作者 | 毛心如
2025 年狂奔的具身智能赛道，可谓将行业关注者们的情绪价值直接拉满。
无论是行业超 300 亿元的融资，还是累计过万台的订单签署，都都印证了其流量体质。
但在满屏的流量狂欢下，一种错位感正在蔓延：资本估值在涨，落地步子却很慢；文娱表演赚足眼球，却难有持续价值。
在一切宏大叙事下，留着一个最朴素的问题：机器人什么时候能赚钱？
这里的赚钱，指的是机器人作为一种生产工具，在真实的应用场景里，创造可计算、可复现、且超过自身成本的经济价值。
最近，千寻智能与宁德时代给这个问题送上了一份沉甸甸的答卷。
全球首条实现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，在宁德时代中州基地正式投入运行。
人形机器人「小墨」精准完成电池接插件插接等复杂作业，在多型号连续生产中实现了单日工作量三倍于人工的提升，同时保持了正常作业的一致性与稳定性。
这条产线，不仅是一次技术落地，更像是给行业的价值考题交上了首份合格答卷。
行业亟待一场模型价值正名
2025 年的具身智能行业，无疑处在资本追捧的风口之上。
据不完全统计，仅 2025 年前 8 个月，我国机器人一级市场融资额已达 386.24 亿元，是 2024 年全年的 1.8 倍。
在订单端，行业更是呈现出「千台级订单常态化」的热闹景象，有近十家公司公开宣布拿到千台级战略合作协议。
然而，热闹的表象之下，是重演示轻落地的行业怪象，产业发展的虚火远超真实产能。
展会与 Demo 视频中，跳舞、格斗等文娱表演类应用吸睛无数，但真实商业化场景中，能依托模型稳定运行并创造价值的机器人寥寥无几。
其中核心痛点在于，行业热度多建立于营销叙事，而非具身智能模型的商业化价值。这种发展模式，让具身模型的产业价值始终无法得到验证。
2025 年作为具身智能从样机走向量产的元年，其内涵必须包含双重兑现：
一是本体制造与供应链的硬量产。即供应链能稳定输出性能一致的机器人本体。
二是场景应用与价值的软量产。即依托成熟的具身智能模型，在真实、复杂的商业化场景中规模化部署并产出实际经济效益。
在被寄予厚望的量产元年，行业最迫切的需求应是一场有关模型的，彻底的、有落地能力的价值正名。
千寻智能与宁德时代的这次合作，不仅是一次行业正名，同时也给行业提供了一套清晰的价值标尺。
「小墨」的单日工作量较人工提升 3 倍，大幅降低了单位产品的人工成本，结合其稳定的作业效率，能够实现明确的投资回报测算。
第二，可替代的高危、高重复性岗位价值。
「小墨」在宁德时代产线上替代的 EOL 与 DCR 工序，需要工人将数百伏高压插头精准插接，具有多品种、小批量、高柔性的特点，危险且依赖熟练工。
因此，「小墨们」的价值并非比拼人力成本，而在于承担人不好干、不愿干、干着危险的岗位。
第三，可量化的效率与质量提升。
制造业的核心是稳定性与一致性，而人形机器人在标准化操作上具有天然优势。
通过搭载高性能的端到端 VLA 模型 Spirit v1，「小墨」在产线上做到了实打实的成绩：
精准适应：可自主应对来料位置偏差、插接点位变化等不确定性，实时调整操作姿态；
柔性操作：在插拔柔性线束时，能动态调节力度，确保连接可靠且不损伤部件；
高效可靠：在实际运行中，其插接成功率稳定在 99% 以上，作业节拍已达到熟练工人水平。
明确这三大价值标尺，不仅验证了具身智能在工业场景的核心价值，更是一个强有力的行业信号。
量产元年的产业价值，不在于订单规模的大小，而在于是否能通过生产力标准的检验，无法依托模型跑通真实场景价值的方案，都难以穿越产业周期的迷雾。
跨越鸿沟：
「干出来」的壁垒与商业闭环
将实验室原型机转化为产线上靠谱的数字员工，中间横亘着巨大的鸿沟。
值得一提的是，此次合作也是宁德时代首次公开表示对合作企业的认可。
这份认可的含金量，在于它完整地验证了一条从技术到营收的商业化路径，同时清晰地揭示了这条路径上必要的硬核壁垒。
首要的壁垒，是深度的工艺理解与场景融合能力，这是机器人从实验室走向车间的关键门槛。
与传统工业机器人按预设作业不同，具身智能机器人需理解生产工艺、无缝嵌入现有流程，而非让工厂为适配机器人重构产线。
「小墨」之所以能落地宁德时代，核心就在于实现与电池制造工艺的深度融合。
EOL 与 DCR 工序，对操作的精准度、柔性和安全性都有着极高要求。
通过自研的 VLA 模型实现感知-决策-动作的端到端优化，「小墨」才能在岗位上得心应手。
例如，针对不同型号电池的插接点位差异，机器人能够通过视觉感知自主调整操作姿态；针对柔性线束的插拔需求，通过力控算法动态调节力度。
这种能力依赖长期场景磨合积累，也是当前多数展示阶段企业的短板。
其次，是规模化部署所需的工程化与供应链能力。
让机器人班组在产线上 7x24 小时连续工作，涉及核心零部件的一致性、严苛的质量管理、与工厂现有系统的深度集成，以及快速的现场响应体系。
具身智能产业初期供应链成熟度远落后于汽车、电子行业，核心零部件多需定制，对企业整合能力提出了高要求。
千寻智能能够迈过这一步，离不开与宁德时代在生态上的深度合作。
宁德时代不仅是客户，其关联资本的支持及自研电池等核心资源的协同，提供了至关重要的供应链稳定性和工程化底气。
而工艺融合与规模部署的最终归宿，是形成一个可计算、可复制的商业闭环。
对于任何一个产业而言，可持续的发展都离不开商业价值的支撑，具身智能产业也不例外。
此前，行业多数玩家困在烧钱研发-演示融资的循环里，机器人产品要么停留在演示阶段无法产生营收，要么只能通过科研采购、赛事合作等方式获得少量收入，始终无法摆脱成本中心的定位。
千寻智能通过与宁德时代的合作，实现了从成本中心向价值中心的转变。
这一成果的背后，是其构建的模型驱动场景落地的可计算商业模型：
降本：通过技术融合提升作业效率，降低企业的人工成本
增效：通过规模化部署摊薄研发与生产成本，提升产品的性价比
长尾效应：通过持续的运维服务获得稳定的后续收入
更关键的是，模型能力与商业模型的可迁移性，使其能快速将电池制造领域经验复制至物流、医药等行业，放大商业化价值。
中国企业率先开启产业良性循环
跳出单一案例看全球竞争，这条规模化落地产线也是中国具身智能产业换道超车的缩影。
这代表着中国具身智能产业率先开启了「算法-工艺-供应链」的全链条良性循环，同时也将全球竞争的赛点，从技术展示拉入了商业化落地的深水区。
中国具身智能产业的良性循环，首先依托的是场景需求带动技术迭代的务实路径。
与海外企业先造机器人再找场景不同，中国企业普遍采用场景+技术适配思路，从真实产业需求出发解决痛点，再将经验复制至多场景。
千寻智能就是实例，从宁德时代高压环境下长序柔性作业痛点切入，在落地中完成 VLA 模型迭代与工艺融合能力积累，培养技术可复用性，形成场景需求-技术迭代-多场景复制的正向循环。
除此之外，全产业链协同能力的构建，也进一步强化了中国在具身智能竞赛中的优势。
千寻智能的成功，更多得益于上中下游产业链的紧密合作，形成了算法-工艺-供应链的完整闭环。
在算法层面，其自研 VLA 模型 Spirit v1 拥有动态场景感知以及多任务连续泛化能力。
在工艺层面，与宁德时代等制造龙头的深度合作，确保技术匹配产业需求。
在供应链层面，依托中国完善制造业体系，快速整合核心零部件资源实现迭代与规模化生产。
这种全产业链协同能力，是中国独有的产业优势，海外企业短期内难以复制。
而这也与美国具身智能企业普遍陷入演示领先、落地滞后的困境形成鲜明对比。
特斯拉 Optimus 虽被寄予年产 1 亿台的厚望，却仍停留在技术演示阶段，V3 版本因灵巧手问题无法量产。
全球估值最高的具身智能公司 Figure AI，凭借演示视频吸引微软、英伟达等巨头纷纷下注，却因夸大与宝马合作遭遇信任危机。
即便是落地进度领先的 Agility Robotics，其 Digit 机器人在 GXO 配送中心完成 30 万件商品配送，也多为简单搬运，效率仅为人工的 65%，难以替代核心生产环节。
客观来看，中美路径并无绝对优劣，而是基于自身产业基础的理性选择。
美国依托在人工智能算法、芯片领域的积累，聚焦模型端突破，短期内更侧重探索具身智能的能力上限，为行业树立技术标杆。
中国则凭借完善的制造业供应链体系，结合丰富的真实商业化场景资源，走场景驱动模型迭代的路径，更易快速跑通商业闭环、实现市场化落地。
需要承认的是，美国在通用具身智能模型研发、算法创新等领域仍保持领先优势，而中国在供应链整合、场景落地效率上的优势同样显著，双方的差异化发展共同推动全球具身智能产业的多元化演进。
而在宁德时代与千寻智能的合作里，不仅能看见中国玩家对技术、场景的全面注重，也能看见一个良性的产业循环的苗头。
头部应用突破带动中游本体制造与技术进步，拉动上游核心零部件升级，催生更多下游场景开放复制，反哺中游技术迭代与成本下降。
这一「算法-工艺-供应链-场景」的正向飞轮一旦跑起来，将推动更多中国具身智能企业在商业化、规模化落地中迈出更大步伐。
探索具身智能的道路上，既需要有人仰望星空做技术突破，也需要有人脚踏实地蹚出商业化路径。
但在国内的土壤内，需要更多把路率先走通的人。
原文标题 : 具身智能，是时候减少营销叙事了
