從倉庫到工廠，具身智能產業應用的“GPT時刻”還有多遠？

2026年，具身智能的敘事邏輯正在發生根本性轉變。2025年的舞臺炫技、發布會演示已經退潮，取而代之的是一個更務實的問題：機器人到底能不能干活、能掙多少錢、什么時候能大規模鋪開？

目前業內有很多專家的共識：人形機器人正處于從技術突破邁向規模化商業化的關鍵時期，2026年有望成為量產落地和場景驗證的重要節點。

在這個轉折之年，物流與工業兩大B端場景成為具身智能最先“登岸”的灘頭陣地，而關于“大腦”技術路線的爭論也愈演愈烈。更令人好奇的是，人們反復追問的那個問題——具身智能的“ChatGPT時刻”何時到來？“iPhone時刻”又何時才能出現？或許答案遠比我們想象的復雜。

物流、工業成具身智能產業應用的切入點

在眾多具身智能潛在應用場景中，物流倉儲被認為是條件最為成熟的突破口之一。邏輯并不復雜：需求剛性、場景邊界清晰、價值可量化。裝卸、揀選等環節純人力依賴程度極高，而招工難、人力成本上漲是物流行業的普遍痛點。與此同時，倉庫環境相對結構化，任務目標明確，不需要像家庭場景那樣應對無限開放的復雜環境。

從市場規模來看，物流倉儲的潛力確實巨大。據中商產業研究院2026年3月數據顯示，2026年中國智能倉儲設備市場規模將突破1800億元人民幣，具身智能設備增速遠超傳統AGV/AMR。更長遠來看，思瀚研究院預計全球智能場內物流機器人市場規模到2030年將達到人民幣3441億元，2024年至2030年的復合年增長率為19.5%；中國市場到2030年有望達到1339億元。

然而，這些光鮮的數字背后存在一個被忽略的尷尬：物流機器人的整體滲透率仍然偏低，且大多數已部署的設備還停留在傳統AGV（自動導引車）或AMR（自主移動機器人）層面，真正具備具身智能能力的機器人（即能夠感知、理解、自主決策并執行復雜操作的機器人）才剛剛起步。有業內人士直言，中國超過1000萬裝卸工的存量市場，智能裝備滲透率不到1%。

這一差距背后存在多重現實挑戰。技術瓶頸首當其沖：人形機器人續航不足，難以滿足8小時滿負荷作業；低溫、高濕、金屬密集場景中傳感器信號衰減，定位精度待提升；大規模集群協同調度算法仍需優化。其次是成本問題：當前小批量量產前的機器人硬件成本仍在30萬元左右，即使小批量生產（如100臺規模）后能降至十幾萬元，對物流行業這類低毛利產業而言仍然是筆大開銷。正如智往未來CEO孫浚凱所言，京東、順豐這類物流企業每一單利潤都是幾毛、幾分錢，采購自動化設備希望投資回報周期（ROI）一年回正，而當前具身智能機器人的ROI周期能做到2~3年已經算是很好了，普遍需要長達4~5年才能回正。

不過，變化正在加速發生。2026年以來，多家企業已在物流場景取得實質性進展：極智嘉于2026年2月發布倉儲通用人形機器人Gino1，可從事揀貨、搬箱、打包、巡檢等多項任務；菜鳥于2026年4月在MODEX 2026國際物流展發布首款自研“攀爬機器人”ZeeBot，首個由該機器人進行智能作業的倉儲項目已在廣東省交付并投入使用；德馬科技早在2025年7月已建成人形機器人物流場景訓練與數據采集工廠，并聯合鹿明機器人推出重載具身機器人.....

而智往未來也在這一賽道快速推進。據悉，智往未來已與某頭部電商物流簽署了POC協議，將機器人部署到其倉庫中開始實際作業并采集數據；與全球頭部醫療健康巨頭，以及某一線汽車主機廠商等跨國公司的合作也在洽談中。孫浚凱預測，2026年物流領域的分揀場景下，具身智能機器人總出貨量可能在幾百臺級別，而智往未來有望占據約30%的市場份額。

智往未來創始人兼CEO孫浚凱與智往未來具身智能產品Armstrong Pro

與此同時，孫浚凱表示，物流場景正在成為具身智能“數據飛輪”的啟動點。倉儲物流中涉及的物品類型（如飲料、包裹、日用品），與零售商超和家庭場景高度相似，使得機器人在物流場景中積累的技術能力和數據沉淀，能夠更容易地遷移和復用到商超零售乃至家庭服務中。正如孫浚凱所規劃的演進路徑：從倉儲物流起步，逐步邁向商超零售，最終延伸至家庭服務——這不僅是技術成熟度的逐步提升，更是一條精心設計的“從簡向繁”路線。

相較于物流，工業制造場景對具身智能的需求同樣強烈，但挑戰截然不同。傳統工業機器人（“四大家族”為代表）在精度、速度、可靠性上已臻化境，但它們被困在“籠子”里，依賴高精度的夾具和嚴格編程，無法適應小批量、多品種的柔性生產趨勢。

具身智能為工業柔性制造帶來了曙光。它有望讓機器人像熟練工人一樣，通過視覺識別不同的工件，自主規劃抓取姿態和裝配動作，完成螺絲擰緊、線束裝配、質檢等復雜任務。

不過，工業場景的“繁榮”之下，分化同樣明顯。正如孫浚凱在與筆者交流時指出的：工業生產場景千差萬別，側重于精度與效率，大模型并非其核心需求。當前頭部玩家倡導的柔性制造，雖涉及任務泛化，但并未充分發揮大模型技術的潛力�！斑@就造成了工業場景下的泛化能力不如物流場景中那般凸顯，且在工業場景下，傳統工業機器人供應商的行業壁壘更為明顯，行業Know-how讓新晉玩家望而卻步，”拓斯達具身智能業務線-矩陣智拓CMO王琪曾對筆者表示。

相比之下，倉儲場景追求絕對泛化能力，需要應對各種復雜情況，在孫浚凱看來，這才是大模型技術真正的用武之地。

大腦技術逐漸收斂的一年

2026年，具身智能產業完成了從“敘事驅動”到“基本面驅動”的根本性轉變。據廈門具身智能產業聯盟的報告，2026年中國具身智能產業綜合指數達7.4/10，已跨越技術驗證期，進入商業化落地攻堅與生態格局塑造的關鍵階段。

孫浚凱也觀察到了這種現象，他表示，2024年是行業元年，2025年資本市場活躍，而2026年，行業已整體進入“卷落地”階段，大家從拼技術故事，轉向拼真實的場景驗證和訂單獲取。

這個過程中，價值錨點從技術炫酷轉向場景穿透力，資本從押注夢想轉為驗證商業模型，客戶從技術嘗鮮變為生產力工具采購。

如果說2024-2025年具身智能行業的焦點是“會不會動”，那么2026年的焦點已經轉移到“腦子好不好用”。當前，圍繞機器人大腦的技術路線之爭愈演愈烈，最具代表性的兩條路徑是VLA（視覺-語言-動作）模型與世界模型。

VLA模型曾一度被視為具身智能的主流技術路徑，即讓機器人基于視覺輸入和語言指令，直接完成動作生成與執行。這一路線的核心優勢是端到端的簡潔性——看到、理解、行動，一氣呵成。端到端VLA大模型已成為行業技術共識，中國企業已率先實現“全身控制+移動軌跡”的統一輸出，部分開源模型綜合性能超越國際標桿30%。例如，小米于2026年2月開源首代機器人VLA大模型Xiaomi-Robotics-0，采用“大腦+小腦”混合架構實現實時控制，在三大主流的仿真測試和真實真機任務中均獲得優異成績。

然而，隨著機器人開始進入更復雜、更長鏈條的任務場景，僅僅“看懂指令并做出動作”已不夠。機器人還需要理解任務目標、預測動作后果、在多種可能路徑中做出最優選擇。而這正是世界模型正在試圖解決的問題。

世界模型的核心思想是讓機器人學習物理世界的底層規律，從而能夠“想象”動作的后果，進行規劃與推理。2026年以來，世界模型領域動作頻頻：BeingBeyond發布基于大規模人類行為數據訓練的具身智能世界模型Being-H0.7，魔法原子也將在全球首屆具身智能大會上發布其世界模型產品。

在英偉達GTC 2026大會上，VLA與世界模型的技術路線分歧公開激化。但越來越多業內人士認為，VLA和世界模型并非“替代與被替代”的關系，而是可能走向融合。孫浚凱的判斷頗具代表性，他認為，2026年應該會是一個技術相對收斂的階段，行業將圍繞“哪種技術范式更適合落地交付”得出初步結論。據悉，智往未來在VLA路線上已走了兩年，同時也在積極探索世界模型和基座模型的訓練，計劃在系統性測試后，根據投資回報比做出技術路線的最終選擇。

無論選擇哪條技術路線，數據都是決定成敗的核心變量。據統計，全國已建立超43座人形機器人訓練場，累計匯聚近3000萬條具身智能數據，國家與地方共建創新中心正牽頭制定數據互聯互通標準。

然而，“雞與蛋”的困境依然存在：機器人模型的泛化能力弱，不成熟就無法批量部署，沒有批量部署就收不回真實場景數據。孫浚凱的破解策略是：將場景收斂到一個非常窄的范圍內，用相對成熟的技術解決真實的客戶需求，從而讓商業飛輪轉起來�！拔覀儾捎秒x在線融合的強化學習算法，先在離線環境中訓練使任務成功率達60%-70%，再通過真機在線交互提升剩余的成功率，”孫浚凱介紹道，“比如在物流揀選場景中，面對尺寸和材質各異的未知包裹，我們不需要海量的窮舉數據，僅需幾十到一百條真實操作數據，就能讓機器人迅速適應并實現穩定抓取�！�

值得注意的是，決定了具身智能能否真正好用的因素，不僅是大腦的“打造”，還在于“大小腦”融合的技術路徑。對此，孫浚凱表示，很難嚴格區分“大腦”和“小腦”——當機器人看到目標、理解任務、規劃并執行抓取時，整個流程是一體的。當遇到遮擋需要身體前傾或側身調整抓取角度時，就需要全身運動控制能力來協調移動與上肢操作。孫浚凱強調：“大腦、小腦和本體在這些環節中無法割裂，缺一不可。硬件定義決定了產品性能的下限，算法能力決定了上限，二者密不可分。”

從產業鏈角度看，當前具身智能創業公司大致可分為三個陣營：一是專注于大腦算法的AI公司，如千訣科技（目標讓行業一半機器人用上千訣大腦，2026年上半年接入設備將超過10萬臺）；二是軟硬一體的全棧公司，如智元機器人、星動紀元等；三是硬件本體公司，如宇樹科技等。這三類公司的技術側重點和商業模式各有不同，但隨著“大小腦融合”趨勢的深化，邊界正在變得模糊。

離“iPhone時刻”尚遠

當前，有很多人拿具身智能或者物理AI這個領域與當初的ChatGPT和iPhone相比。暢想著具身智能什么時候能出現“GPT時刻”和“iPhone時刻”。對此，孫浚凱表示，“GPT時刻”可能很快就會到來，但“iPhone時刻”離我尚遠，“GPT時刻可能很快到來，在數據、資金、人才涌入下，這項技術可能在兩三年內達到那個突破點”，孫浚凱判斷。而2028年被他視為一個關鍵的技術收斂窗口期，屆時各種技術范式的可行性將被驗證，行業將結束早期的百家爭鳴，進入第一輪洗牌。

不過業內也有一些比較“激進”的聲音，千尋智能聯合創始人高陽曾指出，如果與大語言模型的發展階段比較，具身智能行業在2025年正處于GPT-2階段——數據基礎設施建設取得進展，但模型能力尚未實現質的飛躍。他判斷，2026年年末至2027年年初，行業有望迎來具身智能的GPT-3時刻。銀河通用等頭部玩家的判斷也趨于一致：2026年末到2027年年中，行業有望迎來具身智能的GPT3.0時刻。

雖然在“GPT時刻”的到來上，業內有些許分歧，但在“iPhone時刻”的到來方面，則比較一致。

如果說“GPT時刻”回答的是“技術能不能突破”的問題，那么“iPhone時刻”回答的則是“商業能不能爆發”的問題。兩者之間存在根本性差異。對此，孫浚凱表示，“GPT時刻”和“iPhone時刻”完全是兩個概念。“GPT本質上還是一個技術，還不是一個成熟的產品。它還沒達到一個產品級的成熟度。”而iPhone時刻則意味著“它對整個產業形成了巨大變革，并且能持續盈利，同時無人能超越”。這個判斷的關鍵洞察在于：iPhone時刻的關鍵點是商業模式發生了變革——iPhone開啟了移動互聯網，成就了數以萬億美元計的新賽道和市場。

這一定義也被行業普遍認同。具身智能的“iPhone時刻”要求機器人達到高度的產品成熟度，即能夠大規模量產、低成本部署、開箱即用、容錯率極低、交互體驗極佳。星動紀元創始人陳建宇在博鰲論壇上也強調，機器人進入工業場景“不是做演示，而是要滿足很高的節拍效率、很高的成功率以及99%以上的可靠性。不只是‘能做一次’，還要能夠可靠、持續、低成本地完成任務”。

孫浚凱認為，在iPhone時刻到來之前，具身智能還需要經歷一個漫長的軟硬件收斂過程——2028年左右技術路線初步收斂，再經過3到5年的產品打磨和商業模式探索，才能真正迎來爆發。屆時，iPhone時刻的特征是：雙足雙靈巧手、低成本、硬件可靠，能夠全行業開箱即用，并對整個社會的商業形態產生顛覆性影響。

回到當下，具身智能產業應用正處在一個關鍵的階梯式上升期。從量級上看，2026年的人形機器人出貨量預計在6.25萬至10萬臺之間，其中相當一部分仍處于POC和試點階段，真正的規模化商用才剛剛起步。正如孫浚凱所預判的，物流場景2026年所有玩家加在一起的出貨量“可能將將破千”，距離真正的規�；渴疬�有不小差距。

但從另一個角度看，這條路徑的確定性正在增強。中國在供應鏈韌性、場景落地速度和資本熱度上全球領先，已形成中美雙核、多極并存的全球格局。摩根士丹利預計，到2050年人形機器人市場規模將達到5萬億美元，部署量達10億臺；中國具身智能市場規模有望在2030年達到4000億元，2035年突破萬億元。

從“千臺”到“十萬臺”再到“無處不在”，具身智能的產業應用正在經歷一個從技術驗證到商業驗證、再到生態變革的階梯式跨越�！癎PT時刻”解決的是技術能不能的問題，而“iPhone時刻”解決的是商業能不能的問題——前者決定能不能起步，后者決定能走多遠。

（文｜Leo張ToB雜談，作者｜張申宇，編輯丨楊林）