实探科技创变者大会：不看参数看复购，具身智能开始“算账”

　　当展会上机器人跑步、跳舞已经成为常态 ，具身智能的落地就成为最受关注的话题。9月18日至19日
，2026中关村论坛系列活动——科技创变者大会在北京海淀举办，机器人领域的投资人 、创业者
、科学家汇聚一堂 ，集中探讨了同一个问题：具身智能什么时候能真正变成订单 。

　　本届大会以“具身智能·创变未来
”为主题，会上发布的《2026聚合智能产业星图》由智友·雅瑞科创平台联合广发证券共同编制 ，广发证券投行委副主任委员孟晓翔表示，市场对产业的评判正在从“听故事”转向“看复购率、看报表 ”
。

　　从展台上的真机演示，到客户愿意第二次下单 ，中间隔着什么？新京报贝壳财经记者现场探访大会
，走访多个展台提问机器人行业落地的相关问题，并在会后专访了他山科技市场及生态副总裁付宜晖与擎仓机器人创始人兼CEO程岩——两家企业一家主做机器人触觉感知 ，一家主做机器人产线部署
，两人的答案勾勒出具身智能价值闭环上最容易被忽略的两段路。

　　触觉，从“可选项”变成“入场券 ”

　　他山科技市场及生态副总裁付宜晖接受采访 。 新京报贝壳财经记者罗亦丹摄

　　付宜晖向贝壳财经记者给出了一组数据 ，折射出一条产业链上下游的默契程度
。他山科技2017年底成立
，他记得2024年时客户的要求很简单——末端执行器和灵巧手“有触觉就行”，能感知压力就够了；2024年底至2025年 ，需求变成切向力 、摩擦力也要测；2025年行业还在争论触觉是否 刚需
，2026年共识已经形成：灵巧手需要触觉，这是机器人做泛化
、与物理世界交互最重要的通道。

　　变化落在数据上更直观 。付宜晖说 ，去年全年平均下来灵巧手佩戴触觉的比例只有20%出头；而去年四季度，下游客户开始大比例要求配触觉
，把量从20%调到50%至60%；今年上半年，下游客户中一半以上已经配了相关方案。这与公司公开披露的数据互相印证——他山科技触觉传感器月交付量已达数万枚 ，上半年订单量超过去年全年四倍
，市占率维持在80%以上
。

　　为什么是触觉？他讲了一个神经学家的实验：把一根火柴从火柴盒里取出并点亮，正常需要6到7秒；给手打麻药、只去掉触觉这一个变量后 ，重新完成并重新学习
，花了5到6分钟。几十倍的差距说明，缺了触觉 ，动作会退化成没有反馈的盲操作 。

　　真正让这套感知变成钱的
，是传统自动化啃不动的场景
。在湖北潜江，他山科技正在将具身智能技术应用于小龙虾分拣自动化产线。付宜晖称 ，水产厂招工越来越难
，工厂早就在找自动化方案，但每只虾大小都不同 ，用同一个力分离虾头虾尾，要么分不开
，要么把头部虾肉一起拔掉，而带不带头部虾肉的虾尾价差很大 。触觉的自适应力调整 ，让机器人无论遇到什么样的虾都能用最合适的力处理
，直接提升出肉率
。他坦言这类场景已到工厂试运行阶段，每天都在跑 ，团队还在解决一些corner case（极端情况）
，预计较快的会在12月或明年一季度初迎来复购。

　　今年的机器人大会上，他山科技带来了“机器人幼儿园
”项目 ，探索让机器人通过经验学习 。 新京报贝壳财经记者罗亦丹摄

　　更远的探索
，是他山科技与图灵奖得主理查德·萨顿团队合作
。今年机器人大会上，贝壳财经记者在他山科技的展位上看到了一个“机器人幼儿园” ，许多小型机器人在“幼儿园 ”里跌跌撞撞地行走 、跌倒再爬起。据了解
，该项目的核心是通过电子皮肤，让机器人拥有覆盖全身的“感觉神经
” ，之后不做系统的预设路线和完美步态，让这些机器人通过实时学习模型边走边学
，持续进化 。付宜晖对此表示，这是让机器人从被动模仿的数据时代走向自主进化的“经验时代”
。

　　30天部署之后 ，真正的壁垒是“那1% ”

　　擎仓机器人创始人兼CEO程岩在发表演讲。 大会主办方供图

　　如果说主做触觉的他山科技聚焦的是机器人行业的底座和上游
，那么擎仓机器人的重心就是下游的落地 。

　　今年6月，擎仓机器人依靠自研技术入驻欧莱雅苏州生产工厂 ，用时30天完成场景数据采集、模型增量适配
、现场部署联调全业务流程。作为一家初创具身企业
，程岩告诉贝壳财经记者，公司成立的初衷便是落地
。

　　程岩告诉贝壳财经记者 ，欧莱雅项目30天的“快
”在于提前打好基础——在这之前公司已建好面向工业落地的底座
，包含数据采集标准、端侧轻量化模型适配 、远程遥操兜底等工具链；进入新场景后只做增量数据采集
、模型适配和少量配置调整。未来复制到医药、物流仓储和泛制造场景时，真正复制的不是某一个动作 ，而是从数据到模型 、从模型到部署
、再从现场反馈回到训练的完整能力 。

　　工业现场的标准
，在成功率的定义上体现得最清楚
。程岩告诉贝壳财经记者，欧莱雅这类工业产线 ，核心要求是二次/最终作业成功率达到百分之百，并非单次动作零失误
，因为成熟工人同样会出现操作失误。他表示，擎仓一次抓取成功率能做到99% ，而真正的壁垒在那1%：出错之后机器人能自主适配、自主纠错 、自主学习
，把问题闭环掉 。支撑它的是自研端到端轻量化VLA基座模型，可直接跑在端侧硬件上 ，规避云端的时延与断联风险
。

　　但把标杆项目变成批量订单
，行业性难题才刚开始。微亿智造董事长兼CEO张志琦在大会上提到，行业里超过80%的项目停留在POC（概念验证）阶段；根据IDC对六七百家企业的调研 ，客户最看重的不是技术领先性
，而是稳定性
、可靠性和账是否算得过来 。

　　广发证券产业研究院副院长、人工智能首席研究员彦建宇则把它换算成一个指标——COP，即一次成功成本 ，等于单次成本除以成功预期概率
。在他看来
，成功率只有10%时实际成本就是名义上的近10倍，因此行业近来 存在的卡点不在硬件成本高 ，而在作为分母的成功率太低。

　　程岩对人形机器人商业化瓶颈的回答与此一致：客户会在ROI（投资回报率）上精细测算；机器人需要连续稳定作业能力；安全性——工业生产与安全强绑定，人形机器人须跟现有生产系统 、工具与自动化设备融合才能发挥价值 。至于泛化
，他的判断相当克制：有限场景内的泛化当前具身依托已有底座，通过少量场景数据和能力适配可以完成迁移 ，但通用泛化还需一段路
，而客户最终看的是成本
、效率和真实生产价值
。

　　从同行业复制到跨行业同场景复制，靠少样本甚至零样本完成泛化 ，是这家年轻公司的下一步。面对过热与泡沫的提问
，程岩的回应是拉长周期看：赛道具有确定性，短期过热是每个行业都会经历的周期 ，关键是能否在生产场景里创造真实价值 。当评判标准从演示效果换成复购率与报表
，具身智能才算真正开始上班。

（文章来源：新京报）