WRC 2026 主论坛上，五位具身智能一线负责人给出了一个直白的判断：具身机器人量产的最大卡点不在模型能力，而在交付——从一台机器人走到一万台。优必选今年喊出「万台工业人形机器人」目标，刚上市的宇树宣布累计下线 1.8 万台，而众擎、加速进化、智身科技、优必选、京东的五位嘉宾把真正的墙指了出来：大脑可靠性要从 99% 做到 99.99%，批次一致性还没有行业标准，产品也还没找到被验证的需求匹配点。
卡点在交付，不在演示
WRC 2026 依旧壮观，但热闹底下行业在悄悄转向：做双臂轮式的开始做人形（银河通用 ET1「星仔」），做人形的也开始做双臂轮式（优必选 Cruzr Y1/S2 现场搬箱码垛）；世界模型成了所有论坛的高频词；傅利叶则用半人马形态优先保证落地稳定性。这些变化背后是同一个问题：具身机器人到底怎么规模化量产？
产业人士普遍把「百万台」当作量产真门槛，去年不到两万台的人形机器人「量产」要打引号。今年优必选提出量产万台工业人形机器人，宇树官宣累计下线 1.8 万台。主论坛请来众擎创始人兼 CEO 赵同阳、加速进化创始人程昊、智身科技联合创始人刘宇龙、优必选副总裁兼具身智能研究院院长焦继超、京东智能机器人业务部负责人徐磊，专门拆解万台交付背后的困难。
从一台到一万台，要翻过几堵墙
大脑可靠性：从 99% 到 99.99%。赵同阳算了一笔账：成功率 99% 意味着执行 100 次任务可能有一次回不来，现实场景没人接受这种可靠性，大脑必须从 99% 提升到 99.99%。程昊补充：硬件一致性（上百台机器人方阵动作整齐）和小脑能力（通用运动控制、视觉-运动结合、全身控制）已在成熟，但具身大模型技术路线未收敛，还没到工程化落地阶段。
硬件指标与批次一致性。刘宇龙说，交付第一卡点是硬件：有限自重下扛住足够负载，还要满足高低温、连续工作时长等底线指标。第二卡点是批次一致性——万台交付要求不同批次良率、工艺、评测、交付状态一致，但具身机器人还没有像汽车、无人机、家电那样形成行业标准，需要上下游协同共建。
制造流程与两三年回本。焦继超强调，万台量产挑战的是产线本身，制造效率不能靠加人。从研发立项、NPI 导入到批量采购、质量管控都需要标准化流程；生产到第 100 台、第 200 台发现问题的工程变更能否快速进厂，直接决定一致性。而工业客户最终只算一笔账：机器人替代工位后，BOM、交付和运维成本能不能在两年、最多三年内收回来。
需求匹配。徐磊用销售数据说话：目前具身产品转化率远低于消费电子和手机，产品与需求还没收敛；「一旦找到真正的需求匹配点，万台以上交付就不是最大的问题」。
终局是赢者通吃吗？
徐磊认为现阶段必然百花齐放，规模化后技术与场景会收敛，但长期会按场景和领域细分。赵同阳判断一定会走向集中：机器人融合大模型、硬件、生态和软件，最终可能出现一两家苹果或微软式的平台型企业，就像智能手机时代头部拿走大部分利润。焦继超看到的是供应链集中（电机、减速器、具身芯片）和硬件平台集中，应用层保持丰富——只是具身软硬件深度耦合，本体企业可能要具备全栈和平台能力。刘宇龙则认为教育、工业、商业、消费各自都会出现头部企业。
程昊给出最清晰的三阶段框架：本体阶段 → Agent 阶段 → 模型阶段。现在还在本体阶段所以百花齐放；进入 Agent 阶段，本体和系统收敛为少数平台，应用越来越丰富；再到模型阶段，具身大模型进一步整合应用。通用与专用设备并行——智能手机出现后，相机并没有消失。
大脑与本体要不要同一家做？焦继超认为数据与本体高度相关，电机参数、构型不同，跨本体迁移很难，软硬件深度匹配是更有效的路线。徐磊和程昊认为终局应解耦——程昊拿 20 世纪 70 年代末的 BASIC 类比：现在具身还很早期。赵同阳的结论：想成为苹果，就要把灵魂和肉体结合起来。
具身大模型最缺什么
刘宇龙：缺真实有效的数据。虚拟大脑与真实身体的差异很大，真实数据在数量和质量上都远远不够；人形机器人还要移动、操作、跑长程任务，问题会被放大。焦继超：一是数据类别，力觉、触觉数据远不如文本图像丰富，获取方法也不成熟；二是模型架构，现有多模态架构多从 NLP 迁移而来，未必适配具身数据，未来需要专门的新架构。赵同阳：泛化能力——客户需求近乎无限，每个需求单独训练，你就分不清是在做专用工具还是通用机器人。程昊的比喻：现在像拨号上网时代，用户期待的是 5G；但大脑不必到终态才能卖——拨号时代电脑也卖出了巨大销量，GEN-1.5 这类「看几秒演示就学会新任务」的机器人基础模型证明能力在快速进步，但数据与泛化仍是硬约束。
现在该做什么：从简单任务开始
赵同阳给了三个入口：巡逻、巡检、安保、物业（行走和视觉已经够用）；工业里粗活、累活、容易疲劳受伤的风险类和搬运类任务；以及生态——开放本体和底层能力让第三方开发应用，几百名工程师覆盖不了所有行业。家庭是相对靠后的场景。焦继超判断工业端会率先放量，工业客户需求迫切、对价格相对不敏感；他也看到情感陪护的真实需求——不只是对话，还要有动作和微表情反馈。刘宇龙的路径：科研、文娱，再到四足训练、巡检、应急消防这些危险重复的刚需，然后进入工业商业 ToB，最后走向消费端。程昊的规律：ToB 和 ToC 都从简单任务开始，从 WAM 到 WTM 的 KPI 转向与需求匹配是同一枚硬币的两面——谁先把简单任务做透，谁的具身先落地。
这场讨论的结论很一致：规模化应用不存在「等技术全部成熟再统一启动」的时刻。大脑、硬件、生产、标准、成本和场景需求互相牵引。企业要做的，是先找到机器人当下能稳定完成、又确实创造价值的任务，靠真实交付建立数据闭环，再逐步进入复杂场景。万台交付只是起点，比数字更重要的是：交付之后，这些机器人真的被用起来了吗？
常见问题
Q：为什么 99% 的任务成功率还不够？
A：99% 意味着执行 100 次任务可能有 1 次回不来，现实部署无法接受。WRC 2026 产业共识是可靠性要做到 99.99%，这是当前万台交付最大的卡点。
Q：哪些机器人场景会先起量？
A：巡逻安保、工业脏活累活和 ToB 场景先于消费端。工业客户需求迫切、对价格不敏感，核心算账标准是替代工位后能否在两到三年内回本；家庭服务排在最后。
Q：具身智能会赢者通吃吗？
A：更可能是平台集中而非一家独大：出现一两家苹果/微软式平台企业，电机、减速器、具身芯片等供应链环节集中，应用层保持丰富，并按「本体→Agent→模型」三阶段演进。
