文｜编辑部

具身智能落地，正在逼近一个真实的分岔口。

2026年，轮式人形机器人密集亮相，无人叉车的操作智能化加速演进，两条原本平行的产品线，正以出人意料的方式相互靠近。这场汇合，究竟会在哪里发生？谁来承接那“最后一百米”？

5月21日，在杭州钱塘举办的“2026无人叉车与轮式人形机器人产业发展大会暨第十五届制造业物流与仓储智能化工程大会”上，CMR产业联盟秘书长、新战略移动机器人产业研究所所长李进科主持了一场头脑风暴，围绕“无界的形态，共生的场景，破解仓储物流与柔性制造的‘最后一百米’难题”以及“具身智能的‘双向奔赴’ 轮式底盘的人形化与无人叉车的操作化演进”两大核心命题，展开了一场直击产业痛点的深度对话。

参与讨论的嘉宾包括杭叉集团首席科学家陶熠昆、佛吉亚（中国）数字化转型负责人张世海、浙江省特级专家朱信忠、艾利特机器人具身智能事业部负责人吴珉，以及CMR产业联盟标委会副主任、今天国际技术总监王勇。

“无界的形态，共生的场景”，这是一个颇具前瞻性与诱惑力的命题。但在实际的工业落地中，“无界”的边界究竟在哪里？

CMR产业联盟标委会副主任、今天国际技术总监王勇首先为这个命题进行了理性的拆解。他表示，无人叉车与具身机器人的产业融合并非体现在设备形态的统一上，二者真正的交汇点在于任务协同与接口互通的无界化。在实际工业应用中，机器人设备形态无法实现无界适配，也不存在单一形态可以通吃所有工业场景的可能，最优发展思路是精简设备形态种类，依托标准化、无边界的任务与接口体系，适配多元化的工业应用场景。

从系统集成商的落地视角来看，将两类机器人接入生产工序，除考量设备性能外，还需评估其对工位成本、生产效能的提升价值，并配套客户认可的交付规则与完善售后。唯有如此，相关产品才能真正落地，否则仅能停留在试验场景。

图：CMR产业联盟标委会副主任、今天国际技术总监 王勇

这一务实的判断，引出了行业最核心的拷问：仓储物流与柔性制造的“最后一百米”，究竟卡在哪里？

浙江省特级专家朱信忠给出了技术层面的深度剖析。他指出，“最后一百米”真正的阻碍不在于某一台设备的能力边界，而在于线边配送与生产制造环节的严重割裂。目前多数工厂的WMS、WCS、MES、ERP等系统各自独立，形成了严重的信息孤岛，导致产线上下料、线边接驳等环节至今仍大量依靠人工；这既是智能化推进的最大瓶颈，也催生了广阔的市场空白。他直接指出，这一广阔的市场空白正是轮式人形机器人这类产品大展身手、实现场景共生的巨大舞台。

图：浙江省特级专家 朱信忠

相较于技术路径的讨论，来自终端用户的声音更为直接。

佛吉亚（中国）数字化转型负责人张世海作为制造业终端代表，结合企业长期应用移动机器人、无人叉车的经验，以及今年重点落地人形机器人的规划，分享了制造端的真实诉求。他介绍，佛吉亚当前实行双线并行：一方面持续夯实工业机器人的标准化应用，另一方面借助新型智能装备破解生产痛点——用无人叉车解决传统人工作业中的人员与安全问题，用人形机器人承接复杂、低频率的工序。

在他看来，对制造企业而言，各类智能装备只是生产工具，核心诉求并非完全替代人工，而是消除人为作业的不确定性。同时，企业期待技术快速普及、产品成本进一步下探。作为拥有65家国内工厂的制造企业，佛吉亚格外看重技术的泛化与复制能力：试点落地只是开端，一套成熟方案能否快速在全国乃至全球厂区推广，才是决定新技术能否深度扎根制造业的核心。

图：佛吉亚（中国）数字化转型负责人 张世海

面对集成商的考量、技术专家的剖析以及用户的真实诉求，CMR产业联盟秘书长、新战略移动机器人产业研究所所长李进科总结道：“行业常说‘机器人四分靠硬件，六分靠管理。使用单位如果不对自己的物流流程、工艺流程进行深度梳理，盲目导入机器人必定失败。”

他建议，制造企业在导入此类前沿产品时，应当成立包含IT、工程、物流及仓储等跨部门的机器人导入小组，理清内部流程、留好接口，循序渐进，方能真正打通“最后一百米”。

第一环节探讨的是“场景如何共生”，那么第二环节则聚焦于硬件形态与底层驱动的变革——即无人叉车的“操作化”演进与轮式底盘的“人形化”发展，这也是具身智能在工业领域的“双向奔赴”。

这场变革的本质，是从传统的“预设规则驱动”向新一代的“数据与模型驱动”演进。然而，知易行难。杭叉集团首席科学家陶熠昆分享了行业面对这种技术转型的深度反思。他指出，AGV技术问世已久，但目前行业内无人叉车的整体渗透率仍不足3%。反观智能驾驶领域，早已落地数据驱动、端到端、VLA等前沿技术，工业移动机器人在这方面的步伐明显滞后。

究其根源，工业场景高度垂直且碎片化，若针对每一个小众长尾场景都投入高昂成本去采集数据，商业性价比极低。陶熠昆认为，走数据驱动路线是无人叉车从红海迈向蓝海的必然选择，但在落地中必须遵循“场景优先于数据，数据优先于模型”的原则，优先切入传统技术难解且具有复用价值的场景。同时，顶层设计必须保障数据能够“跨平台、跨本体复用”，这是让数据飞轮真正转起来的关键所在。

图：杭叉集团首席科学家 陶熠昆

在技术突破上，朱信忠认为当前行业的模型普遍垂类深耕不足，破局关键在于把设备动作、生产工法、通信协议进行“语义化处理”，配合多维轨迹标注与仿真数据，强化场景理解能力；同时要重视端侧算力建设，摆脱对云端的过度依赖，保障设备在通信中断等极端情况下仍能稳定运行。他呼吁行业共建数据联盟，汇聚无人叉车、轮式人形、移动机器人各端的真实作业数据，以真实数据驱动仿真生成，形成覆盖更丰富长尾场景的数据飞轮。

而在执行与操作层面，艾利特机器人具身智能事业部负责人吴珉则从“一脑多形”的落地实践中，提供了全新的破局思路。吴珉直言，目前很多客户存在认知偏差，误以为机器人进场即可快速投产。但实际项目中，单机调试仅占极小部分，最耗时费力的是打通机器人与其他自动化设备的数据链路，以及完成设备同 WMS、生产调度系统的协同对接，这也是决定项目能否顺利落地的核心。

针对这一痛点，吴珉指出，发展轮式人形机器人具备独特的现实逻辑。轮式人形机器人的独特之处，在于它可以直接复刻人工动作，完成机床门启闭、电梯按键操作等环节，无需额外开发对接程序、改造厂区原有设备，有效削减了系统改造成本；同时，贴近人类的本体形态也使得作业技能的示教与迁移拥有先天优势。

着眼长远发展，吴珉透露，艾利特还计划将智能AI能力深度集成至WMS系统与生产调度系统中，搭建一体化智能架构，实现系统与机器人的直连互通，以此全面提升工厂整体自动化协同水平。

图：艾利特机器人具身智能事业部负责人 吴珉

大会尾声，李进科将话题引向了一个藏在热闹背后的尖锐现实：2026年被行业普遍定义为具身智能商业化落地的元年，但从大客户实际对接情况来看，能够产生规模商业订单的项目依然不及预期，“预期的落差”正在成为行业不得不面对的现实。

同时，他分享了一个行业重磅事件：5月19日，杭州柯林拟以不超过3亿元收购上海开普勒机器人有限公司41.57%股权。“过去人形机器人企业的估值动辄百亿级别，而这场3亿元的收购案，或许会成为整个行业回归理性、重新理解商业化边界的转折性事件。”

图：CMR产业联盟秘书长、新战略移动机器人产业研究所所长 李进科

面对商业化不及预期的行业阵痛，台上的专家们告别了宏大叙事，从技术逻辑和商业现实出发，给出了一套务实的“破局之法”。

吴珉认为，具身智能落地难的根本原因在于“不可能五边形”——泛化性、精度、效率、成本与续航五个维度难以兼顾。当前很多通用大模型看似无所不能，实则“通用而低能”：什么都能做，却什么都做不精。他主张深入扎根一个具体场景，彻底搞清全部工艺流程，持续收集零件、工具及机器人本体的运行数据，用来不断训练模型。这样可以在有限范围内解决泛化性问题，同时大幅降低算力依赖，提高效率。与其押注大而全的通用方案，不如在垂直场景中找到稳定、高效的可行路径。

陶熠昆的判断更为直接，当前所谓操作化远未迎来“GPT时刻”。现有VLA模型在数据规模与可复用价值上，与大语言模型差距巨大。他建议参考自动驾驶路径走“双向奔赴”路线：从L2做起，先把感知做到泛化；同时探索L4/L5，期望VLA实现完全泛化。他同时提出，行业必须摒弃传统自动化“无人介入才算成功”的验收标准，这种标准逼迫产品以极高代价解决长尾问题，却使产品无法规模化。未来真正有生命力的产品，应当允许人在长尾场景下协作介入——机器人能处理的自动完成，处理不了的让人补位。最后他强调，模型突破有赢者通吃效应，对大多数企业而言，把数据工程作为顶层设计才是更具价值的选择。

张世海作为终端用户，从实际应用角度提出了四点建议。首先，企业过于聚焦技术本身，忽视了前端送货与后端调度的标准化联动，导致大量等待，无法形成闭环。其次，人形机器人应作为智能工厂的工业智能体，与AGV、工业机器人通过统一调度系统协同工作。同时，现阶段机器人实际替代率有限，其核心价值在于解决人员不确定性、提升效率与质量，成本节约是隐性的。他呼吁企业不要报高价，而应共同创新合作。此外，他建议行业尽快建立团体标准，涵盖安全性、通用协议及系统对接，避免用户被单一供应商绑定。AGV已有相关标准，人形机器人亟待跟进。

王勇则将商业化落地的瓶颈归结为两点：方法论与安全合规。方法论层面，当前数据采集高度依赖现场实训，成本居高不下，只有找到减少乃至绕过实训数据采集的路径，规模化落地才具现实可能。安全层面，只要系统仍处于不可预测、不可控制、黑箱运行的状态，就无法通过工厂安全验收，这是一道硬门槛，需要科学家与工程师共同突破。他呼吁，未来的商业化竞争不再是单一产品的单打独斗，而是整个产业链生态的协同。企业需将前沿技术转化为可量化、可复制的标准化工业产品，并建立完善的售后服务网络，这才是推动具身智能扎根制造业的核心出路。

朱信忠在最后为这场讨论补上了一个行业视角的注脚。他提到，海外客户对ESG、安全认证、合规标准要求严苛，正是这种严苛倒逼出产品的高可靠性。他呼吁行业少讲概念、多做垂类、减少内卷，给企业留出利润空间支撑长期投入。他还指出，端侧算力国产化是制约小模型部署的现实瓶颈，谁能突破低功耗高算力的平衡，谁就能抓住产业拐点。

从五位嘉宾的共识来看，2026年的具身智能产业，更接近一个“预期校准之年”而非真正意义上的商业化元年。方向已经清晰，路径正在收敛，但方法论突破、安全合规、数据飞轮与行业标准，这几道门槛缺一不可。谁能在垂直场景中把数据做深、把系统做通、把标准做实，谁才能在下一轮竞争中真正站稳脚跟。