近日，工業和信息化部、國務院國資委聯合印發《關於聯合開展2026年度人形機器人與具身智能實景實訓專項行動的通知》（以下簡稱《行動通知》），提出到2026年底，人形機器人等重點產品在一批代表性場景中率先完成應用驗證和常態部署，開啟「作業模式」。
專家認為，《行動通知》通過真實場景訓練持續優化具身智能模型算法，積累高品質真機數據，實現產品在真實環境中的快速迭代優化，推動人形機器人從能用到好用。
轉向常態化作業關鍵階段
去年春晚，一支機器人秧歌隊驚艷全場。今年春晚，機器人表演動作難度與協同精度再次升級，展示了國產人形機器人的突破性進展。我國人形機器人發展速度有目共睹，2025年，國內整機企業數量超140家，發布人形機器人產品超330款。
工業和信息化部科技司相關負責人表示，我國人形機器人與具身智能正處於從實驗室走向真實場景、從演示驗證轉向常態化作業的關鍵階段，模型算法、本體性能、場景適配、真機數據積累等仍存在短板。
從「表演模式」轉向「作業模式」，本質上是人形機器人與具身智能從展示性驗證走向真實物理環境下的任務執行。表演模式主要驗證機器人能否完成一組預設動作；作業模式則要求機器人進入真實生產和服務流程，評價重點轉向任務完成質量、環境適應能力、持續運行穩定性、人機協同效率以及投入產出比。
賽智產業研究院人工智能研究所所長安赟分析，這一轉變的難點體現在場景定義、流程嵌入、穩定運行和商業閉環4個方面。機器人不能只完成一個動作，要對應一個明確崗位、一個作業流程和一套驗收標準，需要把「機器人能做什麼」轉化為「現場需要它穩定完成什麼」。
此外，運行保障要求明顯提高，商業價值需要經得起測算。作業模式要求機器人能夠長期在線、低故障運行，並建立調度、維護、巡檢、應急接管等配套機制。企業關注的是能否提升效率、降低成本、減少風險、改善服務質量。只有形成可量化的投入產出關係與可規模化落地的作業能力，人形機器人和具身智能才能從試點示範進入規模化應用階段。
普羅宇宙機器人一直專注於具身智能機器人研發與場景落地，公司總裁葛巾認為，具身智能在工業領域落地的首要任務是在特定工業任務上首先達到可接受的精度、滿足投資回報率、達到產線節拍效率。跨過這道門檻，泛化能力才有真正的商業價值。
實景實訓攻克技術短板
近日，京東MALL迎來一批特殊的「新員工」，多款智能機器人入駐門店，圍繞迎賓指引、導航帶逛、智能導購、理貨上架、門店值守等崗位陸續開展運營支持。
此次機器人在京東MALL的規模化「上崗」，標誌著京東依托自研零售大模型技術底座打造的機器人零售解決方案加快落地實體商業，讓具身智能技術走出實驗室，在真實商業環境中實現進一步應用。
實景實訓是推動人形機器人與具身智能開啟「作業模式」的重要手段。工業和信息化部科技司相關負責人表示，通過集約化建設、標準化管理、資源共享的實訓空間，可有效避免場景重複建設和資源浪費，讓場景、數據、算力與技術成果高效復用，大幅降低企業試錯成本，提升產品性能。
「實景實訓將重點攻克人形機器人與具身智能在真實作業中的4類核心技術短板。」安赟分析，工業、服務、特種等真實場景訓練，能提升機器人在光照變化、人員流動、物體遮擋、空間受限等條件下識別人、物、空間關係、動作意圖和風險因素的能力，並提升對動態環境的持續建模與世界模型構建能力；通過真實任務驗證，能提升機器人將作業目標轉化為執行步驟的能力。
圍繞搬運、巡檢、檢測、遞送、護理輔助、應急處置等任務，可提升機器人在行走、轉身、避障、抓取、放置、推拉、擰轉等動作中的動態平衡、全身協調、手眼協同、力控精度和末端執行能力，提升在非結構化環境中的通用物理交互能力，特別是靈巧手的精細操作能力。
總體來看，實景實訓的重點是用真實場景暴露技術問題，用真實任務檢驗系統能力，用真實反饋推動模型、部件和整機的持續迭代優化。
解決高品質數據短缺難題
葛巾認為，在落地過程中，機器人能夠持續採集工業場景的高質量多模態數據，用於大模型研究與訓練。這意味著具身機器人可以越用越聰明，具備持續進化能力。
為了解決工業場景高品質數據短缺難題，普羅宇宙機器人推出了高精度融合數採解決方案AcCI，補齊了物理AI產業規模化落地的數據短板。
京東建成了全球規模最大、場景最全的具身智能數據採集中心，計劃一年內累積500萬小時人類真實場景視頻數據，兩年內突破1000萬小時，從源頭破解行業「數據荒」。
工業和信息化部科技司相關負責人表示，將聚焦工業製造、民生服務、特種作業三大方向，覆蓋生產製造、檢測分析、維修維護、倉儲物流等重點領域，依托真實工況開展真機實訓，持續優化具身智能模型算法，累積高品質真機數據。
我國人形機器人與具身智能產業將朝著場景牽引、協同迭代和規模應用方向發展。安赟分析，產業發展將更加突出高價值場景牽引，通過明確任務邊界、作業流程和驗收標準，推動產品研發與場景需求深度耦合，形成一批可複製、可推廣的應用樣板。
同時，更加突出軟硬件協同迭代。人形機器人與具身智能產業需要模型算法、整機平台、核心部件、應用軟件和運維服務協同發展，在真實場景中持續優化系統能力，推動基於世界模型與VLA統一架構的能力提升。
「隨著實景實訓、數據沉澱、產品迭代和示範推廣逐步形成閉環，行業將從樣機展示和小規模試點，逐步進入常態化作業和批量化部署階段，競爭重點也將從單一產品能力轉向場景資源、系統集成、運維服務和生態組織能力，並逐步形成基於真實場景數據驅動的持續學習體系。」安赟表示。
