2026年被业界广泛视为人形机器人与具身智能的规模化商用元年。目前，国内整机企业数量已超140家，发布产品超330款，出货量占全球总出货量的84.7%。政策层面，“十五五”规划纲要明确将具身智能列为新的经济增长点；2026年《政府工作报告》将其作为新质生产力的核心载体重点培育。6月9日，工业和信息化部、国务院国资委联合印发通知，正式启动2026年度人形机器人与具身智能实景实训专项行动。依托2026年发布的《人形机器人与具身智能标准体系（2026版）》，全链条标准体系正在加速构建。

然而，产业热潮之下，真正的挑战刚刚浮出水面。具身智能的落地能力，既取决于算法和本体，也取决于核心零部件、精密制造、快速试制、系统集成与供应链组织效率。当机器人走出实验室，真正决定产业未来的，从来不只是机器人本身，更是背后的供应链能力。

正是在这一背景下，6月16日，2026张江具身智能供应链大会特设“具身智能机器人产业链技术攻关与协同制造”圆桌对话，由国家自然基金委高技术中心研究员、科技部专业技术二级刘进长主持，邀请具识智能COO秦学、傲意科技CMO王振坤、上海征和机器人CEO徐咏雷、福莱新材AI算法总监廖永兴四位嘉宾，围绕产业链协同、技术攻关与规模化量产展开深度对话。

01.

从“具身”到“具识”：机器人缺的不是大脑，是生态

刘进长：这次圆桌论坛我们聚焦落地问题，谈供应链和产业链。基于近期的研究，我有三个基本判断：第一，具身智能是大国博弈必须经历的强力竞争赛道，必将形成巨大产业；第二，中国在这场竞争中一定能够取胜，因为我们拥有强大的产业链和供应链，中国制造业自2011年起已是世界第一，工业机器人的半壁江山都在中国；第三，2026年将成为具身智能机器人量产的元年。既然要量产，供应链和产业链问题就至关重要。我们邀请了四位行业优秀的创业者，共同探讨万台级机器人如何协同制造，如何造出能用、好用、皮实耐用的具身智能机器人。

刘进长：“具识智能”与“具身智能”有何区别？为何取这个名字？

秦学：我们认为光有身体不够，必须有意识和认知，才是真正聪明的智能体，所以取名“具识”。从这个角度也能看出，具身智能产业类似当年的手机产业，早期做手机的都是通信工程背景，后来计算机领域的人进来了。具身智能也是两条线：一条是机械、机电、自动化背景的“身体”路线，另一条是VLA等大模型的“大脑”路线。

具识智能COO秦学

刘进长：你所在的是“大脑”路线。如果我们要实现跨场景、跨本体的通用能力，现在还缺什么？

秦学：身体和大脑必须协同发展，不能偏废。大模型做任务规划已经足够聪明，但从大模型到智能体在机器人上的实际应用，中间存在一个缺口，除了聪明的大模型和Agent框架，还缺少专业的本体模型和领域know-how，才能把事情真正办好。

刘进长：你们预计多久能研发出让人愿意用实用的大脑？

秦学：关键缺口不是大脑本身，而是生态。以手机类比：我们每天用Word写文档，用滴滴打车，用美团点外卖，用微信聊天，用抖音看视频，这些都是在手机平台上由专业开发者开发的专业应用。机器人未来也一样，不会有一个大模型或Agent包揽所有工作。如果手机上的Agent要帮你点外卖，它会调用美团，而不是自己给饭店打电话下单，如果真有一个模型跳过美团自己干，互联网厂商群起而攻之。所以智能体一定是术业有专攻的。这也是为什么前两年讲“人形机器人”，现在却更多提“具身智能”，我们看到的机器人进工厂干活，下身是小车、上身是双臂，这是自动化技术的自然延伸。

02.

灵巧手迈向工业应用

刘进长：操作能力将是我们能否跨越“死亡之谷”的关键。傲意科技已进入量产阶段，目前年产万台，在规模化生产过程中面临的最大问题是什么？

王振坤：最大的挑战有两个。一是产品一致性的控制，规模化生产需要标准化、自动化的产线，以及标准化的老化测试环节。几百台时可以用工程师手工调校，但到了十万台、百万台级别，必须依靠工艺流程和标准化操作。二是性能提升，特别是寿命问题。目前灵巧手标称寿命大约是50万次，顶级产品也就是这个水平。但在工业高频次使用场景，一两个月就能消耗50万次。要真正达到工业级可用，寿命需要至少延长到200万次以上，这对电机优化、结构设计、生产工艺都提出了巨大挑战。

傲意科技CMO王振坤

刘进长：傲意有没有目标，什么时候可靠性能够达到200万次？在什么时候把我们的手做成最可靠的手？

王振坤：我们从2017年做智能仿生手起步，当时国内买不到合适的电机，从德国采购又太昂贵，于是我们自研电机。目前灵巧手所有电机都是自研的。针对落地应用场景的需求，我们研发团队已经扩充了四五倍，主要聚焦电机方面的攻关。我预期一年左右可以推出200万次寿命的灵巧手，成为标准化的量产产品。

刘进长：征和机器人是上市公司征和工业孵化出来的，他们利用链传动技术的积累做灵巧手。请徐总来详细介绍一下。

徐咏雷：征和工业一直是做链系统的企业，产品广泛应用在车规级领域，比如摩托车发动机正时链，我们也是张雪机车的核心供应商，同时供应长安、上汽、吉利、比亚迪、小鹏等车企。征和机器人的初衷，就是把我们在工业、车辆、船舶、农业等场景的理解应用到机器人执行器产品中。除五指灵巧手外，我们也在根据不同场景开发两指、三指产品，覆盖重载、搬运、码垛、分拣等应用。今年1月我们发布了首款产品，后续还有三到四款新产品将在近期亮相，都是针对特定客户场景需求开发的，包括重载、高耐久、抗冲击等要求，我们会将车规级的理念和质量体系引入产品。关于耐久性，我们在实验室测试了约五百万到六百万次，目前正与上海国地中心等专业机构进行系统化的标准测试验证。此外，我们上半年完成了战略升级，除末端执行器外，也在推进数据采集产品和场景落地解决方案，与下游客户在搬运、上下料等场景开展合作，希望今年能在生产制造和车间物流场景看到整套“本体+手”产品的落地。

上海征和机器人CEO徐咏雷

刘进长：链传动有自重方面的特点，你提到要在重载方向发力，有具体场景吗？

徐咏雷：举个例子，我们近期正与某大型饮料集团开展合作业务，全国有大量仓储基地，涉及整箱饮料的搬运、码垛、物流。饮料包装形式多样，有纸箱、塑料软包、硬塑箱等，末端执行器频繁快换很麻烦，需要能长时间稳定工作的重载产品。另外，我们也关注全国邮储物流中大件快递的集散搬运场景，这类场景也对重载执行器有明确需求。

03.

万台量产之路：成本、标准与数据

刘进长：各位都代表了具身智能产业链的关键环节。在大规模交付和应用中，除了各自领域，整个产业链最大的短板是什么？

秦学：产量能上去的前提是产品真正有用，目前离这一点还有距离。核心问题是缺乏真正的生态。回想2007年iPhone刚发布时，很多人质疑为什么要在手机上看视频打游戏，但后来一切都变了。苹果App Store是2010年上线的，第一款火爆的游戏是越南人开发的“点一下屏幕鸟就飞起来”，它让所有人看到了在手机上玩游戏的可能。具身智能和人形机器人现在也一样，如果纯粹从效率和人效比来看，目前让机器人干活没有太大意义。真正的爆发必须有开发者生态，有那些“吃饱了没事干”的人，在机器人平台上开发出让人意想不到、产生共鸣的应用。机器人真正的第一批用户，肯定不会花几万块买个机器人回家洗碗叠被子，一定是为了“爽”、为了好玩，这是我们现在最缺的东西。机器人需要能与我们共情，填补情绪上的需求。

王振坤：以中国制造的实力，只要有量，成本一定能降到合理的水平。现在机器人整体出货量太少，零部件的生产规模上不去。只要体量到了一定级别，成本下降没有技术难度，只是规模化问题。我觉得真正的瓶颈还是在大脑。具身智能这波热潮，是ChatGPT火了半年到一年后才起来的——先有大脑的突破，大家才觉得有了大脑的具身有可能进入工业、家庭、养老场景。制造端的进化空间相对有限，主攻方向仍然是模型和大脑，我们做硬件的是辅助。

徐咏雷：走向万台级量产，瓶颈很多。首先是成本。我们曾邀请合作伙伴定制化研发电机减速机模组，发现数量不够大时价格难以承受，量增加后成本才有下降空间，但这是“鸡生蛋、蛋生鸡”的问题。第二，大模型也是制约发展的因素。我们现在做落地部署，完整具身智能模型还不完全成熟，并且算力资源紧缺。同时，模型的泛化能力、数据质量也是制约因素，不同本体、不同灵巧手采集的数据在通用性上尚未打通，存在数据孤岛问题。此外，机器人和灵巧手的检测标准体系尚未统一，没有车规级那样严谨的标准。零部件层面，减速机、结构件、传感器等需要产业集群协同，把性能做好。落地场景也需要地方政府和协会牵头开放更多应用机会，让产品真正用起来，才能产生数据和迭代模型。

刘进长：你也在做数据采集，如何看待当前的数据采集工作？

徐咏雷：我理解的感受是，需要给时间。数据采集从去年开始广为建设，去年各地还在探索模式怎么跑通，今年各地模式逐渐清晰了。另一个问题是数据质量，目前数据采集的有效率大约是四分之一，采八小时能用两小时。质量提升、效率提高，需要参与方把模式走成熟，也需要不同训练场之间实现数据共享和互通。

04.

行业需构建标准体系

刘进长：廖总既是做材料的，又担任AI算法总监，您的工作到底偏重材料还是智能？

廖永兴：我本身出身智能材料专业，从材料到传感器，再到用AI算法提升传感器性能、最大化发挥材料优势，这一路是一体的。福莱新材在涂覆材料和复合材料方面实力很强，能把材料的均一性和性能发挥好。但随着机器人触觉需求越来越复杂，比如需要全曲面覆盖，器件设计变复杂后会带来性能的不均一或降低。我们的算法可以补足这些差异，把材料本身应有的最大潜能释放出来，提供更稳定、更均一的触觉数据，这对具身智能的训练和应用都非常重要。

福莱新材AI算法总监廖永兴

刘进长：能否举个例子，说明算法确实提升了传感器质量？

廖永兴：算法在两个方面发挥作用。第一是提升传感器性能——材料带来的性能差异，我们可以通过算法达到90%甚至95%以上的均一性，并降低力的长期漂移。第二是把原始数据提升为更高维度的触觉信息。传感器直接输出的是压强数据，但结合算法可以提取出摩擦力、三维力、接触稳定性、是否滑动、物体表面粗糙度、硬度等信息。我们做过一个演示，触觉传感器接触人体时，能判断出接触的是柔软的皮肤还是坚硬的骨头。这些高维度信息对具身智能与人交互至关重要。

刘进长：回到产业链短板的问题，你怎么看？

廖永兴：从触觉传感器角度看，标准尤其重要——它决定了什么样的传感器性能是行业需要的。但目前整个行业对触觉的需求其实没有非常明确的定义：需要什么样的触觉传感器？什么样的触觉信号对具身智能最有效？认知不足导致标准制定比较模糊，往往只盯着某项指标如灵敏度，数据质量和应用效率却不高。作为较新型的传感器，触觉传感器连参数指标的定义都还没有很好的规范。如果要在更大规模布局和跨平台应用中发挥作用，行业首先要形成对需求的共同认知，再共同制定标准。

刘进长：谢谢各位。标准确实非常重要，我们一直在推动相关标准的制定，工信部也已成立了专门的标准委员会，安全等强制标准正在紧锣密鼓制定中。成就一个大产业不可能一蹴而就，需要大家齐心协力。今天四位专家从大脑、灵巧手、材料、传感器等角度分享了贡献，也对行业面临的问题提出了思考。