出品：人形机器人场景应用联盟

2026年的全国两会上，人形机器人与具身智能再次成为热门话题。这也是人形机器人连续第三年出现在全国两会的讨论中，关注度持续升温。

不过，相比前两年更多停留在“未来产业”的宏观讨论，今年的声音明显更“接地气”。从核心零部件到应用场景，从产业协同到标准体系，不少代表开始把关注点放在“怎么落地”这件事上。

那么，从代表们的发言中，可以读出哪些值得关注的产业趋势？结合当下的技术进展和企业实践，具身智能又正走向怎样的下一阶段？

01

端侧“大脑”成为具身智能关键突破口

在今年两会关于人形机器人与具身智能的讨论中，全国人大代表、小鹏汽车董事长兼CEO何小鹏将关注点放在了“端侧本地大脑”上。

何小鹏指出，我国当前大部分人形机器人属于软件规则控制类型，在“大脑”与“小脑”的协同体系、更多场景任务泛化能力方面尚未形成行业优势，存在被美国的“本地端侧大脑”路线拉开差距的风险。

因此，他提出两方面建议：一是推动端侧“大脑”技术研发，通过专项基金、数据体系建设以及端侧大模型研发等方式，支持具身智能核心技术突破；二是推动人形机器人智能化标准体系建设，借鉴自动驾驶分级体系，对算力、数据规模、训练强度和应用场景等关键指标进行规范。

“端侧部署”的意义，在于让机器人拥有真正的“本地大脑”。当感知、决策与行动的完整闭环都在设备本体完成时，机器人能够摆脱对云端网络的依赖，降低延迟，并在复杂环境中进行实时决策。这也是机器人能够真正进入工业、商业乃至家庭场景的重要前提。

顺应“端侧部署”趋势，国内已经出现了一家领跑者。北京智源研究院（BAAI）唯一孵化的具身大脑企业星源智机器人，就在构建完整的端侧智能架构。

据悉，星源智与BAAI共同研发了能够在机器人本地部署的物理具身世界模型，并推出了端侧算力平台T5，使具身大模型可以直接运行在机器人端侧。具备本地算力与模型后，机器人能够摆脱对网络的依赖，形成真正的本机智能，从而完成更复杂、更连续的实际任务。

随着算力、模型和数据能力逐渐成熟，机器人拥有“端侧大脑”正在从概念走向现实。对于行业而言，这不仅是技术架构的变化，也意味着具身智能正在向更高等级的自主能力迈进。

02

制造业成为人形机器人率先落地的主战场

在今年两会的多份建议中，“人形机器人+智能制造”成为出现频率极高的关键词。

全国人大代表、小米集团创始人雷军就将关注点放在推动人形机器人在智能制造中的实际应用上。他认为，尽管我国在人形机器人领域已经具备一定技术积累，但距离大规模工程化应用仍有不小距离。

在雷军看来，当前行业面临的主要瓶颈集中在三个方面：工艺稳定性不足、单体硬件成本较高，以及工厂开放的机器人作业工位数量有限。这些问题导致人形机器人目前仍处在“学徒工”阶段——能够完成一些任务验证，却还难以承担长期、稳定的生产工作。

为此，雷军提出应以制造业实际需求为牵引推动技术突破，并提出明确目标：到2027年，在特定工业场景下实现机器人平均无故障工作时间（MTBF）突破1万小时、任务成功率超过99%，同时保证在高温、低温、潮湿、振动等复杂环境中的稳定运行。

与此同时，全国人大代表、千寻智能创始人韩峰涛也提出了类似判断。他认为，全球具身智能竞争正在从技术演示阶段进入场景落地阶段，而中国拥有全球最完整、最先进的制造业体系，这本身就是具身智能发展的最大优势。

真实产线环境正在成为推动技术迭代的重要平台。例如，千寻智能研发的人形机器人“小墨”此前已经进入宁德时代新能源动力电池生产线，参与电池接插件插接作业，在真实生产环境中实现了超过99%的插接成功率。这样的实践证明，复杂且稳定的工业场景能够为机器人提供持续的数据反馈与技术优化空间。

基于这一判断，韩峰涛提出设立国家级“具身智能产线融合中心”，由龙头制造企业与人工智能企业共同推动技术验证与应用落地，并通过“首台套”补贴和容错机制，降低制造企业在引入新技术时的风险顾虑。

从这些建议可以看出，制造业场景具有流程清晰、任务可拆解、环境结构化程度较高等特点，更适合作为人形机器人早期落地的试验田。随着技术成熟度不断提升，机器人也有望从“产线实习生”逐步成长为真正参与生产的“正式工”。

03

数据与场景成为具身智能的基础设施

今年两会，多位代表在两会建议中提到，当前具身智能的发展并不缺少算法和硬件概念，真正制约行业进展的，是高质量物理世界数据的稀缺，以及可持续的数据生产机制。

围绕数据基础设施，全国政协委员、天娱数科董事长贺晗在提案中提出，应启动国家级“具身数据要素工程”，建设数据采集与预训练中心，为搬运、装配、分拣、巡检、护理等典型任务构建可复用的大规模数据集，并统一动作轨迹、触觉、视觉语义等数据格式。

他同时建议建立“人形机器人上岗清单”，优先在3C装配、仓储搬运、质检巡检等收益明确、环境相对结构化的场景率先形成规模，并通过保险、租赁等方式降低企业使用机器人的门槛。

类似的判断也来自产业一线。全国人大代表、海尔集团CEO周云杰在建议中指出，目前具身智能仍面临“大脑、小脑与肢体尚未形成高效协同”的问题。AI大模型、精密机械和驱控系统之间仍存在不少技术堵点，同时高保真、多模态的物理交互数据极为稀缺，行业级数据共享机制也尚未建立。

为此，他建议设立具身智能国家重点研发专项，集中突破多模态感知理解、环境自适应学习和仿生灵巧操作等核心算法，同时推动高精度传感器、智能关节等关键硬件产业化，并建设国家级开放创新平台与数据专项。

目前，海尔集团已经在产业链层面加速布局。例如，海尔集团战略入股上海新时达电气股份有限公司，推动制造业数字化与机器人技术融合。新时达的人形机器人已经进入海尔工厂进行实训，在真实生产环境中测试作业能力并积累数据。

全国政协委员、新希望集团董事长刘永好同样指出，目前机器人的运动能力已经取得明显进展，但在复杂环境中的智能水平仍有提升空间，其中一个重要原因就是操作数据的不足。

他认为，要让机器人真正服务工业、农业和家庭，需要在真实场景中采集大量包含力觉、触觉等物理特性的高维数据，并通过数据中心和训练平台进行系统化训练。与此同时，应鼓励企业开放真实应用场景，让具身智能企业在实践中积累数据与经验。

与此同时，一些企业也开始探索数据与场景的新模式。例如，韩峰涛提出“场景数据资产化”的思路，建议建立产线数据确权、脱敏与共享机制，让制造业场景数据成为可流通的生产要素，从而加快具身智能技术迭代。

这些建议背后反映出一个越来越清晰的趋势：在具身智能时代，数据的价值不再只来自互联网，而更多来自真实世界的操作过程。谁能够更早建立起稳定的数据采集与场景验证体系，谁就更有机会在这一轮技术竞争中占据优势。

04

垂直场景或成为商业化突破口

在人形机器人产业热度持续上升的同时，也有代表开始提醒行业警惕同质化竞争。相比一味追逐通用形态，围绕具体需求深耕垂直场景，或许更有可能率先打开商业化空间。

全国人大代表、海信集团董事长贾少谦在建议中提出，应引导产业资源更多聚焦家庭服务、医疗康养、特种作业等具备明确需求和高附加值的应用领域。

在消费端，家庭服务和适老化需求被视为重要方向。随着人口老龄化趋势加剧，陪伴机器人、康养机器人等产品被认为具备较大的潜在市场。

围绕这一方向，贾少谦提出应加强适老康养机器人相关技术研发，推动机器人企业与医疗机构、养老社区等场景深度合作，同时完善人才培养体系和细分领域标准建设，为行业发展提供更加稳定的产业环境。

全国政协委员、尚品宅配集团董事长李连柱也在提案中关注到人口结构变化带来的陪伴需求。他指出，目前我国独居和空巢老人已超过1.3亿，留守儿童接近千万，家庭陪伴与照护服务存在明显缺口。

因此，他建议加快培育家庭陪伴机器人产业，并推动相关产品纳入地方政府智慧民生采购目录，优先在社区养老服务中心、中小学校课后服务、儿童福利机构以及残疾人家庭等场景开展规模化试点。

从这些建议可以看到，在通用人形机器人仍处于技术演进阶段的当下，围绕具体需求构建解决方案，正在成为不少企业选择的现实路径。随着更多垂直场景逐渐跑通，人形机器人商业化落地的节奏也有望随之加快。

05

安全治理成为具身智能规模化的前提

随着人形机器人和具身智能逐渐走出实验室，进入工业生产和社会生活，。安全治理与基础设施问题也开始进入政策视野。

全国人大代表、中国移动湖南公司董事长程伟提出，应将具身智能纳入“人工智能+”重点发展方向，并通过算力网络、云平台和5G通信体系为其提供基础设施支持。他建议进一步优化算力网络布局，加强行业数据供给，同时探索隐私计算和可信数据空间等机制，推动数据在保障安全的前提下实现高效流通。

全国政协委员、奇安信集团董事长齐向东指出，具身智能与传统AI系统最大的不同在于，它不仅参与信息处理，还能够直接在物理世界中执行动作，一旦系统受到攻击，风险会直接传导到现实环境。

他将具身智能面临的安全挑战归纳为三个层面：决策层、执行层和物理层。决策层可能受到数据投毒或模型缺陷影响；执行层则涉及软硬件供应链、终端漏洞以及接口安全；而在物理层，由于机器人具备实体形态，还可能面临近距离攻击或非法控制的风险。

因此，齐向东建议构建具身智能专属安全防护体系，加强漏洞检测与威胁验证能力，同时建立以数据资产为核心的全链条安全管理机制，提升网络安全实战能力。

此外，雷军也表示加强安全标准体系建设，加快推动人形机器人唯一编码的制定实施，强化作业场景中的数据安全与伦理隐私保护，并参与制定"人形机器人+智能制造"的全球标准。

从这些建议可以看到，随着具身智能逐渐走向真实应用场景，行业讨论的重点已经不再局限于技术突破。算力网络、数据治理、安全体系等基础设施，正在成为推动产业长期发展的重要支撑。

写在最后：

从技术路线到产业落地，从数据基础设施到应用场景探索，今年两会关于人形机器人与具身智能的讨论，已经不再停留在概念层面，而是逐渐指向更加具体的发展路径。

这些来自产业一线的建议，也勾勒出一个逐渐清晰的图景：具身智能正在从技术验证阶段迈向真实世界应用。随着端侧智能、数据体系、产业场景和基础设施不断完善，人形机器人真正“走上岗位”的时间，或许正在加速到来。