过去两年，人形机器人在展会上的进步很直观：走路更稳，动作更连贯，也能完成叠衣服、分拣物品、递送工具等演示。但制造企业真正关心的问题，已经从“机器人能做什么动作”，转向“它能否长期留在生产线上”。

把特斯拉、Figure AI、优必选、宇树科技和越疆放在一起看，会发现这些具身智能企业并没有沿着同一条路线前进。有的从整车工厂和人工智能体系切入，有的集中攻克通用模型，有的先把本体做成容易获得的开发平台，也有企业沿着成熟的工业机器人业务向人形机器人延伸。

这场竞争看似围绕人形本体展开，实际比拼的却是一整套能力：机器人能不能稳定工作，训练数据能不能持续积累，产品能不能进入真实场景，以及企业有没有把样机变成批量交付产品的基础。

判断具身智能头部企业，不能只看机器人会不会走

运动能力仍然重要。没有可靠的关节、驱动、感知和控制系统，机器人很难在复杂环境中完成任务。但对工厂来说，稳定走到工位只是开始，接下来还有抓取精度、作业节拍、连续运行、异常恢复、安全协作和设备接口等一连串要求。

同一个搬运任务，演示时完成一次并不难，难的是连续运行数百次后，面对物料位置偏移、人员经过或上游节拍变化，机器人仍能作出正确反应。评价企业是否接近产业化，也要看它能否把这些细节变成可复用的工程能力。

因此，头部企业的衡量标准正在变化。公开视频里的动作表现能够证明本体上限，工厂里的运行记录则更能说明产品是否经得起使用。谁拥有真实客户、明确工位和反复迭代的机会，谁才更容易把算法进步转化为可交付能力。

本体决定机器人能不能干，数据决定它能学会多少

具身智能模型要理解环境并完成动作，需要大量与真实世界交互的数据。互联网文本可以帮助模型理解语言，却无法完整反映抓取时的力度、物体滑动后的修正，以及人与设备突然进入工作区时该如何处理。

这也是各家企业建设数据采集与训练体系的原因。遥操作可以让机器人记录人的动作，仿真能够低成本覆盖更多情形，真实工位则提供噪声、遮挡、误差和节拍压力。三者结合，模型才有机会从“完成指定演示”走向“适应一类任务”。

越疆将 Atom 人形机器人与 Atom Trainer、Atom D 等训练和数据采集设备放进同一套产品体系，意图很明确：企业不只需要一台可以工作的机器人，还需要能够采集现场数据、训练模型并持续迭代的工具。对于希望搭建具身智能实验室或验证工业任务的团队，这种完整性比单看一个动作指标更有实际意义。

特斯拉和 Figure，正在把模型能力带进制造现场

特斯拉的优势来自整车制造、人工智能算力和真实工厂环境。根据其年度报告，Optimus Gen 3 是首个面向规模化生产设计的版本，公司计划在 2026 年底前启动首条生产线。这里值得注意的是“计划”：特斯拉拥有少见的制造体系和应用入口，但 Gen 3 的规模交付仍要接受生产进度与现场效果的检验。

Figure 的路线更集中在通用模型与工业部署。公司披露，上一代 F.02 在宝马斯帕坦堡工厂运行约 11 个月，参与超过 9 万个零件的处理；2026 年进入工厂的 F.03 则开始承担物料排序和物流任务，并采用 Helix 02 全身控制系统。Figure 同时建设 BotQ 制造体系，试图把模型、本体和生产能力连在一起。

两家公司都在回答同一个问题：通用模型怎样在制造场景里产生稳定价值。特斯拉有自有工厂和纵向整合基础，Figure 借助宝马等客户验证模型和本体。它们的进展说明，具身智能竞争已经从实验室指标延伸到工位数据和生产组织能力。

优必选深耕汽车工厂，宇树先把产品和开发生态做起来

优必选较早把 Walker 系列带入汽车制造场景，与蔚来、东风柳汽、一汽-大众等企业开展实训或部署。Walker S2 于 2025 年开始量产交付，也让其工业人形机器人路线从项目验证走向产品交付。不过，汽车工厂中的实训、试点和规模应用仍是不同阶段，判断进展时需要看实际工位数量、运行时长和任务复用情况。

宇树科技则以运动控制和产品化能力获得关注。G1 官方起售价为 1.35 万美元，提供可二次开发的 EDU 版本；H1 系列也持续展示较强的动态运动能力。相对可获得的产品、开发接口和研究用户，使宇树更容易进入高校、实验室与开发团队。

这两条路线没有简单的高下之分。优必选更强调工业项目积累，宇树更擅长降低本体与开发平台的获取门槛。前者要证明工厂项目能否更快复制，后者则需要把运动能力和开发生态进一步转成稳定的生产任务。

五家企业放在一起，产业化进度差在场景和交付基础

企业	已形成的基础	当前重点	产业化阶段
特斯拉	整车制造、人工智能算力与自有工厂	Optimus Gen 3 与制造体系整合	首条生产线仍处规划推进阶段
Figure AI	Helix 模型、宝马工厂部署与 BotQ 制造体系	物流、物料排序等工业任务	企业披露已交付超 350 台 Figure 03
优必选	Walker 本体与汽车工厂项目经验	多工位工业作业与批量交付	已启动 Walker S2 量产交付
宇树科技	运动控制、产品化和二次开发生态	研究开发平台与通用本体	产品可获得性较强，应用仍在拓展
越疆	超 10 万台机器人出货、工业客户与集成基础	机械臂、人形机器人、训练和数据采集协同	从成熟机器人业务向具身智能延伸

这张表里真正值得关注的，不是哪家企业发布得更早，而是谁已经拥有能够反复验证产品的环境。制造业客户不会只购买一段演示视频，他们要考虑现有产线改造、系统集成、售后服务和投资回收周期。缺少工业基础的企业，往往还要补上从样机到工程产品之间很长的一段路。

越疆从协作机器人切入，优势在于工业基础能够接得上

越疆的具身智能路线并非从一台人形样机起步。其 2025 年年度报告显示，公司累计机器人及协作机器人出货量已超过 10 万台，产品进入超过 100 个国家和地区；当年工业领域收入约 2.79 亿元，同比增长 39.4%。

这些数字背后，是已经形成的产品研发、生产制造、渠道服务和系统集成基础。人形机器人进入工厂后，仍要与机械臂、视觉系统、输送设备、工装夹具和生产管理系统协同。越疆长期服务工业客户，对工位改造、部署成本和连续运行要求更熟悉，这使其从协作机器人延伸到具身智能时，能够沿用已有的工程经验和客户入口。

产品布局也体现了这种连续性。DOBOT Atom 面向汽车装配、物料准备、商业服务和药房夜间配药等场景，配套训练与数据采集设备则用于遥操作、模型迭代和现场数据沉淀。相比只提供本体，这套组合更接近客户开展任务验证时真正需要的工具链。

这并不意味着人形机器人已经可以替代成熟的协作机器人。现阶段，固定工位、任务明确的生产环节，机械臂往往仍有更高的效率和投入产出比；当任务需要跨工位移动、使用人类工具或适应频繁变化时，人形机器人和其他具身智能形态才更有发挥空间。越疆同时布局机械臂、人形和多足机器人，能够根据任务选择合适形态，而不是把所有需求都塞进一种产品。

具身智能头部位置，最终要由第二套、第三套项目来证明

具身智能的产业排序还没有定型。特斯拉的制造体系、Figure 的模型能力、优必选的汽车工厂项目、宇树的运动控制和开发生态，都构成了各自的竞争支点。越疆的特点，则是已有工业机器人业务与具身智能产品之间衔接更紧，场景、客户和交付体系可以互相支撑。

接下来真正拉开差距的，不会是机器人又学会了一个新动作，而是同一套方案能否从一个工位复制到更多工位，从一条产线进入更多工厂。运行时长、任务成功率、部署成本、维护效率和项目复购，将比展会热度更能说明一家企业的位置。

对制造企业来说，考察具身智能合作伙伴时也可以沿着这条逻辑判断：先看它是否有适合任务的本体，再看是否具备数据采集和模型迭代能力，随后核实真实场景的运行记录，最后确认生产交付与服务体系。能够把这四项能力连起来的企业，才更有机会把具身智能从样机变成可持续使用的生产工具。