从“马拉松效应”看具身智能财产化的认知错位

　　2026年春天，具身智能马拉松赛场上，人形机械人踉踉跄跄跑动的画面正在社交收集上刷屏。被机械人笨拙又可爱的样子吸引，再次燃起对具身智能的无限遥想。但这场被当做手艺秀的赛事，也了一个行业悬而未决的深层悖论：我们津津乐道机械人的奔驰姿势，却很少问它为何而跑，要跑向哪里。这不是修辞学问题。财产决策层频频提及落地难，跨越两百家本体企业竞相逃逐，却鲜有产物实正进入出产车间。整个行业必需一个被马拉松喧哗所遮盖的焦点问题：具身智能的财产化竞赛，事实是一场比拼姿势的表演性短跑，仍是一场耐力的价值创制长跑。一场城市马拉松，赛道规划决定选手体验，配速策略决定完赛可能，补给布点决定续航能力。具身智能的财产化竞赛，事理是一样的。当前行业的症结恰好正在于，过于关心选抄本身的活动能力，好比关节矫捷性、步态拟人度、平地瞬时速度，却系统性地轻忽了赛道规划、配速策略和补给系统这些决定性的变量。行业几乎把全数留意力投向了机械人的身体，却选择性忽略了它将要奔驰其上的赛道。这条赛道不是尝试室的平整地面，不是展厅的聚光灯下，而是实正在工业场景中由节奏束缚、良率目标、设备兼容和平安规范配合形成的高卑地形。我把这种“沉身体、轻赛道”的认知误差称为“马拉松效应”。马拉松效应正正在制制一种的财产。企业于提拔手艺参数，仿佛度够多、算力够强、步态够稳，落地就水到渠成。但工业现场的逻辑刚好相反。工场需要的不是一台无所不克不及的机械人，而是一个能被不变集成到既有出产系统中的功能单位。决定后者成败的，往往不是机械人的活动能力，而是它取产线上其他设备、系统、流程之间的适配程度。把一场越野妨碍赛当成百米冲刺来预备，恰是当前具身智能财产化最大的认知错位。这种错位自有其深层根源。过去十年，人工智能范畴的从导叙事一直环绕能力展开。从AlphaGo到ChatGPT，每一次冲破都正在证明算法能做更多的事。这种能力本位的思维被天然迁徙到具身智能范畴，却忽略了一个环节区别。离身智能的运转是消息空间，法则清晰，鸿沟明白，变量可控。具身智能的运转是物理世界，温度、湿度、振动、粉尘、电磁干扰，还有操做者的不规范动做，每一个变量都可能成为失败诱因。正在消息空间里，能力越强越好；正在物理车间里，适配比能力更主要。以赛道视角审视具身智能财产，一个持久被遮盖的布局性缺陷就浮现出来：财产链中控制工业现场学问的群体，正在这场竞赛中几乎集体失语。国内支流人形机械人企业的创始团队，学问布局高度集中于活动节制算法和互联网产物开辟。他们能写出让机械人后空翻的代码，却未必说得清汽车总卸车间里，工人拧紧某颗特定螺栓需要几多牛米的扭矩，为什么这个数值不克不及随便更改，扭矩误差跨越百分之五会对整车平安发生什么影响。他们熟悉火速开辟的迭代节拍，以周为单元推进版本更新，不熟悉一套新设备从出场调试到通过量产验收需要逾越的漫长门槛。这种认知鸿沟间接映照到了产物设想上。行业对人形形态和工致手的逃求，某种程度上是径依赖，由于研发团队擅长做这件事，而不是由于工业场景实的需要这件事。实正在出产线上，公用夹具的效率、靠得住性和成本远优于工致手。一个设想精巧的气动夹爪，周期可达数十万次轮回，而工致手的细密传动机构正在不异工况下可能撑不外几千个轮回。轮式底盘正在绝大大都室内场景的适用性远超双脚，挪动速度更快，负载更强，节制更简单。可是，没有手也没有脚的机械人正在本钱市场缺乏想象力，于是手艺线就正在叙事驱动下取实正在需求渐行渐远。更值得深思的是，那些实正理解工业现场的人，工艺工程师、设备工程师、产线规划师，并没有被无效组织到这场竞赛中来。他们的学问以默会形式存正在于车间一线。他们晓得某道工序的节奏为什么必需卡正在27秒而不是30秒，由于上下逛工位节奏曾经锁死，三秒的差别脚以打乱整条产线的物料流动。他们晓得某台设备为什么要放正在这个而不是两米开外，由于操做工需要同时照看相邻的两台机床，挪动距离每添加一步，巡检效率就下降一个百分点。这些学问难以被笼统为算法模子，却从底子上决定着什么样的机械形态才能实正处理出产问题。工业基因的缺席，是具身智能财产最深层的布局性现患。这种缺席还反映正在人才市场的价钱信号上。算法工程师的薪酬被推至高位，而实正决定产物可否正在车间不变运转的工艺工程师、靠得住性工程师、现场调试工程师，却正在薪酬序列中处于相对低位。本钱敌手艺先辈性的逃捧制制了扭曲的激励布局。一个能优化活动节制算法、让机械人腾跃高度提拔百分之十的工程师，和一个能让机械人工况顺应范畴从室温扩展到零下二十度的工程师，谁对财产化的贡献更大？正在这个阶段，生怕是后者。当前具身智能的叙事邦畿，被人形机械人和保守工业机械臂这两极从导。前者却稚嫩，零件成本动辄数十万元，持续无毛病运转时间以天计较。后者成熟却缺乏智能化想象，正在汽车产线上默默工做了三十余年，但面临柔性制制的要求日渐费劲。而正在两者之间，存正在一个被行业集体忽略的第三空间：形但具备挪动操做能力的公用智能设备。这个空间之所以主要，正在于它可能是冲破落地窘境的最短径。人形机械人试图一步到位实现通用性，价格是高成本取低靠得住性；保守机械臂以低成本获得高靠得住性，却了矫捷性。第三空间供给的是一条折中线，以工业场景的现实需求为起点，放弃对人形形态的执念，正在挪动底盘、复合机械臂、公用夹具的框架内，嵌入恰如其分的具身智能，实现特定场景下的高效功课。第三空间方案还有一个被低估的劣势：它能够充实操纵已有的工业从动化生态。减速器、节制器、伺服系统、平安传感器，这些焦点部件有成熟的供应商系统，有颠末数十年验证的靠得住性数据。正在此根本上叠加智能视觉和力控模块，手艺风险远低于从关节到大脑全数从零起头的人形线。财产化的素质，不是逃求手艺的新鲜性，而是以最小的风险和成本实现最大的经济报答。这不是要否认人形机械人的持久价值。通器具身智能的终极形态大概确实接近人形。但通往终极形态的径未必曲直线冲刺。工程实践史上，人类实现垂曲起降靠的是倾转旋翼和矢量喷口，不是仿照鸟类的扑翼。汽车用轮子代替了腿。计较机用硅基芯片代替了神经元。仿生可能是方针，但从来不是径。起首是赛道认识的。企业该当将至多一半精神，从制机械人转移到搞清晰工场到底需要什么。这要求团队中有脚够比沉的工业布景人才，不是做为参谋点缀，而是进入焦点决策层。一家机械人公司的产物委员会里，工艺工程师的数量不该少于算法工程师。产物定义流程该当完全改变，而是从车间痛点出发反向定义手艺规格。一家汽车零部件工场需要的，大概不是一台能走能跑的机械人，而是一套能耐切削液侵蚀、能正在八十分贝乐音中不变识别工件姿势、能持续运转十六小时不报警的从动化单位。只要深切车间，才能实正理解这些需求的具体寄义。其次是评价系统的扭转。本钱和对高度、全人形形态的偏好，不该继续从导行业标的目的。一台没有腿、没有工致手、外不雅笨拙但能正在车间不变运转三年的设备，理应比一台能后空翻却找不到容身之处的机械人获得更多卑沉和资本。这不只是财产的回归，也是本钱效率的要求。五百亿融资规模若是不克不及为可复制的工业处理方案，就只是正在堆集泡沫，而不是正在堆集能力。第三是对第三空间的系统开辟。财产政策该当对形具身智能的方案进行摸索，赐与取人形机械人划一的关心和支撑。这不料味着要指定手艺线，而是把评价尺度校准到可否创制经济效益这一点上，让市场天然筛选出最优解。科技部沉点研发打算、工信部智能制制专项等政策东西，该当对复合机械人、挪动操做臂、场景得越早，最终，这场竞赛的胜负手，不正在于谁先跑完四十二点一九五公里的赛道，而正在于谁能正在赛程中发觉并处理实正需要处理的问题。具身智能财产需要的，不是更多会表演的机械人，而是更多情愿走进工场、潜入车间，正在润滑油和金属碎屑之间寻找谜底的人。当聚光灯从头打向出产现场而非表演舞台，当本钱起头用设备分析效率而非融资轮次来权衡公司价值，这场马拉松才算实正起头。[做者黄伟系上海立信会计金融学院上海科技财产研究核心从任，教育质量取评估办公室副从任〈掌管工做〉，传授。本文也是国度社科基金一般项目（22BJL026）的阶段性]？。