火药——中国人拿来放烟花，西方人拿来造武器。

无人机——我们最先把几千架编成灯光秀，用来“出片儿”，西方人则直接将之送上战场。

具身智能——我们在春晚跳舞、跑马拉松、踢格斗赛，马斯克却要用它打造太空无人工厂，服务于川普的军事化太空。

三段历史，同一个叙事结构：每一次，我们都在为“能用”找热闹场景，而他们在为“能打”找实际落点。

春晚跳舞与太空工厂

这几天，因春晚跳舞机器人火遍全球的宇树科技上市了，又一轮造富神话滚动刷屏。在这个热火朝天的氛围下，也不乏一些冷思考：生产出来的机器人要去哪工作？

本篇想把这个追问再推进一步：

具身智能的发展逻辑，到底是要让机器学会“像人”一样做人自己也喜欢的事情——跳舞、踢球、陪伴？还是把人不喜欢做的事给做了——高危环境施工操作、工厂打螺丝、农田插秧？

前者是国内媒体叙事中、具身智能赛道常见的热点；后者，是网友们反复提到的期待，相比跑步跳舞更接近真实需求的落点。

而马斯克规划的太空无人工厂机器人，把这件事推到了另一个维度：不是代替人解决人也能干的活，而是去往人去不了的地方解决人没法干的活。

这就引出具身智能的两种不同发展路径：

• 场景牵引路线（to B）：机器人直接长在工厂里，场景真实、任务清晰、迭代闭环。特斯拉是典型——机器人还没对外卖，已经在自家产线上拧螺丝了。更关键的是，马斯克旗下SpaceX本就是全球商业太空开发的先行者，这意味着Optimus的终局场景不是抽象概念——从地面工厂装配线到太空无人工厂，未来应用场景已经提前预备好了。产线验证→迭代→太空部署，是一条完整路径。

• 产品展示路线（to C→to B）：先靠能最大化吸引C端好奇心的事件建立知名度，再面向广泛的B端真实需求寻找场景应用。宇树是代表——四足机器狗卖进科研机构，春晚跳舞引爆大众认知，然后以此为基础向工业场景渗透。这条路的核心是先被看见。

但无论从哪条路出发，终局交汇点只有一个：机器人必须在真实生产场景中稳定、可靠、划算地完成实际任务。

所以，从当下看，如果宇树广为人知的标签依然是春晚跳舞、翻跟头，再多加一个踢球或练武术，“让外国人惊呆了”，那也不过是在“放烟花”的品类里多了一个品种——距离成为工业生产“大杀器”，还很远。

要命的是，这可能还不是技术差距，而是发展战略导致的路径选择差异。（国内商业航天的毛病并非孤例）

两种选择的技术路线差异

让机器人先学会翻跟头还是先打螺丝，看似无关紧要，但实际决定技术路线的底层分岔：

翻跟头是运动控制能力的极致展示，打螺丝是操作能力+泛化能力+任务完成度的真实验证；两者指向的算法栈、数据需求、硬件优先级完全不同——翻跟头考验的是动态平衡和轨迹规划，打螺丝考验的是力控精度、触觉感知和任务连续执行能力。

一条路线通向“能表演的机器人”，另一条通向“能干活的机器人”。

跳舞翻跟头的机器人必须做成人的样子，打螺丝的机器人却未必非得是“人形”——这就少了一重限定。真正决定生产力的，当然还是能干活的，无论它长什么样子。

【翻跟头路线的技术栈】以运动控制为核心，强调动态平衡、快速响应、复杂地形适应。数据来自实验室和赛场。这条路走到头，是一台运动能力爆表的展示机，但它在产线上可能连一颗螺丝都拧不稳——因为力控和触觉从未被当作优先级。

当然，运动控制本身也有真实需求——外骨骼机器人、康复支撑、医疗辅助等领域，核心技术壁垒正是动态平衡和力反馈。但相较于工业制造全场景的需求体量，医疗康复类赛道还属于小众细分市场。从公开信息看，国内主打运动性能演示的主流具身智能企业，并没有相关的产品规划。

【打螺丝路线的技术栈】以操作能力为核心，强调力控精度、触觉反馈、任务连续执行、环境泛化。数据来自真实生产场景。这条路的终点是一台能稳定输出良率的工业机器，但它在舞台上可能跑不起来——因为动态平衡从未被当作优先级。

这两种技术栈并不是完全不相容，但研发资源在一段时间内是有限的——用于优化运动能力的算力和工程师时间，就不能同时用来优化操作能力。

更深一层的问题是，数据来源决定技术上限：

翻跟头路线积累的是运动数据，打螺丝路线积累的是操作数据。

运动数据的结构相对简单（姿态、轨迹、加速度），获取成本低；操作数据的结构极其复杂（力觉、触觉、任务状态、环境变化），获取成本高。但操作数据的含金量远高于运动数据——训练出一个能翻跟头的模型，和训练出一个能在不同工件、不同公差下稳定拧螺丝的模型，难度不在一个量级。

数据积累的路径一旦确定，后续的算法迭代、硬件优化、场景拓展都会被这条路径锁定。这也是为什么路径选择具有战略意义——选错了，掉头成本极高。

本质差异：眼球经济vs产业经济

相比在电脑端的对话、各类生成式应用，具身智能覆盖了从感知到行动的完整链路，天然面向物理世界——世界模型才是其本命。

我们之前归纳过AI发展与人类智能进化的一条反向规律：

人类智能是从最基础的生命感应，到神经系统的萌芽，再到感知与运动能力完善，最终才生长出语言、推理和意识——从简单到复杂、逐层进化。

人工智能则是从最抽象的数理逻辑这一顶层架构出发，先攻克了语言理解与生成，再向空间与物理推理延伸，并尝试在具身智能中集成——从人脑意义上的“复杂智能”到“简单智能”做工程实现。

所以，具身智能的发展很大程度代表了前沿AI的落地能力——它是AI从数字世界“软件代理”向能与真实世界互动的“具身代理”的跨越，是我们对“未来”世界想象力的关键载体。

但如果机器人去跳舞、踢球、翻跟头，那未来的人干什么？爬上高压电塔修线路、钻进矿山深处挖矿石、在核辐射区巡检、在太空舱外焊接的人们，能不能生活得更好一点？

这不是一个技术问题，是一个方向问题。

我们造出机器人，不是为了让机器更像人、人更像机器，不是让机器去做“人该做的事情”，而是让机器去做人“不该做的事情”。

工厂打螺丝、高压线巡检、矿井作业、消防救援、太空组装……这些不该让人去干，不是因为它不高级，而是因为它危险、重复、消耗人的寿命。把这些活儿替掉，然后把人的时间还给教育、科研、艺术、陪伴——这才是具身智能真正的社会价值。

这个逻辑很朴素，是产业发展的基本常识。但当我们的媒体叙事把具身智能焊死在“表演”层面、新兴企业纷纷拥挤在跑步赛道时，核心基础技术（世界模型）、产品（具身智能机器人）、场景（各类制造产线）三者之间是完全割裂的——技术在原地打转，产品在舞台上翻跟头，产线等不来能干活的东西。

从历次工业革命史来看，技术驱动型产业发展的本质逻辑从未变过：

基础技术突破→面向大规模应用场景产品化→建立和革新产线，形成面向规模化市场需求的量产能力→驱动组织管理模式升级，进一步释放生产力。

但国内媒体长期以来遵循的是另一套逻辑：流量优先。在这样的叙事下，一切科技都成了眼球经济，热衷于编制“让外国人惊呆”的“赢麻”故事。在明明to B才是终极需求的领域，绕大弯做to C热度，本质上做的是to G的生意——因为C端的热度意味着资源流向。

当媒体普遍脱离产业发展根本逻辑时，任何关心产业发展、有志加入创新赛道真正有所建树的，都只能自己擦亮眼睛。

或许大国底子够厚，即便绕大弯也能先于对手抵达终局。但我们仍然需要意识到：在工厂里一颗螺丝一颗螺丝拧出来的机器人，比翻一千个跟头更接近人类需要的未来。它们不会上热搜，但它们正在铺开通往月球的梯子。

流量是烟花，产线才是大杀器。

跳舞和打螺丝，根本就是两条路线。

【关联文章】

大模型、VLA模型、世界模型：谁代表通用人工智能未来？“智能仿生学”视角的分析

大模型的“失明”，能怪大模型吗？

Palantir解密：李飞飞与强化学习之父对大模型的批评有何不同？兼论“本体”的哲学本质