9月2-3日我们组织了2026年秋季策略会，会上围绕具身智能如何落地进入工厂展开交流。我们发现，随着人形机器人本体能力趋于成熟，行业竞争的重心正从硬件转向场景开发与生态分工：1）无序零件分拣、料箱搬运等机械臂难以完成的工序成为核心需求，而本体厂缺乏人力和资源逐家交付，外部开发者正成为产业链新的一环，2）数据侧来看，非侵入式脑机接口取得突破，可能改变具身智能的数据来源，3）“场景智能”可能是一条更为现实的打破工业具身落地不可能三角的路径，操作系统、全模态采集与数据平台、能够实现跨构型部署的基座模型的价值有望凸显。
　　核心亮点：
　　1、人形机器人本体能力趋于成熟，行业竞争的重心正从硬件转向场景开发与生态分工。非全尺寸本体价格已下探到数万元级，教育与科研仍是现阶段主要的出货场景；剩下的难点在作业环境，光线变化与突发长尾场景明显影响作业表现，依赖灵巧操作的任务尚未落地，搬运、整理等不依赖灵巧操作的工作已可整机交付。场景开发上，本体厂商手上的行业需求和试点很多，但大多没有人力和资源去逐家交付，于是开放API、零代码工具和智能体商店，由外部开发者做具体场景的应用，再由解决方案商面向终端客户集成交付，后者正在成为产业链上新的一环。
　　2、制造业需求倒逼具身智能进厂，数据与部署周期取代本体硬件成为主要瓶颈。需求侧，主机厂、大型物流与新能源企业在建产线和技改时开始主动要求用新一代机器人接手零散的非标工位，无序零件分拣、料箱搬运等机械臂难以完成的工序是首批切入点。数据侧，行业面临规模缺口大、采集成本高、质量与多样性不足、标准化程度低四个痛点，采集路线正从真机向人类第一视角与便携穿戴采集扩展。部署侧，客户通常要求三个月内完成产线部署并达到较高的准确率或节拍，集成商因此按客户工艺1比1复刻工位，先在自有场地把准确率训练到80%左右再进厂，以缩短占用客户产线的时间。
　　3、非侵入式脑机接口取得突破，可能改变具身智能的数据来源。端到端神经网络先后在自动驾驶、VLA操作模型、世界模型和肌电信号上得到验证，2026年推进到直接读取脑磁信号。脑磁信号向外传导时衰减小、能探到深层脑区，此前受制于设备昂贵，小型化极弱磁检测技术正在放松这一约束。Brain2Qwerty v2论文研究让受试者佩戴头外脑磁设备，把大脑活动直接翻译成文字，词错误率降到39%，即每100个词约有61个还原正确。对具身智能更直接的含义在数据侧：如果能读到人操作时的意图，采集对象就可以从机器人换回人，训练数据从“做了什么”扩展到“为什么这么做”。
　　4、“场景智能”有望打破工业具身落地的不可能三角。当前具身智能行业落地场景数量有限，根本原因是技能薄弱，诸如工厂里的打磨等多品种小批量作业依赖工艺经验，是当前多数demo未覆盖的。想用一个通用基座模型解决所有垂类场景，会面临推理速度、准确性、泛化能力的“不可能三角”，一条现实的路径是瞄准“场景智能”，即针对垂类场景做后训练，适度牺牲泛化能力，换取准确性、推理速度达到工业可落地的要求。未来三大平台或存在重要战略意义：1）机器人操作系统，去帮助开发者快速驾驭轴控等底层能力，2）服务于有垂类场景知识/数据的集成商与终端用户的全模态采集与数据平台，缩短数据处理周期，3）能够实现跨构型部署的基座模型，使得垂类场景具备更高的开发效率和更低的成本。
　　风险提示：1、AI模型进步不及预期；2、具身数据采集落地速度不及预期；3、行业供需失衡。