机器人进厂，99%的生死线到底卡在哪？

“客户需要的，不是模型跑上去，取得80%的成功率。任何一个To B客户，成功率都要达到99%以上。”

具身智能的热闹，正在进入更硬核的阶段。融资、Demo、世界模型、人形本体——过去一年，它几乎被所有最热的词包围。

但真正进了工厂，问题变得非常朴素：

它能不能搬得动？连续运行？减少人工？实现复购？

具身智能下一阶段的竞争，不看Demo有多炫，看客户签不签第二单。

在虎嗅AI100第五期闭门会中，我们邀请了西门子南京工厂总经理周郁荣、镁伽科技高级副总裁何源、清流资本投资副总裁茆雨豪、微亿智造CTO赵何、原力灵机联合创始人汪天才，从甲方工厂、底层模型与数据、资本判断、工程交付、AI for Science五个视角，进行了一场深度对谈。

留下了两个足够扎心的判断：

• 聪明么？VLA还是世界模型？客户根本不关心——他只想问：任务完成没有。

• 上百家具身公司，最多10家能上市。只做Demo，可能被收购的资格都没有。

我们把全场最真实的碰撞和预判，整理成这篇真话实录。

一、Demo能跑，不等于工厂能用

不看炫技，看能不能嵌进去、跟得上。

周郁荣所在的南京工厂，是西门子运动控制领域德国之外最大的研发和生产基地，约有1300名员工，近半数是工程技术人员。

工厂的典型特征是 “多品种、小批量” ——恰好给具身智能提供了一个真实切口。传统自动化擅长稳定、重复、高节拍的任务，但在这种生产方式下，很多断点难以被覆盖。

周厂长举了一个具体场景：SMT产线（电路板贴片）两端的料箱转运。传统AGV（自动导引车）解决的是“腿”的问题，能移动但没解决“手”的问题；而这个场景不仅需要移动，还需要抓取、搬运、判断和精细操作。

工厂从2025年启动计划，2026年与银河通用合作部署，目前仍处于POC阶段。

“选供应商的逻辑很硬。这个场景对负载有明确要求，从这一点，就已经把很多其他具身智能公司淘汰出去了。而选择银河通用的原因正式因为其重型机器人手臂负载可达50公斤级。”

但进了产线之后，甲方的反馈同样直接。

第一，机器人“太胖了”。 体积庞大，如果能瘦身，哪怕负载降到30公斤，反而更适合空间紧张的工厂。

第二，动作和反应需要更快。 机器人能避让产线上的人或AGV，但判断、思考和反应时间仍偏长——

“有时候觉得它还有点木。”

工厂不是在抽象地问“有没有智能”，而是在问能不能嵌进现有空间、跟上生产节拍、减少对现场流程的扰动。

“除了要解决一些上面提到的技术问题，大规模的部署还需要进一步大幅度地降低成本，实现合理的ROI。”

周厂长坦言行业仍有一段路要走，下一步希望把数字孪生加入机器人训练过程，“在虚拟世界训练，在现实世界部署”。但他对具身智能的快速迭代能力感到惊讶，将当前阶段类比为中国电动车发展初期——

“曾几何时众多品牌涌现，今天已经成为全球市场的主导力量。”

但机器人怎么才能不呆？行业内眼下最热的争论是：VLA和世界模型，谁能给机器人一个更聪明的大脑？

二、VLA还是世界模型？客户说：我不管

“VLA已死”、世界模型才是未来的争论甚嚣尘上。这场闭门会给了这个争论一盆冷水。

茆雨豪说了一句大实话：

“周厂长这样的客户，根本不关心你用VLA还是世界模型。他只关心：任务完成没有？节拍达标没有？缺陷率多少？人工多久得介入一次？”

他拆解了两条路线的现实处境：

1.VLA的优势是快——在物流分拣这类相对固定、可穷举操作对象的场景里，采集足够多数据就能达到可用成功率，即使只有70%，多加几个工站也能交付。

2.世界模型的价值在于泛化性——当环境和任务都变了，VLA目前确实做不到，需要世界模型对物理世界有更深的理解。

但世界模型“被吹到了具身终结解的高度，定义都还没统一”，短期内这类公司必然是科研型公司：

“不做大量预训练、不用几张B300的算力，都不太能被称为世界模型公司。”

汪天才从技术底层给出融合的判断。他在自动驾驶时代做过端到端VLA和世界模型：

“从最终结果来看，两者并没有本质区别”。

在基模层面，两者会走向融合——需要记忆能力就引入历史帧，需要预测未来就引入世界模型的建模方式。

在后训练层面，世界模型可以充当仿真器，让VLA在虚拟环境中完成自我迭代。

赵何则直指概念混乱：

“世界模型这个概念被滥用了。对工业物理AI来说，世界模型有明确的边界——你不需要知道外面有没有下雨，只需要对工作范围内的物理世界有实时感知和仿真能力。”

因此，路线之争最终还是要回到现场：客户不关心你站哪条路线，只关心你的系统是否真的完成任务。

三、软硬件一体：每天吵架，但必须一起过

具身智能公司到底该先做软件、先做硬件，还是软硬一体？

这场闭门会的嘉宾几乎没有分歧——必须一起做。 但代价，是每天都在解决“两个世界”的冲突。

汪天才描述了普遍存在的困境：

“软件侧和硬件侧存在天然信息差。做硬件的人不了解算法对执行频率、摄像头选取的需求；做算法的人不了解硬件的物理约束。”

原力灵机的解决方法是：硬件侧在任何末端设计前，先去算法侧调研需求；双方保持“既有争论又彼此尊重”的氛围；最终由联创层面做取舍。

他还说了一个容易被忽视的事实：市面上真正稳定可靠的硬件机器人非常少见。

“两个月三个月弄出一台高稳定性的人形机器人，几乎不可能。硬件有它自身合理的迭代周期，不像算法可以借助AI工具快速迭代。”

茆雨豪从投资视角补充：硬件团队和算法团队的迭代速度、KPI、对话体系、教育背景都不一样。算法团队觉得“为什么模型用不了”，硬件团队说“扭矩不够、过热、结构设计有限制”——这时就需要创始团队把双方拉齐。

对纯算法公司，清流的要求是必须有硬件端战略协同——“完全不碰硬件、从外面购买的做法存在风险。”

赵何则分享了最果决的做法——直接收购一家机械臂公司。

传统机械臂是“封闭的自洽子系统”，预编程好轨迹重复运动，而具身智能需要实时控制轨迹。

收购的目的，就是打开传统机械臂的“黑盒子”，让它从封闭的自动化设备，升级为感知-决策-执行完整闭环的智能体。

周郁荣从甲方视角给出了最务实的回应：

“国内最大的优势，是有大量企业在做硬件，大量企业在做软件，最关键的是看谁最快落地、谁能在真实需求里迭代。”

这可能是整场讨论里最关键的工程判断之一：

具身智能不是给传统设备外挂一个模型，而是让感知、决策、执行真正闭环。

四、99%成功率之前，模型需要一套“兜底系统”

汪天才把问题讲得更尖锐。

在他看来，这一波具身智能的核心是 “智能” ——

“本体各家都有，不是真正的壁垒。”

真正要解决的是模型在零样本、少样本场景下的泛化能力。因此，原力灵机选择“先做具身基础模型再做本体”。

过去一年，原力灵机做了两类基础工作：

一是开发用于具身模型训练的代码库Dexbotic，解决行业训练基建不统一的问题；

二是联合Hugging Face做真机评测平台RoboChallenge，解决“无法做模型性能对比”的痛点。

但他也坦承，今天的模型还不能直接满足To B客户的要求。

在商业化上，原力灵机并购了一家聚焦物流和仓储的机器人公司Atomics。汪天才说，物流客户并不会因为你用了VLA就降低要求——成功率要99%以上，节拍每小时1200-1800件。

“如果直接把VLA模型放进现场，很多时候成功率并不高，最后会变成‘拿着锤子找钉子’——从海量业务里挑出模型能做的场景。这不是正常的商业模式，在AI 1.0时代已经验证走不通。”

因此，原力灵机提出了一套三级交付系统：

• L1：传统方法解决30-40%的简单场景

• L2：VLA模型解决40-50%的复杂场景

• L3：人工兜底最后的10-15%

  
  

“今天的VLA已经出现了一定泛化能力，但可能只能做到60%。对模型研究者来说，这是进步；对客户来说，这不够。”

这就是具身智能的商业化悖论：模型需要数据变强，但数据来自真实场景；

真实场景又要求模型先足够可靠。在模型达到99分之前，行业需要系统工程把它先送进现场。

五、柔性制造的工程解法：3个月变3周

靠的是一套标准化方法论。

赵何所在的微亿智造代表另一种路径——2018年从产品的外观质检起家，后续延伸到后处理以及其他工艺场景，不追求人形，深耕柔性制造。

最初的做法是围绕每个产品定制一套工站：相机怎么部署、光源怎么设计、算法怎么匹配，全部重新来。

“效率很高，但每换一个产品，硬件、机械结构、算法软件几乎全部重做，跟柔性制造本身是相悖的。”

赵何把微亿的思路概括为：不是否认定制化，而是用相对标准的方法，把定制化产品和服务低成本地生产出来。

他们把从需求到交付的整个过程看作一个生产流程，先把每个环节标准化，再流程化，再自动化，最后在每个工艺节点引入AI做智能化。

最直接的效果是：项目交付周期从3-6个月压缩到3周。 背后是行业内最大规模的非结构化精标数据库——全量数据超23TB，包含超16亿条精标记录，形成了难以复制的护城河。

谈到行业里铺天盖地的Demo，赵何的态度很鲜明：

“Demo的目的是吸引眼球。我们追求的是‘Demo to Production’——真正在产业上持续稳定运行、保证质量、可复制。这才是‘跑通’的标准。”

他分享了一个典型落地过程：机器进场后很快可以运行，前期可能效果能达到7、80%。通过云边端的数据飞轮、模型自动训练和人类在环的强化学习，实现快速爬坡，达到验收标准，从根本上解决"冷启动"难题。

这给了“具身智能落地”一个新思路：不是一进场就要达到终局能力，而是先达到验收底线，再通过现场数据快速提升。

六、科学家“手搓”变黑灯实验室

被忽视的万亿级具身战场。

何源所在的镁伽科技提供了一个和工厂自动化完全不同的视角：实验室场景。

镁伽做的是AI for Science方向的具身智能，主要面向生命科学、材料等领域。它不像传统工业机器人在结构化产线上执行重复动作，而是在开放、迭代、非结构化的实验室里完成复杂任务。

“这个赛道的竞争比工厂自动化小得多，但制药和新材料都是万亿级市场。”

以制药行业为例。过去新药研发的魔咒是 “10亿美金、10年时间、成功率不到10%” 。AlphaFold解决了蛋白质结构预测，但从干实验到现实世界的湿实验验证之间，仍有巨大鸿沟。

“模型会有幻觉，必须通过湿实验数据持续反馈，才能得到更可靠的结果。”

镁伽卡位的正是这段链条：提供智慧实验室和湿实验数据闭环能力。

“科学家要睡觉，会犯错，还要手工记录数据。过去是‘手搓’，未来要变成机器人驱动的黑灯实验室。”

国际前十大药企今年几乎都来过国内，第一站或第二站就会去像镁伽这样的公司。背后的焦虑很明确：一旦有竞争对手跑通AI+干湿闭环的路径，其他企业会被迅速淘汰。

镁伽的做法是自己先花几个亿建了鲲鹏实验室，把客户场景搬到自己的工厂里先做磨练。当客户需要用匹配的垂直模型，镁伽用 “跑分” 的方式来帮客户筛选——把工艺流程、设备和不同模型放在一起测试，跑得好的就用，跑不好换掉，“即插即用”。

在这个领域，客户不算ROI，但验收标准更复杂：GMP/FDA合规、精度、稳定性、重现性、安全性，以及满载运行30天人工干预低于5%。

何源透露，同样的逻辑也适用于新材料领域——催化剂、固态电池材料、钙钛矿等。

同时，公司也在新零售场景有标准化交付，为瑞幸、蜜雪冰城提供无人咖啡机器人，每年约1万台设备。

“在客户现场，任何一台设备，你是不是真的能用得上、能替代人、人力成本能下降——这个事才讲得清楚。”

七、数据、场景与耐心：投资人的三把尺子

在这场讨论中，茆雨豪提供了一个关键的资本判断锚点：当具身智能从技术热潮走向商业化，投资机构到底在看什么？

他回顾，具身智能真正进入资本视野的转折点，是2022年底ChatGPT的出现。

在此之前，机器人更多是自动化设备；在此之后，行业第一次强烈地看到，机器人有可能从“执行固定动作”走向“理解任务、适应环境”。

因此，2023年清流开始系统布局，投出了星动纪元等本体和具身大脑公司，是当时最早入局的投资机构之一。那时赛道不到10家公司，核心主要看人、看原生的软硬件能力。

但到了2025-2026年，当头部公司纷纷进入POC阶段，投资人看的已经不再是最早的“团队背景、技术路线、Demo是否漂亮”，而是三把更硬的尺子。

第一，数据能力。

没有足够真实的数据，无论用什么模型框架，都无法让机器人获得真正鲁棒的泛化能力。但数据不是简单堆量——投资机构关心的是：

用什么方式采集数据？数据能不能被清洗、检索、标注和训练？“百万小时数据”背后，有没有data pipeline和数据治理能力的支撑？

汪天才用“金字塔”理论做了补充：

• 塔尖：遥操作数据，精度高但难起量

• 塔底：人类第一视角数据，易采集、易起量、能快速进入各种场景

预训练真正需要的是“成千上万的场景都有适量数据”，而不只是“某个任务重复上百上千条”。纯靠异构数据无法迭代出强力基模，因为操作精度远远不够。

第二，场景价值。

不是所有“机器人进工厂”都有商业意义。

冲压、焊装、喷涂等环节已有成熟工业机器人，具身智能未必是最佳切口；但组装、物流等环节——人工工作时间长、招工难、柔性需求强——机器人才可能显现规模化价值。

投资人不关心“机器人进了哪个场景”，而关心这个场景能不能算账：客户是否真有痛点，POC后能否扩展，经过一两年验证能否实现算账平衡。

第三，软硬件融合能力。

茆雨豪反复强调，具身智能不是单纯的软件公司，也不是传统硬件公司。

模型能力决定上限，但硬件稳定性、工程能力和交付能力决定商业化下限。

真正有长期价值的公司，必须同时理解算法、硬件和商业交付。

所以，资本判断最终也回到一个朴素问题：

这家公司是在做一次漂亮Demo，还是正在形成真实场景、持续数据和规模交付能力？

八、上百家公司奔赴上市，最多10家能跑出来

具身智能公司数量激增，头部估值高企，已有企业开始奔赴上市。

茆雨豪的判断很冷静：政策端确实开了绿灯——港股18C、创业板第三套、科创第五套，已明确支持具身智能方向。

但100多家具身公司，最多10家能上市，真正有价值的可能不超过一半。 就像当年电动车行业慢慢收敛：

“短期内能登陆资本市场的，可能也就是小10家左右”。

为什么需要二级市场？因为一级市场的钱不够烧。

算力、数据、硬件、自建工厂，样样都是无底洞。

DeepMind烧了十多年没商业化，最终靠Gemini证明了自己——这个案例让政策和投资人都意识到，硬科技需要更长的时间轴。

没上市的公司怎么办？三条路：

1.技术单点极强的被收购

2.能自己造血的成为赚钱生意但不一定上市

3.如果每天只做Demo、没有任何实际交付，生存会面临很大挑战

茆雨豪还有一层判断：真正值得关注的具身智能公司，不一定都长成同一种形态。有的会成为平台型公司，有的在垂直场景里形成稳定现金流，有的作为产业链关键能力被整合。

区分它们的标准不是融资故事讲得多大，而是有没有进入真实客户现场、有没有形成稳定交付、有没有持续数据反馈、能不能推动客户复购和扩点。

关于中美差距，他给出一个判断：

硬件方面中国几乎要赶超海外；模型端中国顶尖科学家出身顶尖Lab，在Idea创新上完全不差，是齐头并进。

“从原创性角度海外略好，但差距不大。海外投资人正在对中国高科技资产重新评价，给的估值比预想的要高。”

结语：一个错觉，一个本质

两个小时的讨论，五位嘉宾来自甲方工厂、工程交付、底层模型、AI for Science和资本市场，但最后指向了同一个判断：

这个行业最大的错觉，是用技术指标替代了客户标尺。

60%的泛化、炫目的Demo、能走路能抓取，在“能不能嵌进去、跟得上、被复购”面前，统统不作数。

工业客户不关心概念有多热，也不关心你站VLA还是世界模型。他们只认一件事：这套系统放到我的工厂、仓库、实验室里，能不能稳定地把事做完，能不能有效验收。

褪去“万亿市场”的光环，具身智能最终仍要回到第一性原理，诚实回答那个最朴素的问题：

你的机器人，到底能让谁的产线，真正省下一分钱？

感谢以下嘉宾的精彩发言

 （嘉宾名称按姓名首字母排序）