圖源：視覺中國
文丨雅萱
編輯丨葉錦言
出品丨深網·騰訊新聞小滿工作室
2025年，具身智能賽道的「馬太效應」日益加劇。一邊是部分創業公司陷入業務收縮乃至破產清算的困境；另一邊，資本持續向具備技術優勢和商業前景的企業集中。今年前五個月，機器人領域融資總額已達232億元，超過2024年全年。
「今年是檢驗具身智能公司真實價值的關鍵一年。」一位行業投資人表示，「資本關注的重點並非企業是否盈利，而在於能否推出具備商業價值的產品或完成概念驗證（POC），並在具體場景中證明其解決問題的潛力。」
作為行業領軍企業，智元機器人今年明顯加快了商業化步伐。繼獲得龍旗科技數億元框架訂單後，其精靈G2產品於10月16日啟動了與均勝電子價值超億元採購合同的首批商用交付。據智元機器人合伙人、高級副總裁姚卯青透露，截至今年9月，公司已交付數千台訂單。
以下是姚卯青關於人形機器人產業化落地、智元海外市場布局，以及VLA模型與世界模型局限性等方面的主要觀點，在不改變原意的情況下有刪節。
「機器人進廠打工」背後的經濟賬
問：與傳統機械臂相比，龍旗科技在其平板產線引入智元精靈G2有何本質區別？
姚卯青：3C組裝廠目前仍面臨兩大難題：一是大量崗位依賴人工，傳統自動化難以覆蓋；二是產線換代成本高、周期長，原有設備通常無法復用。人形機器人的核心優勢在於「通用性」，它能像人工一樣靈活接入產線，任務變更時無需更換硬體，僅通過短期「培訓」即可適應，從而提升產線靈活性、避免重複投入。
問：舉個例子，龍旗科技日後想把G2應用到手機產線就不需要更換機器人，只需重新訓練原有的這批機器人就行？
姚卯青：對，這正是通用具身智能的一個優勢，就不需要更換硬體設備，只需要重新培訓。
問：G2首批機器人批量落地的場景為何選擇消費電子組裝領域，這一選擇是否與該場景的特性有關？
姚卯青：選擇消費電子組裝這一場景並非偶然，而是基於對技術匹配度、客戶合作意願和商業化潛力的綜合評估。
首先，該場景中許多工位操作高度標準化、重複性強，工人作業方式接近「類機器人」，但因環境和物體存在一定變化性，難以用傳統自動化設備替代，這恰好契合當前人形機器人的技術能力。
其次，合作夥伴龍旗科技對新技術持開放態度，願意在早期階段開放產線，協同開展聯合開發、測試與集成，為產品落地提供了有力支持。
更重要的是，消費電子產線工位高度相似，一旦驗證成功，可快速複製到成百上千個同類崗位，具備極強的規模化潛力。這種高回報率的研發投入，使得該場景成為理想的商業化突破口。
問：在該消費電子組裝場景中，具身智能技術具體解決了哪些痛點？
姚卯青：主要解決用工難題和產品一致性問題。重複枯燥的工作導致人員流動性高，招工難、留人難。機器人無情緒、不疲勞，可7×24小時穩定作業，保障質量與產能的持續性。
問：對於龍旗科技等工廠來說，使用人形機器人的投入回報比是不是比傳統的機械臂更高一點？
姚卯青：機器人並非替代機械臂，而是對標人工。當前我們以「人力ROI」為基準，傳統已自動化環節無需改造。
問：假如G2機器人在生產線上出現錯誤操作，這種損失一般由誰來承擔？
姚卯青：類似自動化產線邏輯，如有經濟損失由機器人公司承擔。目前項目仍處部署測試階段，未進入全面商業化運行。
問：有沒有具體的交付時間表？
姚卯青：預計在今年年底前完成實驗室的概念驗證（POC），隨後在明年第一季度開始正式在產線上進行落地部署。
問：今年智元披露了很多訂單信息，目前交付了多少了？
姚卯青：到今年9月份，已經交付了數千台。
問：龍旗科技本身也參與了智元科技的B輪融資，會有人質疑智元訂單的「含金量」，您如何看待這個問題？
姚卯青：合作是需求驅動，並非為投資而採購。雙方經營合規，財務審計嚴謹。
問：一般而言，產線工人一個月工資大約五六千，採購人形機器人要花五六十萬，還要配備一個工程師。對於工廠來說，這筆賬什麼時候能算過來？
姚卯青：衡量人形機器人的經濟性不能只看單個工人的月薪，而要綜合考慮企業整體的人力成本。以長三角地區為例，工廠普遍實行兩班或三班制，企業為一名工人實際承擔的綜合年人力成本（含工資、福利、五險一金等），七八萬很常見。相比之下，隨著機器人規模化量產帶來的成本優化，投入兩年服役機器人，工程投入成本已經可以打平。
這還是在中國這個人力成本相對較低的市場，海外一些市場，人力成本遠高於中國，用機器人在經濟上已經是一項合算的選擇。
問：智元也有自己的具身智能數據採集超級工廠，精靈G2在生產線上的落地，對智元採集真機數據也算是補充？
姚卯青：是的，核心目標之一是進入真實場景獲取高質量數據，推動「部署-收集-迭代-再部署」的技術閉環。
問：除3C產線外，智元機器人接下來將探索哪些工業場景？這些場景具備哪些共性特徵？
姚卯青：未來將重點拓展汽車零部件、汽車電子等領域的工業場景，這些行業同樣存在大量適合人形機器人落地的工序。
這些場景大體有三個共同點，一是需要具備一定的智能性，能夠應對環境變化、物體差異或跨任務切換，傳統自動化難以覆蓋；二是任務難度適中，以測試、抓取、轉運等操作為主；三是依賴柔順控制技術，如力控與位控相結合，以實現精細、安全的操作。
這類場景不僅技術匹配度高，而且市場需求量大，具備良好的商業化前景。
問：除工業領域外，未來一兩年智元機器人還會落地在哪些領域？
姚卯青：除工業領域外，安檢、巡檢（如機房等場景）以及結合自主執行與遠程操控的操作類任務也具備廣闊應用前景。同時，展廳講解、展館導覽等側重人機交互與服務體驗的場景已接近規模化落地。
總體來看，工業、巡檢運維和服務交互三大類場景均已具備較高的商業化可行性，是當前人形機器人率先落地的重點方向。
明年海外收入佔比將超過30%
問：智元機器人是否有進軍海外市場的計劃？當前在海外布局和整體業務進展方面有哪些具體動作？
姚卯青：海外市場是智元重點布局的戰略方向。發達國家普遍面臨人力成本高、用工難、老齡化加劇等結構性問題，對自動化需求迫切，市場接受度高，定價空間和利潤水平也更具優勢。
目前，公司已啟動全球化布局：一方面建設全球經銷網路，另一方面在重點市場與本地夥伴合作，開展產品設計、研發、生產與銷售，以更快理解並響應區域需求。明年，我們的目標是海外收入佔總收入比例達到30%甚至更高。
問：精靈G2與Figure
AI等美國人形機器人公司在場景布局（工業與家庭）上存在重合，如何看待這種競爭關係？
姚卯青：多家公司共同聚焦這些場景，恰恰證明該方向的正確性與市場潛力。競爭是好事，既加速用戶教育和市場普及，也推動行業在技術路線和產品定義上更快收斂與提升。
問：行業有觀點認為當前人形機器人領域硬體進步遠超AI，真正的具身智能反而被弱化，您怎麼看？
姚卯青：實際上，硬體與軟體演算法都在快速發展，甚至演算法的進展可能更快。
硬體方面，行業供應鏈逐漸成熟，構型設計和關鍵模組選型不斷優化，感測器也正針對機器人進行專項適配，整體基礎日趨堅實。
演算法層面進展更為明顯。相較於機械系統依賴的相對成熟工程體系，AI演算法領域缺乏現成路徑，正處於快速探索階段。尤其在大模型推動下，運動控制、操作作業與任務級智能等方向湧現大量前沿成果。
正是這些演算法的快速進步，才讓我們在工業場景中找到真正可落地的應用方向。相關能力不僅停留在論文層面，更在真實作業環境中經過數萬次測試，實現接近零失誤的穩定表現，具備實際應用條件。
問：過去一年，機器人「智能」水平有哪些直觀提升？
姚卯青：最直觀的是從「不可用」到「可用」的轉變。過去在很多場景中，硬體穩定性與演算法成功率都達不到量產要求，硬體難以持續運行一天，演算法成功率僅70%-80%，無法與人工相比。
如今，在如物流分揀等場景中，演算法成功率已穩定在99%以上，結合工業級硬體可靠性及遠程遙操作兜底，整個系統已能實現連續作業與持續部署。
問：VLA、世界模型等新範式在實際體驗中改善不明顯，您怎麼看？
姚卯青：這些技術在落地系統中應用仍有限。例如在自動駕駛中，受實時性與算力限制，它們多用於輔助環節，尚未成為實時決策核心。
具身智能的落地也應循序漸進。現階段應在相對可控、簡單的作業環境中，通過多種技術融合，快速實現有效應用。
問：目前智元訓練模型中，真實機器人採集的數據佔比約為多少？
姚卯青：我們使用的數據中，真實機器人採集佔比超過90%，與自動駕駛行業類似。主流廠商真實數據佔比普遍達98%-99%，僅輔以少量模擬數據覆蓋長尾場景。為提升機器人適應與泛化能力，模擬數據佔比目前一般控制在10%以內。