿真和真机。“但一开始没有足够多人类数据，仿真也难拿到合适解，真机根本跑不起来。”

王坚则把问题拉回到工业数据。

他提出，工业界数据应该成为人工智能的first-class citizen，成为语言和代码之外最头等的数据。

“今天工业界面临的一个挑战是，工业界所有的数据还是锁在每个人的抽屉里的。这个问题不解决，机器人和工业数据要拥抱，挑战非常大。机器人要做变革，所有抽屉里的东西都应该放出来。”王坚表示。

这是一个重要呼吁，但真正困难的是激励机制：数据产权归谁，使用权怎么界定，工艺参数和缺陷数据如何脱敏，模型训练后出现事故谁负责，龙头企业为什么愿意把数据交给机器人公司。

毕竟，数据开放不能只靠愿景，还需要确权、定价、标准、安全和收益分配机制。

何时下场？王兴兴押注一两年，向少卿给出门店样本

据IDC最新统计数据，2026年上半年全球人形机器人出货量接近2.5万台，同比增长432.1%。其中，中国市场出货超过1.9万台，占全球约77.9%。

盖世合伙人、盖世汽车研究院副总裁王显斌预测，今年全年，全球人形机器人出货量可能达到约6万台，中国市场约5万台。

但热度需要拆开看。

王显斌同时指出，当前3C、汽车、物流等实际作业场景占比仅约15%—20%，娱乐表演、数据采集和科研仍占相当比例。

换言之，出货量固然可以证明机器人“身体”正在被批量制造，却并没有回答“它们究竟能否在真实场景里持续完成工作”。

因此，当行业出货量曲线持续上扬，一个更尖锐的问题随之而来：机器人究竟什么时候能稳定、可靠、可核算地下场干活？

王兴兴给出的是最激进的一张时刻表。

在他看来，具身智能临界点快的话一两年内就有可能到来，如果明年GPT-7出来，甚至直接把具身智能的问题打穿，也有可能。

值得注意的是，王兴兴在8月世界机器人大会上的公开判断为“快则2至3年，慢则5至10年”，与本次表述存在差异。

当然，这一判断高度依赖通用模型的代际跃迁速度——如果GPT-7未能如预期出现，或未能显著提升机器人任务泛化能力，这个时间窗口将顺延。

但不可否认，当前通用模型接入机器人的进展确实在加速。

今年9月，OpenAI推出GPT-6系列中的Astra模型，并陆续开放。随后，斯坦福The Movement Lab与加州理工团队公布HomeBody系统：GPT-6 Astra作为高层视觉—语言规划器，在未针对目标厨房额外采集训练数据的情况下，通过调用预先构建的导航和操作技能库，驱动宇树G1完成了探索、整理和取物等多步任务。

王兴兴也透露，GPT-6发布后，对整个具身智能行业的认知改变非常大。“我们也把它放到各种机器人上做任务测试，效果非常不错”。

正是基于当下AI行业的快速发展，王兴兴坦言其对AI的信仰与日俱增。“过去十几年我犯的最大错误，就是对AI相信还不够。很多人还是不太够相信、使用和拥抱AI。”

但未来，他认为机器人大规模落地需要解决泛化性、效率等问题，未来几年必然都可以解决。具体到应用场景上，工业和To B商业服务会走在前面，居家最靠后。

向少卿则给出了另一种衡量方式：不是看哪一年到来，而是看真实门店能否持续运行、标准场景能否复制。

图片来源：Sharpa

在此之前，Sharpa与DQ联合打造的机器人冰淇淋门店已于8月29日在上海吴江路开业。据公开报道，机器人可自主完成暴风雪冰淇淋从点单到制作交付的55步连续流程。

向少卿指出，该项目中有两个指标十分关键：第一，不需要改造环境，这是泛化的基础。“如果机器人需要改造环境来适应它，那天然和泛化矛盾，所以我们坚持机器人不应改变工作环境，直接在人的环境中干活。”

第二，能够不间断持续干活。毕竟，后续自进化、持续数据采集、AI模型进步，都离不开机器人持续工作。

“我对机器人泛化和商业的定义是，机器人本身具备足够高智能。进入新场景不要求机器人直接完全干活，但要做到，企业主这类对AI不专业、对场景运营很专业的人，拿到机器人后用我们提供的工具稍作训练，采一点数据，就能让机器人很好干活。”显然，DQ门店就是Sharpa给这套泛化标准找到的第一个公开样本。

接下来，向少卿透露，Sharpa计划在餐饮、零售、酒店三大商业场景部署多达3万台机器人。

当然，这仍是计划，不是已交付订单。

三万台不是终点，真正的考验是：机器人能否按计划交付、少人干预地持续上岗，并让单店算得过账。

而王坚没有给出具体年份。在他看来，机器人行业仍处在快速迭代周期，今天看到的成果明天就可能被新版本替代。更重要的命题，是找到机器人真正擅长、一旦进入就能改变行业的事情。

他以ChatGPT为例：聊天这个革命性场景，也是在医疗等多个方向反复探索后才清晰起来。

这构成了第三张时刻表：不押注某个确定年份，而是等待技术能力和真实需求完成咬合。

结语

在圆桌尾声，王坚给出了一个更长的判断：当年PC为软件提供了安身之处，没有PC，软件就是一个幽灵；今天，机器人也应该成为现代意义上人工智能的安身之处。

“人工智能没有机器人，将来也会是个幽灵。”他说。

2026年的特殊之处在于，越来越多的AI“身体”正在被造出来。但智能，还需要在一个个真实工位上证明自己。