ARTICLE · 1286730
机器人接上AI大模型之后,离真正“能干活”还有多远?
机器人接上AI大模型之后,离真正“能干活”还有多远?一家公司的机器人在跳舞，另一家在装配零件，还有公司已经开始向家庭交付。把这些画面放在一起，很容易得出“通用机器人已经成熟”的印象。但它们所证明的事情并不相同：稳定走路证明运动能力；听懂指令证明语义理解；一次抓取成功证明局部操作；客户愿意续约，才开始接近商业价值。 这篇文章想回答一个更具体的问题：AI究竟让机器人多了什么能力，而这些能力又在哪些条件下值得付费？ 先给出判断：具身智能已经进入“基础模型进步与场景工程验证并行”的阶段。工业与物流里可以看到真实任务和客户，家庭场景也在推进早期部署；但跨环境、跨物体、长时间可靠执行仍是瓶颈。最值得关注的变化，是竞争指标开始从动作展示转向连续作业、人工介入和单位合格任务成本。 
图注：先区分三件事：做得出、交得出、用得住。作者判断框架，不是品牌评分。 本文采用广义的具身智能：智能系统通过实体感知环境，并以行动改变环境，再依据反馈调整。人形只是其中一种构型；轮式双臂、机械臂、四足、仓储移动机器人以及自动驾驶车辆，处在不同任务域中。它们可以共享学习方法，不能直接共用成熟度结论。本文覆盖国内外主要路线与代表企业，并提供扩展品牌索引，不宣称穷尽全球品牌，也不把入选顺序当作排名。 先看市场底座。IFR于2026年9月发布的World Robotics 2026显示，2025年全球工业机器人在役规模达到约500万台，全年新增安装超过60万台；中国新增约35.4万台，占全球59%。这些数字描述工业机器人市场，不是人形机器人，更不是“大模型机器人”的销量。 
图注：工业机器人规模已经很大，但不能用这个分母推算人形或VLA机器人的普及。 这一区别决定了分析方法。工业机器人多年积累的精度、节拍、维护体系和客户关系，是新一轮AI应用的基础。大模型并不会使这些积累失效；相反，任何面向工厂的新产品，最终都要接受既有生产体系的考核。 Figure披露，其Figure 02在宝马项目中累计运行超过1,250小时、装载超过9万件零件，参与超过3万辆X3的生产。这里的“参与生产”指特定钣金上料工序，不是机器人独立制造整车。其公布的84秒总循环、37秒装载时间是工位要求；每班成功率超过99%、零人工介入是项目目标，不能写成全部已达成。 
图注：Figure 03与宝马合作的官方资料图。2026年新用例转向物流排序；图片与既有Figure 02运行统计分开理解。 2026年6月，Figure 03进入宝马新的物流排序用例。这个变化的意义，在于机器人需要把抓取、移动身体、物料排序与现场约束连在一起。对生产系统来说，动作更多并不自动带来价值：只有在换型、来料变化或空间约束下仍能维持产出，柔性才有意义。 Agility官网披露Digit累计具有65,000小时真实生产经验，并列出GXO、舍弗勒与丰田加拿大等客户。这是累计经验，不能换算成单台机器人连续工作时长，也不足以推出整个机群的可用率。判断物流机器人，应继续追问搬运次数、异常处置、工位吞吐及有人值守比例。 
图注：Digit在工业环境中的官方作业配图；用来交代作业背景，不代表本文独立核验了每次搬运的自主性。 Boston Dynamics的Atlas则提供另一条路径：以全身运动与工业操作结合，进入产品化和工厂验证。产品发布与客户训练中心是重要进展，但工厂验证、计划采购、全面上线仍需分别记录。 
图注：Atlas官方产品发布照片：人形构型适配人类空间，但还要承担平衡、能耗与维护负担。 智元在2026年3月公告第10,000台人形机器人下线。这个指标说明生产累计量和供应链进展，不能当作10,000个已稳定盈利的自主作业岗位。更有分析价值的问题是：不同型号卖给谁、承担什么任务、多久需要人帮一次，以及有多少客户在追加采购。 
图注：智元官方商店的产品组合图，用于说明本体产品覆盖；不用于证明累计下线或客户运行数量。 宇树G1官网把模仿学习、强化学习与开发能力放在产品介绍中，同时明确区分基础版与EDU版，并说明部分展示功能仍处于开发测试。其意义是降低机器人学习与二次开发的进入门槛；硬件可购买，不代表每种演示技能都随整机开放。 
图注：宇树G1官方商店产品图。产品基础版、EDU版与可用功能应按具体配置核对。 优必选Walker S2强调自主换电、双电池与群体协作。相比单独讨论“会不会走路”，这更接近生产系统问题：机器人能否跨班次继续工作、何时补能、工位是否因换电等待。但“支持24/7连续作业”的系统设计，并不等同于24小时无故障、无人介入的现场实绩。 银河通用与宁德时代的合作，则把重载操作、电池与售后服务放进同一方案。宁德时代披露S1用于生产线物料搬运和拣取，并给出双臂50公斤级负载与最长8小时连续运行等参数。它们属于合作方披露的产品条件；不能与其他品牌单臂峰值、空载续航直接排名。 
图注：智元G系列官方产品图：轮式身体是操作任务的一种路径，并不天然低于双足构型。 中国企业的共同机会，是让硬件、数据采集、模型训练和真实场景之间的迭代更紧密。但“国内强硬件、国外强算法”的二分法已经过于简单。智元、星海图、星动纪元、逐际动力等也在公开模型或系统进展；海外公司同样在制造、维护与现场工程上投入。比较时更应看一家企业控制了哪些环节，而不是只看总部在哪。 
图注：工厂现场的真正考验：从动作能力到工位任务。官方Atlas作业资料与作者编辑分析，非本文实拍。 传统自动化常把物体、位置和流程预先定义好。AI增加的价值，是让部分变化不必逐条编写规则：识别未见过的物体、理解不同表达、在环境变化后重新规划，并从示范和反馈中学习。这种变化减少了显式编程的负担，却没有取消物理约束。 
图注：从任务意图到物理结果：模型、控制器与安全机制承担不同职责。作者架构示意，不代表所有厂商采用同一实现。 VLM是视觉语言模型，帮助系统理解画面和指令，例如“把桌上靠近杯子的红盒子拿过来”。VLA在视觉、语言之外学习动作输出，连接观察与机器人控制目标。世界模型则尝试预测环境随动作怎样变化，为训练、规划或评估提供支持。这三者可以组合，也可能在一个模型中融合；名称相近不代表输入输出、控制层级和安全边界相同。 运动控制器仍要处理关节约束、接触、平衡与力矩。高层任务规划与低层控制往往使用不同频率、不同反馈路径；具体模型也可能直接输出更底层的动作，因此不能把“大小脑”当作统一标准架构。评审时应直接问：模型输出什么，由谁约束，出错后谁接管？ 如果系统由任务规划、技能库和运动控制分层组成，工程师通常更容易定位失败环节，也可以对某些步骤设置明确约束；代价是层与层之间可能丢失信息，技能切换需要维护。端到端VLA可以把观察与动作联动起来，减少手工规则，但数据覆盖、调试与结果归因会更加重要。混合系统则把学习策略与工艺约束、安全控制结合。三者都可能落地，不能用“端到端”四个字替代现场评估。 需要进一步区分：端到端描述的是哪些输入到哪些输出之间由模型学习。一个系统即使使用VLA，也可能保留独立的关节控制器、碰撞检查和停止机制；使用规则或经典控制，也不意味着缺少AI。架构比较应具体到任务层和动作层，避免把研究术语当作优劣标签。 
图注：三种架构的优势与代价：从故障定位、数据需求和约束方式比较。作者分析，不给品牌贴固定架构标签。 动作分块可以让模型一次生成一段动作，缓解逐步推理的开销；但环境变化后，旧计划也可能过时。接触前需要重看、插装中需要依据力反馈调整、旁人靠近需要停止，这些时刻对延迟的要求不同。真正的工程问题是：哪些动作可以提前生成，哪些必须依靠现场反馈修正？ Gemini Robotics 2于2026年7月发布，面向全身控制、精细操作与多机器人协作；推理模型与VLA、端侧模型的开放范围不同。其官方多指操作图表中，“拧下灯泡”为92%，“拧上灯泡”为36%。这是特定平台、任务和评测条件下的结果，不能用来代表品牌整体成功率。 
图注：Google官方多任务资料图：任务类型、末端执行器与环境均会改变难度。 
图注：同一模型下，不同接触任务也可能存在显著差异。按官方多指任务图表重绘；非跨品牌横评。 这里真正值得讨论的是接触。拿起一个物体，往往比把它准确插入、旋紧或套上更容易。视觉能够提供位置，但摩擦、材料变形、遮挡后的接触状态，还需要触觉、力反馈或可靠的状态估计。评估“灵巧手”时，只数手指和自由度并不充分：应观察接触是否可感知、滑落是否能发现、失误是否能在损坏物体前停止。 Boston Dynamics公开介绍的新一代Atlas手采用13个自由度、直接驱动，并强调仿真保真度、摩擦、力矩与传动间隙。它揭示了一个容易被外观比较忽略的方向：设计末端执行器时，需要同时考虑控制、训练、可靠性和维护。自由度增加了潜在动作空间，也增加了标定、接触建模和故障组合；“能做更多姿态”与“能以更低成本完成任务”之间仍需实验连接。 
图注：手的能力，不只在于手指数量：接触、可控性与耐久性共同决定工作能力。官方操作资料与作者分析。 Helix 02强调全身自主控制。与固定机械臂相比，人形机器人执行任务时，手臂伸展会改变重心，脚的位置又限制手的可达范围。把这些动作联合起来，是从“动作库”走向任务执行的一个方向，但仍需用长时间、多环境的连续记录验证稳定性。 
图注：Helix 02官方厨房任务资料图。家庭演示可说明任务方向，不等于对所有厨房均可直接部署。 2026年10月，Physical Intelligence开放Pi API beta，提供数据上传、微调与托管推理。官方案例覆盖工程机械、农业、餐饮、洗衣及制造，并说明部分云端推理应用遇到网络连接问题。这个进展说明商业形态开始从整机扩展到模型服务，同时也把推理延迟、数据权限与服务可用性带入部署成本。 
图注：Actor轮式装载机：具身智能的“身体”可以是工程机械。来源为Pi API官方合作案例。 
图注：CloudChef餐饮操作案例。不同任务需要不同末端执行器和工艺约束，不能用一种人形方案概括。 
图注：Weave衣物操作案例：柔性材料、遮挡和形变，让视觉识别之外的状态判断更困难。 
图注：Sanctuary AI官方插接任务资料图，呈现接触操作背景；不据此推定任务成功率或商业成熟度。 示范学习让策略接近操作者的行为，但操作者的动作未必最有效，也不会覆盖所有偏差。强化学习可以依据结果继续优化，关键在于评价信号是否真正代表任务质量：只奖励速度，可能鼓励粗暴接触；只奖励抓到物体，可能忽略破损或放错位置。 Physical Intelligence在2026年3月公开RLT方法，针对精密操作，通过真实经验进行在线强化学习，并报告四项任务中最精细阶段最高约3倍的提速。这是特定方法、阶段与实验条件下的结果，不能改写成整项生产流程提效3倍。 评价函数也是产品定义。装配任务的“成功”应同时包括装对、未损伤、过程可追溯；家庭整理的“成功”还包括物品归属、用户习惯和隐私空间。没有把这些条件写进评价，模型可能优化了一个与真实需求不同的目标。 机器人需要的训练数据不止是视频。一次抓取，可能需要同步保存图像、关节位置、末端姿态、力、触觉、动作指令和任务结果。互联网视频能补充物体与行为知识，却通常缺少机器人真正执行时的力和控制标签。 遥操作示范适合提供行为样本，但成本不止在操作者：设备标定、延迟、动作映射、任务复位和质量筛选都会影响数据价值。尤其应保留失败片段。只记录成功路线，系统很难学会从滑落、碰撞预警或错误抓取中恢复。 
图注：Almond在Pi API官方案例中的零件去毛刺任务：工艺工具、夹具和评价方法也是学习系统的一部分。 仿真提供可重复、大规模和相对安全的训练条件。NVIDIA通过Isaac、GR00T与Cosmos等工具连接模型、仿真和部署；Hugging Face LeRobot则把训练、评测、部署与人工纠正工具进一步串联。两条路径都说明，机器人开发开始围绕可迭代的工具链组织。 
图注：NVIDIA官方生态示意图，包含仿真与机器人场景，属于技术宣传组合图，不是同一现场实拍。 但合成数据并非越多越好。摩擦系数、柔性物体、传动间隙、相机偏差与真实损耗，如果没有覆盖，仿真中学到的策略可能在现场失效。应把“仿真到现实的差距”拆成可定位的问题：是视觉外观、接触动力学、控制延迟，还是任务分布变了？ 
图注：数据闭环要记录失败与修复，部署才可能持续改善。作者方法图。 “没有见过”不是一个单一条件。新物体可能只是颜色变化，也可能意味着重量、摩擦和形状全部改变；新场景可能只换了背景，也可能改变照明、工作高度、人员动线与工具。将这些变化混为“零样本泛化”，很难判断真实部署成本。 建议把验证拆成五组：未见物体、未见布局、未见指令组合、未见身体，以及持续变化后的恢复。每一组分别保留任务定义、训练重叠情况、成功判据和人工支持。若某个测试房间曾用于调参，就不应再被当作完全未见的环境。 
图注：泛化评审矩阵：分别报告变化条件，不用一个总成功率掩盖能力边界。作者测试设计建议。 世界模型的价值，需要通过实际任务体现：它是否减少真实采集、提高新环境成功率，或更早识别危险动作？视频看起来符合物理直觉，只能作为观察线索。若预测并没有改善控制结果，就还不能据此认定机器人更可靠。 星海图官网同时展示机器人、数据采集和模型项目，包括G0.5与Fast-WAM。其路线可以用来观察全栈厂商的一个潜在优势：训练数据、硬件接口与验证平台可以同步设计。但平台自洽也会带来问题——换到不同相机、夹爪、身体和客户流程，迁移成本还有多大？ 
图注：星海图LEMO双臂平台官方产品图。台式双臂减少移动与平衡复杂度，便于把问题集中在操作任务上。 
图注：星海图官方饮品场景资料图：属于产品场景展示，不能仅凭画面认定任务自主运行或已经商用。 全球具身智能并不是一张人形机器人排行榜。至少有五类参与者：提供本体的厂商、训练通用模型的团队、提供算力和仿真的平台、掌握真实任务的客户，以及长期提供集成和运维的企业。很多公司横跨多个角色，但角色重叠不等于能力等价。 
图注：全球产业观察地图：以公开产品与合作角色归类；不是市占率或技术实力排名。 宇树、众擎、松延动力可以放在运动平台与开发生态的观察组；智元、优必选、傅利叶覆盖不同人形和服务产品；银河通用、星海图、星动纪元、逐际动力、自变量等值得跟踪操作模型、数据与整机协同。组别只是研究入口，不代表它们只做该类产品，也不表示已达到相同商业阶段。 四足方面，云深处等企业提醒我们：巡检任务不一定需要双手，也不一定需要拟人外观。工业机械臂、协作机器人和移动机器人还包括埃斯顿、新松、节卡、遨博、越疆、极智嘉与海康机器人等扩展观察对象。对于这些企业，应逐项核实具体AI产品和客户项目，不能因为属于机器人行业就一律称为“通用具身大模型公司”。 Figure、Boston Dynamics、Agility、Apptronik、1X、Sanctuary AI与NEURA代表不同的人形与操作路线；Google DeepMind、Physical Intelligence、Skild AI、NVIDIA和Hugging Face更多提供模型、工具或生态。ABB、FANUC、安川、KUKA与Universal Robots等则拥有长期工业客户和集成基础。本文不对未取得同条件测试数据的企业打分。 ABB与NVIDIA围绕RobotStudio及物理仿真合作，FANUC公开Physical AI方向与产业合作，安川持续推进MOTOMAN NEXT。它们说明AI的产业化可能首先发生在既有设备和产线上：更容易编程、更灵活换型、更有效处理变化，而不是一定先用人形替换全部机械臂。 
图注：ABB与NVIDIA合作资料图。需区分工业仿真、试点验证与全面生产上线。 
图注：FANUC官方Physical AI资料图，展示传统工业平台与AI结合的技术方向，非本文实拍。 人形的优势是潜在适配既有的人类空间和工具。代价是更多执行器、平衡问题、跌倒风险和能耗。轮式双臂牺牲了部分地形能力，可能换来更稳定的工作基座；固定机械臂进一步限制空间，却便于保证节拍。构型选择应从任务、场地与成本倒推。 
图注：身体形态由任务约束决定：没有一种构型天然适合所有场景。作者分析对照。 汽车企业拥有感知、芯片、驱动、电池、供应链和量产体系，还拥有可试验的工厂与门店。但自动驾驶与机器人操作面对的接触和控制问题并不相同。把道路数据直接视为灵巧操作训练数据，或者把车端算力直接视为机器人能力，都跳过了中间的适配工作。 小鹏2026年9月公告机器人产线投用与IRON下线；官方资料同时保留后续量产、商业部署和交付的时间安排。产线启动是制造里程碑，不应等同于已经实现大规模付费部署。 这条路线值得跟踪的是，汽车量产方法能否真正降低一致性、标定和维护成本，以及机器人是否能在自有场景中积累有用的失败数据。观众能否看出机器人像人，是传播问题；客户是否愿意长期使用，是服务质量问题。 现代与Boston Dynamics的关系涉及机器人产品、集团工厂和应用验证；宝马与Figure展示客户与供应商的联合开发；奔驰与Apptronik则从工厂试点合作切入。它们在产业链上的位置不同，评价指标也应不同：整机商需要证明平台可复制，客户需要证明工位值得部署。 Tesla官方将视觉、规划与推理硬件作为车辆与双足机器人的共同技术方向，并将Optimus定位于危险、重复或枯燥任务。这个战略联系是明确的；本次未取得可以与其他厂商对齐的最新外部客户运行数据，因此不使用其产量目标、演示视频或社交媒体片段生成成熟度排名。 广汽GoMate采用可变轮式结构，官方早期资料给出2026年小批量生产计划。这里保留“计划”状态，不能用目标年份已到来推定已经兑现。奇瑞与AiMOGA从商用服务延伸到家庭产品；2026年10月公告Mobo开启预订，预订与交付、家庭可用性仍需分别验证。 对于比亚迪、理想、蔚来、小米、吉利、大众等汽车品牌，不能为了品牌数量，把招聘、投资、合作、历史原型或AI战略一律写成“最新机器人已经量产”。本版把这些列为后续核查对象：只有出现可定位的产品、版本、客户与运行证据，才进入正文能力对比。 Waymo在2026年2月公布世界模型，服务自动驾驶仿真；百度2026年一季度财报披露萝卜快跑提供320万次全无人运营出行。前者是技术工具，后者是特定季度业务量，不能放到同一张“能力榜”里。小马智行与文远知行的公开项目也应逐城确认试乘、测试、收费与无人运营状态。 
图注：Waymo世界模型官方说明图，属于仿真背景材料；不是极端情形已在公共道路完成测试的证明。 汽车能提供一个重要参照：能力必须绑定运行设计域，即允许它在哪些道路、天气和条件下工作。机器人也需要相应的任务边界——物体尺寸、材质、工作空间、负载、接触方式和人工支持。自动驾驶商业进展不能证明家务机器人已成熟，但它对场景限定、仿真验证、远程支持和事件复盘的组织方法值得借鉴。 汽车企业的优势是把一个实体产品稳定造出来，机器人新增的难题则是让它在变化中稳定把事做完。两者需要连接，却不是同一张考卷。 
图注：制造之外，还要维护：从工具、传动到线缆和标定，硬件可靠性会进入交付成本。Agility官方维护资料与作者分析。 Amazon在2025年公告第100万台机器人部署，并介绍DeepFleet机群模型。这里包含长期积累的多种机器人，不是百万个人形机器人。这个案例的重要性在于：AI可以提高整个系统的调度效率，而不是只让一台设备表现得更聪明。 
图注：Amazon官方仓储图片：规模化价值来自机器人、货架、工位与调度系统共同设计。 
图注：Proteus移动机器人官方资料图。移动任务的商业价值，不依赖拟人外观。 工厂希望产出合格零件，关注节拍、良率、停机和安全隔离；物流希望持续搬对箱子，关注吞吐、拥堵和人工异常；零售希望订单正确且可追溯，关注SKU覆盖与缺货处理；家庭希望少操心，关注可靠性、隐私、噪声以及出错后的处理负担。 1X把NEO定位于家庭，并在官网区分早期访问与后续扩展阶段。家庭机器人需要适应每户不同的家具、宠物、儿童和生活习惯。即使能够完成一项家务，如果每次都要用户清场、摆放目标物或等待远程协助，省下的时间也可能被抵消。 
图注：1X NEO官方家庭清洁场景。早期家庭项目应进一步核实任务边界、协助方式和数据访问权限。 
图注：1X官方人机共处图片：家庭环境中的可接受性，还包括距离、噪声、外观与行为可预测性。 建议以全周期成本除以合格任务数量。分子包括折旧或租赁、集成改造、计算、网络、能源、维护、耗材和人工介入；分母则只统计满足质量要求的任务。停机、任务复位和返工都会改变这笔账。 下面仅用假设说明：若年度总成本为30万元，有效任务数为10万次，每次成本为3元；如果返工、停机与人工接管使合格任务降到6万次，每次就变成5元。这不是任何品牌报价或回本预测。同一设备的账面售价不变，实际经济性已经明显改变。 
图注：单位合格任务成本示例：30万元÷10万次＝3元；÷6万次＝5元。全部为作者假设。 成功率至少要与样本量一起出现。10次成功、100次成功和跨班次运行数千次，提供的证据强度不同；同一批物体、同一操作者、同一光照下的重复，又可能高估现场鲁棒性。只统计顺利启动的任务，还会漏掉启动失败与复位成本。 以最简单的统计模型说明：假设每次试验独立、失败概率不变，连续300次零失败，单侧95%置信上界对应的真实失败率仍约为0.99%；仅凭这个结果，不能证明成功率达到99.9%。这是二项模型的推导，真实任务往往不满足独立性，因此仍需按环境与故障类型分层验证。 
图注：零失败并不等于零风险：任务样本量决定结论有多强。作者统计示例，非任何品牌实绩。 工厂任务不能只报平均周期。一个工位大部分时间很快，却偶尔长时间等待网络、重新抓取或人工复位，也会影响下游。建议同时看周期中位数、P95、异常最长等待及每班人工介入时间。P95表示95%的记录不超过该时长，它仍不能代替全部极端事件。 在方案验收中，至少把“可用时间”与“有效产出时间”分开。开着机、处于等待、正在换电、等待人工复位，都不应被一律计作自主生产时间。对人工支持也应统一记账：一个远程人员照看多台机器人，可以是合理的服务模式，但应计入成本和控制权说明。 再做一个纯数学示例：假设每一步成功率相同、相互独立，且失败后没有恢复，20步任务在每步95%时整链成功率约35.8%；每步99%时约81.8%。实际任务存在相关性、重试与恢复，不能直接套用该结果。它的用途只是提醒：单步演示很漂亮，整件事仍可能经常做不完。 
图注：长任务可靠性：必须评估完整结果与恢复能力，不能只汇报单步成功率。独立同分布假设示例。 因此，采购与产品评审至少应要求六个指标：合格任务成功率、每百次任务人工介入次数、有效作业时间占比、任务周期分布、恢复后成功率、单位合格任务成本。还要附任务定义、样本量、环境、软件版本和人工支持条件。缺少这些条件，数字再精确也难以比较。 机器人把“系统状态”变成了身体行为：转身可能表示准备离开，也可能只是重新观察；抬手可能表示递交物品，也可能正在规划路径。人不能只靠猜。设计需要让任务意图、控制权和行动边界可理解。 模型能够识别人靠近、拒绝危险指令或调用停止工具，是有价值的能力。Google的ER 2模型卡与开发文档同时说明了模型能力与使用边界，开发者仍需维护安全环境。 设计与工程评审应分开检查：模型有没有判断对风险，停止信号有没有及时送达，硬件有没有进入预期状态，以及最终是否保持安全。模型输出正确文本，并不能独立证明机械系统安全；反过来，整机有急停按钮，也不能证明使用者在异常时能找到并理解它。 建议把自主执行、等待确认、人工协助和安全停止做成不同状态。人工协助需要区分现场接管与远程接入，并说明谁能看到什么、可以控制什么。不能用统一的“思考中”掩盖模型等待、网络故障和人工介入。 让用户逐步批准每个动作，会把负担重新交回去。但涉及药品、尖锐工具、热源、贵重物或进入私人空间时，系统应明确对象、范围与授权。确认以后若目标变化，也应重新评估，而不是把一次口头同意无限延长。 “已执行”只能说明命令已经发出；“杯子已放到右侧桌面”才说明结果。对无法确认的情况，应保留不确定性。物体被遮挡、传感器失效或任务只完成一半时，明确说明比一条流畅的语音更有价值。 
图注：机器人交互的四个关键时刻：意图、执行、协助和结果。作者设计建议，非原厂界面。 从设计评审看，可靠感来自可预测：开始前知道它要做什么，执行中知道做到哪里，出错时知道谁负责，结束后能核验结果。机器人外观越接近人，越容易引发过高期待；表达能力应与真实任务能力保持一致。 假设用户说“把杯子拿给我”，需要先识别哪个杯子，判断是否装有热液体，确认递给哪一个人，再决定从哪侧接近。递交时应有明确的交接信号；检测到用户握住以后才能释放，无法确认时应保持或安全放回。这里只是作者提出的任务分解，不代表任何厂商已完整实现。 这个例子说明，HMI并不只发生在屏幕和语音上。视线朝向帮助说明对象，接近方向影响人的预判，手的停留位置决定可接近性，停止与释放条件直接影响信任。界面、动作和控制逻辑需要共同设计。 
图注：递杯任务的交互断点：对象确认、接近、交接与释放都需要可验证条件。作者设计情景，非产品能力展示。 以下是基于上述资料的趋势判断，不是厂商交付承诺。 第一，比较单位从“机器人”转向“可交付任务”。更有说服力的材料会是跨班次记录、异常日志、客户复购与新工位上线时间。仅有动作数量，很难解释可复制性。 第二，模型与整机将同时走向协作和分化。全栈厂商有望缩短迭代链路；模型服务有望服务更多身体。谁更占优，需要看适配时间、数据权属、网络依赖和任务成本，而不是先选一种商业模式作为答案。 第三，轮式与固定平台可能先扩大操作任务。在平整、固定或可改造场地中，减少平衡和移动问题可能更经济。双足能力仍有价值，但需要对应不可替代的地形或空间收益。 第四，触觉、力控与失败数据会变得更重要。当“看见并拿起”逐渐可用，插装、柔性物操作与损坏预防就会成为新的分水岭。可恢复失败的价值，可能超过新增一种演示动作。 第五，运维与安全开始决定扩张速度。更多客户意味着更多标定、磨损、更新和现场异常。补能、备件、版本回退和事件追踪，会从后台问题进入产品竞争。 第六，人机协作会长期存在，但需要透明。人工可以负责示范、复核与异常处理。真正影响信任的，是将协助隐藏在“全自主”的表述里，或者让用户不知道系统何时越过了授权边界。 
图注：趋势观察清单：每条判断都对应一个后续可验证信号。作者分析。 机器人与AI的结合已经改变了开发方式：更多行为可以从数据中学习，更多任务可以通过自然语言组织，模型也开始跨本体复用。它还没有取消工程约束。物体会滑落，电池会耗尽，网络会中断，客户也不会按演示脚本摆放现场。 对产业而言，应把能力进步与经营进展分别记录。对设计师而言，应把漂亮的行为变成清楚、可控、可恢复的体验。对采购者而言，应把功能清单改成任务验收标准。 下一阶段真正有说服力的机器人，是在条件说清楚以后，仍然能连续交付结果的机器人。
01 / 产业现状：一边是百万级存量，一边是通用能力的早期验证
工厂与物流：从单机动作进入流程协作
中国市场：本体供给、产业链与场景试验同步扩张
02 / AI怎样进入机器人：从“识别目标”到“生成行动”
VLM、VLA、世界模型，各自解决的问题不同
技术路线的差别，首先体现在“怎么出错”
Google DeepMind：跨身体迁移与灵巧操作，进步和瓶颈同时公开
Figure：把操作与身体移动放在同一任务中
Physical Intelligence：基础模型开始变成开发服务
从模仿到强化学习：先学会做，再优化做得怎样
03 / 世界模型与数据：下一步的难题不只是“采得更多”
泛化到底跨了什么，必须说清楚
星海图：从本体、数据到模型，观察全栈路线
04 / 全球竞争地图：按角色看，比按国家排队更有用
国内：从高动态平台到场景作业，多条路线并行
海外：通用模型、人形产品和成熟自动化正在交汇
一个值得避免的误读：人形越像人，能力就越通用
05 / 汽车企业为什么进入：可以迁移什么，又必须重做什么
小鹏：从汽车能力延展到IRON与机器人制造
现代、宝马、奔驰：三种身份，不能混成“都在造机器人”
Tesla：同一AI战略，不意味着能力可直接复制
广汽与奇瑞：不同的场景入口
自动驾驶：已经形成另一套具身系统验证方法
06 / 商业化的分水岭：有人买，与有人持续使用之间
工厂、零售和家庭，购买的是不同结果
应该算“每个合格任务多少钱”，而不是只看售价
“测试都成功了”，还差一个样本量
看平均值之外，还要看最慢的一段
长任务会放大微小失败率
07 / 对HMI设计师而言，界面开始延伸到机器人的动作
模型遵守指令，与整机安全，是两种验证
先明确控制权，再设计表情与语音
确认应发生在有风险或有歧义的位置
完成反馈必须回到现实结果
把一次递杯任务，拆成完整的人机协作
08 / 接下来12—24个月，哪些趋势值得跟踪
