出品｜虎嗅科技组
作者｜易玉琴
编辑｜苗正卿
头图｜视觉中国
没有格斗台，没有赛道，依然是宇树机器人。
10月的上海工博会，8.1H展馆一个不起眼的位置，两台宇树G1机器人站在约30平方米的展区内。一台伸手抓取包裹，将其放到指定位置；另一台手持电动螺丝刀，对准螺孔，完成拧紧动作。
两三米外，优必选的轮式人形机器人Cruzr Y1，正将一侧的纸箱逐个搬起，整齐码放到另一侧。再往前走几步，乐聚将工厂产线1:1搬进展馆，四五台Kuavo 5-W机器人分守不同工位，完成拆垛、搬运、上料等作业。
乐聚机器人
相比其他展会，工博会的具身展台是冷清的，这里没有炫酷的表演，只有一遍遍重复的工业操作。
“现在的工业机器人已经很成熟了，具身智能想进产线，得先找到真正有刚需的场景。”展台前，一位前来考察的工业客户向虎嗅表示。
这也是眼下具身圈的一个缩影。
工业被视为具身智能最具潜力的商业化市场之一，但进入门槛并不低。新玩家既要找到传统自动化的空白，还得过生产节拍、稳定性和成本这几道关。
虎嗅在工博会探访及与多位业内人士交流后发现，工业市场的现实需求，正在倒逼具身智能企业调整产品与技术路线，出现几个值得关注的变化：
1.产线开始走向多构型混合部署。人形、四足、机械臂与AMR按任务分工，单机能力要放进整套生产系统中衡量。
2.通用能力开始与单一本体解绑。暂时收窄“通用机器人”的想象，让本体适配工位，让模型和技能跨设备复用。
3.接触判断和柔性物体操作成为突破口。从精密插接到线束装配，机器人开始挑战需要边感知、边调整动作的工序。
4.部署工具成为产品竞争的一部分。数采、训练和调试被整合进软件平台，下一次进厂能省多少时间和人力，开始检验商业化成色。
更棘手的是，传统工业机器人企业也在拥抱“物理AI”，双方正在抢夺同一片市场。
当具身智能走进工业自动化的腹地，面对拥有成熟产品、客户和渠道的传统机器人企业，新玩家究竟能否站稳脚跟？
产线开始走向多构型混合部署
今年的工博会上，一个明显的变化是，不同构型机器人协同作业的展示大幅增多。
一方面，传统工业机器人企业的业务边界正在向外延伸。
越疆就是一个典型代表。这家以协作机器人起家的企业，近年来陆续推出人形机器人ATOM系列、四足机器人Rover X1及双臂机器人等产品。
在其展台，人形机器人负责物料分拣，四足机器人承担转运，协作机械臂完成抓取与装配，多种构型各司其职，协同完成一套生产流程。
看起来，这是一场颇为激进的跨界扩张。但越疆创始人刘培超认为，“这些业务是随着技术积累和客户需求，自然而然生长出来的。”
随着柔性生产需求的增加，单一构型难以覆盖所有工序。工业机器人企业开始将积累多年的运动控制、力控等技术，延伸至移动操作、人形机器人等新形态。
另一方面，传统工业自动化企业开始与具身智能创业公司合作，探索多构型协同落地。
汇川技术联合阿米奥机器人展示了一套钣金件柔性装配方案。面对摆放不规则的零件，机器人自主识别位置、规划抓取路径，再通过双臂协同，结合视觉伺服与力控完成装配。
据阿米奥介绍，这套方案能适配轮式双臂、固定基座等不同构型，并且在客户现场最快3天即可完成部署。
与此同时，汇川技术也计划开放SDK接口、数据采集平台及70多个细分行业的场景资源，将自身的工业经验与具身智能企业的算法能力结合。
这种合作背后，是双方能力的互补。
具身智能创业公司在模型算法、感知决策和灵巧操作等方面积累了新技术，但对工业工艺、客户需求和工程交付的理解仍较为缺乏。而这些恰恰是传统工业机器人厂商和系统集成商的优势。
因此，对于新兴具身智能企业而言，与这些成熟厂商合作，或许是一条更现实的进厂路径。
而对于自动化程度较高的工厂，全面替换现有设备意味着高昂的成本和风险。相比之下，保留成熟设备，让具身智能补齐柔性操作等短板，更容易算清经济账。
当然，从展台演示到真实产线部署，仍有不少工程问题需要解决。但一个趋势已经显现：具身智能想进入工厂，首先要学会成为整条产线的一部分。
通用能力开始与单一本体解绑
“很多具身智能企业是拿着锤子找钉子，但工业场景的逻辑是，先找到钉子，再去造锤子。”一位业内人士这样形容两者之间的差异。
过去两年，不少具身智能创业公司从通用机器人出发，先研发本体、训练模型，再寻找应用场景，希望打造一台能够胜任各种任务的机器人。
但工厂的需求远比想象中具体。即便是同样的上下料工序，不同工厂对物料尺寸、操作精度和生产节拍的要求也不尽相同。
这也在推动具身智能企业重新思考产品路线。虎嗅与多家机器人企业交流发现，行业正在形成一个共识：由场景来定义产品形态，而不是拿固定的人形产品去硬套场景。
因此，今年工博会上的人形机器人，正变得越来越没有“人味”。
轮式底盘、可折叠和升降结构越来越常见；末端执行器也不再一味追求灵巧手，而是根据工序更换夹爪、吸盘等工具。为了满足工业搬运需求，一些企业开始推出体型更大、负载更高的产品。
智元展台上，两台体型较大的精灵G2 Max就颇为显眼。它们采用轮式底盘和可升降躯干，配备两条大负载机械臂。
据现场工作人员介绍，G2 Max双臂额定负载38公斤，峰值可达50公斤，垂直作业范围覆盖0.1至2.5米。可以在不同高度间完成料箱抓取、搬运和码垛。
不过，产品形态越来越专用，并不意味着企业放弃了对通用能力的追求。只是这种通用性，开始与人形等单一本体解绑。
部分企业开始尝试另一条路径：硬件根据具体工序调整，底层模型、操作技能和部署工具则尽可能跨设备、跨场景复用。
例如，同样是抓取、搬运任务，双足人形、轮式机器人和机械臂虽然运动方式不同，但在物体识别、任务理解和部分操作技能上存在共性。这些能力有望通过统一模型和软件平台实现迁移，减少重复训练。
当然，跨构型迁移仍面临硬件自由度、控制方式和数据差异等难题。但一个方向正在变得清晰：机器人的身体可以专用，大脑则需要越来越通用。
接触判断和柔性物体操作成为突破口
具身智能企业正在根据工厂的需求改造自己。但在产线上，它们真正的机会究竟在哪里？
在工博会现场，多位工业自动化从业者表达了相似的观点：能用传统自动化解决的问题，没必要强行引入大模型。具身智能应该盯住那些尚未被自动化充分覆盖的人工工位。
对于标准化程度高、生产节拍稳定的工序，工业机器人已有成熟方案。但在多品种、小批量生产中，频繁调整程序、更换工装往往意味着更高的成本。
这也让接触判断和柔性物体操作，成为具身智能企业重点突破的方向。
汽车线束装配就是一个典型例子。
线束柔软、容易形变，机器人抓取后，其位置和形态也会随之变化。从取线、布线到插接，机器人需要持续感知物体状态，并根据接触反馈调整动作。同时，插接还要确保连接器到位，避免损伤线缆和端子。
它石智航选择了这一场景。在工博会现场，其机器人演示了由具身大模型驱动的线束自动化装配，通过视觉与力控配合，完成线束定位和精密插接。
另一个热门方向是精密插接。
本届工博会上，智元、艾利特等多家企业都展示了光模块插拔，非夕科技则带来了服务器内存条插装。
其中，艾利特将一套光模块生产工站搬进展馆。5台双臂机器人在同一具身大模型的调度下，反复完成光模块对位、插拔等操作。据企业披露，这套方案的操作精度达到±0.1毫米，并已在光通信等相关产线部署。
看似简单的插接动作，实际对精度和力度要求很高。位置稍有偏差，就可能刮伤光模块的金手指，甚至损坏接口。机器人需要根据接触阻力，及时修正动作。
类似的需求还存在于无序分拣、柔性包装等场景。这些工序的共同特点是物料状态或环境存在不确定性，难以完全依靠预设轨迹完成操作。
当然，传统工业机器人结合视觉、力控等技术，也能处理部分复杂操作。具身智能想创造额外价值，关键在于减少换型编程和工装改造成本，让同一套系统适应更多物料和工况。
不过，目前不少成果仍处于展示或场景验证阶段。要真正进入产线，还需要证明其生产节拍、长期稳定性和综合成本能够满足工业客户的要求。
部署工具成为产品竞争的一部分
即使机器人能干活，也未必意味着企业能赚钱。工程交付是另一道门槛。
对于工业客户而言，机器人只是生产系统的一部分。从工艺分析、设备部署，到与PLC、MES等系统对接，再到后续调试和维护，都需要专业人员参与。
如果每拿下一个订单，都需要工程师重新开发、调试，企业就很难摆脱定制化交付的困境。因此，部署工具也成为越来越多企业竞争的焦点。
例如，乐聚推出的工业具身软件平台Taskor，主要解决技能编排、多机调度和系统对接等问题。工程师可以通过图形化工具配置作业流程，再部署到多台机器人，并与工厂MES系统对接。
智元则推出Genie Studio Agent，将视觉感知、运动控制、导航等能力封装为可调用模块，让用户通过拖拽组件完成任务编排。
这些工具都指向同一个目标：降低部署门槛，让机器人进入下一家工厂时，能够少花时间、少用工程师。
与此同时，数据也开始成为竞争的重要资源。
工博会上，节卡展示了JAKA AiHub平台，能够采集、存储和管理机器人在真实场景中的视觉、动作及状态数据，用于后续模型训练和迭代。
相比实验室和专门的数采场，真实工厂拥有更加复杂的物料、工况和操作数据，尤其是异常处理、接触反馈等信息，有助于提升模型对实际生产环境的适应能力。
当然，这些数据也涉及工厂的核心工艺和商业机密，能否获得客户授权并实现合规利用，同样是一道门槛。
对于具身智能企业而言，进入工厂既意味着获得订单的机会，也意味着积累真实数据、反哺模型迭代的可能。
因此，未来工业具身智能的竞争，除了机器人本身的能力，还要看谁能将数据、模型和部署经验沉淀为可复用的工具，真正降低下一次进厂的成本。
结语：谁会改写工业机器人的旧秩序？
具身智能正在经历一次角色转换：从试图用通用机器人改造工厂，到主动融入现有工业体系。
但这场融合背后，也隐藏着新的利益博弈。
具身智能企业需要传统厂商的客户、工艺和交付网络，后者同样希望借助AI补齐柔性操作能力。双方既是合作伙伴，也可能成为未来的竞争对手。
问题在于，具身智能企业即便成功进入工厂，也未必能掌握市场的主导权。 如果客户、渠道和系统集成仍掌握在传统厂商手中，新玩家最终可能沦为算法或本体供应商。
因此，未来工业机器人行业的竞争，可能不再以人形机器人和传统工业机器人划分阵营。随着技术边界逐渐模糊，谁能掌握客户需求、主导系统方案，并将技术转化为可规模化交付的产品，谁才更有机会占据产业链的核心位置。
具身智能或许能够打破工业机器人的技术边界，但要改写原有的产业秩序，还需要争夺技术之外的话语权。