2026年4月19日，北京亦庄。荣耀“闪电”机器人冲向半马终点线。50分26秒——它已超越人类半马世界纪录。
然而，距终点不远处，闪电突然失衡，摔倒在地。
有舆论大张旗鼓地说：具身智能的GPT时刻已经到来。但那一下踉跄更像老天弹了一下我们的脑壳——这个时刻很近很近，但还没有到。
本文试图回答三个问题：过去一年行业发生了什么本质变化？哪些共识已经形成？为什么说临界点尚未真正到来？
⬇️点击查看视频⬇️
（视频源自网络）
01.
一年之变：从蹒跚到奔跑
先看一组对比。
2025年首届机器人半马，完赛率不足30%，冠军成绩2小时40分。2026年，完赛率跃升至45%以上，冠军成绩压缩到50分26秒。一年时间，从“能走完”到“跑赢人类”。
这背后是硬件的系统性突破。闪电搭载自研高扭矩电机与液冷散热系统，能效管理优化使得高强度运动中的过热问题得到有效控制。
产业数据同样印证这一跃迁。2025年国内人形机器人出货量达1.8万台，同比增长超650%。2026年有望提升至6.25万至10万台。价格端的变化更为剧烈：宇树R1 AIR售价2.99万元，松延动力Bumi预售不足万元——一年前，这还是一台中高端汽车的价格；现在，它是一台入门机器人的价格。消费级门槛正在被击穿。
但完赛不等于自主。真正实现无干预完赛的只有18支队伍，大多数机器人仍需遥控辅助。闪电在终点前的摔倒，恰好暴露了系统在极限工况下的脆弱性。
进步是真实的，瓶颈也是。
02.
共识的达成：行业不再争吵的三件事
经历两年高速迭代，行业在关键问题上形成了难得的共识。
共识一
VLA成为主流技术路线。
VLA，即视觉-语言-动作模型——让机器人同时理解“看到了什么”“听到了什么指令”“该做什么动作”的端到端架构。一年前，行业还在争论“分层控制还是端到端”；如今这场争论基本收敛，焦点已转向更实际的问题：如何获取足够多、足够好的训练数据。
共识二
工业制造是第一站。
汽车工厂成为人形机器人的“实习”主战场。优必选Walker S已进入极氪、比亚迪等工厂实训；智元远征系列在蔚来、大众产线承担搬运与装配任务。逻辑很简单：工业场景任务明确、环境可控、降本需求迫切——这是技术验证与商业闭环的最优起点。
共识三
数据是核心瓶颈。
这不再是观点，而是行业公认的事实。ChatGPT的突破依赖约100亿小时的互联网文本数据，而具身智能有效物理交互数据仅约50万小时——差距达两万倍。为什么差这么多？因为语言数据可以从互联网上“抓取”，但物理交互数据必须让真实的机器人在真实的环境中一次次抓取、搬运、行走才能产生。这个鸿沟，决定了一切。
03.
尚未跨越的坎：为什么说“还没有到”
共识指向方向，但通往临界点的路上仍有四块硬骨头。
第一道坎：数据鸿沟。
两万倍的差距意味着什么？意味着即便从今天开始全力采集，规模化也需要时间。仿真合成数据虽可补充，但虚拟世界与真实世界之间存在物理属性的失真——业内称之为“Sim2Real鸿沟”：在仿真中学会的策略，搬到真实环境中往往失效。2026年被业界定义为“数据规模化元年”，但规模化的效果仍需时间验证。
第二道坎：泛化困境。
所谓泛化，就是机器人能否应对“没见过的情况”。当前VLA模型在训练数据覆盖的场景中表现优异，一旦超出分布范围，性能急剧下降。Physical Intelligence的π0.5模型面临陌生物体或目标被遮挡时，成功率大幅跳水。谷歌Gemini Robotics执行“整理垃圾”等多步骤长程任务时，成功率大多在20%-40%。
实验室的“能动”与真实世界的“好用”之间，隔着泛化能力的鸿沟。
第三道坎：可靠性与成本。
智元精灵G2在工业产线实现99.5%的成功率、8小时连续作业——这已是行业标杆。但99.5%意味着什么？意味着每200次操作就失败1次。在消费电子产线，这个故障率尚可接受；在精密装配工位，一次失误就足以影响整条产线的良率。
成本端同样未到拐点。一台功能完备的人形机器人仍以数十万元计，高端六维力传感器、行星滚柱丝杠等关键部件仍依赖进口或性能存在差距。
第四道坎：“大脑”短板。
中国在硬件运控上已跻身全球顶尖——宇树的拳击、舞蹈、越野能力即是明证。但在模型认知层面，差距依然显著。2024年全球顶级AI模型中美国占40个，中国15个；主流VLA模型均发源于海外。英伟达最新Jetson Thor芯片算力达2070 TFLOPS，是前代Orin的7.5倍，而国内端侧算力芯片仍有代差。
换句话说：中国机器人的“四肢”已经足够矫健，但“大脑”还在追赶。
04.
关键分歧：什么时候到？
这是行业当前最大的认知裂缝。
乐观派的日历上画着2026年末到2027年年中。理由是数据规模化已经启动、模型迭代明显加速、资本在加注（2025年前11个月融资额达334.73亿元，是2024年同期的4倍）、工业场景订单开始放量。每一条单独看都有说服力，叠加在一起更像一条陡峭的上升曲线。
谨慎派的疑虑则更根本：物理智能的涌现规律可能根本不同于语言智能。语言模型的Scaling Law已被反复验证——堆数据、堆参数，性能就能持续攀升。但具身智能是否遵循同样的规律？一个机器人要理解“这个杯子是易碎的”“这块地面是湿滑的”，靠堆数据就能堆出来吗？还是需要某种尚未出现的范式突破？
这不是乐观与悲观之争。这是对“智能如何涌现”这一根本问题的不同押注。
我的判断是：具身智能的GPT时刻可能不是一个单一事件，而是一系列能力里程碑的叠加——当机器人能在开放环境中连续工作24小时且成功率不低于99.9%，当它能自主应对训练数据中从未出现的长尾场景，当它的成本降至中小企业可负担的水平。这些节点逐一被跨越时，“时刻”才真正成立。
未来2-3年是关键窗口。但“很近”不等于“已到”。
05.
格局之变：谁能胜出？
竞争逻辑正在发生结构性变化。
从“炫技”到“干活”。 资本不再为Demo买单。投资标准从“押注梦想”转向“验证模型”——工程可实现性和商业落地潜力成为核心标尺。
三类玩家，三条路径。 全栈自研派（如智元、银河通用）试图打通从模型到本体的完整闭环；硬件身体派（如宇树）以极致性价比和运动能力抢占入口；软件大脑派（如Physical Intelligence）专注通用基础模型，做所有机器人的“操作系统”。路径尚未收敛，但生态位正在分化。
中国的底牌与短板。 底牌在供应链纵深与场景密度。中国拥有25家机器人手部零部件供应商（美国仅7家）、30家腿部线性执行器供应商（美国仅6家），整机成本可控制至海外同类产品的50%左右。全球最大的制造业集群意味着最丰富的训练场和数据来源；完整的零部件配套意味着最快的迭代速度和最低的成本曲线。
短板前文已述：基础模型和高端芯片。“大脑”的追赶需要更长时间，也需要更底层的突破。
06.
结语：从踉跄到站稳
闪电在终点前的踉跄，恰是这个行业的缩影。
它跑出了超越人类的速度，证明技术的飞跃是真实的。它在最后一刻摔倒，提醒我们可靠性、泛化性、成本——这些看似枯燥的工程指标——才是决定产业命运的关键变量。
具身智能的GPT时刻很近很近，但还没有到。
真正的比赛不在亦庄的赛道上，而在数以万计的工厂、仓库和家庭里。当机器人不再需要工作人员“扶一把”，能够独立穿越所有不确定性，稳定地、可负担地完成一件又一件真实任务——
那一刻，才真正到来。
AI Agent
AI Agent
如您喜欢本文，请不吝点赞。欢迎关注 AI Agent 2025，下期将为您深度解读具身智能的国内外产业格局。
