作者：吕鑫燚 出品：具身研习社
2025年，具身智能产业最大的疑问莫过于“为什么真实场景不愿意为新生产力买单？”用一组数据更能直观的感受，近日摩根士丹利公布了一项关于中国各行业高管对机器人技术采用状况的调查：一方面企业采用人形机器人的意愿强烈，62%的受访者表示未来三年内可能采用。另一方面，却仅有23%的受访者对当前产品表示满意，产品亟待改善。
这则耐人寻味的数据是意料之中的矛盾，剥开数据的表象，我们看到的是生产力迭代的必然困境，这是生产体系对新生产力的迫切需求，与具身智能尚未完全兑现的技术能力之间的错位。
换句话说，当前企业们采购机器人本质上是受技术预期驱动，提前下注机器人这类“新生产力”，机器人被寄予了重构生产关系的厚望。然而现阶段技术红利并不充足，也就是说机器人技术，尤其是具身大脑能力还未达到高效适用的水平，导致人形机器人还始终徘徊在商业化门口，鲜有人真正买单。
产业要的答案已经清晰，破题思路也顺势跃然纸上。
简单来说，就是尽快完成具身智能“能用”到“好用”的关键一跃。摩根的研报指出企业（客户）最希望改善的方面集中在工作能力，包括人机协作、物联网集成、自主学习能力及灵巧度。此外，企业内心也有一笔经济账，关乎于采购价格、部署成本和投资回报。
所以，从产业视角审视，厂商的核心诉求早已清晰。技术维度上：大脑智能，本体灵活是进厂打工的基本“劳动素质”；价值维度方面：有较高的ROI，提高企业生产效率。
破题案例也随着技术发展走到公众面前，昨晚宁德时代突然官宣中州基地正式投入运行了，全球首条人形具身智能机器人规模化落地的新能源动力电池PACK生产线。人形机器人“小墨”已能精准完成电池接插件插接等复杂作业。
值得注意的是，这是宁德时代首次公开表示对合作企业的认可，叠加人形机器人已经在真实工厂中参与生产。此事的含金量和突发性不言而喻，低调双方在2025年末向具身智能丢了一记重磅炸弹。
这一案例的意义远超单一商业场景应用。其代表着，人形机器人已经能在非表演类场景应用。进入真实商用、工业等市场化场景。放眼具身智能产业，鲜少有企业能将人形机器人做成真正的生产力，这背后是啃硬骨头的决心。标志着具身智能从“概念验证期”迈入“实用价值期”的核心注脚，印证了“好用”才是打开产业市场的关键钥匙。
循着这一产业脉络推演，2026年的具身智能赛道，必将迎来“概念退热，价值回归”的核心转向。
为什么宁德时代把人形机器人放在工厂里真干活、干真活，可以视为破局案例？
首先，从场景本身来说，工厂生产是一个近乎严苛的地方，“有效生产、安全生产”是所有工厂车间的隐形标语。这里，并不是供新生产力博噱头的舞台，而是实打实的“魔鬼式验证”。而宁德时代作为全球电池供应商代表性企业，其产品特性和企业文化对新生产力要求更为严苛。
项目相关负责人对具身研习社透露了一个核心概念，宁德时代需要的是“严肃生产力”。
图片来源：宁德时代官方公众号
所谓“严肃生产力”是机器人需在精度、节拍、可靠性、稳定性、负载等方面符合严苛标准，尤其在安全和质量层面需达到近乎“零错误”级别。据具身研习社了解，千寻智能的端到端VLA模型在电池PACK产线上作业，已经达到99%以上的成功率，并不断通过技术优化努力触碰100%的大关。千寻智能对模型成功的极致追求这正与宁德的“严苛”不谋而合。
值得注意的是，这种高成功率的任务执行和自动化设备在单一场景、单一任务的高成功率有本质区别。“小墨”进入的是EOL&DCR工位，这一工作有着“多品种、小批量、高柔性”的生产特点。即要适应多种不同类型的产品生产，这便要求机器人具备强大的环境适应与任务泛化能力，能够自主应对生产产品的差异及位置偏差、插接点位变化等不确定因素，目前，小墨单日工作量已经实现3倍提升。此外，小墨所坚守的岗位是一个对于熟练工人而言都相对危险的场景，“工人需要将带有数百伏高压的测试插头精准插接到电池包指定位置，这不仅有高压打火风险，也存在效率与质量不稳定等问题。”上述还只是模型层面的严苛，人形机器人作为“新鲜事物”进入成熟量产线，必须满足工业级安全、可靠性标准，这个标准不仅针对干活，还需考虑和人类的交互。千寻智能依托工业机器人团队的技术积淀，增加了冗余安全设计，才通过了宁德时代的严苛审查，形成在产线内的高效生产。
在这样一个不容出错的场景部署人形机器人，并参与真实生产，表明人形机器人不仅能干活，还能把活干好。这正是产业对人形机器人的核心诉求。
诚然，在宁德时代干活可以视为人形机器人“高含金量”的落地，但是当我们在谈论人形机器人在宁德时代真正工作时，我们谈论的重点并不是场景本身，而是具身模型已经在真实世界中跑通。
毕竟，当下工厂、服务业甚至家庭场景都正呼唤新生产力，这是远比demo更具“现实主义”的渴求。
实际上，在宁德时代项目之前，千寻智能曾在WRC（世界机器人大会）、WAIC（世界人工智能大会）等展会上展示过Moz1在服务场景中的能力，如端水、递送饮料。在高动态、非结构化的开放场景中，凭借模型的泛化能力精准完成任务。
千寻智能也曾在公司内部进行办公场景的助理工作，完成擦白板、收纳桌面杂物、归置椅子等办公场景中琐碎的工作任务。这些场景虽不似工业产线般强约束，却体现出千寻智能在交互柔性、任务理解方面的技术积累。
图片来源：千寻智能
多场景、多任务中体现的技术能力，得益于千寻智能在具身大脑的沉淀。
从核心来看，千寻智能自研的Spirit v1 VLA作为端到端的具身大模型，实现了从视觉感知、语言理解到动作执行的无缝衔接。通过创新性的数据融合与训练策略，它赋予机器人在复杂动态场景中进行高效感知与操作的能力，这也是机器人无惧干扰，依旧连贯完成任务。
该模型已经搭载于其首款人形机器人Moz1上，配合Moz1高自由度的灵活本体，使得Moz1能解决更多精细化操作问题。例如，在面对多褶皱、质地和摆放形态高随机性的衣物，实现了叠衣服全流程顺畅操作，成为国内首次攻克柔性物体长程操作难题。
Spirit v1 VLA仅仅是千寻智能在大脑侧的布局之一，今年千寻智能还推出OneTwoVLA，把过去快慢脑双系统“熔炼”为一个既能想又能干的统一模型，既保证决策质量，又兼顾了实时性。该模型具备长程规划、自我纠错、自然人机交互、开放世界理解等能力。从视频中来看，机器人有明显的思考能力，面对临时更改指令、模糊指令也能通过思考精准执行任务。
图片来源：千寻智能
近期，千寻智能高阳团队的研究进一步推动了VLA技术的发展。提出了名为State-free Policy的纯视觉策略，无需额外“状态”信息就能学习到强大的空间泛化能力。
千寻智能团队的策略采用相对动作空间表示（如预测末端执行器相对移动多少厘米），并依赖完整的任务视觉观察（如配备腕部相机以获得物体的相对视角），从而摆脱对固定状态输入的依赖。
在多项任务中，即使训练数据严格固定了桌面高度、物体位置等条件，State-free Policy仍能展现出卓越的泛化能力。例如，在夹笔、叠衣服以及全身机器人从冰箱取物等任务中，其在高度和水平方向上的泛化成功率远超依赖状态输入的State-based policy传统策略。
正是因为千寻智能始终深耕技术，不断迭代模型，才得以拥有克服“柔性换产”电池产线痛点的能力，成为满足宁德时代所谓“严肃生产力”的企业。所以当千寻的身影出现在家庭、办公室、工厂条线，正是其扎实做技术沉淀出的场景价值。
这次，模型真的完成了多个场景的验证。
无可否认，具身智能的核心诉求始终聚焦于“规模化应用与实用价值兑现”，但立足产业演进的底层逻辑，场景落地绝非终极目标，而是开启技术价值深度释放的序章。这一产业发展范式已在智能驾驶、工业制造、医疗健康等多个前沿赛道得到充分印证，头部企业的实践无不揭示：落地是连接技术与产业的“第一触点”，而后续的数据沉淀、算法迭代与价值闭环，才是构建产业壁垒、驱动行业升级的核心引擎。
这条脉络已经在很多产业中被验证，以特斯拉FSD为例，其车载落地仅为技术商业化的初始环节，而通过真实路况场景沉淀的海量动态数据，才是驱动算法持续迭代、构建技术壁垒与生态护城河的核心引擎，为后续智能驾驶能力的指数级提升奠定关键基础。
从产业演进的本质来看，具身智能的“落地”本质是技术与场景的“首次耦合”，而真正的产业价值，恰恰诞生于耦合后的“二次循环”。即通过场景数据反哺技术迭代，再以优化后的技术提升场景适配能力，最终形成“落地-数据-迭代-再落地”的价值闭环。
这一闭环不仅能让技术从“实验室原型”进化为“产业级产品”，更能构建起竞争对手难以复制的技术壁垒与生态优势。
千寻智能的落地，也不仅是为了交付产品，在千寻智能看来这不是“一锤子买卖”。而是跑通“数据-模型-机器人-场景”闭环迭代的技术Pipeline。千寻智能方面始终强调，千寻智能不追求盲目扩产或短期营收，而是将资源重点投入在数据积累与模型能力提升上。公司计划在明年实现“100万小时真机高质量数据”的采集目标，以推动模型能力进一步高速迭代，从底层技术撑起长期竞争力。
这种坚持长期主义的策略，正契合具身智能“长坡厚雪”的赛道属性。
自成立之初，千寻智能身上总是带着各类光鲜亮丽的标签，但透过持续模型突破、一个又一个真实案例可见，千寻智能从未迷失在光环中，而是更关注是否能解决产业内的真实痛点。或许这也是投资人纷至沓来的核心引擎。
回到摩根士丹利指出的“高采用意愿”与“低产品满意度”的矛盾中来看，破题思路只有拿出高满意度的产品才能形成良性循环。以千寻智能为代表的，能够满足“严苛生产力”，能够靠模型真正跑通真实场景的企业，不仅成为摩根士丹利所说的“仅有23%的受访者对当前产品表示满意”的企业样例，还将满足所有抱有期待的企业订单。
