工业具身智能，为什么小模型是更现实的选择？

2026世界机器人大会近日在北京亦庄落下帷幕，今年不少企业都把演示重点放在了物料搬运、仓储分拣、上下料、拆码垛这些真实场景上。展台上更是直接复刻了汽车制造、3C电子和仓储物流的真实作业环境。从舞台炫技走向岗位实操，可以说是本届WRC最显著的变化信号，也让具身智能的商业化可行性，成为全行业集中探讨的核心议题。

产业供给端的增长数据同样亮眼。2026世界机器人大会主论坛发布的《2026年人形机器人产业发展报告》显示，2026年上半年中国人形机器人出货量已超4万台。摩根士丹利也将2026年中国人形机器人出货量预测从2.8万台上调至5万台。

不过再热闹的数据，都要经过真实场景的考验。目前来看，真正进入智能制造和仓储物流场景的人形机器人，占比仍然有限。

产量增长不等于商业化落地完成，获得订单不等于完成交付，设备进场也不等于产线常态化运行。一台具身机器人从研发原型走向生产现场，需要依次走完实验室验证、实景实训、常态部署、规模复制、商业闭环五道关口，而贯穿这五步的一个核心问题是，具身机器人到底需要什么样的“大脑”来支撑每一步的推进？

进入工业场景，需要五步才能完成

2026年6月，工业和信息化部与国务院国资委联合印发实景实训专项行动，围绕工业、服务、特种领域开放真实场景，明确提出通过真实场景训练优化具身智能模型、积累高质量真机数据，加速构建“实景实训—数据沉淀—产品迭代—规模部署”闭环。

从实验室到商业闭环的每一道关口，都是对模型能力的现实筛选。环境感知、任务规划、动作决策，这些能力决定了机器人能否在真实产线上站得住脚。越深入产线核心，垂类小模型的适配优势就越清晰。

· 实验室验证

机械臂能否抓取特定形状的工件，视觉系统能否在既定光照下识别目标，运动规划算法能否完成预设轨迹，这些都需要在实验室里被反复测试。虽然实验室可以证明机器人理论上能干什么，但无法回答在工厂复杂环境下能不能持续稳定地干活。毕竟真实场景中存在不可控的光线变化、物体差异、空间限制、人员干扰和突发情况。

· 实景实训

场景提供具体任务，企业提供硬件和算法，这一步的目的，是让机器人在真实的物料、节拍和异常面前，磨合工艺、发现问题，同时积累宝贵的真实数据。用实际运行产生新的数据，数据反过来推动模型和产品迭代。实景实训沉淀的，正是垂类小模型最缺的“燃料”。

目前来看，实验样机转入工厂实训后，任务成功率通常会出现一定回落，大量实验室不会出现的工况扰动会集中暴露。小模型训练周期短、数据需求可控、微调成本低的特征，更适配工厂快速试错的节奏。反观通用大模型，每一次场景化微调都需要巨量数据与算力投入，难以匹配产线快速迭代的现实需求。

· 常态部署

常态部署的门槛在于稳定，产线不能因为一台机器人出故障而停摆。在这一步中，产线运行会对模型提出两个硬性约束。

一是推理时延必须稳定可控，机器人从感知环境到输出动作指令的周期需要严格控制在毫秒级，一旦出现延迟抖动就会造成动作失准甚至设备碰撞。

二是结果输出必须确定可预期。通用大模型存在推理耗时长、输出存在随机性的特征。垂类小模型推理时延稳定、输出确定性高，更能适配产线对可靠性的刚性要求。

· 规模复制

可复制意味着底层技术能力和经验能够复用到多个场景，拓宽产品本身的能力边界，才能实现具身机器人大规模落地。但传统工业自动化场景长期受困于一个场景一套代码的碎片化模式，更换物料、工艺就需要重新编程调试，大幅推高项目成本与交付周期。

宇树科技创始人王兴兴在大会期间表示，行业存在一个普遍认知误区，以为把大语言模型接到机器人身上就能造出通用人形机器人。现实是语言模型只解决语义表达，人形机器人的核心诉求是物理执行。

语言模型输出的是文字，人形机器人最终输出的是每一个关节的运动指令，需要兼顾力控、速度、空间位置与环境动态变化。将语义指令转化为可靠的物理动作，正是工业垂类小模型的核心应用场景。

在规模复制阶段，垂类小模型的价值会集中释放。同一套经过工业数据打磨的轻量化模型，在工艺相近的工位之间迁移，可以显著减少重复开发工作量，帮助行业摆脱定制化项目制模式，向标准化产品化方向演进。通用大模型虽然理论上泛化能力更强，但落地到具体工业工位时，仍然需要大量场景化适配，综合成本远高于垂类模型。

· 商业闭环

规模复制的终点是商业闭环，即机器人创造的综合经济价值能够覆盖采购、调试、运维全部成本，形成可持续的商业模式。致同咨询相关分析师在WRC期间指出，技术、成本、场景是具身智能必须跨越的三座大山，18个月的投资回收期是当前市场普遍能够接受的临界点，若超过3年，客户采购意愿会大幅下降。

海外已经出现付费商用的早期探索。比如Figure 03在宝马斯帕坦堡工厂的应用。该项目采用的是“机器人即服务”（RaaS）的租赁模式，根据第三方行业机构测算，Figure 03型人形机器人的运营计费标准为约25美元/机器人·小时。相比之下，该地区汽车制造一线工人的综合用工成本约为每小时40至50美元（含薪资、福利及社保等），机器人方案在单小时成本上具备明显优势。

在正式商用之前，Figure的前代机型Figure 02已于该工厂完成了长达11个月的试点验证，累计运行约1250小时，参与搬运超过9万个零部件，并应用于3万余辆宝马X3车型的生产流程。基于这一成功试点，宝马于2026年签署了正式商用合同，初期部署40台Figure 03。

局部场景的经济性成立，不代表全行业已经跑通商业闭环。大模型的高算力硬件和云端推理费用，会直接推高单台机器人的运营成本，拉长投资回收期。而在工业场景中，客户的付费意愿锚定的是节省下来的人工成本，而不是模型参数量。小模型在算力、功耗、部署成本上的优势，让商业闭环的账更容易算平。

多条技术路线，具身智能的“大脑”之争

五步走完，每一步都把同一个问题推到台前，进入工业场景，具身机器人到底需要什么样的“大脑”？

这个问题正对应着当前产业界正在推进的几条技术路线。VLA、VLM、世界模型各有拥趸，资本热度此消彼长。

VLA（视觉－语言－动作模型）强调视觉感知与动作执行的端到端融合，VLM（视觉语言模型）侧重场景理解与任务语义解析，世界模型则被寄望于让机器人先理解物理因果再执行动作。目前，三条路线远未收敛，没有谁已经成为行业标准答案。

其中，在具身智能的技术讨论中，世界模型是绕不开的新议题。2026年更是被称为“世界模型元年”，资本热度急剧升温，英伟达、智元等企业相继发布相关产品。

世界模型的核心在于不仅要告诉机器人下一步该做什么，还能预演做了之后世界会变成什么样。相较于VLA，这是一种更完备的技术框架。

从长期看，世界模型确实是实现具身智能终局的一条可能路径，但在工业场景中，世界模型还需要面临数据类型错配、数据规模不足，以及算力、仿真与真实鸿沟等多重瓶颈。

即便拿到了数据、跨过了仿真与真实的鸿沟，想要模型真正“懂”工业物理规则，还有很长的路要走。

更值得注意的是，许多原本主打VLA路线的公司如今也纷纷宣称自己拥有世界模型，但业内连世界模型的统一定义都尚未形成。创业邦在相关报告中也直言，当前世界模型赛道的市场叙事已明显领先于技术现实。从这个角度看，世界模型尚不能被作为一条成熟路线。

再看行业讨论更久的通用大模型。通用大模型面向海量互联网文本与多模态数据训练，优势在于开放式的语义理解和通用知识，但对工业物理世界的感知与动作理解并不直接。并且，工业生产的容错空间极低，通用大模型容易出现“幻觉”风险，很有可能带来工件报废、设备磕碰甚至人员安全风险。

相比之下，垂类小模型则是参数量在数十亿甚至更少的模型，聚焦特定场景和任务进行深度优化，依托工业真实场景数据完成训练、蒸馏与微调，更加适配工厂端侧硬件环境与实时控制闭环。

聚焦特定场景、特定工序、特定物料，意味着数据需求可控、训练周期更短、部署成本更低。

有数据显示，目前70%的工业落地场景都由小模型承载。在质检、设备运维等确定性现场，小模型稳定高效、性价比突出。

行业从来不缺新概念，但对工业落地而言，概念从来不是评判标准，能不能在真实产线上稳定、低成本地完成作业，才是唯一的标尺。从技术逻辑上来看，垂类小模型在当前阶段更适合推动具身机器人落地工业场景。

首先，工业场景的工艺流程十分复杂，生产过程存在千丝万缕的因果关联，这些构成了工业独有的Know-How，很难通过训练基于互联网公开数据的通用大模型来获得。

其次，实时与可靠优先，产线对响应时延和运行稳定性要求苛刻，端侧或边缘部署的轻量化模型不依赖云端，保证机器人在任何网络环境下都能稳定工作。

再者，高质量数据存在显著缺口。训练具备强通用泛化能力的物理AI模型，需要千万小时级别的高质量真机交互数据。京东集团相关负责人在大会主论坛上表示，当前行业可用的高质量具身数据仅约十万小时量级，存在百倍缺口。在数据供给尚不足以支撑大模型训练的前提下，聚焦有限场景的垂类小模型是更务实可行的技术选择。

目前来看，不少企业正在验证这条路径。

例如，优艾智合FabriVLA便是轻量化VLA垂类模型的代表，参数量不足10亿，在抓取插装等数十项工业任务测试中，性能超越数倍于自身参数规模的模型，适配机器人端侧部署的算力条件。

擎仓机器人EVO‑1轻量化VLA模型落地欧莱雅苏州工厂，依靠垂类小模型实现三十天完成全流程部署，对比传统自动化数月的调试周期实现明显压缩。

博银合创的“博智-Bolt”工业垂类模型同样遵循这一逻辑，致力于解决工业场景中“一个场景一套代码”的碎片化难题，通过融合视觉感知、任务语义理解和机器人动作策略学习，帮助机器人在面对新物料、新工位时减少人工重新编程的工作量。

当然，强调垂类模型的现实适配性，并非意味着通用大模型、世界模型在工业场景中没有价值。更合理的产业架构是大小模型协同分层，大模型作为上层知识中枢，负责任务拆解、工艺知识库调用。底层高频实时动作控制交由垂类小模型执行。二者分工协作，而非直接用通用大模型接管机器人端侧的物理控制。

结语

回到开篇的核心问题，当前工业具身智能的落地阶段，并不需要通用大模型作为机器人的控制核心，经过工业真实数据打磨的垂类小模型，已经能够满足绝大多数工业作业的实际需求，是更适配产业节奏的技术路线。

接下来的看点，是几个明确的时间点。2026年底，专项行动将迎来万台级落地能力的验收，这是全行业的一次大考。此后，从万台级走向更大规模的复制，将成为明年的主题。而在更长的维度上，关于模型的路线之争会逐渐见分晓，垂类小模型能否在产线上持续兑现价值，将直接决定工业具身机器人商业闭环的成色。毕竟，展台的展演终将落幕，生产线才是工业具身机器人最终的考场。