1. 榜單背后具身智能賽道正在“去泡沫化”1.1 今年的 TOP20 評的是什么我做機器人這行也快十年了前幾年最怕看到各種“榜單”因為很多榜單說白了就是融資榜、PR 榜誰融的錢多、誰的PPT好看、誰的人形機器人走路走得穩(wěn)誰就能排前面。但今年這份具身智能機器人 TOP20 榜單不一樣圈內人看完第一反應是這榜單終于開始講“人話”了。榜單沒有把權重全壓在融資額和 demo 效果上而是更關注產品交付、實際場景落地、客戶復購率、故障率、毛利率這些硬指標。你對比前兩年的榜單就會發(fā)現(xiàn)當時很多經常刷屏的公司今年連名單都沒進反而是那些悶頭在做產線巡檢、物料搬運、零售理貨的公司沖了上來。這說明一個信號具身智能賽道從講故事階段進入兌現(xiàn)階段資本和產業(yè)都在用訂單投票。那具體從哪幾個維度評我根據(jù)圈內信息做了個拆解大致權重可以這么看技術成熟度占比最高包括感知準確率、抓取成功率、運動控制穩(wěn)定性、系統(tǒng)連續(xù)運行時長其次是商業(yè)落地能力包括真實交付臺數(shù)、客戶行業(yè)分布、復購率、單客戶價值再往后是團隊和供應鏈包括核心人才密度、專利布局、核心零部件自主可控程度最后才是融資和品牌聲量。這個排序很有意思。前幾年排序幾乎是倒過來的融資排第一只要錢到位就能上榜?，F(xiàn)在變了因為大家發(fā)現(xiàn)具身智能這玩意兒不是純互聯(lián)網(wǎng)項目不能靠燒錢燒出護城河它要跟物理世界打交道要做可靠性測試要過安全認證要在客戶工廠里 7x24 小時不出大亂子。這些都是錢解決不了的事只能靠工程團隊一點點磨出來。1.2 上榜公司的兩類典型形態(tài)翻完整份 TOP20 名單你會發(fā)現(xiàn)一個明顯的規(guī)律能上榜的公司基本分成兩類。一類是通用具身智能平臺型公司以人形機器人或者通用移動操作為載體目標是做出一個“什么都能干的機器人大腦和身體”典型代表就是榜單頭部的某通用具身智能公司另一類是場景深耕型公司從工業(yè) AGV/AMR、復合機器人切入先在半導體、3C、能源等垂直行業(yè)扎下去再逐步把泛化能力做起來典型代表是這次強勢上榜的某智能移動操作機器人公司。用外行的話說前者是“先造一個萬能人”后者是“先找一份能干好的活”。兩種路線沒有絕對的誰優(yōu)誰劣但在當下的商業(yè)環(huán)境里后者更容易拿到真實訂單因為客戶不會為“未來什么都能做”買單客戶只會為“現(xiàn)在能幫我解決這個問題”買單。不過話說回來前者天花板更高一旦通用能力突破能覆蓋的市場遠超細分場景。榜單同時容納這兩類公司其實是健康的代表整個行業(yè)既有仰望星空的也有腳踏實地的。我特別注意到某智能移動操作機器人公司它本來在移動機器人底盤領域就有多年積累這次把機械臂、視覺感知和底盤融合在一起做成了具備“手眼腳協(xié)同”能力的復合機器人在多個工廠里已經跑了一年多數(shù)據(jù)非常扎實。這類公司上榜不是靠概念而是靠一臺一臺交付堆出來的含金量很高。2. 頭部玩家的技術路線與產品化邏輯2.1 通用具身智能平臺先做大腦再做身體榜單里排名靠前的某通用具身智能公司走的是典型的“通用大腦通用身體”路線。他們的核心假設是未來機器人需要具備跨場景的泛化能力不能每個場景都從零開發(fā)所以要把感知、決策、控制打通成一個端到端系統(tǒng)讓機器人像人一樣能看、能想、能動手。這條路線需要的技術棧非常立體。最底層是數(shù)據(jù)包括大規(guī)模真實場景操作數(shù)據(jù)、仿真合成數(shù)據(jù)和遙操作采集數(shù)據(jù)中間層是模型目前主流方向是 VLAVision-Language-Action視覺語言動作模型把圖像、語言指令和動作輸出對齊到一個神經網(wǎng)絡里再上層是部署框架需要做 sim2real仿真到真機遷移解決仿真環(huán)境和真實世界的差異問題。你可能覺得這不就是“塞一個 GPT 進去”嗎遠沒這么簡單。語言模型輸出的是 token機器人需要輸出的是關節(jié)力矩和末端軌跡而且必須在幾十毫秒內完成閉環(huán)。更關鍵的是安全約束機器人不能像聊天 AI 一樣胡說八道它要保證“每一步都不撞人、不摔東西、不失控”。所以現(xiàn)在的通用平臺普遍采用分層架構上層大模型做任務規(guī)劃和語義理解下層運動控制和安全保護還是靠傳統(tǒng)機器人學方法比如 MPC模型預測控制和實時防碰撞算法。在落地層面這類公司目前比較務實的場景集中在零售理貨、工業(yè)質檢、科研教育、公共導覽。我去看過一個實驗室里的通用機器人demo它能根據(jù)一句“把紅色杯子放到左邊托盤”完成完整操作識別、抓取、擺放一氣呵成準確率已經能做到95%以上。但這個數(shù)字在實驗室環(huán)境下很好看拿到真實產線上就沒那么容易了因為光照變化、遮擋、物體隨意堆放、偶爾有工人經過都會讓系統(tǒng)崩潰。這也是整個行業(yè)的共性難題。2.2 復合機器人路線先鎖定場景再反推硬件與通用路線形成鮮明對比的是場景深耕型路線代表就是榜單中的某智能移動操作機器人公司。這類公司的打法是先選定一個痛點足夠痛、付費意愿足夠強的行業(yè)然后圍繞這個場景去設計整個機器人系統(tǒng)包括底盤形態(tài)、機械臂選型、傳感器布置、軟件系統(tǒng)甚至包括業(yè)務流程的重新梳理。舉個例子在半導體晶圓廠里機器人需要在潔凈環(huán)境里完成晶圓盒的搬運、上下料、設備間的物料調度精度要求高、節(jié)拍要求高、穩(wěn)定性要求極高。傳統(tǒng) AGV 只能搬運機械臂只能固定工位操作而復合機器人把兩者結合后就可以在一個移動底盤上完成“行走抓取操作”的連續(xù)動作。聽起來容易實際做起來很痛苦底盤和臂的協(xié)同控制會產生耦合擾動臂在運動時底盤會晃定位精度就會下降走行到目標位置后需要重新定位視覺標定機械臂和底盤之間的相對位姿標定誤差直接決定抓取成功率。這類公司的核心壁壘其實不只是硬件而是場景 know-how。他們得懂客戶的工藝知道晶圓盒不能磕碰、知道產線換型時哪些參數(shù)需要調整、知道客戶對停機時間零容忍。這也是為什么純互聯(lián)網(wǎng)背景的機器人團隊很難在制造業(yè)做深因為缺了行業(yè)積累技術再強也落地不了。我比較欣賞這類公司的數(shù)據(jù)習慣他們沒有一上來就追求“大而全”的通用模型而是先在固定場景里把成功率和節(jié)拍做到極致一步一步積累數(shù)據(jù)。這種數(shù)據(jù)不是公開數(shù)據(jù)集能替代的它有明確的物理約束和行業(yè)語義含金量極高。未來如果通用模型成熟了這些長期積累的場景數(shù)據(jù)反而會成為最珍貴的資產。3. 榜單背后的硬核技術拆解具身智能到底拼什么3.1 感知層從“看得見”到“看得懂”先說最容易理解的感知層。前幾年大家覺得給機器人裝個攝像頭就能看世界后來發(fā)現(xiàn)“看到”和“看懂”之間隔著一整支算法團隊。具身智能對感知的要求比自動駕駛還要苛刻因為機器人不是只做目標檢測它還需要理解物體的位姿、材料屬性、受力情況、操作可行性。目前主流的感知方案是 RGB-D 相機激光雷達觸覺傳感器的多模態(tài)融合。RGB-D 給出顏色和深度信息激光雷達用來做全局定位和建圖觸覺傳感器用來檢測抓取時的滑移和壓力。榜單里的頭部公司幾乎都有自己的一套感知算法而不是簡單買開源的 YOLO 改一改就上。差異主要體現(xiàn)在長尾場景透明杯子怎么識別、反光金屬表面怎么恢復深度、堆疊雜亂的零件怎么分割這些都是公開數(shù)據(jù)集很難覆蓋的。我見過一個很有意思的案例某公司做倉儲揀選機器人經常在抓取一個疊在另一個物體上面的盒子時失敗原因是深度相機對弱紋理表面特別不敏感導致位姿估計偏差。最后他們把觸覺傳感器加進抓取流程用“視覺粗定位觸覺精校正”的組合方式把抓取成功率從87%提到了98%。這說明感知不是一顆攝像頭就能解決的很多時候要靠多傳感器互補甚至要重新設計夾爪的結構。3.2 決策層大模型與傳統(tǒng)控制如何平衡決策層是具身智能最有爭議的部分。一派認為未來屬于端到端大模型只要數(shù)據(jù)夠多、算力夠強機器人就能學會一切另一派認為機器人控制必須建立在可解釋、可驗證的物理模型之上大模型只能做輔助。我的觀點是分層的混合架構才是當下最可靠的工程方案。具體來說可以把這個架構拆成三層。任務規(guī)劃層由大模型負責通過自然語言或者視覺輸入理解“用戶想讓我干什么”輸出一個有序的子任務列表技能層由強化學習或模仿學習模型負責針對每個子任務生成粗粒度的動作序列執(zhí)行層則由傳統(tǒng)控制算法負責比如運動學逆解、阻抗控制、力控確保機器人每個關節(jié)的力矩和軌跡是平滑、穩(wěn)定、安全的。有人會覺得這種分層架構不夠“AI”不夠性感。但你想想如果讓一個大模型直接輸出每個關節(jié)的 PWM 信號一旦遇到訓練分布之外的情況模型給出一組毫無意義的數(shù)值機器人可能直接飛車撞墻。這在工業(yè)場景是不可接受的。相反分層架構讓大模型只做自己擅長的事情——語義理解和任務分解把精確的數(shù)學計算交給控制工程師每一層都有兜底系統(tǒng)才敢長時間無人值守運行。最近頭部公司的論文和專利也驗證了這個趨勢。大家逐漸意識到端到端是遠期目標但眼下要交付可靠產品必須做混合架構。這也是為什么榜單里那些“看起來技術沒那么炫”的公司反而能保持低故障率因為它們沒有拿客戶產線去做大模型實驗。3.3 執(zhí)行層靈巧手與移動底盤的成熟度執(zhí)行層決定了機器人最終“能不能干成事”。人形機器人的手被認為是最大的門檻之一因為人手有20多個自由度而市面上多數(shù)靈巧手只有6到12個自由度并且價格高昂、可靠性差。榜單里做得出色的公司往往不是那些宣稱靈巧手自由度最高的公司而是抓取成功率和手指壽命最長的公司。你可能看過很多靈巧手演示視頻能擰瓶蓋、能彈鋼琴但到了產線上你會發(fā)現(xiàn)真正的挑戰(zhàn)不是“能不能做復雜動作”而是“能不能一整天重復做同一個動作而不壞”。很多靈巧手的減速器、腱繩傳動機構壽命只有幾千次操作在工廠里一天可能就要操作上千次沒幾天就罷工了。所以大家現(xiàn)在更務實先把三指或兩指的欠驅動夾爪做到極致把可靠性提上去再慢慢增加自由度。移動底盤同樣重要。人形機器人的雙足運動雖然賺眼球但真干活的時候輪式或輪腿混合底盤的效率、穩(wěn)定性、成本都要劃算得多。榜單里的復合機器人幾乎都采用全向移動底盤配合高精度定位系統(tǒng)在室內環(huán)境下可以實現(xiàn)毫米級重復定位。視覺導航加激光雷達也可以但在高動態(tài)環(huán)境下還是需要多種傳感器融合配合 IMU 做里程計修正才能在長時間運行后不掉精度。4. 怎么用這份榜單從看熱鬧到做決策4.1 給技術選型和采購方的三個判斷指標如果你是制造企業(yè)、倉儲物流負責人這份榜單其實可以當作供應商篩查的起點但千萬別只看排名就做決定。我建議把注意力放在三個指標上。第一個指標是場景匹配度。這家公司有沒有在你所在的行業(yè)做過兩個以上的真實案例客戶的生產工藝、節(jié)拍要求、環(huán)境條件是否跟你類似泛泛的“零售行業(yè)經驗”不代表能做好半導體。你要看到的是同行業(yè)、同類工序的落地數(shù)據(jù)。第二個指標是服務與交付能力。這里包括交付周期、現(xiàn)場調試人員的數(shù)量和水平、售后響應速度、是否支持產線升級時的二次開發(fā)。很多機器人公司研發(fā)感覺很厲害但現(xiàn)場實施團隊只有幾個人項目一多就崩了產線停了幾天都沒人處理這種合作會讓你痛不欲生。第三個指標是數(shù)據(jù)安全與合規(guī)。具身智能機器人會采集大量圖像、點云、工藝參數(shù)如果你的工廠涉及保密配方或者敏感工藝一定要確認供應商的數(shù)據(jù)存儲方式、是否上云、數(shù)據(jù)歸屬權、是否支持本地化部署?，F(xiàn)在有些機器人公司默認把客戶數(shù)據(jù)傳到自家云端做模型迭代這在國內制造業(yè)是個很大的隱患落地方案里必須把數(shù)據(jù)邊界寫清楚。4.2 給投資人和研究人員的榜單使用手冊如果你是做投資或者產業(yè)研究的榜單的價值更多在于提供候選池而不是直接告訴你該投誰。我建議把上榜公司放到“底層自研程度”和“場景縱深”這兩個維度組成的四象限圖里去看。底層自研程度怎么看去查專利特別是關于核心控制、感知融合、數(shù)據(jù)采集的發(fā)明專利而不是那些外觀專利去看核心團隊的論文和工作履歷看看他們是不是真正從機器人學、控制工程、計算機視覺背景出身還要看公司是否具備核心零部件的供應鏈話語權比如是否使用自研的伺服驅動器、關節(jié)模組、控制器。場景縱深的判斷就簡單一些直接看客戶行業(yè)集中度和復購率。如果一家公司上榜原因是做過幾十個完全不同的行業(yè)案例但每個行業(yè)只有一臺試用機這種廣度沒有價值因為它無法形成行業(yè)級的 know-how相反如果一家公司在三四個相關行業(yè)里有一個幾百臺的保有量并且老客戶持續(xù)下單那它的場景縱深就很扎實。4.3 我總結的避坑清單這幾條是我個人的經驗寫出來給大家參考不要只看 demo。demo 可以精心剪輯、控制變量、提前準備幾百次才成功一次一定要到現(xiàn)場看連續(xù)運行最好去問這家公司的老客戶看看設備的平均故障間隔時間。不要只看自由度。靈巧手的自由度不等于抓取能力。要看抓取成功率、可抓取物體的覆蓋范圍、手指壽命、更換成本。對大多數(shù)場景來說一個簡單的平行夾爪加吸盤組合比一只昂貴的十四自由度靈巧手更實用。不要只看是否“自研”。自研本身不是優(yōu)點自研還得有性能優(yōu)勢。有些公司為了講故事連螺絲都叫自研但實際性能不如外購。你要比的是最終指標比如循環(huán)時間、定位精度、能耗、噪音、安全響應速度。不要忽略安全標準。具身智能機器人是要和人共處的出口到歐盟要過 CE 機械指令在國內要符合相應的安全標準涉及協(xié)作機器人還要做力矩限制和急停邏輯。榜單里有些公司對安全測試的投入極其有限這類產品在人密場景下非常危險。5. 具身智能的下一步榜單之外的冷思考5.1 數(shù)據(jù)才是真正的護城河看這份榜單時我腦子里反復出現(xiàn)一個詞數(shù)據(jù)飛輪。榜單排在前面的公司背后幾乎都有一套高效的數(shù)據(jù)收集和利用體系。機器人公司跟軟件公司不同它獲取數(shù)據(jù)的成本極高要么靠手遙操作采集要么靠仿真生成要么靠真機自主運行積累。前兩者成本高、規(guī)模有限后者需要大量設備已經部署在客戶現(xiàn)場這是一種“先有雞還是先有蛋”的困局。少數(shù)頭部公司已經開始嘗試“客戶現(xiàn)場數(shù)據(jù)脫敏回流”的模式就是在客戶授權的前提下把操作數(shù)據(jù)脫敏后用于模型迭代。這個模式如果跑通會形成巨大的先發(fā)優(yōu)勢機器人用得越多模型就越好然后機器人就賣得越好形成正向循環(huán)。這也能解釋為什么有的公司寧可虧損也要把設備鋪出去因為賣設備本身不賺錢數(shù)據(jù)才是最值錢的資產。我覺得未來兩三年內“機器人數(shù)據(jù)服務”會成為一個獨立品類。到時候榜單的排名規(guī)則可能又得變不再是看誰賣了多少臺機器人而是看誰掌握了多少高質量場景數(shù)據(jù)。這是個值得長期跟蹤的信號。5.2 人形之外的非人形具身智能很多非專業(yè)的朋友一聽到“具身智能”第一反應就是人形機器人這個印象是媒體造成的。實際上具身智能指的是“能在物理世界中感知、理解并執(zhí)行任務的智能體”形態(tài)可以千變萬化四足機器人、機械臂、輪式移動操作機器人、特種作業(yè)機器人都算。榜單里其實也有幾家做非人形的公司但我認為比例還是太低了。從落地速度看固定工位機械臂和移動操作機器人遠比雙足人形成熟。人形機器人要解決平衡、關節(jié)驅動效率、成本、安全等一系列問題短期內很難大規(guī)模商用。所以我的判斷是未來三五年賺錢的主力仍然是輪式移動操作機器人和工業(yè)臂人形機器人會在科研、展示、部分服務場景里慢慢滲透。這次榜單里某智能移動操作機器人公司的上榜恰恰證明了“非人形也能強勢出圈”。資本市場喜歡性感的“人形”故事但工業(yè)客戶只關心 ROI復合機器人已經能算清楚經濟賬了。我相信以后的榜單會出現(xiàn)更多“丑但能干”的形態(tài)。5.3 從業(yè)者現(xiàn)在應該做什么看了這份榜單不同身份的人應該有不同的行動方向。如果你是算法工程師別只埋頭刷榜單論文一定要學機器人學基礎包括運動學、動力學、坐標系變換、濾波器設計這些都是寫實際機器人程序繞不開的東西。純大模型背景的人做具身智能前期會被這些“臟活”折磨得很難受但跨過去之后你的競爭力會非常強。如果你是技術管理者建議把“可靠性測試”和“失敗分析”提到最高優(yōu)先級。榜單里排名上升快的公司一定是在故障修復速度上下了大功夫。要給團隊設定明確指標比如機器人平均無故障運行時間、單次故障恢復時間、遠程運維覆蓋率。這三個指標比任何算法排行都有意義。如果你還只是對這個領域感興趣的愛好者我建議不要一開始就研究人形機器人。你可以找一個開源項目比如開源機械臂或者開源仿真環(huán)境先在仿真里跑通一個“抓取-放置”任務感受一下整體流程。然后一步一步把代碼部署到真機上。即便只是一個小小的單臂桌面機器人也能讓你理解什么叫“真實世界的殘酷”。說到底具身智能不是一個短視頻里展示的炫酷 demo也不是榜單上一個冷冰冰的排名它是把算法、機械、電子、控制、數(shù)據(jù)、場景揉合在一起的大工程。這份 TOP20 榜單的意義不在于告訴你誰最強而在于告訴你這個行業(yè)里哪些方向正在被驗證為有效。它的局限是只代表階段性的結果不代表終局。我個人的習慣是每年拿到新榜單第一件事不是看排名而是把去年榜單找出來做個對比看看哪些公司消失了、哪些公司位置變化大再琢磨背后的原因。這種對比往往比榜單本身更有啟發(fā)。最后一個小建議你也不妨把這份榜單當作行業(yè)地圖沿著每一家公司的技術路線去搜它們近半年發(fā)布的專利和工程論文。別急著下結論先畫一遍四象限圖再補上客戶調研。等你自己做完這套功課哪怕最終判斷跟榜單完全不同那也是一種有價值的獨立認知。