天下无双

从舞台走向商业：人形机器人真实落地困境 过万销售背后订单真相_我的网站

A |     2026世界人工智能大会（WAIC）期间，摩尔线程披露，一款236B参数的MoE模型基于国产万卡级集群训练，一款具身智能大脑模型，基于国产千卡集群训练，此外，北京大学EvoPhys团队首个全球5D世界模型EvoPhys-World的全栈原生训练，全程由MUSA软件栈提供底层支撑。

B |          其中，MoE-236B模型基于25T+语料，在摩尔线程国产万卡级集群上从零起步完成预训练到长窗口训练的全流程，有效训练时长占比超过90%。         “高精度”是摩尔线程反复强调的能力，摩尔线程高级副总裁董龙飞提到，它指的不是单次计算的数值精度，而是模型在不同GPU平台间迁移训练时的结果对齐能力，即相同模型架构、训练数据、超参数下，能否获得稳定、可比的训练结果。         摩尔线程给出的具体数据是，在DeepSeek一类MoE模型上，与国际主流GPU做对比训练，前3万步的平均相对误差控制在万分之六以内。    　　8月的北京，世界机器人大会（WRC）的场馆内人声鼎沸。摩尔线程还以500B至5T不等规模的数据做过多轮实验，称基于相同卡数、模型配置和训练流程，摩尔线程平台训练所得模型在下游Benchmark评测中的得分与参考平台基本一致，部分指标更高。

C | 双足机器人跳着轻盈的华尔兹，机械臂在展位间精准挥剑，炫目的技术展示让人目不暇接。然而，在热闹的舞台背后，与会的投资者与产业界人士更关心一个更为现实的话题：当聚光灯熄灭，这些机器人能否走出实验室，在真实的商业环境中投入使用？　　世界机器人大会某企业展出的人形机器人（图片来源：财联社记者摄）　　中国电子学会理事长徐晓兰在主论坛上的判断被反复引用：“人形机器人正从‘舞台上动起来’‘赛场上跑起来’向‘家庭里用起来’‘工厂里干起来’加速进化。”这届机器人大会第一次把“产需”放在大会主题中，机器人行业叙事正式从“能做什么”切换到“干活效率够不够高、经济账算不算得过来”。         摩尔线程与北京大学EvoPhys团队合作训练的5D世界模型EvoPhys-World，基于MTT S5000完成全栈原生训练，在WorldScore“世界生成”维度连续37天排名第一，该项目获得摩尔线程“灯塔计划”支持，这是国内第一次由中国科学家在中国算力设备上完成的原创世界模型工作，也是“国芯训国模”的一个分水岭。　　人形机器人出货量大增 表演仍是主要用途　　如果将时针拨回两年前，彼时的展台上更多的是遥不可及的概念机。         此外，北京智源研究院的RoboBrain 2.5具身大脑模型，基于FlagOS-Robo框架，依托摩尔线程MTT S5000千卡智算集群，双方成功完成RoboBrain 2.5的全流程训练。首次验证了国产算力集群在具身智能大模型训练中的高可用性与效率。

D | 而今天，行业已呈现出明显的分化：头部企业已叩开万台级量产大门，而部分企业仍停留在概念演示阶段。

E | 　　本月Counterpoint Research最新发布的人形机器人研究报告数据显示，2026年上半年全球人形机器人出货量突破2.2万台，同比增长近300%。同时，报告预计，2026年全年全球人形机器人出货量将突破5万台，同比增长210%。         摩尔线程创始人、董事长兼首席执行官张建中将AI产业按功能拆分为三类“工厂”：模型训练工厂、词元生产工厂、智能体生产工厂。

F | 三者共用同一套全功能GPU架构，这也是摩尔线程与专用芯片路线（ASIC）厂商的核心分野。　　世界机器人大会（图片来源：财联社记者摄）　　国内渠道与数据佐证了这一变化。京东智能机器人业务部徐磊在圆桌论坛上透露，2026年仅人形机器人单品类销量就已达到万台级别，同比增长达9倍。

G | 　　主机厂端也做好了量化生产的准备，国内首家上市的人形机器人企业优必选副总裁、具身智能与人形机器人研究院院长焦继超表示，公司硬件关键零部件已实现规模化量产，2026年将形成万台级产能。

H | 　　但这只是硬币的一面。

I |          词元生产工厂方向，摩尔线程重点展示了基于MTT S5000的PD分离异构推理方案，将算力需求大的Prefill（预填充）计算放在S5000上，将带宽需求高的Decode（生成）计算放在国际主流GPU上，两者异构分池部署。         张建中在演讲中给出的数据是，异构组合后整体吞吐量较原有方案提升近2倍，并给出算式，“3台S5000+2台国际主流GPU≈9台国际主流GPU”。与头部企业的量产节奏形成鲜明反差的是，展会上大量人形机器人参展产品仍以表演功能为主。　　瑞为技术CEO詹东晖对财联社记者表示：现在人形机器人仍是炫技的多，距离真正的商业价值变现，或者说给B端或C端的场景客户带来价值，其实技术里面还有很多的难点。　　Counterpoint Research报告显示，上半年全球人形机器人销售用途中，文娱表演类占33.6%、数据生产与科研用途占27%，两项合计超六成，服务引导领域人形机器人出货量占比约19%，真正进入智能制造和仓储物流的不到两成。

J | 董龙飞补充表示，这类异构方案的性能比任何同构方案都要高50%以上，其中很大一部分收益来自KV Cache的调度优化，在类似OpenClaw这样反复调用本机命令行工具的场景下，缓存命中率可达90%，相当于节省90%的算力。未来五年，服务业和工业应用场景将取代娱乐表演和数据生产研究领域，成为带动人形机器人需求增长的核心引擎。　　具身天工人形机器人（图片来源：财联社记者摄）　　从舞台到商业落地应用真实困境：泛化缺失、工程鸿沟与成本　　为何从演示到商业落地如此之难？　　宇树科技董事长王兴兴在会议主题演讲时指出：“目前全球最大的瓶颈是具身智能的泛化能力不足。         据悉，过去一年，国产大模型发布后到完成硬件适配的周期已从“数月”压缩到“发布即适配”（Day 0适配），部分大模型厂商现在会在模型规划部署阶段就与摩尔线程同步“共研”，而不是等模型发布后才启动适配工作。

K |          在具身智能方面，早期VLA/VLM类模型参数在5B至14B之间，主要部署于端侧；当前的世界模型路线不再依赖语言输入，直接处理物理世界，参数跨度更大，实现高质量具身控制大致需要10亿参数级别模型在端侧运行，同时配合千亿级（1000B）及以上模型在云端协同。”他解释称，在固定场景下，机器人的任务成功率可接近100%，但一旦更换物品或环境，成功率便会大幅下滑。　　这种“一换就废”的特质，直接限制了其在复杂多变场景中的商业价值。

L | 目前具身大模型技术派系众多，从VLA架构到世界模型，行业尚未形成可工程化落地的统一技术路径。摩尔线程正基于自有万卡级集群持续进行万亿参数模型的训练验证，但未公布具体进展和时间表。

M |          提及算力供应话题，董龙飞表示，中国的算力建设是面向未来十至二十年的基础设施投入，短期供不应求属于正常现象，以铁路、高速公路等基建类比，中国GPU或算力企业远未发展到“供过于求”的地步。

N | 　　越疆机器人展台工作人员告诉财联社记者：“现在人形机器人实际商业落地技术方面的难点还是在大脑方面，协作机器人具备小脑的运控能力。而人形机器人还需要能推理出自己要做什么，并在此基础上还能精准的去做到它想要做的动作，实现大小脑的协同。

o | （本文作者 | 张帅，编辑 | 杨林）          更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App。

p | 公司为此推出了自己的世界大模型。”　　英伟达物理 AI 平台产品与技术营销高级总监黄敏珊（黄仁勋之女）参观越疆机器人的人形机器人（图片来源：财联社记者摄）　　除了“大脑”，本体的可靠性是商业化落地交付的硬门槛。

q | 　　由于缺乏统一国标，批次一致性难以保障，成为量产爬坡的核心痛点。焦继超也提到，在万台级量产爬坡中，制造效率、良率以及软硬件标准化的缺失，都是巨大的挑战。

r | “目前还没有一个完整的体系去保证万台后整个产品的一致性、稳定性、可靠性。”　　对于投资者而言，即便有订单，企业能否在保证质量的同时控制成本实现盈利，仍是巨大的问号。　　星动纪元联合创始人席悦判断产品市场匹配有三个信号：第一看需求；第二看复购；第三看经济模型是否跑得通。他认为，现在越来越多的客户开始愿意真实探讨ROI，“只要效率做到极致、稳定性做好，成本算的过来，客户一定会选用的。”　　机器人商业化订单拆解 需求、功能与经济账　　热度之下，具身智能机器人的真实订单结构是资本市场最关注的焦点。记者在会场采访中发现，当前行业试点项目遍地开花，但真正实现规模化采购与持续复购的客户屈指可数。　　业内人士普遍表示，工业客户只有当机器人在2-3年内回本时，才会形成批量采购。

s | 当前高昂的BOM成本（即：物料成本），使得人形机器人仅能在部分招工难、人力成本高的工位具备替代经济性。　　签约订单不等于交付，交付不等于稳定运营，稳定运营不等于客户复购。京东智能机器人业务部负责人徐磊说得更直白：“具身智能产品的转化率比传统的消费电子手机数码产品差数十倍。但当下也有细分品类找到了很大规模，扫地机器人一年也有百亿规模，如果跟需求匹配，可能未来具身智能机器人万台以上交付或者规模化不是问题。”　　从场景端来看，落地呈现“B端先行，C端滞后”的特征。财联社记者在调研中发现，那些能够精准切入刚需场景、算清“经济账”的企业，已经获得了真实的商业回报。　　“为什么在已经有了协作机器人的基础上，我们还是想让人形机器人进入工厂，是因为人形机器人的形态和功能会更加灵活。”越疆机器人的工作人员表示，“公司人形机器人目前在工业上有一些落地应用，现在已经实现工厂搬运和组装工作，另外做咖啡、做奶茶、做炸鸡的人形机器人以及按摩理疗类的已经比较成熟。”　　在工业与仓储场景中，目前人形机器人开始切入分拣、搬运等粗活，瑞为技术机场行李转运机器人在实测中达到99.9%的搬运准确率，瑞为技术创始人詹东晖在财联社记者采访时提出，机器人走向商用必须跨越工程化能力、成本控制等卡点，“从炫技走向商业化落地，人机协同是必经之路。

t | ”在机场行李转运场景中，瑞为科技采用“8020模式”（机器人处理80%标准行李，人工处理20%异形件）来实现价值最大化。更值得关注的是瑞为科技正尝试从“卖设备”转向“卖服务”，按搬运件数收费，甲方将从设备采购方变为服务采购方，公司为服务结果负责，甲方则只需要考虑“经营成本账”。　　在采访会场上下游多家企业人士后，财联社记者发现各家对于行业发展的判断有较强的趋同性：具身智能机器人的落地是阶梯式推进的过程，巡检、安全等高危险商用场景已经率先放量；随后将向工业搬运、仓储分拣等高体力场景渗透；之后再向更复杂的商业服务延伸。而被寄予厚望的C端家庭场景，业内普遍认为落地周期最为漫长，快则两三年，慢则五到十年。　　席悦认为，人形机器人在家庭场景的功能也会分步实现，首批进入家庭的机器人可能是陪伴与交互型的，之后才会逐渐实现复杂的家务工作。　　某人形机器人（图片来源：财联社记者摄）（文章来源：财联社）。

Current article:http://3xcx3d.gaxuexiazengpian.pics/wf3n/tbo.html

Published on:10:43:17