机器人别跳舞了，先进厂上班

2026 年 7 月 6 日，苏州。至简动力把 100 台 i7 Pro 机器人推进车间。

没有后空翻，没有叠衣服，也没有端咖啡。它们去干 CNC 上下料：从料箱里拿毛料，送进机床，等待加工，取出，吹碎屑，质检，再入库。误差要求控制在 0.5 毫米以内。（来源：极客公园，2026-07-10）

机器人行业苦“网红视频”久矣。聚光灯关掉，机床打开，考试才开始。

这件事比一条炫技视频更有分量。一家 2025 年 7 月底成立的公司，半年完成五轮融资，融资额超过 20 亿元；第一批量产机器人没有送去展台摆拍，而是进了绿的谐波、东山精密的工厂。（来源：极客公园，2026-07-10）

具身智能的验收标准变了。

以前，行业问机器人“像不像人”。现在，工厂问机器人“能不能上班”。

舞台魔术和车间工人，是两种生物

具身智能行业有个隐疾：视频太好看，交付太骨感。

你刷到的机器人，走路稳，手指灵，能切菜，能猜拳。可那不是生产线。工厂里没有完美光照，没有固定道具，工件上可能有毛刺，夹具可能松了半毫米，机床震得地面都在抖。

舞台魔术师可以失败九十次，只要第一百零一次拍成视频。车间工人不行。他要每天站到工位上，连续跑，稳定交付。良品率和回本周期，都会把漂亮叙事打回原形。

至简动力 i7 Pro 最高配售价 22.98 万元，团队测算相较传统方案 1.5 年回本；苏州机加工行业平均工资约 1 万元，CNC 场景里还有招工难、脏活累活、年轻人不愿进厂这些现实问题。（来源：极客公园，2026-07-10）

制造业的真理朴素到残忍：算不清回本周期的自动化，就是昂贵玩具。

这也是 CNC 上下料这个场景的价值。它不好看，甚至有点脏。可它有客户，也有账本。机器人在这里跑通，比在发布会上跳一段舞更接近商业化。

370 多家公司，马上进入验货模式

启明创投主管合伙人周志峰给过一个数字：中国有 370 多家具身智能相关企业，每周还能看到两三家新项目。（来源：值得关注，2026-07-10）

这听起来热闹，也危险。

当 370 多家公司都在讲 VLA、世界模型、通用泛化，外部很难分清谁真的强。团队背景相似，落地场景相似，融资故事也相似。缺一个简单粗暴的标准。

这个标准正在出现：交付。

周志峰的判断很直白，市场会进入 “show me the money” 阶段，看落地、销售收入和利润率。（来源：值得关注，2026-07-10）换成车间语言，就是少讲路线，多看机器今天在哪家工厂跑了多久。

蚂蚁灵波 7 月 10 日发布 LingBot-VA 2.0，公开报道称它是具身原生预训练模型；同一套全栈大脑 2.0 还包括 LingBot-Vision、LingBot-Depth 2.0、LingBot-VLA 2.0、LingBot-Video、LingBot-World 2.0，覆盖空间感知、世界预测和动作生成。（来源：值得关注，2026-07-10）

这个方向值得看。机器人以前更像“看图说话”：识别杯子，理解指令，再把动作拼出来。新的路线想让机器人预测动作之后的世界变化。它不只要知道“杯子在哪”，还要预判“手碰上去之后会发生什么”。

Generalist AI 的 GEN-1 也给了一个行业信号：平均成功率从 64% 提升到 99%，执行速度达到此前基线约 3 倍。（来源：值得关注，2026-07-10）

但模型指标只能证明一半。另一半要在工厂里补考。机器人面对会打滑、会变形、会卡住的物理世界，图片和文本都替不了它上手。

数据瓶颈，是油污里的慢活

具身智能最扎心的事实：看过很多视频，不代表会拧螺丝。

周志峰称，行业可能需要 100 万到 200 万小时训练数据；当前中美头部具身模型公司手里大概只有几十万小时数据。更关键的是结构：真机数据只占 1%–3%，UMI 数据约 70%，视频数据约 20%。（来源：值得关注，2026-07-10）

这组数字很难听，但它解释了很多问题。

互联网数据能把语言模型喂大，因为文本和图片本来就躺在网上。机器人不一样。它需要真实接触，需要失败记录，需要知道夹爪碰到油污工件时会不会滑，需要知道螺丝拧到三分之二突然卡住时该不该加力。

仿真能省钱，视频能补量，UMI 能让人类操作变成训练素材。可真机数据仍然最贵，也最诚实。

100 台机器人进入工厂，每天都在产生这种诚实数据：哪个工位容易失败，哪个动作需要重试，哪种零件会让夹具误判，哪类异常会拖慢整条线。它们未必漂亮，但会变成下一轮模型和本体迭代的燃料。

考试看的不是机器人能不能完成动作，而是遇到误差时能不能修正。

这也是具身智能和普通 AI 应用最大的差别。聊天机器人说错一句话，可以重答。机器人夹错一个零件，可能刮坏工件、撞停机床，甚至伤人。物理世界没有撤回键。

别把所有难题都推给“大脑”

具身智能这两年太爱讲大脑。

世界模型、VLA、具身原生、空间智能，每个词都听起来像下一代操作系统。可机器人终究要靠手干活。没有可靠执行器，再好的大脑也只能隔空指挥。

果力智能的“枭尧”灵巧手给了一个很具体的切口：尺寸约 189mm×84mm×35mm，重 730g，13 个主动自由度、5 个被动自由度、176 个压力感知点，已经进入送样测试和小批量供货阶段。（来源：创业邦/快鲤鱼，2026-07-10）

这些数字说明，灵巧操作不是“抓一下”这么简单。机器人要知道抓什么，也要知道怎么抓、用多大力、滑了以后怎么补偿。

高工产业研究院数据显示，2025 年中国灵巧手市场销量约 1.92 万台，预计 2026 年达到 7.02 万台。（来源：创业邦/快鲤鱼，2026-07-10）增长很快，但放在 370 多家具身智能公司的背景下看，执行器仍是短板。

很多公司把难点丢给算法，等模型更强。这个想法省事，也偷懒。

灵巧手创业者刘阳的判断更接近工程现实：大脑负责决策，小脑负责控制，本体本身也要承担一部分感知和执行功能。（来源：创业邦/快鲤鱼，2026-07-10）机械结构和触觉传感也在分担智能。

没有触觉反馈的具身智能，就像戴着拳击手套做手术：姿势都对，手感全无。

下一阶段，比的是谁愿意沾一身油

具身智能到了一个转折点。

过去，资本奖励会讲故事的人。谁的发布会更科幻，谁的视频更像电影，谁就更容易拿到注意力。接下来，客户会奖励会交付的人。谁能让机器人在真实工位连续跑、让客户复购，谁才有资格继续讲规模化。

“具身原生”“世界模型”“Scaling Law”还会继续出现在发布会上。这些词有价值，但它们不能替机器人上夜班。

有分量的，是那些愿意把机器人送进车间、接受油污和工时表检验的团队。每一分钟现场运转，都在把行业从魔术师调性拉回制造业调性。

制造业的规矩很简单：先交货，再迭代；先跑通，再吹牛。

给把机器人送进工厂的人鼓掌。

该上班了。