这个国庆，很多人逛商场、景区时碰到了"新员工"：人形机器人导购、导览。不是展会上摆拍，是真上岗干活。具身智能这个话题，2026年算是彻底火出圈了。

数据很夸张。IDC刚出的报告，2026年上半年全球人形机器人出货接近2.5万台，同比涨了432%，中国占了近八成。光智元一家，上半年就出了8600多台。行业算是告别了科研小打小闹，开始真卖货了。

落地场景也变了。100台灵犀X2进了爱仕达全国100家门店当促销员；清宝的机器人批量进景区，干导览、科普、伴游。RaaS（机器人即服务）租赁模式也起来了，商家不用一次性掏大钱买，按周期租就行。机器人正在从"展示品"变成"岗位型机器人"。

但热闹归热闹，冷静下来看，机器人真正干的活还很基础。导购、迎宾、拍照打卡，做的都是“看起来很忙”的事。真到了要它拧一颗螺丝、叠一件衣服、扶一位老人，成功率立刻掉下来。硬件能动了，不等于活能干好。

第一个卡点在“手”。人形机器人最难的不是两条腿，是两只手。人手有27个自由度，能捏起一根针，也能抱起一箱水。现在的灵巧手大多只有十几个自由度，抓取成功率在实验室里好看，一到真实货架前，商品形状、重量、摆放角度全是变量，掉链子是常态。

第二个卡点在“脑”。现在的机器人 largely 还是“鹦鹉学舌”式执行：工程师把任务拆成一步一步，它照着做。一旦环境变了，比如货架上多了一件没见过的商品，它就懵了。真正要用的，是 VLA（视觉-语言-动作）大模型这种能泛化的“脑”，但这类模型还处在“演示很惊艳、量产很遥远”的阶段。

第三个卡点在“数据”。大语言模型吃的是互联网文本，管饱；机器人吃的是真实世界的操作数据，又贵又慢。采一条高质量的抓取数据，可能要人工示教几十遍。没有海量数据喂，模型的泛化能力就上不去，这是整个行业共同的旱情。

第四个卡点在“安全”。商场、景区都是人流密集的地方，几十公斤的机器人在人群里走，万一失控撞到人，谁负责？现在的方案大多是“电子围栏+人工盯防”，等于给机器人配了个保镖。安全标准和责任认定没跟上，大规模铺开就谈不上。

不过方向是对的。路径已经很清晰：先在固定场景里把单一任务做透，比如商场的迎宾导览、工厂的物料搬运，把数据攒起来；再逐步放开到更开放的环境。iPhone 也不是第一代就封神的，机器人也一样，先解决“有用”，再解决“好用”。

对想入行的人提个醒：别只盯着本体厂商。真正的机会在“场景+数据”这一层。懂 ROS2、会做仿真、能把 VLA 模型落地到具体任务的人，现在是稀缺的。硬件会越来越便宜，值钱的是让硬件干活的工程能力。

署名：Cyrus