從算法走向制造能力：智元給人形賽道的中局判斷

2026年的具身智能賽道，氣氛和兩年前已經完全不同。
近期，在北京舉行的人形機器人與具身智能標準化年會上，智元機器人聯合創始人彭志輝的判斷頗為明確：“國內人形機器人整機企業已經超過140家，發布產品達330款。行業已經從實驗室炫技、Demo展示，正式進入工程化競爭、場景化競爭的下半場。”
這句話，其實可以看作是對整個行業階段的重新定性。
過去幾年，人形機器人最容易出圈的是視頻。誰走路更像人，誰跑得更穩，誰能翻跟頭、飛檐走壁，誰就能在社交媒體上引發轉發與融資熱潮。那是“展示態”的時代。但在這次演講中，彭志輝反復強調一個詞——“部署態”。
“2024年到2025年初，大家還在比拼誰家的機器人走路更直、更自然。現在，本體靈活性已經達到實用化階段，接下來要比的，是誰的干活能力更強。不僅在國內比，還要跟海外頭部企業比，看誰能在‘部署態’真正落地。”
當一個技術行業開始從“能不能動”轉向“能不能干活”，它就從概念期走向工程期。對于投資者而言，這是風險結構變化的信號。
如果說此前是算法與融資的競賽，那么現在比拼的是系統工程能力。
彭志輝開場就坦率表示：“整個具身智能行業目前還在共同探索，沒有任何一家企業可以獨自給出正確答案。我們要在正確的時間做正確的事情。”這句話聽上去謙遜，但背后其實隱含判斷——技術窗口已經打開，單點突破的時代結束，系統整合的時代開始。
為什么是現在？
彭志輝給出的答案并不復雜：“根本原因是AI技術的發展帶來的突破。”他把過去十年的AI演進拆解成三段：深度學習帶來的感知智能，大模型帶來的認知智能，以及當下由AI與機器人結合驅動的物理智慧世界。
“我們過去幾年完成了數字AI的規模化，現在要挑戰的是物理AI的規模化，從數字世界走向物理世界。”
這是一條更長、更難的路。
在數字世界，“代碼跑錯了可以重啟”；但在物理世界，“有物理成本，有失效成本”。機器人摔倒一次，可能就是硬件損傷與現金流消耗。因此，他提出一個工程范式——“一體三智”。
所謂“一體”，指的是機器人本體。
“本體是AI在真實世界的約束接口。”彭志輝強調，“真實物理世界充滿摩擦、碰撞、形變、誤差、老化、噪聲。本體設計不是簡單的硬件堆疊，而是可靠性工程、供應鏈工程和安全工程的綜合體。”
對資本市場來說，這段話等于把賽道邏輯從“算法故事”拉回“制造業能力”。
他把核心零部件拆得非常清晰：“當前最重要的兩個部件，一個是關節，決定運動能力上限；一個是靈巧手，決定操作能力上限。這兩個部件占據整機成本的絕大部分。”
這幾乎是一張成本結構圖。

早期行業里，執行器技術路徑多種多樣，液壓、直線驅動、高速高剛度方案并存。

但“從2023年開始，方案開始收斂到新型關節。”他甚至做了一個類比：“人形機器人的硬件技術和新能源車非常類似，核心是所謂的‘三電系統’。”
不同之處在于復雜度。汽車電機工況相對簡單，而機器人“需要高動態、高頻的正反轉，全身少則數十個、多則上百個自由度。”不同關節之間的規格差異極大，手指和大腿的扭矩需求完全不在一個量級。
“如果為每個關節單獨設計規格，那會是量產的災難。”彭志輝直言。
智元的解法，是系列化與標準化。“我們把五大系列、近10款產品，全部規整到8款系列化關節設計上。這8款關節用在所有產品上，能夠滿足所有部位需求。這就是標準化帶來的收益。”
當一家企業開始講“系列化規劃”而不是單款產品性能時，它已經在為規模化做準備。
靈巧手的挑戰則更復雜。“一方面要把10到20個自由度塞進比人手還小的空間，另一方面對高維感知能力要求極高，尤其是觸覺。”他說。
彭志輝給出一個非常直觀的判斷：“接近80%人類做得好、傳統自動化做不好的工序，都和觸覺強相關。”裝配工人憑“咔嚓一聲”判斷是否成功，這種經驗如何數字化，是行業瓶頸。
“視覺是先有標準傳感器，再有標準數據格式，再有標準數據集，最后才是算法爆發。”彭志輝表示，“但觸覺傳感器的技術路徑還沒有收斂，也沒有標準。”
這段話對投資者而言意味著什么？意味著觸覺一旦標準化，將帶來新的技術與成本拐點。
如果“一體”是軀體，“三智”就是靈魂。
運動智能近兩年突飛猛進。彭志輝總結原因：“一是算法范式從模型驅動轉向強化學習；二是仿真框架普及，使大規模并行訓練成為可能；三是關節技術收斂，降低控制難度。”綜合收益之下，動態性能大幅提升。
但運動只是底座。彭志輝指出，“交互智能提供情緒價值，作業智能提供生產力價值。”
交互智能大量復用大模型成果，但“未來的機器人不能只聽懂語音指令，它要看到你的情緒、聽懂你的語氣，甚至預判你的意圖。”在他看來，情緒價值“比很多人想象得大”，這也是春晚機器人表演能引發廣泛討論的原因。
真正決定商業價值的，是作業智能。
為了降低訓練門檻，智元推出“靈創平臺”。“我們把動作訓練流程簡化到像發抖音一樣，上傳一段視頻，平臺自動完成關鍵點檢測、動作遷移、訓練和部署。”彭志輝說，這意味著行業要從科研人員的“開發態”，走向大眾參與的“創作態”，最終實現低成本“部署態”。
部署，是貫穿整場演講的核心詞匯。
談到場景選擇時，他提出“沿途下蛋”的策略。“我們把任務維度分為場景復雜度和任務復雜度。場景復雜度是一種約束，不體現價值；任務復雜度才能體現價值。”
自動駕駛是在復雜環境下做簡單任務，而人形機器人當前更適合“在簡單場景做復雜任務”。例如結構化工廠環境里的高自由度操作。
“最終，自動駕駛和具身智能都會走向復雜環境做復雜任務。”彭志輝說，“但現在，我們要選擇現實可行的路徑。”這是一種階段性務實，而非終局浪漫。
在演講后段，彭志給出一個形象比喻，把人形路線的邏輯講得非常清楚。“Computer Use是數字世界的人形接口，而人形機器人就是物理世界的通用接口。”
理論上，讓AI直接生成底層代碼效率更高，但現實世界的軟件生態是為鼠標鍵盤設計的，因此通過界面操作反而成為最通用路徑。
同樣，現實世界的門把手高度、樓梯尺寸、工具形態，都是為人類身體設計的。“既然環境是圍繞人類構建的，那么AI要實現最大化的通用性和兼容性，終端形態大概率也要長得像人。”彭志說，“它未必效率最高，但一定兼容性最強。”
這句話，其實回答了資本市場最常見的疑問：為什么一定要做人形？因為它是接口。
最后，他把行業中局定性為“基礎設施，而非單點產品”。“物理AI規模化的關鍵在于數據閉環、可靠性工程以及可運維能力的標準化。”彭志說，“我們既要跑得快，也要跑得穩。”
當一家機器人公司開始反復強調數據治理、評測體系、運維經驗與標準共建時，它的視角已經不再是產品發布，而是產業體系。
對于投資者而言，2026年可能并不是爆發元年，而是分化元年。
展示態結束，部署態開始；情緒溢價退潮，工程能力定價上升。關節良率、系列化規劃、真實場景運行小時數、數據回流效率，這些指標將逐漸取代舞臺動作難度，成為估值核心。
從數字AI走向物理AI，是一次更漫長的產業遷移。彭志輝在結尾說：“標準化不僅是技術規范，更是產業落地的加速器。”
當行業開始談標準，意味著它正在準備規模。而規模，從來不是喊出來的，是一顆關節、一只靈巧手、一條供應鏈、一套運維體系，慢慢堆出來的。