重新认识具身行业，从自变量的这封邀请函开始

最近，雷峰网收到了一封奇特的发布会邀请函：打开包装映入眼帘的，居然是一张气泡膜卡片，令人摸不着头脑。 可当雷峰网看到邀请函里的内容，才恍然大悟。 原来主办方自变量机器人的意思，是想在4月21日即将举办的发布会上，戳破具身智能行业的“气泡”。 的确，具身智能行业的很多现象，就像气泡一样，一戳就破。 有多位投资人向我们表示，一些在外人看来很惊艳的效果，实际上并没有太多“含金量”，问几个问题便知深浅。 所以，这种“气泡”的本质，是一种认知差。 具身智能本就是交叉学科，自身的复杂性决定了其难以用日常生活经验理解，因此业内人士和普罗大众对于具身智能的认知存在着巨大偏差。 而戳破气泡，就是要打破这种认知差，还原行业最真实的底色。 同时也能让大家明白，各类语境下所谓的“拐点时刻”，并没有那么容易到来。 但批判从来不是目的。 相较于戳破行业气泡，重建一套客观公允的行业评价标准，传递真实、可信的产业信号，才是这场祛魅行动真正的内核。 热潮之下，细数具身智能行业的四大「气泡」任何新兴行业，都会经历从喧嚣到理性的过程，具身智能也不例外。

当下具身行业里，就普遍存在着四类认知偏差：评分气泡：打榜成绩亮眼≠模型能力强大各类评测榜单向来是行业技术水平的直观参考，但目前具身行业尚未形成统一、权威的评测标准，榜单数据的参考价值存在一定局限性。 首先，评测体系缺乏统一规范，榜单公信力有待提升。 不同机构、厂商推出的榜单，评分维度、考核指标差异较大，甚至部分整机厂商自建评测榜单，种种原因共同导致行业内出现多家企业均宣称“排名第一”的现象，难以横向对比企业的真实技术实力。 其次，部分榜单不同的硬件却用同一套“考卷”，公平性存在优化空间。 某位头部具身公司创始人与AI科技评论谈及打榜时提到：“其实我们打这个榜单是吃亏的，因为我们是基于自己的硬件来测试，反而PI这种没有自己硬件的会沾光，因为他们数采和训练模型用的硬件和平台的一样。 ”还有一个问题是，预设任务无法体现开放环境中的自主推理与泛化能力，过去的 Benchmark 多为标准化考题，机器人按预设流程执行即可得分，无法验证核心能力。 因此单看打榜成绩，很难对模型能力得出客观评价。 不过，这种情况已出现了了转机。

目前，行业渐渐开始发力无预设、动态化、开放环境评测：引入隐藏任务、随机干扰项、非结构化场景，不再考核“复刻动作”，而是聚焦机器人的自主推理、环境泛化与临场决策能力。 此外，新一代 Benchmark 开始绑定真实硬件形态，区分不同机身、末端执行器、传感器配置，同时引入多机并行测试，验证量产一致性。 随着行业各方的努力，“评分气泡”有望变得越来越小。 技能气泡：会表演≠能干活人形机器人的动作演示常被用于技术展示，但舞台演示能力与产业实际作业能力，分属两种不同的技术维度，二者不能混为一谈。 舞台演示侧重肢体运动的流畅性与观赏性，以复刻预设动作为核心，考验的是运动控制能力（Locomotion），或者叫具身“小脑”能力；在工业、民用场景下实际作业，考验的则是末端操作（Manipulation），与模型能力息息相关。 从技术门槛来看，末端操作的实现难度更高。 这不仅需要高适配性、高精度的末端执行硬件作为基础，还需要多模态感知、亚毫米级的空间定位和力控、长程推理能力，这才是机器人“干活”所需要的核心能力。 样品气泡：视频“能打”≠现实可靠当前具身行业内，各种DEMO演示视频被广泛传播，被用作展现技术最新进展。

这些DEMO虽然能让人眼前一亮，但往往无法反映真实的可靠性。 一方面，演示视频存在样本选择性，难以反映真实运行成功率。 实验室环境下的流畅演示，往往经过多次调试与场景优化，部分视频素材为筛选后的成功案例，辅以剪辑优化，无法全面体现机器人在连续运行中的失败率、容错率等核心指标。 另一方面，单台样机的可行性，无法代表规模化量产的稳定性。 单体样机在理想环境中可完成指定任务，但当产品量产规模扩大、运行周期延长、应用场景趋于复杂时，硬件损耗、系统适配、环境干扰等潜在问题会逐步显现。 商业气泡：订单繁荣≠真实生产力随着具身智能企业加速量产，各种订单信息层出不穷，但考虑到订单数据的统计口径与应用场景存在差异，不能将其直接等同于产业生产力的规模化落地。 首先，订单统计标准不统一。 行业尚未明确区分意向订单与确定性订单，“小订” 与 “大订” 的履约约束力差异显著；同时，小型人形机器人与大型人形机器人在量产难度、技术壁垒上差距较大，同质化的订单统计方式，容易模糊产品的实际落地价值。 其次，订单来源结构多元，市场化采购占比有限。

部分公开订单来源于关联合作、政府示范项目及短期试点，这类合作以场景验证、技术展示为主要目的，并非基于企业生产刚需的市场化采购，可持续商业化价值有待验证。 再者，订单应用场景集中，生产力属性尚未凸显。 即便是市场化采购订单，目前也多集中于科研教育、数据采集、展会展演等领域，主要服务于技术研发与品牌推广，真正落地于工业生产、商业服务等生产力场景的规模化应用，仍处于初步探索阶段。 客观而言，上述行业气泡，是具身智能作为新兴赛道发展初期的阶段性现象，无需过度苛责，甚至可以说尽早暴露问题其实是一件好事，意味着行业玩家们可以及时矫正、调转船头。 干扰消散，行业真正的核心信号已然浮现如果测试分数、舞台表演、视频花活、纸面订单都不具有足够的说服力，那么标志着“拐点时刻”到来的真实信号到底是什么呢？ 结合头部具身智能企业的动作来看，这样的“真信号”至少需要达到三个标准。 标准其一：大脑能力突破，完成从预编程到自主推理的进化。 很长一段时间里，具身智能行业的重心都在本体和“小脑”，以运动控制能力著称的宇树科技，便凭借动作灵活的机器人多次登上春晚。

但一个明显的信号是，即便是硬件领域的佼佼者，也开始焦虑于“大脑”的缺失，比如去年宇树开始积极寻找大脑供应商，补齐模型能力。 资本市场的偏好，也侧面反映了大脑能力的重要性。 当前国内估值最高的几家具身企业，如银河通用、星海图、自变量机器人，都把模型能力放在了首要位置。 自变量创始人王潜更曾公开表示“AI是第一性的，硬件是第二性的”，要由AI定义硬件。 而为了突破模型能力，制约模型发展的数据瓶颈更是成为了行业新的攻坚高地，多家头部企业已喊出构建“百万小时数据集”的目标，一座座数据工厂接连在全国范围内建立。 具身数据的“scaling laws”被彻底验证、模型自主推理能力产生飞跃的那一天，便是具身智能的拐点时刻。 标准其二：在真实场景中持续稳定运行，完成从“可演示”到“可依赖”的进化。 当前具身智能行业内外，最受关注的话题莫过于“落地”。 “机器人究竟能帮我们干哪些活？ ”是对每个具身企业的灵魂拷问，机器人可依赖的程度，也决定了我们离拐点时刻还有多远。 在商业领域，餐饮、文旅成为最火爆的场景，制作咖啡、甜品的机器人已在各地部署。 至于商超、酒店等场景，相关厂商也在通过迭代产品，提供更智能化的服务。

在工业领域，3C电子、汽车零部件、新能源产线正成为核落地场景，机器人承担装配、检测、巡检等高危、高重复、高精度工作，部分厂商的产品已经过POC验证。 家庭场景落地进程相对较慢，不过轻量型陪伴机器狗、家用小型机器人价格已下探到万元级，同时也有厂商尝试与家庭服务平台合作，探寻机器人在家庭落地的新渠道。 的确，这些真实环境中的落地还不够完美，但至少已经走出了实验室，迎接商业的考验。 有了“从0到1”，接下来便是从1到100的进化。 标准其三：跑通ROI闭环，完成从“能干活”到“能赚钱”的进化。 “算账”，是具身智能赛道最现实的一道关卡，也是最难的一场考验。 虽然目前在工业、商业场景中尚未普遍实现稳定的正向ROI，但所有玩家都在朝这个方向死磕，让机器人赚回自己的成本。 当投资人开始询问机器人的“单机日均产值”而非“算力参数”时，行业才真正进入了深水区。 戳破气泡，是为了让具身智能走得更远回到开头，自变量这封别具巧思的邀请函，不仅是邀请我们参加发布会，更是邀请整个行业回归理性、落到地面。 他们想传递的，不是质疑，而是一种长期主义的清醒。 对行业而言，厘清认知偏差，是最好的自律。

告别榜单内卷、演示内卷、营销内卷，把精力放回技术研发与场景落地。 透明的认知，会倒逼行业形成良性竞争，让真正有实力的企业，被看见、被认可。 对市场而言，降低非理性预期，是最好的包容。 具身智能是一条长坡厚雪的赛道，没有一蹴而就的飞跃，没有立竿见影的落地。 正视技术的难度，尊重发展的规律，多一点耐心，少一点浮躁，就是对行业最大的支持。 厘清认知气泡，方能看清发展本质。 告别片面化的成果展示，聚焦技术与落地的双重深耕，具身智能行业的高质量发展，藏在每一次场景落地的实践、每一项技术的稳步突破之中。