作者 | 陈序宁

编辑 | 黄运涛

哈佛大学心理学教授、美国《时代》杂志全球百大影响力人物史蒂芬·平克（Steven Pinker），早在1997年就提出过一个耐人寻味的问题：

“为什么小说里有那么多机器人，现实生活中却几乎没有一个？”

在人类想象中，机器人早已存在了几十年。它们会行走、讲话、观察、思考，甚至比人类主人完成得更好。人们曾期待，花钱购买一个机器人，让它整理房间、收拾餐具、完成各种日常工作。

但平克当时认为，这一天或许还很遥远。

过去几十年里，机器人确实进入了工厂，也进入了一些专业领域。汽车生产线上有焊接、喷涂机器人，仓库里有自动搬运设备，实验室里有执行简单任务的机器。但这些机器距离人类想象中的通用机器人仍然存在巨大差距。

原因在于，进入现实世界的机器人，面对的是一个远比互联网复杂的环境。

在数字世界里，算法面对的是代码、数据和信息；而在物理世界里，机器人需要理解空间、力量、环境变化以及人与物之间复杂的关系。它不仅要“看见”，还要“理解”；不仅要完成单一动作，还要在不断变化的环境中做出判断。

具身智能的出现，正在试图解决这一问题。

过去两年，具身智能成为科技产业最热门的赛道之一。从创业公司到科技巨头，从资本市场到产业现场，一场围绕机器人的竞赛正在展开。

但随着行业逐渐进入落地阶段，更多新问题开始浮现。比如，谁愿意为机器人买单？机器人竞争的关键，是让它变得越来越像人吗？机器人会取代人类工人吗？

在聆动通用CEO季超看来，具身智能与人形机器人不能划等号。机器人最终的价值，不取决于外形是否接近人类，而取决于能否在具体场景中解决问题。

聆动通用是科大讯飞孵化的具身智能公司，今年4月已完成数亿元Pre-A轮融资，成立一年多目前累计完成3轮融资，它已推出的机器人产品，聚焦在泛制造业领域的智能化升级。

季超告诉雪豹财经社，行业不可能一开始就实现全域通用，而是会沿着“工业、商业服务、家庭”的方向逐步演进。半结构化、劳动力密集的场景，将成为机器人率先突破的领域。

在2026世界人工智能大会（WAIC）上，一个趋势是，具身智能企业的展示重点已经从单纯的技术演示，转向物流搬运、汽车制造、零售服务等真实应用场景。技术必须服务于场景，正在成为行业新的共识。

对于工业客户而言，机器人首先是一项生产工具，而不是一件展示未来的科技产品。工业场景遵循的是“算账逻辑”：客户真正关注的是数字化升级能否降低成本、提升效率，以及投资回报周期是否合理。

而在这场竞争背后，更深层的较量正在围绕数据展开。

如果说互联网时代争夺的是流量，那么具身智能时代争夺的将是来自真实物理世界的数据。工业产线上的操作数据、机器人执行任务时产生的反馈数据，以及模型持续迭代形成的能力闭环，将成为企业建立长期壁垒的关键。

从小说和电影里的想象，到工厂里的现实，人类等待机器人的时间，已经超过了半个世纪。

但机器人真正改变世界的方式，或许并不是成为另一个“人”，而是成为人类能力的延伸。它们进入工厂，承担危险和重复的劳动；进入家庭，帮助人们处理繁琐的日常；进入更多复杂环境，成为人类探索世界的新工具。

对于所有参与者而言，真正的考验才刚刚开始。技术路线会分化，资本热潮会退去，企业也会经历淘汰与整合。留下来的公司，需要证明的不只是机器人“能做什么”，更是机器人“为什么值得被使用”。

以下是雪豹财经社等与聆动通用CEO季超的访谈实录（节选，经编辑）：

▌具身智能不等于人形机器人

Q1：在今年的WAIC上，你感受到的具身智能行业最大的变化和进步是什么？

季超：去年大家偏向单纯的技术展示，相比之下，今年各大厂商的展台明显进入了“场景化展示”的新阶段。无论重载搬运还是零售场景，主流具身智能公司都在推出极具针对性的场景化方案。这表明行业正在从技术概念验证，加速迈向真实的场景落地。

Q2：外界常将“具身智能”与“人形机器人”划等号，而且确实有不少人形机器人正涌入工业场景，你怎么看这种形态选择与技术趋势？

季超：我们成立之初就坚信一个观点：具身智能与人形机器人绝不能划等号。具身智能作为一种物理AI的底层技术，能够赋能所有的机器人形态，包括机械臂、无人车等。今年行业的共识也愈发清晰，即技术必须服务于场景。大家不再执念于形态是否“像人”，而是关注它能否在具体场景中解决实际问题。

Q3：从商用表演、科研市场再到工业场景，这几种落地路径的底层逻辑有何本质不同？

季超：这三者的底层逻辑完全不同：商用表演更偏向容错率较高的场景，关注流量与视觉冲击力，因此多采用双足人形或跨张动作；科研市场关注本体的易开发性与稳定生态，以便快速验证算法和发表论文，本质上不是强商业化导向。

工业场景则是纯粹的“算账逻辑”与投入产出比（ROI）导向。工业客户不在乎设备形态是机械臂还是轮式人形，只关注数字化升级能否真正实现降本增效。工业场景讲求需求拉动，只要技术能解决痛点且经济上划算，客户就会买单。

Q4：工业客户对ROI的要求通常非常苛刻，聆动通用目前能够做到怎样的水平？

季超：目前工业界普遍认可的周期是2到3年，我们在部分典型场景中已经将回本周期压缩到了2年以内，商业化路径已获得验证。因为非标产线的换线周期通常在3到5年左右，如果机器人能在2年内收回成本，剩下的时间对客户来说就是纯收益期，他们非常愿意为这种创新方案投入。

Q5：如果在工业场景中回本周期超过两年，是否意味着机器人的商业价值较低？

季超：不能一概而论。长期来看，有两个趋势不可逆转：一是人力成本与管理成本持续攀升；二是随着上游供应链成熟，机器人本体成本会呈下降曲线。即便短期内某些场景需要3年回本，只要技术能达标，客户也能接受，ROI必然会回归到极具吸引力的合理区间。

▌一年一个大台阶

Q6：工业级的高质量真机数据极其稀缺且分散，聆动通用如何通过重资产的数据管线构建长期壁垒？

季超：工业级产线操作数据天然具备两个特征：强垂直性与客户强绑定。仅仅依靠仿真环境或互联网公开数据，根本无法获得一线的高质量操作数据。

为此，我们提出了“全模态数据金字塔结构”。塔底：利用海量互联网文本、图像、视频数据建立预训练基座；塔身：直接深入客户一线采集真实数据；塔尖：利用高精度工业本体实现后训练与强化学习闭环。

核心逻辑在于，以更低的成本、更少的用量，获取质量更高的工业数据。同时，结合我们数千人的数据众包团队以及与地方政府的合作，将产业数据整合入管线，形成“数据自建+地方产业+一线场景”的大数据闭环系统。

Q7：在具体算法和数据配比上，针对不同的场景（如工业 vs. 家庭），数据策略有何差异？

季超：工业场景（中短程决策）：任务相对结构化，逻辑链较短。它对底座模型的思维链需求没那么迫切，更依赖真机采集的后训练+强化学习。通过训练专精的具身小模型，可以用极高效率支撑产线需求，且节拍更快。

家庭场景（长程决策）：如洗衣服、扫地等，跨度长且随机性极大，必须在预训练阶段投入海量的第一视角数据与常识因果推理数据，让机器人在底座层面就具备近乎全时的智能，再去做后训练泛化。

Q8：目前VLA（视觉-语言-动作）大模型普遍面临“跨本体迁移”难的问题，聆动通用是如何解决跨本体适配的？

季超：单纯基于单一本体采集数据训练出来的VLA模型，目前确实很难直接在其他本体上复用，这是行业共性瓶颈。

我们的解法是在VLA之上构建基础模型层。我们此前开源了一些基础模型，其中融合了海量的通用预训练能力。开发者可以基于这类基础模型，针对自己的机型进行二次预训练和后训练。行业不可能靠单一大模型解决所有跨本体问题，而是要依靠“基础模型+二次适配”的开源生态机制来服务千行百业。

Q9：调酒机器人换个矮一点的桌子就无法操作，这类现象还普遍存在。随着训练时长达到百万级小时，这些问题会被彻底解决吗？

季超：我们对长期的演进趋势坚信不疑，目前行业基本保持着“一年一个大台阶”的发展迭代节奏。很多现场演示中的生硬表现，本质上是模型还没有训练过对应视角或高度的数据。事实上，在聆动通用目前的模型迭代中，桌子高度等物理环境的变化已经不会影响操作效果。技术的发展正在快速弥合这些细节缺陷，行业面向真实场景落地的信号非常积极。

Q10：为什么物流与汽车领域会成为具身智能最先突破的场景？

季超：具身智能作为前沿技术，不可能一上来就实现全域通用，必定先在“半结构化、但劳动力密集”的场景突破。过去的技术无法迎合这种需求，而如今具身智能的发展刚好拟合了客户的刚性指标。具身智能的演进脉络一定是：先工业，再商业服务，最后随通用性提升走入家庭。

▌行业趋于冷静，回调与洗牌在即

Q11：聆动通用在场景落地上的商业化进展如何？在哪些领域已经实现了规模化商用？

季超：聆动通用的商业化推进非常迅速。今年上半年的合同金额已经是去年全年合同金额的10倍左右，主力产品均已实现量产出货。我们目前已经在大物流领域及汽车制造领域实现了规模化商业落地，并在北京、深圳、苏州、东莞等一二线城市深入布局。

Q12：预计今年全年的业绩增幅如何？融资的资金将主要投向何处？

季超：我们预计今年全年的合同金额相比去年将实现15到20倍的增幅，整体规模在数亿元级别。对于已完成及正在推进的融资，我们将60%~70%的资金投向核心技术的研发，以进一步夯实具身大模型与世界动作模型；其余资金用于构建量产交付体系。我们在江苏投资布局的生态工厂目前已具备千台级别的年产能交付能力。

Q13：聆动通用的物流机器人方案与传统物流领域的自动化巨头有何异同？

季超：传统物流自动化厂商在结构化场景和客户渠道上拥有极深厚的沉淀。但物流场景高度细分，传统方案在面对极其柔性、泛化、长程的任务时会遇到瓶颈。

聆动通用提供的方案具备更高的柔性与泛化能力。我们与传统物流巨头不是简单的替代关系，而是生态互补。双方各有侧重，有竞争亦有合作，共同服务于大物流客户全链条自动化的需求。

Q14：现在很多场景开始采用“轮式人形机器人”，动作节拍往往不如传统机械臂快，为什么客户依然有这种需求？

季超：采用轮式人形机器人主要有三个逻辑支撑：

1）轻部署与低迁移成本：传统机械臂需要打地脚螺栓、做重型工装改造。对于租赁仓库而言，搬迁成本极高。可移动的机器人大幅降低了后续的产线迁移成本。

2）节拍要求的场景差异：许多场景（如前置仓夜间黑灯分拣）并不追求极高节拍，只要机器人能在8小时夜班内平稳完成分拣即可。

3）数据迁移的高效性：人形物理结构在吸收人类第一视角数据时，数据迁移与学习效率更高。

Q15：作为科大讯飞控股的子公司，聆动通用与母公司在技术和商业生态上如何实现协同？

季超：这是一种高度互补的背靠背关系：

生态与商业端：科大讯飞作为核心战略产业股东方，为聆动通用提供了强大的渠道资源与全国销售大区的商机导入，这是我们高速增长的核心驱动力之一；

技术与交付端：聆动通用经过18个月的打磨，已经实现了面向B端制造领域具身智能“大脑-小脑-本体”关键技术的完全自主可控，建立了完备的量产交付体系。讯飞的平台生态优势大幅放大了聆动通用的业务优势。

Q16：资本市场目前对具身智能企业的评估指标发生了哪些变化？

季超：相比去年，投资人的热情依然很高，但关注焦点发生了明显转移：从过去看“讲故事与技术架构”，转向全面考核商业模式、商业化落地与实际营收。

这对聆动通用是一个良性信号。我们不是一家靠“叙事”驱动的公司，而是一家务实构建商业化基本面和技术基本面的企业。资本的趋于冷静，反而让真正具备实际价值创造能力的企业脱颖而出。

Q17：你对未来3到5年具身智能市场的格局演变有何展望？

季超：行业必然会经历一轮回调与洗牌。早期在政策与资本推动下涌现出大量创业公司，形成了看似红海的泡沫期。但随着行业趋于冷静，那些无法完成场景落地和商业化闭环、过度依赖叙事的企业将面临巨大的生存压力。未来行业集中度会大幅提升，从现在的成百上千家，收拢到几家核心头部企业手中。

▌机器人会完全取代工人吗？

Q18：你今年最期待的硬件或底层技术突破是什么？

季超：我们主要期待两个层面的突破：

上游硬件生态成熟：期待性价比更高、更稳定的关节模组、视觉相机、端侧大算力主控及触觉传感器等核心器件；下游商业闭环确立：期待更多场景能够跑通真实的PMF（产品市场契合度）与ROI验证，形成可持续的商业循环。

Q19：具身智能进入家庭场景目前还有哪些瓶颈？大约还需要多久才能普及？

季超：家庭场景是毫无疑问空间最大的市场，但也是困难度最高的场景。家庭环境是非结构化的，对机器人的泛化能力、安全性以及长程任务执行力要求极高。我们预估，具身智能真正走进家庭场景，可能还需要不到四年的时间。

Q20：设想一下，在十年后的工厂里，机器人会完全取代人类吗？届时，一线工人的角色将发生怎样的转变？

季超：指望工厂完全无人化是不切实际的，最终依然需要人类来兜底。具身智能机器人的引入将带来“生产流程再造”。传统非标数字化是“自动化”，而具身智能带来的是智能化。

未来十年，产线体系将被重构：机器人成为执行单元，去承担高危、脏乱嘈杂及重体力的劳动；一线工人将从繁重的工作中解放出来，凭藉业务理解力升级为机器人的主管，转向更高层级的统筹规划、生产调度与人机协同决策。这不仅不是人类的被替代，更是一线工人职业体验与价值的极大提升。

封面《机器人总动员》剧照