對話智元機器人姚卯青：工業場景是具身智能極具潛力的大市場？

2025年10月16日，智元機器人舉行線上直播發布會，正式發布新一代工業級交互式具身作業機器人智元精靈G2。

據官方介紹，精靈G2以工業標準打造，搭載高性能運動關節、高精度力矩傳感器，集成空間感知系統，支持快速學習部署，擁有多模態語音交互能力，具備工業、物流、導覽等多場景通用能力。

據悉，精靈G2目前已獲來自均勝電子、龍旗科技等企業的數億元訂單，并同步開啟首批商用交付，在汽車零部件制造、消費電子精密裝配等場景中進行應用落地。

同時，在精靈G2發布當天，智元機器人合伙人、高級副總裁、具身業務部總裁姚卯青也與觀察者網等一眾媒體展開了一場對話，總的來看，本次對話中的大多問題聚焦在商業化上，并回答了此前外界對智元及具身智能行業的質疑。

從觀點上看，姚卯青認為，工業場景是“極具潛力的大市場”，機器人應先落地室內簡單場景，靠真機數據驅動迭代，布局工業與海外市場，重視落地實效與ROI。

相關資料顯示，姚卯青畢業于清華大學電子工程系，曾在Waymo、蔚來汽車等智駕部門擔任重要職務，更是見證了智駕行業的商業化落地過程。2024年，看好具身智能的他加入智元，擔任具身研究院執行院長，負責AI技術開發及軟件研發工作。

姚卯青個人簡介 智元官方

據介紹，精靈G2的前置系列，精靈G1已于2023年11月發布，精靈G2繼承了G1的生態優勢，圍繞G1落地之后，在實際的部署過程中發現的局限性所做的優化與調整，以“工業標準打造+多場景適配”為核心設計理念，在硬件配置與智能系統上實現全面升級。

現場也舉出了設計上的相關案例，比如機械臂使用的力控方案，每個單關節都有力矩傳感可以去做阻斷控制，這一升級應對的就是工業里面一些插接類、需要柔性控制的場景。

事實上，針對擬人化這一行業方向，姚卯青表示，智元團隊的判斷是，人形機器人將更廣泛地融入人類生產與生活場景。

這一判斷也體現在產品中。

資料顯示，精靈G2搭載的高性能運動關節與高精度力矩傳感器，結合全球首款十字腕力控臂，能賦予機器人擬人化的靈活作業能力。具體來說，通過全臂扭矩傳感器與柔順控制算法，精靈G2可感知外界細微力變化并動態調整響應，現場演示中甚至能用生雞蛋推動機械臂而保持蛋殼完好，體現了其精準的力控精度。

機器人正在推雞蛋

據悉，此前，機器人使用的更多會像是協作臂的SRS的構型（一種機械臂關節結構）。而智元在精靈G2的腕部第六，第七關節采用的設計則能更像人類：團隊在腕部采用的“十字腕”關節有兩個自由度，是垂直正交在一起的，可以更靈活地進入狹小空間。

在超市上貨等場景中，貨架與貨架之間的距離很小，每一層之間的空間也很有限，那么一個短且靈活的手腕，就可以快速地夠到每一層的空間。

精靈G2的擬人化設計，除了手腕之外，還包括可旋轉腰部與可折疊下肢：腰部能夠前后彎腰、左右搖擺，主要面向導覽講解等場景；下肢則針對機器人運輸場景設計，可折疊的特性使其更便于安裝、包裝和運輸。

現場還透露，相關設計已獲得對應客戶的認可與肯定。

目前，在具身智能行業中，圍繞機器人的落地方向，業內爭論不休，分歧相當明顯。

整體來看，有一派堅持“工業優先”，以美的、特斯拉等廠商為代表，認定工業場景的落地是第一選擇，并強調其ROI（投資回報率）清晰；另一派則主張以場景細分為核心，認為輪式、四足或情感陪護等針對特定場景的形態，能更快實現商業化。

對于種種爭論，姚卯青也從個人角度分享了對于機器人行業落地路徑的思考。

他表示，縱觀行業，從場景應用來看，全尺寸人形機器人用于高負載、持續續航、高節拍的作業，目前概念性成分更多。

數月前，雙足機器人在車廠搬箱子等場景的應用被熱議，但如果真正實地開展行業調研、了解客戶需求就會發現，這其實是不太合適的方案，在續航、穩定性、速度等方面，目前的機器人都難以勝任工廠的高強度作業要求。

其次，室外場景對當前的人形機器人而言也頗具挑戰。

從IP防護等級（一種電氣設備安全防護的評判標準）來看，它們大多無法滿足防塵、防水的需求，很難勝任室外環境；不過像高防護等級的四足機器人，用于巡檢、巡邏等場景是可行的。

人形機器人更適合先在室內環境、任務明確的場景中更快實現部署。如果任務過于復雜、流程冗長繁瑣，中間可能出現差錯，還需要進行復雜規劃、重啟等操作，以當前的技術成熟度來看，這類場景還未到真正落地的階段。

所以，從簡單、固定的需求入手推進，會更為切合實際。

在選定需求的基礎上，具體到智元本身的戰略，姚卯青表示，從可行性上看，首先，工業場景是極具潛力的非常大的市場，盡管大眾印象中工業自動化率已較高，但現實是仍有大量產業工人在崗，且諸多崗位面臨用工量不足、人員穩定性差等挑戰，這為機器人部署創造了諸多機會。正如此前訪談所提，工廠環境相對可控、任務明確，更利于機器人落地應用。

除此之外，其他場景也存在廣闊機遇：例如安檢、巡檢等服務類場景，以及機房等需機器人自主執行與遠程操控相結合的“巡檢+操作”類場景；同時，展廳講解接待、展館導覽等偏向人機交互的文娛類場景，目前也已接近落地狀態。

據介紹，在商業化探索中，智元并非隨機對接客戶，而是會深入評估場景價值與技術匹配度、成熟度，選定合作場景主要基于工站是否與當前技術匹配度和成熟度適配、合作客戶及合作伙伴是否對新技術抱有接納熱情、場景本身是否具備規?；瘡椭频纳虡I化潛力三點核心考量。

當前，智元旗下產品主要圍繞科研、教育，部分交互服務以及工業作業領域展開，每個領域都存在相對大額的客戶訂單，較為均衡。

智元旗下精靈系列產品

海外也是智元高度重視的市場：一方面，海外的用工成本、用工難度、人員管理復雜度及穩定性挑戰，均高于中國；另一方面，不少發達國家面臨老齡化加劇、出生率低迷的問題，這嚴重影響了其勞動人口基數。

因此，這些海外市場對相關產品的需求明確，且整體定價空間與最終能實現的利潤率都較為可觀。

基于此，智元今年已啟動全球市場布局：一是正在推進全球經銷網絡的建設；二是在全球主要市場，聯合當地合作伙伴開展產品的聯合設計、研發、生產與銷售，通過本地化運作，更快、更好地理解并滲透當地市場。

對于明年的計劃，姚卯青透露，公司期望海外市場收入占比能達到整體收入的30%甚至更高。

值得注意的是，精靈G2機器人專注于工業場景，而在工業場景中，非標自動化的技術方向一直受到行業關注。所謂非控自動化，就是指根據客戶的特定需求進行定制化設計、開發和生產的自動化形態。

目前，非標自動化存在兩個核心難點：首先，仍有大量工序未通過非標自動化解決，對人工的依賴度依然很高。

其次是，自動化產線的投入成本高，且復用性差，如果代工廠需要更換生產的產品品類，原有產線基本無法適配，只能重新搭建新線，這對于品類較多的代工廠而言，不僅代價高昂，部署周期也很長。

自動化產線內部 視頻截圖

因此，智元推出人形機器人，就是希望它能像人類員工一樣靈活接入產線，而非像傳統自動化方案那樣是定制化適配。

智元人性機器人的核心優勢在于其具備通用具身智能：更換生產產品時，無需更換硬件設備，只需像培訓人類員工一樣進行短暫培訓，就能讓它適配新的工作內容，避免了原有投資的浪費。

此外，人形機器人并非要平替或替代傳統機械臂，對于那些已經能通過自動化方案高效解決的工序，無需再做改造。

目前來看，智元的產品更多是和人類員工對比ROI（投資回報率），同時彌補傳統機械臂不可復用的短板，為多品類生產的代工廠提供更具性價比的解決方案。

精靈G2的單臺定價在50萬-60萬元之間，介于高端協作機器人與重型工業機器人之間。雖然初期采購成本較高，但官方表示，考慮到人力成本、福利、以及人員流動性等因素，機器人有望在2-3年內收回成本。

在某些特定行業，當前面臨的痛點是人員穩定性與用工難題。

消費電子產線的工作場景較為特殊，工人需在固定時間點重復同一勞動數百遍，休息時間也有嚴格限制，整體工作枯燥甚至壓抑，人員被高度機械化要求。

電子廠內部 視頻截圖

這種高強度、重復性的工作模式，使得年輕工人難以長期堅持，人員流動性極大。而對于消費電子這類需要大批量出貨的行業而言，人員的頻繁流動，既影響產品質量的一致性，也會干擾產能的穩定性。

姚卯青認為，機器人完全可以解決這一問題，所有機器人共享統一程序，不僅沒有情緒波動，也不會出現跳槽等情況，能夠持續穩定地執行工作，從而有效保障產能與產品品質的雙重一致性。

值得一提的是，自動駕駛算法與人形機器人的具身智能技術路徑高度重合，許多人認為，自動駕駛算法的經驗可以完全復用到具身智能行業中來。

當前自動駕駛領域的新概念包括VLA（向量邏輯架構）和世界模型等，客觀上看，它們和車輛上實際部署、用戶真正在使用的系統關聯度其實不高。

這些技術可能僅在一些輔助環節中偶爾被觸發使用，而在實時執行的核心系統環節，依然以原有方案為主。畢竟受限于實時性要求和算力瓶頸，VLA與世界模型暫時難以應用到實時執行場景中，這一點也可以通過行業調研去證實。

姚卯青認為，具體到機器人領域，肯定還是要循序漸進，不能急于求成。

具體來說，首先需要在可控性強、相對簡單的單一作業環境中，通過多種技術的融合，實現快速應用與落地，真正到真實的客戶現場去證明自己，而不是僅僅頻繁發布相關成果。過去有不少公司熱衷于這類發布，但最終沒有拿出真正落地的案例，這樣的情況并不少見。

所以，他表示，智元更看重實際效果：發布最新成果固然重要，但能讓這些成果真正落地到客戶現場，轉化為訂單、形成收入，才是最有力的證明。

總的來看，姚卯青表示，機器人要發展，還是需要一個從本體到數據、算法、應用，再回歸到本體的飛輪去迭代。

這其實也是他一直以來想要表達的觀點，在此前舉辦的2025世界機器人大會上，他曾在公開演講中對這一概念進行了解釋，原話如下：

首先，你需要一個優秀的機器人本體，就像人類需要強健的體魄才能完成多種多樣的任務。有了機器人好的本體，才能生產出穩定、一致性強且高質量的數據。對于人工智能大模型，無論是語言模型還是物理智能，數據質量決定了模型的上限。我們經常講“garbagein，garbageout”，只有高質量的數據才能有優秀的智能體。臟數據對模型訓練是有害的。

姚卯青在發表講話

有了海量、優質的數據之后，這些算法也必須圍繞實際應用場景進行落地試錯，而不是憑空想象。我們常說“人工智能通用”是一個美好的愿景，但不能脫離實際去思考，必須結合場景。最終，在場景中的摸爬滾打（更多時候可能是慘痛的教訓），會為本體設計、數據采集方法論以及大模型架構思考帶來新的指引，讓這個“飛輪”進入新的迭代。

活動中，他也在繼續闡述這一觀點，他提到，目前，在數據應用方面，真機數據依然占絕對主導，占比在90%以上，這一點和自動駕駛領域比較相似。

事實上，無論是實際落地的自動駕駛車企，還是相關供應商的方案，基本都以98%、99%以上的真實數據為核心，僅搭配少量仿真數據來覆蓋一些極端邊緣場景（corner case）。對于機器人而言，用于提升環境泛化性的仿真數據，占比可能也在10%以內。

對于行業來說，現在最重要的，就是能夠讓機器人盡可能多的進入真實場景，然后在真實場景中獲取高質量的數據，他認為，這是對機器人公司當前選擇深耕的技術路徑來說最關鍵的一步。

而真機數據的獲取，其實也就是智元一直在強調的迭代飛輪。

盡管智元目前已經對行業落地與ROI有著清晰的規劃，但當下具身智能領域仍有諸多疑問待解。

一方面，今年不少具身公司雖手握訂單，但真正能算清賬目、切實解決生產生活核心需求的落地場景并不多見，一年之內，具身智能究竟能在哪些場景實現規?；罢媛涞亍保恐窃狦2的訂單又將在汽車零部件制造、消費電子精密裝配等場景中攻克哪些具體痛點？這些細節仍需市場給出答案。

另一方面，工業場景的成本賬始終繞不開，精靈G2單臺采購價高達50萬-60萬元，加之后續工程師維護等費用，官方所說的2-3年收回成本，是否真的已充分考量過了不同工廠的產能需求、產線適配調整成本以及機器人的實際故障率等因素？其真實ROI又能否如預期般達成？

這些問題也都還需要更多來自一線生產的實際數據來佐證，畢竟，商業化的最終檢驗標準，永遠是市場的真實反饋與可持續的盈利模式。