本期为全球具身智能产业链研究周报第 8 期，覆盖 2026-10-13 至 2026-10-19。这一周最实质的变化不是「又发了什么机器人」——而是产业第一次同时拿到三张可以互相对照的底牌。出货结构显示，2026 上半年全球人形机器人出货的 2 万余台里，工业只占约 13%，文娱商演与科教数采合计超过 60%；交付端出现了 15 台人形在汽车零部件产线连续运行两个月、并以「技能模块＋多机调度」讲清复制方法的样本；资本端则在同一周同时出现 150 亿元估值的新融资与「按对外估值约五五折甩卖老股仍无人接」。
综合来看，上游产能与整机估值都跑在真实工业需求之前，价值信号正在从「谁能造、谁能融」转向「谁能把一台机器在客户工位上连续跑住，并把部署与运维成本说清楚」。下文按「需求在哪里发生、造得出来吗、上游在卖什么、能力增量在哪里、交付之后的成本、准入与资本怎么变」的顺序展开，最后给出跨链结论、下周要看的证据与后置应用建议。
出货结构：量产首先发生在非工业场景
2026 上半年的全球人形出货到底有多少台，本周出现了三套不能合并的口径。中国信通院《具身智能发展报告(2026)》给出的数字是超过 2.2 万台、同比接近 +300%，并把场景结构拆得很清楚：文娱商演与科教数采合计超过 60%，导览导购约 19%，智能制造约 13%，仓储物流约 5%。IDC 的对照口径是接近 2.5 万台、同比 +432.1%，其中中国占 77.9%、超过 1.9 万台，智元超过 8,600 台。弗若斯特沙利文的口径则是销量 3.6 万台（超过 2025 全年的 3.5 万台）、收入 5.4 亿美元，按收入排名的前五名都是中国企业。
三者的统计对象（出货还是销量）、渠道与期间口径都没有公开完整方法，因此只能并列，不取平均、也不互相否定。能共同支持的只有一个量级判断：2026 上半年全球出货在 2 万至 3.6 万台之间、同比数倍增长，且中国占多数。按弗若斯特沙利文的收入口径粗算，均价约 1.5 万美元一台——这个数字是本文的粗算，不是机构披露。
中国份额也有两种说法。Bloomberg Television 的视频报道称中国约占 2026 上半年全球出货的 97%，但这一比例归因于「未具名估算」而非其自有统计；IDC 的口径是 77.9%。两者不合并，前者只能当作方向性反证使用。
同一条报道给出了另一面：中国正把灵巧手作为人形制造的关键环节投入，但多数灵巧手仍是原型而非商用设备。报道把手部难点归结为「协调」——人手能在多指协同下施加不同压力，复现需要机械设计、电气、传感与大量训练测试的联合迭代；「会跑会跳会跳舞」不能证明会操作。国内既有基线里，慧灵 eHand-20 报 9,999 元、20 主动自由度，钧舵报 22 自由度与不超过 2 毫秒的触觉延迟，特斯拉有触觉皮肤专利；本期并没有新的手部产品发布，出现的是外部视角的反证。此外，报道称 2026 年中国投资人形赛道超过 140 亿美元，摩根士丹利「本世纪中叶 5 万亿美元」是预测而不是当前需求。
这组数字与本周的制造交付样本互相印证：当前付费的工业任务多数还不需要高自由度手。短期（2026—2027）灵巧手的收入更可能来自科研、数采与展示——这正对应信通院口径里文娱加科教超过 60% 的结构；工业付费仍集中在夹爪与专用末端。对部件厂而言，空心杯电机、微型丝杠与触觉阵列是手部放量的前置受益者，但当前订单能见度低。手部若要成为整机物料清单里的价值段，前置条件是触觉数据与耐久出现突破；还要留意一种反证：万元级价格战可能先于可靠性成熟，低质手流入教育市场后形成口碑反噬。
制造业上料：目前最接近可复制交付的样本
10 月 15 日，乐聚机器人与浙江兆丰机电（兆丰股份，汽车轮毂轴承企业）在杭州萧山工厂联合发布「具身智能＋汽车零部件上料解决方案」。现场 15 台乐聚「夸父」人形在金属丝网框、多工位、上料台交错的狭窄动态环境中完成「预备—取料—转运—上料」10 余个动作，抓取内径 80–120 毫米的小型零件；单次循环约 40 秒、覆盖 10 余种零件、成功率 98%、连续运行超过 2 个月、累计约 1000 小时、协助生产超过 6 万个零部件。
这条线真正的工程含义是任务选择：上料是高重复、低自由度的工序，方案避开了灵巧手的精细操作，用「移动＋臂＋夹爪＋视觉」的成熟组合去打可验收的节拍。可复用的资产也不是本体，而是四层交付软件——技能开发工具链把上料拆成 30 余个基础模块、按零件与工位组合，使开发周期从数月压到数周；多机调度平台把标准技能一键同步，使部署时间从天级压到小时级；一键叫料降低工人操作门槛；安全监测模块覆盖零件掉落、碰撞与过速检测。这四层决定了它究竟是「项目」还是「产品」：项目靠工程师驻场，产品靠模块复用。
与同工序的传统方案（专机或振动盘加人工上料，以及协作臂加视觉）相比，人形的优势不是速度——40 秒一件并不快——而是工位不必改线、同一台设备可切换 10 余种零件；劣势是单台成本、维护与占地。与专机的全生命周期成本对比并未披露，因此经济性无法判断。客户董事长给出的评价是稳定性和准确率基本达标，后续还要提升节拍。
三份已读报道对 15 台、15 个工位、40 秒、98%、2 个月、1000 小时、6 万件这些口径一致，但数据全部为乐聚与兆丰双方共同提供，没有第三方审计，也没有独立的节拍与良率测量；「连续无故障」是否包含人工补料、换型停机或遥操接管并未定义。客户侧唯一的负向叙述来自人民网：客户董事长说「刚来的时候还经常摔跤，经过一万五千次的训练迭代，才有今天的作业效果」。未取得的部分包括客户验收文件、单台价格与付款方式、故障率与人工接管次数、节拍与人工基线的对比、良率影响与扩点计划；采购、租赁还是联合验证的性质也未披露。
这条线还产出了一个数据副产品：15 台并行使单月采集超过 4 万条真机数据，「汽车零部件上料真机作业回流数据集」已捐入开放原子开源基金会 OpenLET 社区。数据权利没有成为客户封锁点，这可能意味着客户为生态声誉做了让渡。
判断上，这条样本触发了两处调整：一方面上调「制造上料是最接近可复制交付的具身场景」；另一方面下调「复制即低成本」的乐观——首站的 1.5 万次迭代与频繁摔跤说明，部署期的工程投入才是主要成本项。由此推得的传导是：对本体厂，可复制性来自技能库与调度层而不来自本体参数，这会推动本体厂把「部署工具链」当核心产品；对部件厂，上料场景拉动的是臂关节、夹爪、3D 视觉与边缘算力，而不是高自由度手；对下游，汽车零部件的「多品种小批量」恰是人形相对专机的优势区间，比整车厂焊装更现实。
需要同时记住四个反证：98% 的成功率没有定义分母（是否含重试与人工接管）；2 个月、1000 小时对工业设备动辄 2 万小时以上的寿命仍是短样本；单厂 15 台不证明跨厂可复制；「无故障」与「无人工干预」不是同一件事。后续要看的是客户采购或租赁合同与单价、连续 6 个月的可用率（平均无故障时间与平均修复时间）、第二家客户的复制周期、与专机的单件成本对比，以及 OpenLET 数据集的外部使用结果。
从链条位置看，这条线是「乐聚的本体＋技能工具链」经「乐聚与客户工程团队」的集成部署，落到「兆丰的汽车零部件制造」；短期议价在技能资产与部署能力，验收与复购掌握在客户手里。用五个要素概括：怎么搭的，是夸父本体＋专用模型＋30 余个技能模块＋多机调度＋一键叫料＋安全监测；交付给谁，是兆丰机电（付费、使用、验收同一主体）；什么代价，设备与集成价未披露，已披露的代价是 1.5 万次迭代与 2 个月调试；踩了什么坑，是初期频繁摔跤、节拍不足与狭窄动态环境下的抓取；能否复制，工具链声称可复制，跨厂尚未证明。
造得出来吗：Atlas 把装配节拍公开成工程指标
10 月 14 日，Boston Dynamics 发布约 6 分钟官方影片《Machine, Assemble, Repair: How We Build Atlas》，首次公开其 Waltham 原型车间的装配节拍：大约一天装一台 Atlas，目标是 2027 年压缩到 1 小时一台，最终到分钟级；车间自建齿轮加工与机器人辅助装配工装。把「装配节拍」当公开指标，等于承认人形的瓶颈已经从「会不会动」转到「能不能造」。
一天一台的手工与半自动装配对应低产量、高定制的阶段：关节、线束、传感器贴合、标定与测试占去大部分工时。目标 1 小时一台意味着必须把标定、测试与线束做成工装与自动化，而这三项恰是人形相对汽车产线最难标准化的部分——每台的关节零位、连杆公差与传感器贴合都不同。作为参照，汽车整车产线约在每小時 60 台量级；一天一台约为 0.04 台/小时，一小时一台约为 1 台/小时，仍远低于汽车节拍，但相对 2025 年「实验室月级装配」已是数量级改善。与 Figure 此前公开的 1 小时目标、Agility 的成熟产线相比，Atlas 的差异化在自建齿轮加工与工装——纵向一体化换节拍。
几个背景事实需要分开标注（均为非本周）：2026 年 1 月 CES 发布商用 Atlas 并称立即投产；2026 年全部产出已被现代汽车集团与 Google DeepMind 预定；规划了年产 3 万台的新工厂；2026 年 6 月现代以 3.25 亿美元收购软银剩余 9.65% 股权完成全资控股。产出全部由母公司与其合作方包销，属关联方交付而非公开市场竞争性销售，这使「3 万台产能」缺乏第三方需求验证，也没有外部价格信号。
由此得到的判断是：制造工程能力正在成为护城河，只有能自建工装与产线的厂商才能把物料成本降下来；对部件商，整机自建齿轮加工意味着部分精密传动件被内制、外供份额受压；对行业，一天一台的真实节拍说明 2026 年的「万台产能」多为规划而非产出，与信通院口径的半年 2.2 万台出货可以互相印证——全球半年 2 万台，恰是「每天几十台」的量级。仍要记清边界：影片未说明「一天」是否含测试与标定，包销结构下没有价格信号，「3 万台工厂」若延期则产能叙事落空。后续要看新工厂开工与投产时间、Atlas 是否出现外部客户订单、单台成本或售价首次披露、以及一次通过率与返修率数据。
从链条位置看，Atlas 处在本体制造环节，向上自建齿轮与工装（部分内制），向下由母公司与其合作方包销，价值在制造工程而非公开市场份额。五要素：怎么搭的，是原型车间＋自建齿轮加工＋机器人辅助装配；交付给谁，是现代与其合作方（关联方）；什么代价，未披露；踩了什么坑，是标定、线束与传感器贴合难以标准化（此为分析）；能否复制，纵向一体化模式难被中小厂商复制。
上游在卖什么：运动基座、算力芯片与触觉入口
本体之外的供给端，本周出现了三种不同性质的「上游变厚」。
第一类是把自己变成别人的「身体」。10 月 16 日，36氪 发布对华沿机器人董事长王光能的深度报道，披露其在 2026 中国工博会发布的「具身智能运动基座」：用标准化、模块化、开放的运动与本体底座，供具身智能厂商在其上做整机。同步披露的协作本体升级指标包括：整机关节速度提升 20%–150%（最高 360°/秒）、末端线速度提升 20%–50%（最高 4.5 米/秒）、满载重复定位精度 0.0109 毫米、绝对定位精度 0.145 毫米、直线轨迹精度 0.289 毫米、整机最低运行噪声实测 55 分贝，配自研新一代电机，从模块结构、减速器、编码器、电机、抱闸到驱动与运动补偿算法系统迭代。需要说明的是，工博会的本体发布在报道窗口之前（约 10 月 12 日），本条在窗口内的是深度披露与指标细化，不当作本周新发布。
这些指标都落在工业协作臂的语境（末端线速度、直线轨迹精度、噪声），说明「运动基座」当前更接近高性能协作臂加关节模组加驱动与算法的模块化组合，而不是完整人形平台。产品逻辑是：把人形厂商最耗时的「关节—驱动—控制闭环」做成可采购的标准件，让整机厂只做场景与模型。这与上一期「灵巧手万元化」是同一方向的另一段——部件从「按图定制」走向「按目录采购」。但未披露基座业务的订单、收入或客户验证，属产品发布而非商业交付；规格书、价格与交付形态、客户名单、是否含人形双腿、第三方精度复测均未取得，精度与速度为厂商在自有测试条件下的宣称，也未给测试标准（是否 ISO 9283）与负载、温度条件。
若这一「基座」成立，价值分配会从整机厂向掌握关节、驱动与控制闭环的部件商转移一段：整机差异化被压缩到场景数据与模型，硬件趋于同质。受益方是有量产一致性、能提供开放接口与运动学参数的部件商；承压方是只会组装、无自有执行器与算法的整机初创。但反证同样强：特斯拉、Figure、智元、宇树等头部整机厂都在自研关节，「外购基座」目前主要是中小整机厂的选择，市场天花板取决于长尾厂商的数量。后续要看客户名单与首批出货、接口文档与开发包的公开程度、第三方按 ISO 9283 的复测，以及是否出现双足版本。定位上，华沿在部件层向本体层上探，向上买电机、减速器与编码器，向下卖「可长成整机」的运动底座，议价取决于接口开放度与一致性。五要素：怎么搭的，是电机＋伺服驱动＋运动控制算法＋模块化关节与本体；交付给谁，是中小具身整机厂（名单未披露）；什么代价，售价未披露；踩了什么坑，未披露；能否复制，标准化产品形态本身可复制，客户验证未证。
第二类是算力与存储被产业资本视为战略资产。10 月 17 日，中国基金报报道物理 AI 算力芯片公司新芯航途近日完成战略轮，历史累计融资约 50 亿元（这是累计数，不是本轮金额），投资方为长鑫科技、雷诺集团与奇瑞汽车，其中雷诺为首次投资、奇瑞为追加。公司核心产品 X7 是车规级芯片，瞄准 L2++ 城区辅助驾驶与 L3/L4，首发车型为上汽大众 ID.ERA 9X，后续覆盖上汽 MG 与荣威、通用凯迪拉克、奇瑞部分新能源与燃油车型，生态伙伴包括 Momenta（算法）与 QNX（安全操作系统）；公司自我定位为「大模型时代的核心算力」，同时服务自动驾驶与机器人等物理 AI 应用。本轮金额、估值与股权比例未披露；产品处于定点与量产爬坡前，机器人业务仅见定位、未见收入。三方均为产业资本，目的不是财务回报最大化，而是锁定算力供给与出海通道。传导是：若 X7 随车企放量，价值会向「车规芯片＋安全软件」这段集中；但汽车辅助驾驶价格战激烈，芯片厂能否把定点转为毛利仍未披露，且车企定点通常带年降条款，毛利可能被压缩。
第三类是稀缺感知入口被前置锁定。10 月 13 日，视塔机器人完成天使轮，华为哈勃投资、深高新投旗下基金与高轩投资参与，多维资本任财务顾问，金额未披露。公司 2025 年成立，做柔性光子晶体电子皮肤（厚度小于 1 毫米、感知密度超过 10,000 点/平方厘米）及触觉传感器、数采设备与触觉控制模型；参数为公司自述。产业资本入股触觉感知，更像对「数据入口」的前置锁定。同属部件侧的还有雷赛智能 10 月 16 日投资者关系披露的 2026 年无框力矩电机在手订单超过 100 万台、预计全年交付 80–90 万台——该条仅取得摘要、未读全文，只作上游交付量线索，不据此推算全行业。
补能：从「续航几小时」改成「每天能干几小时」
10 月 19 日，Agility Robotics 宣布下一代 Digit 5 采用 Nyobolt 电池，目标充 9 分钟工作约 90 分钟，工作与充电的时间比从 Digit 4 的 2:1 提升到 10:1，充电约占「工作＋充电」总时间的三分之一；公司称可支撑每天超过 20 小时运行，首批客户交付在 2027 年上半年，其后 6–9 个月扩大供货。循环寿命未量化。对照路线是 UBTECH Walker S2 采用自换电。
工程本质是用高功率密度、高倍率充电的锂电池（铌基负极）替代「大电池」：不追求 8 小时单次续航，而把补能压到换班或交接的间隙。对整机物料清单的含义是电池容量下降、充电基础设施上升——单台成本可能下降，但客户侧需要配套高功率充电位，全生命周期成本从「设备」转向「设备＋充电桩＋电价」。这与自换电是两条竞争路线：快充依赖基础设施，换电依赖电池包标准化与库存。对 24 小时运行场景，可用率等于工作时间除以工作时间加补能时间；10:1 对 2:1 意味着同样班次下车队规模可降约 20–25%——这是没计维护与故障的粗略推算，属于分析而不是公司披露；若充电位不足或电网容量受限，优势会被抵消。
非本周的背景是，此前引用的机构报告称多数在役人形单次充电仅 2–4 小时、工业需 8–12 小时班次，电池常压过执行器与 AI 成为部署约束；本周的新意是把约束从「单次续航」改写为「可用率与补能占空比」。到 9 分钟与 90 分钟都是公司对未上市产品的目标值而非实测，Nyobolt 官方技术参数、Agility 官方新闻稿、充电设施功率与成本、90 分钟对应的负载工况都未取得；循环寿命未量化是关键缺口——高频快充若使电池年更换一次，节省的停机时间会被更换成本吞掉。由此得到三点传导：对电池厂，人形开始出现「功率型」而非「能量型」需求，这与「固态电池先用在人形」是两条不同技术路线、固态未必是短期答案；对本体厂，可用率成为可售卖指标，会反向要求关节与驱动器支持高频启停；对客户，采购决策从「几小时续航」变成「每天能干几小时」，利于按结果付费。后续要看 Nyobolt 循环寿命数据、充电桩功率与价格、Digit 5 首批客户的实测可用率，以及与换电路线的单班次成本对比。链条位置上，补能处在电池环节，向上买电芯材料与功率器件，向下决定本体的可用率与运维班次设计，议价在「快充生态（桩＋电池）」而不是单颗电芯。五要素：怎么搭的，是 Nyobolt 高倍率锂电加 Agility 整机热管理（细节未披露）；交付给谁，是仓储与物流客户（2027 年上半年）；什么代价，未披露；踩了什么坑，未披露；能否复制，依赖充电基础设施，跨场景未证。
能力增量在哪：五篇论文都在改「接口层」
本周公开的五篇论文有一个共同点：它们都不改感知主干，而是改边界条件——子任务边界、环境隐变量、首帧分布、接触间隙。所有效果数字均为作者自报、无第三方复现，且各论文的任务与验收不同，不可横向排序。
把「子任务完成判定」做成独立接口
预印本《LAW: Unifying Language, Action, and World Modeling for Agentic Physical Intelligence》（arXiv:2610.23334v1，提交于 10 月 16 日）把语义子任务进度做成语言推理与世界动作模型之间的时间接口。架构上有两条不同频率的环：语义环由共享冻结主干上的混合专家视觉语言模型承担三角色——规划器预测剩余子任务序列，状态专家异步判断当前子任务是否完成（二值化阈值 0.50），价值专家给候选动作块打分；动作环由世界动作模型采样 N 个长度 32 的动作块，价值专家取前 8 个融合后执行前缀。关键设计是规划不必每步调用、状态评估不阻塞控制。训练上，模型在注意力之外增加共享专家（学视频与动作共有的时序与物理结构）与视频专有、动作专有专家；价值用子任务局部回报，在语义边界截断，使失败轨迹中已完成子任务的前缀仍提供正监督，直接回应「失败轨迹全被赋零值」的浪费。
自报指标：在无机器人数据预训练的前提下，RoboTwin 50 个任务平均 94.21%，比对照方法高 2.38 个百分点；换用另一主干可升至 95.56%；在 RoboDojo 的能力维度领先（未给逐项数值）；三个长程真机任务（最多 9 个语义子任务）平均 65%，对照 π0.5 为 28.33%、另一世界动作模型为 25%。视觉语言模型仅 2B 参数，论文称在同一框架内优于更大模型与另一变体。边界必须保留：真机 65% 意味着约三分之一的长程任务失败；论文未给真机任务定义、试验次数与置信区间；「2B 击败更大模型」是同框架内比较，不是通用结论；价值专家依赖离线轨迹质量，跨本体是否成立未测。附录 D 的输入与动作约定、训练数据清单与规模、GPU 小时与推理时延均未取得，RoboTwin 与 RoboDojo 的官方榜单未读，因此「新 SOTA」只是论文自述；代码与权重、许可与商用条款也未披露（未找到官方仓库属未取得，不等于未开源）。
事实层面，本周出现了一个把「子任务完成判定」显式建模为独立专家、并用它连接规划与动作生成的长程框架，并在两个仿真基准与三个真机任务上给出自报数字。分析层面，这解决的是部署侧的系统问题而非感知问题——长程任务失败常来自「没意识到阶段已变」，而不是单步动作不准；若该接口成立，价值将从「更大的视觉语言动作模型」转向「能定义并检测子任务边界的编排层」，这与任务编排与观测工具直接重叠：谁掌握子任务定义与完成信号，谁就掌握长程任务的验收口径。判断层面：本周证据足以支持「方向成立」，不足以支持「LAW 优于 π0.5」这一跨论文结论。待验假设：子任务局部回报的收益是否随子任务粒度变细而衰减（粒度越细，边界判定噪声越大）。
让环境隐变量从预测误差里「长出来」
预印本《T2-z: Test-Time Optimization of Environment Latents for Robotic World Models》（arXiv:2610.22364v1，提交于 10 月 15 日）给动作条件世界模型加了一个随机初始化、无监督信号定义的紧凑环境隐变量，预测同时条件于动作与该隐变量。训练分两阶段交替：固定隐变量学跨环境的通用动力学；冻结世界模型、只用预测误差优化隐变量，使环境结构从预测误差里长出来，既不需要预设物理因子，也不需要单独的环境编码器。测试时世界模型冻结，为未见环境新初始化隐变量，用一条或多条真实交互的预测误差做梯度优化，得到一个「环境自适应模拟器」，可在执行前比较候选动作；因为推理是优化而不是摊销编码，它不绑定训练时的轨迹条数，这是相对既有系统辨识路线的结构性差异。
自报指标：7 个仿真设定加 4 个真机任务；总体物体预测误差从 15.20 降到 7.00，动作成功率从 33.73% 升到 72.96%；拆开看，仿真误差 12.86 到 4.80、成功率 37.9% 到 74.2%，真机像素跟踪误差 19.30 到 10.85、成功率 26.5% 到 70.8%。主成分分析显示隐变量自发形成与真实因子对应的结构，消融称单条测试时交互轨迹即可推断出有用的表示。边界：真机 70.8% 的绝对水平仍不足以无人值守；测试时优化需要「先动一次」，在不可试错场景（易损件、人机共处）不适用；每步优化的时延未披露，闭环控制频率能否承受未知；隐变量可解释性仅由主成分事后解释，不是因果识别。论文正文声明的项目页、代码仓与数据仓库本次未逐一打开核验；4 个真机任务的机器人与物体清单、试验次数、优化步数与耗时未取得；许可与商用条款、训练成本未披露。
判断上，这把世界模型竞争从「预测得更准」推到「部署后能否用最少试错把环境标定出来」。对数据侧的传导是反向的：过去靠大规模多样化数据让模型「见过」各种摩擦与质量，若这一路线成立，会用少量现场交互替代一部分数据覆盖，从而削弱「数据量即护城河」的叙事、抬升「可安全试错的部署流程」的价值。但「一条轨迹就够」是作者自设任务分布下的消融，不能外推为通用样本效率。待验假设：在接触丰富或可变形物体上，单轨迹优化是否会收敛到错误的隐变量——预测对了但物理错了。
纯本体感觉的精密装配，以及为它造数据的生成器
预印本《Blind Precise Assembly: Proprioceptive Sim-to-Real Peg-in-Hole for Diverse Parts》（arXiv:2610.23849v1，提交于 10 月 16 日，麻省理工学院团队）把「不要视觉」推到极端：七自由度臂与平行夹爪，不知道夹具位姿、不知道零件在爪中的位姿、也不知道零件尺寸与间隙；观测只有 0.6 秒的关节位置与速度历史、由之算出的夹爪位姿与旋量、以及自己上一个动作；无图像、无力矩、无触觉。它全部在仿真里用强化学习训练，随机化零件几何、接触属性、夹具位姿与抓取（含偏心与倾斜）；辅助接触监督只加速学习，不给策略特权信息。任务包括每侧 0.5–1.5 毫米间隙的插销、0.2–0.6 毫米背隙的齿轮啮合、以及 0.05–0.2 毫米螺纹间隙的螺母拧入。这一设定其实是把此前「低容差、样本稀缺时端到端模仿失败、退回专用感知加高性能控制」的判断再推一步：连视觉也不要，只用关节编码器。
它真正的产业价值在一并开源的数据生成器。MuJoCo 用凸包碰撞，凹孔必须靠符号距离场或凸分解；近似分解会在孔内留下材料、填死 0.1 毫米的螺纹间隙，而符号距离场会漏接触、圆角化孔沿。作者开源的 mjfit 从任意平面轮廓程序化生成「精确凸棱柱」的孔、销、螺纹与齿轮模型，直接指定间隙而不是调容差；它用 12,288 个并行世界，每个放一套不同装配；在 16 毫米孔、最小 20 微米间隙的基准上，CPU 下比网格符号距离场快约一个数量级且精度更好，GPU 下处于精度与速度前沿最优。自报指标方面，插销策略零样本迁移真机，8 种截面销（含 3 种分布外）共 237 次试验成功 73%；受控仿真对比称盲策略对未见形状与尺寸的泛化显著好于匹配的视觉策略，但更慢；表征探测显示策略在按接触状态反应式搜索，不是开环轨迹。边界：其余两个任务没有实机结果；73% 是受控工位、固定臂、无动态障碍下的数字；「更慢」意味着节拍成本，论文未给具体秒数；方法依赖高分辨率关节编码器与可重复夹持，低成本本体是否成立未知；仓库地址与许可、训练 GPU 小时未取得，也无第三方复现。
判断上，对仿真环节的传导很直接：仿真精度不足会以「数据不可用」的形式卡住整个训练管线，而不只是存在仿真到现实的差距；mjfit 这类按间隙精确构造碰撞体的工具，价值不在算法而在让并行仿真真的能模拟目标任务。对本体的含义是：若纯本体感觉足够，高成本视觉与触觉方案的边际价值下降，编码器分辨率与关节刚度反而成为选型指标。这是本周最具工程可复制性的一项（生成器开源、无特权信息、零样本），但 73% 不支持「可交付」，它更像「把装配从视觉问题变成控制问题」的路线证明。
更好的观测，不等于更好的策略输入
预印本《ActiveAlign: Bridging Active Perception and Vision-Language-Action Models via Observation-Aligned Data Adaptation》（arXiv:2610.23378v1，提交于 10 月 16 日，复旦大学与上海创智学院）给出了本周最重要的负向事实：把「主动动相机」直接接在视觉语言动作模型前面会破坏策略。在 LIBERO 扰动起点协议下，π0.5 从 46.3% 跌到 11.5%，π0 从 30.7% 跌到 7.0%。原因是腕相机运动同时改变了图像的位置、尺度与遮挡、臂构型与剩余任务的关系，策略被推到训练分布外，动作分块又把早期误差放大。它的修法不是改造模型，而是改数据：部署时的视角模块在造数据时也可用，就用它改写示范的起点——先学到一条腕相机轨迹，在可重置环境里执行，把轨迹端点与早期示范的末端状态做闭环对齐，再回放剩余示范，只保留成功的延续段做微调；部署时同一视角模块先跑一次，策略架构不变。
对照结果解释了收益来源：在 LIBERO Spatial 上，匹配状态的相机外参对照为 54.6%，该方法为 78.2%；数据量匹配的随机视角为 58.0%、广视角抖动为 61.4%，说明收益不只是「示范变短」或「视角增广」。在四个视觉语言动作模型骨干、40 个 LIBERO 任务上，π0 达 70.7%（提升 40.0 个百分点），π0.5 达 72.7%（提升 26.4 个百分点），另两个骨干同向；真机物理遮挡从 90 次中的 35 次提升到 83 次。边界：方法要求可重置仿真器或可重建工位（因为要回放），纯现场不可重置部署无法直接用；只处理「操作前的视角选择」，不处理移动遮挡物的持续响应；真机仅 90 次试验的单场景；无第三方复现、无代码；视角模块架构与训练数据、回放成功率统计、推理开销均未取得。
判断上，这使数据接口成为瓶颈：多模态感知与主动视觉的收益被首帧分布吃掉，意味着传感器升级与模型升级都可能被「训练数据起点不匹配」抵消；真正稀缺的是能在部署分布上重造示范的管线（可重置环境加回放过滤）。这把上一期「采集分布可编程」的旋钮从「采什么」细化为「从哪个状态开始」。这是本周对工程团队最有直接用处的负向发现，但 40 个任务属仿真基准、真机只有遮挡一类场景，外推需谨慎。后续要看代码释出、非可重置工位的替代方案、与「直接多视角融合」在同任务同验收下的对比、以及首帧偏移容忍度曲线。
把仿真调参从专家技能变成可编排接口
预印本 RoboSimStudio（arXiv:2610.18835，两个版本分别于 10 月 13 日与 14 日提交，均在窗口内；加州大学伯克利分校与英伟达合作）基于 Newton 多求解器与 Viser 做交互可视化，把求解器、接触模型与物理参数（如杨氏模量、摩擦）显式暴露为可编辑项，支持与外部物理引擎共仿真；输入是一段手机视频，输出是可检查、可迭代的多物理场仿真。它有两条使用路径：人通过滑块与力反馈（低成本主臂）调；编码 agent 通过暴露的仿真状态以及时空文本与视觉反馈自行改场景与参数，形成闭环；真机失败还可作为约束，反过来指导 agent 修仿真。自报的验证是 18 个接触丰富任务（刚体、铰接、线缆、布料、软体）、力反馈遥操作演示，以及一个双臂擦海绵的「手机视频建模→域随机化→仿真内提升成功率与节拍→上真机」试点。边界：18 个任务是「能建出来」的计数而不是成功率；试点只有单任务、无重复试验与统计；agent 建模仍需人工设定目标函数与验收标准；定量精度与耗时、构建成功率、人工耗时对比均未公开；代码在项目页声明，但许可、托管与收费模式未披露；依赖较新的 Newton 生态，工业资产与 ROS 集成未测。判断上，工具链的消费者正从工程师扩展到 agent，仿真到现实的瓶颈也从「会不会写模型文件」变成「验收标准是否可形式化」，竞争从「求解器快不快」拉到「参数是否可解释、可回滚」；但方向对不等于产品成熟，「agent 建仿真」的可靠性没有量化。
仅摘要级的七篇：线索而非结论
另有七篇只取得摘要的论文，数字均为作者自报，任务与基线不同，不可横向排序，也不单独支撑产业结论。用事实级「干预」而非聚合成功率来评测模型记忆的一篇报告，1 个最小浮点单位扰动会改变 11.9% 的配对结果，其自建基准成功率从 39.1% 升到 74.3%；用嵌套超网按任务生成参数的一篇，比最强的模型合并基线平均高 41 个百分点，在另一基准上距逐任务微调 1 个百分点以内；先想象虚拟相机轨迹再生成空间先验的一篇报 75.9% 与真机 94.4%；用符号距离场监督的物体中心三维世界模型预测位姿增量的一篇；人形行为世界模型一篇报全局位置误差比对照降低 61.7%；用跨轨迹状态图最短路径估计进度的一篇声称把充电器插入成功率提到 5 倍；把多机协作表示为可执行代码的一篇，在两个宇树 G1 仿真走廊搬运场景中 15 次基准任务完成 8 次。
八个环节的基线→本周→判断（压缩对照）
核心零部件：部件侧产能与「按目录采购」同时加速，而整机半年出货 2 万余台且工业约占 13%，上游供给扩张快于真实工业需求；灵巧手价格下行但商用付费未起，需求集中在科研、数采与展示；电池出现「功率型（快充）」与「能量型（长续航）」两条路线竞争。相对上期「灵巧手进入万元级、零部件厂以产能与在手订单进入人形供应链」，本周部件商开始卖「标准运动基座」而非单件、补能指标从「续航几小时」改为「补能占班次多少」，并出现「多数手仍是原型」的外部反证；判断上调「部件商品化且分层」，维持「手部瓶颈在触觉闭环与耐久、不在自由度数」，新增「可用率与补能占空比」作为可比采购指标。
本体与控制：整机规划产能（Atlas 年产 3 万台工厂、多家「万台级基地」）远高于当前全球半年 2 万余台出货，需求结构以文娱与科教为主，工业付费集中在少数标杆，供给端同质化加剧、价格下探。本周补上了「15 台×15 工位×2 个月×1000 小时」的连续运行样本，同时 Atlas 把装配节拍公开为工程指标；判断上调「制造上料是最接近可复制交付的具身场景」，下调「复制即低成本」的乐观，维持「一天一台不等同于产线节拍，也不等同于 3 万台年产能」。
数据与采集：供给从「买遥操小时数」转向「自建采集＋仿真生成」；稀缺的不是时长，而是与部署分布一致的首帧与起点、以及失败恢复样本；采集设备与触觉数采入口被产业资本前置锁定。本周出现了「首帧分布可以吞掉整个感知模块收益」的负向实验，以及「仿真资产精度不足会以数据不可用形式卡住训练」的工程证据；维持「分布优于数量」，上调「数据接口与起点对齐」的权重。
仿真、训练与评测：仿真从「动作数据源」变成接触、参数与评测的公共基础设施，需求方从工程师扩到编码 agent，供给方竞争点从渲染逼真度转向接触与间隙的显式建模。本周参数台化、精确资产生成、评测可干预三条同时出现；上调「仿真资产精度」与「评测可干预性」，不再把基准分数当充分证据。
模型与算法：竞争从「更大主干」转向接口层——时间接口、环境条件、参数生成、首帧对齐；算力与数据仍在上游，差异化向「谁能定义子任务边界与验收口径」移动。本周三项高影响工作都不改感知主干，判断上调「接口与适配层」重要性，维持「模型规模不再是唯一叙事」。
软件平台与工具链：中间件继续商品化，价值向编排、观测与模型分发上移；工具链消费者从工程师扩到 agent，但付费模式仍未被验证。本周出现「agent 成为工具链一等用户」的单篇论文与「参数生成替代模型存储」的方法；维持原判断，把前者当作新增观察而不升级为趋势（仅试点、无外部采用证据）。本周也扫描了主流机器人中间件与开源框架，未检出窗口内可核的新版本发布，属未检出而非「无进展」；操作系统层（星尘的操作系统、四川具身的编排工具链）为公司口径，客户付费与迁移成本未披露。
系统集成、交付与运维：买方从「买机器人」转向「买可计量的运行」，卖方以工具链、订阅与运维编排回应，但运维成本尚未被定价模型覆盖；集成环节掌握客户关系，却可能被应收账款、定制化与现场服务拖住。本周交付方法产品化、验收公共语言、运维编排化、退场成本四项同时出现；上调「集成能力正在产品化」与「运维平台化」，上调「责任边界可合同化」的中期预期但推迟短期影响，下调「项目制集成天然盈利」。
终端场景与需求：制造有明确工序与验收，但付费方要求节拍与稳定性；康养需求真、支付弱、运维重；家庭与零售仍以展示与试点为主，复购证据缺失。本周制造从单点试点到多工位加工具链，康养出现「买得起但用不起、修不起」的系统性反馈；上调制造可复制性置信度，上调部署期人力与试错成本在采购决策中的权重，下调康养短期规模化、上调关注「设备＋服务＋保险或租赁」。
交付之后的成本：集成产品化、运维与退场
10 月 15 日，SoftBank Robotics America 宣布扩展解决方案组合：推出自主地面清洁方案 Marvel，并在其 Connect 平台新增路线管理与路线命名能力（可调季节性日程、闭店与停用路线，标记载停路线与报告缺口），使客户能在多厂商、多机型、多站点上做「组合治理」；公司自我定位为「Physical AI Orchestrator」，企业级采用流程为：评估机会、选型、设计人机协同运营模式、集成部署、支撑可用率、度量、持续优化。技术上的工程点是扫与洗一次完成——在动态环境中，尘土会在先扫后洗两步之间重新落下而导致水痕，Marvel 把除尘紧接在洗地前同程完成，配套自冲洗回收水箱与免工具快拆；维护布局刻意贴近传统清洁设备，让操作员无需重新学习。Connect 的增量不是「看运行时」，而是路线级任务完成度：运行时只能证明设备在动，不能证明按标准流程完成。需要标明的边界：仅有公司新闻稿一个来源，无客户名单、部署台数、合同额与服务水平条款，价格也未披露，「多厂商组合治理」无第三方案例，且需要各厂商开放数据，实际可达性未知。由此上调「交付环节的价值正向编排层迁移」，但不下调对硬件商品化的担忧：当本体可替换，掌握运营数据与流程的集成商才掌握定价权，客户的采购标准从「买什么机器人」变成「谁能让我的多品牌机队可计量地完成标准流程」。
康养场景给出了同一问题的另一面。10 月 19 日，媒体报道如身机器人的「齐家」养老照护机器人 2026 年 8 月进入上海北蔡鹏海养护院，被任命为「首席智能照护师」，承担安全巡访、长者提醒、生活辅助与关怀陪伴。公司称截至 8 月该系列已在机构及居家标杆场景完成数千小时实际运营，6 月完成「全球首台载人具身养老服务机器人家庭入户交付」，8 月与合作伙伴计划一年内推动千万级订单、首批 8 月起陆续交付，9 月面向居家用户开放预约并形成「百万级机构意向订单」，商业模式已探索租赁、看好「采购或租赁＋服务订阅」。产品能力被明确限定在物品取放、移动辅助与交互陪伴，公司自认翻身、身体转移等高风险任务现阶段仍需专业人员评估和协同；真正的难点是整段服务的可靠性——识别意图、拿稳物品、随老人姿势调整、确认接稳，而且家庭空间与身体状况各不相同，这与「单次动作成功」不是同一指标。
同期光明日报以北京亦庄全国首个智慧康养机器人养老驿站（40 多款适老化机器人）为切入点，给出多条一线负面证据：某品牌陪伴机器人实验室语音识别 95%，进养老院面对方言与嘈杂环境不足 60%；防跌倒雷达夜间频繁误报、护工一晚跑十几次、最后被拔掉电源；外骨骼初次穿戴需康复师花十几分钟调整绑带；一位社区机构负责人称后期运维成本甚至会远超设备采购价。支付结构是核心变量：3.8 万元的大小便护理机器人属家庭一次性支出（这是同类护理设备价格，不是「齐家」售价）；上海某企业把外骨骼改为月租（含维护与康复师上门）；北京将部分智慧养老设备纳入适老化改造补贴目录（最高数千元）；公司也明确长护险和养老补贴能否支持仍需依当地政策。企业侧数字（数千小时、千万级订单、百万级意向）均为公司披露，未获客户或第三方核实，「意向订单」不是合同。判断上维持「康养需求真、支付弱」，并下调短期规模化预期——制约不是「能不能做动作」，而是长期可靠性、整体服务成本与交付运维能力三条；相对上调对「设备＋服务＋保险或租赁」的关注度，它是把一次性高价拆成可持续现金流、同时把运维责任收回厂商的现实路径。同时要记清反证边界：负面样本来自记者走访、不是统计抽样，不能推全行业；养老机构真实付费能力受床位费与补贴约束。
退场是同样被低估的成本项。10 月 14 日，中新网刊文讨论「人形机器人退休了怎么办」，提到 Figure AI 于 9 月 30 日发布短片，将第二代机器人从加州运至芬兰铸造厂、在约 1600 摄氏度的钢水中熔炼；原因是自研芯片与传感器外流有泄密风险，逐件拆解又需大量工程师工时；Figure 曾联系美墨铸造厂均被拒（锂电池整机入钢水可能爆炸、电子元件带来环保问题），最终赴芬兰，24 小时内仅 6 次熔炼机会、每炉可用 20 分钟。文中另举一款社交陪伴机器人：开发公司 2024 年 11 月倒闭、云端服务关停后，机器实体尚在但核心交互能力丧失。退役包含四条成本：数据与知识产权（存储介质、传感器、自研芯片需清除或销毁）、物理拆解（电池、关节、线束，工时高）、残值（模块能否二次利用，目前无市场）、云依赖（硬件寿命可能长于厂商寿命）。当前行业做法是封存（断电、清数据、恒温仓库），但仍需承担仓储与电池维护成本，且仍有泄密风险。这属议题与标准阶段，尚无规模化退役服务市场，熔炼与封存单价、二手流通规则、数据清除认证均未披露。由此上调「全生命周期成本与厂商存续风险」在采购决策中的权重，这也解释了为何机构客户更倾向租赁：若「设备＋服务＋保险」成为主流，退役责任回到厂商，具备再制造与数据清除能力的服务商将获得新收入项。需要保留的边界是：熔炼带营销性质、不是行业通行做法；封存成本无公开数据；云停服案例来自消费级产品，企业级合同可能有源代码托管安排（未证）。
标准与准入：验收、责任与技术国籍
10 月 15 日，市场监管总局对外公布首批 6 项人形机器人领域国家标准，均于 2027 年 4 月 1 日起实施：5 项《人形机器人技术要求》（总则、环境感知、决策规划、运动控制、作业操作）加 1 项《人形机器人仿真测试平台技术规范》。其中《第 4 部分：运动控制》（GB/T 48317.4—2026）由北京人形机器人创新中心牵头起草，归口于 SAC/TC591，属推荐性国标，定位是「规范能力与性能、不限定技术路线」。同周 10 月 13 日，第十二届中国机器人高峰论坛上，人形机器人（上海）有限公司首席科学家江磊以「本质安全——人形机器人规模化部署的关键」为题，提出物理安全、功能安全、数据安全、社会信任四个维度，把「用围栏把人隔开」视为不可扩展的过渡方案，要求碰撞与挤压防护、失效兜底、数据隐私与可解释性在设计阶段解决。
这套标准解决的是交付环节最贵的三件事——可定义、可测量、可比较。运动控制部分把「站得稳、走得准、动作协调」拆成可描述的性能项；环境感知与决策规划定义能力边界；作业操作对应真实工位任务；仿真测试平台规范试图把「在可信、可复现环境中评价」标准化，直接影响厂商自测报告能否被客户采信。两者合起来，等于给采购合同提供「验收条款怎么写」的参照系。必须写明边界：6 项标准全文未取得，因此不能引用具体条款、限值与测试方法；「发布」是事实，「能否通过认证」不是；标准为推荐性、2027 年 4 月才实施，短期不构成强制准入，对厂商是「提前对齐」的研发成本，对客户是「招标文件可引用」的依据；配套检测机构名单、认证流程与费用、是否有首批获证产品均未披露。背景上，国标立项与征求意见早于本期，2026 年 5 月已发布《人形机器人全生命周期管理规范》及 29 位「身份证」要求。由此上调「责任边界可合同化」的中期预期，但明确推迟短期影响：2027 年 4 月前，采购仍靠企业标准与项目验收；传导是标准先行、集成商需提供可复现测试报告、第三方检测与仿真评测成为新收费环节；未对齐的厂商在招标中处劣势，但「标准合规」不等于「现场可靠」。反证是：推荐性标准可能被低价项目绕过，标准只规范能力与性能如何描述、不保证失败模式覆盖，「不限定技术路线」也意味着跨厂商可比性仍然有限。
10 月 13 日发文、10 月 19 日公开并在国新办发布会宣介的《关于加快推进科技兴商的意见》（商建函〔2026〕551 号）把具身智能写进了需求端。文件共 18 条，明确「提升人工智能、大数据、物联网、云计算、区块链、数字孪生、具身智能等新技术应用水平」。与具身智能直接相关的条款包括：第（一）条「丰富智能手机、电脑、家居、穿戴设备、机器人等智能商品供给」，机制是消费端扩容拉动供给；第（六）条「培育健康规范的机器人、虚拟数字人陪伴等智能服务新业态」，机制是服务消费扩容；第（十）条「推动具身智能技术在商贸领域落地，拓展家庭服务、商贸物流等应用场景」，机制是场景开放加商业智能体；第（十三）条「推广实施《人工智能终端智能化分级》系列国家标准」，机制是标准先行、分级治理；第（十六）条「加速脑机接口、具身智能等前沿科技成果向市场转化」，机制是技术转移机构加示范推广；第（十八）条「统筹利用现有资金渠道」是最关键的限制条件——没有新设具身智能专项资金，财政金融支持以现有渠道加市场化金融为主。官方原文已读，但各省实施细则与项目清单未取得；文件没有公布金额、项目清单或采购数量，截至窗口末处于发布与宣介阶段，尚未进入申报、评审、拨付或采购，因此不能把「18 条」写成「18 项资金」或「已形成订单」。背景上，2026 年 6 月工信部与国资委的「实景实训专项行动」（年底百个高价值场景、万台级落地能力）走的是供给端与工业场景主线。传导路径是场景开放、商贸企业采购或租赁、本体与集成商获得真实订单、数据回流，但无新增资金，商贸企业以投资回报为导向，短期更像「给场景、不给钱」。受益顺序是：先有渠道与售后网络的服务机器人厂商与集成商，其次是有内容与知识产权的运营方，最后才是通用人形本体商。
同周的另一份公告管的是技术外流。10 月 16 日，商务部、科技部发布公告 2026 年第 48 号，就修订《中国禁止出口限制出口技术目录》公开征求意见，拟增列人工智能、生物医药、光伏 40 项技术，其中人工智能 23 项（大模型、智能体、算力集群、信息处理）；自公告发布之日起至目录正式修订实施之日，出口附件所列技术前须在商务部系统登记，征求意见期为 10 月 16 日至 11 月 15 日。登记触发情形包括：向境外转让技术所有权（如知识产权转让）、境内技术授权境外使用、境内技术所有权人或实际控制人变更为境外主体、以及商务部明确要求登记的其他情形；登记信息含出口方与接收方、国别、技术及用途、预计出口金额。边界必须写清：公告正文只列「大模型、智能体、算力集群、信息处理」23 项，附件为一种文档格式、本次未安全读取，因此不能确认机器人本体、视觉语言动作模型或灵巧手控制等技术是否被列入，不得把「具身智能被出口管制」写成既成事实；可确定的是，具身智能所依赖的模型、智能体与算力集群技术若属于附件范围，其海外授权与部署会受登记约束。机制是出口前登记加未来可能的许可，不是立即禁止；对国内企业，海外技术授权、与外资企业的联合开发、海外自有云部署的合规成本上升，已开源或发表进入公共领域的技术不纳入管理、利好开源路线。这是一项竞争与准入政策，与 7 月美国联邦通信委员会对外国机器人及四足设备的国家安全认定形成镜像：一方限制外国整机进入美国市场，一方对本国人工智能技术外流设登记。由此新得一个判断——「双向技术国籍」正在形成，合规成为竞争变量；短期影响主要在跨境技术合作与海外部署，不改变国内产品竞争格局。
资本：同一周里的两个价格
10 月 13 日，星尘智能宣布完成 10 亿元新一轮融资、估值 150 亿元；投控东海（深投控体系）领投，洪泰基金、光华阳光管理的宁海兴泰合基金、善恒资本参与，老股东先沐追加。公司称这是 2026 年 3 月以来的第 4 轮（A+、A++、B 与本轮），6 月 B 轮系列融资总额超 10 亿元、估值首次破百亿。公司的全栈路线是「Lumo 模型＋Astribot OS＋绳驱本体」，近期发布在线强化学习框架。背景上，7 月发布的 Lumo-2 曾称在 22 项以上真机复杂评测的时序推理、物理理解、操作复杂度三个维度综合第一（公司自述，未见第三方复现）；S 旗舰系列 2025 年 9 月开启「千台级订单」，T1 人形 2026 年 6 月开始发货、价格进入 9 万元区间，S 与 T 总产能称「万台级」；客户包括金马游乐、中科创达、博登智能、仙工智能、央视与京东，与金马游乐、仙工智能计划上千台商业与工业部署，与中科创达推进千台级落地并借其海外渠道。未披露的部分同样重要：交割日、具体股权比例、投前或投后估值口径均未披露；客户名单与千台级订单是公司单方披露；9 万元价格下的毛利、万台产能的实际产量也未披露。这说明估值与融资节奏证明头部仍能拿到大额、带政府与产业背景的钱，但融资不是商业验证；若交付与回款不及预期，150 亿元估值缺乏收入支撑。传导是头部吸走国资与产业资本、中小整机厂融资更难、行业加速「头部集中加尾部出清」，同时 9 万元价位把本体硬件进一步商品化，价值向模型、场景与渠道转移。
同周，一体化集成的财务报表提供了另一种参照。10 月 16 日，中国证监会对优艾智合（与东山精密）境内企业境外发行上市予以确认，均为赴港上市备案；优艾拟发行不超过 49,477,800 股境外上市普通股。公司 2026 年 3 月 31 日已向港交所递交招股书，拟按第 18C 章在主板上市，此前 2025 年 9 月 26 日曾递表。业务上，它面向半导体、能源化工、锂电与 3C 制造提供「一脑多态」工业具身机器人解决方案，含高泛化工业模型与具备感知、移动、操作能力的多形态机器人，位置在集成交付环节、客户是工厂、收入形态以项目制为主。财务上（招股书口径经媒体整理）：2023 至 2025 年营收分别为 1.08 亿、2.55 亿与 3.40 亿元，净亏损分别为 2.60 亿、2.00 亿与 3.84 亿元；2025 年收入同比约增长 33%、亏损同比约增长 92%、亏损额为收入的 1.13 倍，三年累计亏损约 8.44 亿元。必须提醒：毛利率、经营现金流、客户集中度与在手订单未在已读材料披露，招股书全文与证监会备案原文未逐页核对；证监会备案是境外发行的程序性节点，不等于通过聆讯、定价、发行或挂牌，截至窗口末未见发行价、基石与募资额。判断上，这是一份「增长不等于盈利」的样本，而不是「具身智能商业化成功」的证明；18C 章允许未盈利特专科技公司上市，说明资本市场愿为收入增速买单，但亏损扩大快于收入说明项目交付、研发与销售费用尚未被规模摊薄；若上市，二级定价会把收入质量、毛利率、回款与客户集中放到比「订单故事」更前的位置。
一级市场的另一侧是同周的折价与清算。按 36氪 10 月报道（最近节点 10 月 19 日，含匿名投资人与二手转述、具体公司未具名）：一位投资人在 2026 年初以投后 30 亿元投资一家做世界模型的具身公司，到 10 月该公司对外估值 220 亿元；他按 120 亿元估值出售老股（约为对外估值的 55%），仍无人接手。2025 年 8 月市场曾出现按约 390 亿元估值转让头部人形公司基金份额、以及约 250 亿元的份额；不到一年，从「求购」转为「甩卖」。深圳一家估值 40 亿元的具身公司原计划按 80 亿元融资，最后「表面估值没降」，但新股搭配老股，实际估值压到约 60 亿元。路透引述接近投资人的人士估算：剔除数采中心相关收入，部分机器人公司估值可能下降 60% 至 70%。报道同时给出资本结构：2026 年上半年数亿元以上大额交易中，国资背景机构参与率约 42%；约 50 家机器人公司走进上市流程，投资人估计最终能挂牌 15 至 20 家，挂牌价低于最后一轮一级估值的「恐怕不少于一半」——这些均为投资人估计，不是统计口径。同一周，盈合机器人在深圳中院召开第一次债权人会议，清点流拍设备、被冻结子公司股权、拖欠多年货款与工资；该公司 2021 年与顺德签约 500 亩、总投资 100 亿元「机器人造机器人」，天使轮 7000 万元、A 轮近 4 亿元，投资方含熊猫资本、美团战投、字节跳动战投与金沙江创投，成立不到十个月估值达 5 亿美元，控股方为盈峰集团；债权金额未披露。事实是「老股折价、交易停滞、尾部进入司法程序」。分析上，一级市场定价权正在从财务风险投资转向国资与产业资本——国资转让要走评估、进场交易，不会为提前兑现打五折，产业资本为供应链与场景、不急退出，能灵活甩卖的只有市场化机构，于是卖压集中在财务投资人身上。结果是「头部仍涨潮、尾部已搁浅」：同周星尘拿到 10 亿元、150 亿元估值，而老股按 120 亿元无人接，两个价格并存说明同一资产在新股与老股两个市场出现流动性折价，不是公司价值一夜腰斩。待验证的假设是：2026 年 11 月后，前期未花完融资的公司集中开启新一轮，新股定价会被老股折价反向压制，而基金与地方国资接盘只能吸收一部分。个案未具名，不能推全行业失败率；国资接盘可能延缓出清而非消除；头部融资未冻结，不能把「尾部出清」写成「全行业融资失败」。
同一周还有几条不单独立项的线索，各有明确边界。10 月 16 日，四川具身科技完成超亿元 Pre-A（金额为区间式披露），投资方为成都未来产业天使基金（成都科创投管理）、德阳投控、凯州新城产业基金与中江高新区产业基金（四川兴川管理），另获四川省中试研发有限公司项目支持，形成省、市、县三级国资协同；资金用于「爱湫」迭代、万台级生产基地与销售体系。其子公司爱湫机器人科技（德阳）10 月 15 日注册于中江县、100% 控股，基地已启动建设、预计 2026 年底投产、分阶段从千台到万台。公司 2024 年 9 月成立、电子科大孵化，2025 年完成数千万元天使轮；三条产品线称已「批量交付」，落地应急巡检、训练场、银行网点与公共服务（公司口径）；公司另披露编排工具链 EIR Harness 与 3D 超短焦投影面部。这里的辨析是：地方国资同时是股东、场景与训练场提供方，落地确定性强于纯财务融资，但「政府买单」与「市场化复购」要分开，产能规划不等于产量，估值与基地投资额未披露。10 月 14 日，NEXFORM 新元体完成数千万元种子轮，戈壁创投与浙大友创投资，公司由杭州宇岛团队孵化——该条仅取得摘要、未读全文，只作候选线索，不进入结论。10 月 19 日，兆威机电涨停，有异动分析称人形机器人、智能汽车与 H 股融资（此前 H 股募资约 16.3 亿元）为可能原因，但其 H 股实际上市日为 2026 年 3 月 9 日、并非本周，且该文属自动异动分析而非公司公告，只能作情绪观察、不能当资本事件。第 140 届广交会服务机器人专区（10 月 15 日起）提供出口侧口径：孚宝「小宝」第五代已上市、出口 100 多个国家，另有一款外骨骼获设计创新金奖；这是展会与出口口径、无成交数据，另有报告预计 2026 年养老服务机器人市场破百亿元（报告口径、未取得原文）。雷赛智能的电机在手订单已在前文登记。三项背景也需标注：上海提出到 2028 年推动 8000 台人形进工厂、工业机器人密度 600 台/万人、智能装备产业规模破 2000 亿元、培育 500 家先进级智能工厂与 2000 个应用场景（政策目标不是采购订单）；国网 2026 年规划集中采购约 8500 台、总投资 68 亿元（内部文件转述）；北京一处人形机器人数据训练中心停运（公司口径），作为「训练中心商业模式未跑通」的负面先例。作为量级参照，2026 年上半年公开中标 218 个、17.23 亿元，同期具身智能融资超过 900 亿元，两者口径不完全可比，仅说明量级差异。
跨链结论：价值分配两头厚、中间薄
把上述线索合起来，价值分配呈现「两头厚、中间薄」。变厚的一端有三处：算力、存储与稀缺感知（新芯航途累计融资约 50 亿元、长鑫与雷诺、奇瑞入股，触觉感知企业获得华为哈勃投资）；可复制的部署工具链与运维编排（乐聚的 30 余个技能模块、SoftBank 的路线级度量）；标准、评测与检测（国标配套与仿真测试平台）。变薄的一端同样有三处：通用本体硬件（9 万元价位与万元级产品、万台级产能规划）；只卖「更大视觉语言动作模型」的模型方（接口与适配可被上层吸收）；只卖遥操小时数的数据商（分布与起点比时长更关键）。中间段是集成与交付——客户关系仍在这里，但优艾的亏损结构说明项目制集成被应收账款、定制化与现场服务拖住，能否变厚取决于标准化程度、回款与运维定价，而不是合同额。谁掌握议价：短期是客户（验收与复购）与场景方（渠道），中期是能定义子任务边界、验收口径与运行度量的一方；本体商靠渠道与地方政府进入场景，议价权有限。
各对象的链条位置与交付五要素（补全）
为避免读者只看到结论而看不到交付信息，这里把前述各对象的链条位置与五要素集中列全；母稿中标注未披露的，此处依旧写「未披露」。
灵巧手（末端执行器）：处在上游末端环节，向上买微电机、丝杠与触觉阵列，向下随本体或集成进入场景，当前议价弱（价格战与原型化并存）；怎么搭的是多指手加触觉阵列加控制模型（厂商各异），交付给谁以科研、数采与展示为主、工业未证，什么代价是万元级价格已出现（背景），踩的坑是触觉与耐久，能否复制是供应链可复制但商用可靠性未证。
长程框架（模型层的长程编排分支）：向上吃离线轨迹与视觉语言模型预训练权重，向下向集成商输出可验收的子任务进度信号，本周方向是把议价点从模型规模移到任务分解与完成判定；怎么搭的是冻结视觉语言模型三专家加世界动作模型加双流记忆（已披露），交付给谁为研究社区与长程操作集成方（未披露），什么代价是 2B 模型加世界动作模型的推理成本（未披露），踩的坑是子任务边界误判与失败轨迹监督浪费（论文自述动机），能否复制是架构可复制但权重与数据未披露。
环境隐变量方法（世界模型分支）：向上依赖视频与交互数据及仿真，向下为规划与策略提供「可现场标定的模拟器」，本周方向是把部署现场变成标定数据源，议价向掌握现场访问权的一方（集成商与终端客户）移动；怎么搭的是环境隐变量加两阶段交替训练加测试时梯度优化（已披露），交付给谁为研究社区（代码与数据声明），什么代价是每环境一次优化、成本未披露，踩的坑是需先交互、时延未知，能否复制是代码与数据声明公开、可复现性较高（未核验）。
盲装配与资产生成器（仿真基础设施，向下供训练数据）：把「数据生成精度」变成可开源的工具层，压低自建仿真管线门槛，并向本体提出新的指标要求；怎么搭的是强化学习加域随机化加精确凸体资产加辅助接触监督（已披露），交付给谁为研究社区与装配集成方，什么代价是 12,288 并行世界训练、GPU 成本未披露，踩的坑是凹孔碰撞建模与间隙被填死（已披露），能否复制是生成器开源、方法无特权信息，可复制性高。
主动感知的数据对齐（数据生产与策略训练的交界）：向上依赖仿真器可重置能力与相机硬件，向下决定主动感知模块能否卖得动，本周方向是主动感知的价值被数据管线截留；怎么搭的是视角模块加闭环对齐加回放过滤加微调（已披露），交付给谁为视觉语言动作模型团队与集成商，什么代价是需可重置环境与回放算力（未量化），踩的坑是首帧分布偏移与动作分块放大误差（已披露），能否复制是需仿真器与示范库、中等。
仿真参数台（工具链的仿真前端）：向上绑定求解器生态，向下服务集成商与 agent 开发者，本周方向是把仿真调参从专家技能变成可编排接口，价值可能向「定义验收标准的平台」集中；怎么搭的是多求解器加交互可视化加可编辑物理参数加 agent 接口（已披露），交付给谁为研究者、集成商与 agent 开发者，什么代价是开源、运维成本未披露，踩的坑是物理参数辨识依赖人工反馈、试点无统计，能否复制是代码声明公开、依赖求解器生态。
国标与本质安全（位于本体与算法、集成交付之间的公共基础设施）：标准是验收与责任的公共基础设施，短期不直接改变部件互换，但利好能提供完整测试报告的部件商；怎么搭的是 5 项技术要求加 1 项仿真评测规范加本质安全四维，交付给谁为厂商、集成商、采购方与检测机构，什么代价未披露（合规成本未知），踩了什么坑未披露，能否复制是作为国标天然可复制、落地取决于采信程度。
康养（本体与算法、集成与运维、养老机构与家庭三段）：议价在支付方（医保、长期护理保险、家庭）与响应网络（社区站点加人工）；怎么搭的是机器人加数据、仿真与模型迭代加机构协作流程，交付给谁为养护院（采购与使用）、老人（使用者）与家属（付费），什么代价是单台价格未披露、同类护理设备 3.8 万元、租赁月付含维护与上门，踩的坑是误报被拔电、识别率骤降、穿戴需专业辅助、高风险任务需人，能否复制是依赖安装培训与本地响应网络、跨机构未证。
运维编排（多厂商设备、集成与运维、设施管理与零售三段）：议价在数据口径与服务网络；怎么搭的是扫洗一体设备加路线级平台加企业级采用流程，交付给谁为企业客户（设施管理、航空、零售、仓储），什么代价未披露，踩了什么坑未披露（仅提运行时不能证明标准流程完成），能否复制是依赖多厂商接口开放、未证。
退场与全生命周期（本体、运维与退役服务、客户资产处置）：当前无独立服务市场、价值尚未形成，与交付信息无关的五要素不适用；三条路径是熔炼、封存与拆解，交付对象为厂商自有样机与机构客户，代价未披露，坑是铸造厂拒接、电池爆炸风险与数据泄密，未形成服务市场。
星尘智能（本体、模型与操作系统的纵向一体化）：向上买关节、电池与算力，向下经文旅、零售与工业渠道交付，议价靠全栈与国资背书，客户关系仍在渠道与场景方；怎么搭的是全栈自研，交付给谁为零售、文旅、工业与科研教育客户，什么代价是 9 万元区间、全生命周期成本与毛利、部署周期未披露，踩了什么坑未披露失败案例，能否复制是渠道可复制到文旅与零售、工业场景待验证。
优艾智合（工业具身集成）：向上买本体、传感器与算力，向下向工厂交付项目制方案，掌握客户关系但被应收账款、定制化与现场服务成本拖住；怎么搭的是工业具身模型加移动操作机器人，交付给谁为半导体、能源化工、锂电与 3C 工厂，什么代价是 2025 年净亏损 3.84 亿元、毛利率与回款未披露，踩了什么坑是亏损扩大快于收入，能否复制是行业解决方案可复制但需现场交付与运维。
新芯航途（芯片与边缘算力）：向上依赖晶圆代工与存储，向下供车企与机器人本体，议价靠车规定点与安全认证但受车企年降压制；怎么搭的是车规芯片加算法伙伴加安全操作系统，交付给谁为四家车企（定点），什么代价未披露，踩了什么坑未披露，能否复制是车规平台可跨车型复用、机器人迁移未证。
两项政策的作用位置也需要明确：科技兴商作用于需求端与集成交付，通过场景开放改变下游付费意愿，不直接改变上游供给，交付对象为商贸企业与家庭、康养服务运营方，代价是无新增资金，能否复制由地方细则决定；出口登记作用于模型与工具链的跨境流动、位置在准入层，交付对象为涉及技术出口的企业与海外合作方，代价是未量化的合规成本。资本结构事件（老股折价与清算）属跨链资本层，不属单一环节，通过估值与退出影响本体与集成的融资能力与人才流向，不含交付信息。
失败与退出信号，以及三个待验证假设
本周的收缩信号需要单独列清，但不以个案推断全行业。一是资本退出受阻：老股按对外估值约 55% 甩卖仍无人接，深圳一家估值 40 亿元的公司实际估值压到约 60 亿元，盈合进入债权人会议。二是项目制集成亏损：优艾 2025 年净亏损 3.84 亿元高于营收 3.40 亿元，三年累计亏损约 8.44 亿元。三是技术路线反证：主动感知反而可使 π0.5 下降 34.8 个百分点，盲装配只有插销有实机数字，长程框架真机 65% 仍有三分之一失败。四是运维与支付反证：康养运维成本可超设备价、防跌倒雷达误报被拔电源、语音识别从 95% 降到不足 60%，「百万级意向订单」不是合同。五是厂商存续风险：云服务停服后硬件失能，退役样机需远赴海外熔炼。六是产能与产量错位：一天一台与年产 3 万台规划，对照全球半年 2 万余台出货，「万台级基地」多为规划。七是政策兑现风险：需求端文件无新增资金，出口登记附件范围未明，国标为推荐性且 2027 年才实施。
基于以上证据，三个假设仍属待验证而非结论：若「部署周期」与「单班次可用率」成为采购标书条款，价值会进一步向运维与工具链倾斜；老股折价会在 2026 年四季度至 2027 年一季度反向压制新股定价，而基金与地方国资只能吸收一部分；出口登记若最终覆盖视觉语言动作模型或具身模型，海外授权与联合开发会向「开源加本地化部署」迁移。
下周要看的证据
判断是否被推翻，取决于一批可观测的节点。制造业复制方面：乐聚方案在兆丰以外第二、第三家工厂的部署周期与验收数据、单工位成本，以及是否披露采购、租赁或联合验证的性质。标准落地方面：国标配套的检测与认证机构名单、首批获证产品，是否有工厂在招标文件中引用相关标准。补能方面：电池循环寿命、充电桩功率与价格、Digit 5 首批客户的实测可用率。资本方面：四季度首笔公开的老股成交价、基金出手、优艾在港交所的聆讯与定价、星尘 T1 的季度出货与回款。准入方面：11 月 15 日征求意见截止后的最终目录是否包含机器人、具身模型与灵巧手技术，以及首批登记企业数。论文可复现性方面：几篇高影响工作的代码与权重是否释出、第三方真机复现、以及测试时优化的步数与单步耗时能否进入 10 赫兹闭环。康养方面：养护院的续租与续购率、单台年运维费、长期护理保险的地方试点是否覆盖机器人服务。出货结构方面：2026 年四季度人形出货是否向制造与物流迁移，以及出货统计口径下一期是否收敛。其余待看节点包括：运动基座客户名单与首批出货、接口文档公开程度与第三方复测；Atlas 新工厂开工与投产时间、一次通过率与返修率、是否出现外部客户订单；灵巧手厂商公开的平均无故障时间与工业客户复购、触觉数据跨本体迁移实验；长程框架的权重与第三方复现、子任务局部回报与图方法的同条件对比；仿真精确资产生成器的仓库与许可；集成商公开的服务水平与单台年运维费；以及企业级合同是否出现源代码托管或云服务延续条款。
关键数据与局限
本期的数字集中来自三类源：官方与标准发布（市场监管总局、北京市科委、央视网及相关财经媒体的发布现场报道；商务部、科技部公告原文）、机构与公司披露（信息技术研究机构的出货报告、IDC 与弗若斯特沙利文的对照口径、各厂商与客户的联合发布数据）、以及同行评议前的论文自报（均为预印本）。参与归因的主体均已在正文随事件标明，这里不再重复堆砌。
口径冲突必须放在一起看：2026 上半年全球人形出货在 2.2 万、2.5 万与销量 3.6 万台三个区间并存，中国份额有 97% 与 77.9% 两个版本，两者均未公开完整方法，因此不取平均、不互相否定；不同论文的成功率不可横向排序，因为任务与验收不同。
未取得与未披露需要分开记录。原文层未取得：6 项国标全文、出口登记公告的附件、优艾招股书全文、证监会备案原文、机构报告完整方法、运动基座规格书、仿真资产生成器仓库与许可、几篇论文的代码与权重、部分报道因访问限制未取得正文。数据层未披露：乐聚的单价、集成费与接管率，Digit 5 的循环寿命，星尘的交割与毛利，新芯航途本轮金额，四川具身与触觉感知公司的估值，SoftBank 的客户数与合同额，康养场景的单台年运维费。方法层：搜索工具的日期过滤接口不可靠（部分提供商返回空结果或参数失效），本期靠「日期词加原文核对」，可能漏掉未带日期的深度稿；中国厂商在窗口内的技术发布未取得，属本次未取得，不写作行业静默。
需要提醒的还有：厂商与论文自报数字一律保留归因，并标注未独立核实或未复现；出货、单价、订单、产能与估值等口径多为公司单方面披露，且「订单」不等于收入、「意向订单」不等于合同、「产能规划」不等于产量；凡区间外事项已在文中标为「背景，非本周」。
后置应用与行动建议
以下建议按证据强度选择，不强制每个事件都给出验证动作；读者背景（软件工程与 agent 方向）只影响本段的适配，不反向影响选题排序与各事件结论。
学习优先：把「子任务完成判定」当作独立系统组件研究——长程框架中的规划、状态与价值三角色以及子任务局部回报是可直接借鉴的架构；同时把「首帧分布」当作数据管线检查项。两者都不需要自研本体，适合有软件背景的团队先建立判断力。
工程验证（小范围）：用精确凸体资产生成器配合仿真参数台做一次「微米级间隙装配」的仿真到现实验证，验收指标设为「仿真接触是否保真」与「人工调参工时」，而不是成功率；这是一条可证伪、且不依赖真机的路径。另一项中等优先的验证是为现有机器人或自动化项目补一层「运行观测」——子任务进度、接管次数、补能占空比与路线级完成度；调度层与路线级度量说明度量口径本身就是产品，但只有单源证据，先做内部工具、不对外承诺。
合作与观察：优先接触有客户关系与运维网络的集成商，而非通用本体厂，切入点应是多厂商机队的数据口径与运维编排，而不是再做一个本体品牌；康养场景只做软件与数据合作，不碰重资产自营。投资观察上（不构成建议），上游算力、存储与稀缺触觉感知的议价权在上升，头部本体与老股存在明显流动性分层，需看四季度首笔公开成交价与优艾的发行定价；集成环节在盈利被证明前不默认「厚」。
暂不建议四件事：以高自由度灵巧手为核心卖点做整机（付费的工业任务多数仍用夹爪）；康养重资产自营（运维可超设备价、支付方未定）；把单篇论文的最新成绩当作产品化依据（全部自报、无复现）；在出口登记范围未明前，设计依赖跨境模型授权的海外部署方案。