作为深耕工业设计领域多年的从业者，我们最近关注到一封很有意思的发布会邀请函，主办方自变量机器人别出心裁用气泡膜作为邀请函的载体，对外传递出要在4月21日的发布会上戳破具身智能行业泡沫的信号。这个切入点确实很精准，刚好戳中了当下整个行业普遍存在的认知偏差问题。

具身智能本身是交叉学科，涉及机械工程、人工智能、传感器技术等多个领域，技术复杂度很高，普通大众很难用日常生活经验去理解行业的真实发展水平，这就给很多泡沫的产生提供了空间。很多在外行看来非常惊艳的技术效果，实际深入了解之后会发现并没有太多核心技术含量，问几个技术细节就能看出真实水平。这些泡沫本质上就是行业内外的认知差，戳破这些泡沫，就是要打破这种信息不对称的局面，还原行业最真实的发展状态，也让大家明白所谓的行业拐点并没有那么容易到来。

批判从来不是最终目的，相比戳破泡沫本身，重建一套客观公允的行业评价标准，传递真实可信的产业信号，才是这次祛魅行动真正的核心价值。任何新兴行业发展都会经历从喧嚣到理性的过程，具身智能现在正处在这个阶段，目前行业里普遍存在四类认知偏差，影响着大家对行业真实水平的判断。

现在各类评测榜单是很多人判断企业技术水平的直观参考，但是目前具身行业还没有形成统一权威的评测标准，榜单数据的参考价值其实很有限。不同机构和厂商推出的榜单，评分维度和考核指标差异很大，甚至有部分整机厂商自己搭建评测榜单，这就导致行业里出现多家企业都宣称自己排名第一的现象，外界很难横向对比不同企业的真实技术实力。还有部分榜单不管测试的硬件是什么都用同一套考核标准，公平性本身就存在问题，有头部具身公司的创始人就曾经提到，自己的企业打榜其实很吃亏，因为是基于自有硬件测试，反而那些没有自有硬件的企业会更占优势，因为他们数采和训练模型用的硬件和平台的测试硬件完全一致。现在的很多评测任务都是预设好的标准化考题，机器人只要按照预设流程执行就能得分，根本验证不了在开放环境中的自主推理和泛化能力，单看打榜成绩很难对模型能力做出客观评价。好在这种情况已经开始出现转机，现在行业里已经开始发力无预设、动态化、开放环境的评测体系，引入隐藏任务、随机干扰项和非结构化场景，不再考核机器人复刻预设动作的能力，而是聚焦自主推理、环境泛化和临场决策能力。新一代的评测基准也开始绑定真实硬件形态，区分不同机身、末端执行器和传感器配置，同时引入多机并行测试验证量产一致性，随着行业各方的共同努力，这种评分上的泡沫会越来越小。

现在很多人形机器人的发布会都会做动作演示，流畅的动作往往能引来很多关注，但是舞台演示能力和产业实际作业能力完全是两个不同的技术维度，根本不能混为一谈。舞台演示更侧重肢体运动的流畅性和观赏性，核心是复刻预设动作，考验的是运动控制能力，也就是具身的小脑能力；而在工业和民用场景下实际作业，考验的是末端操作能力，和模型能力直接相关。从技术门槛来看，末端操作的实现难度要高很多，不仅需要高适配性、高精度的末端执行硬件作为基础，还需要多模态感知、亚毫米级的空间定位和力控、长程推理能力，这些才是机器人真正能够干活所需要的核心能力。

现在行业里各种DEMO演示视频传播很广，经常被用来展示技术最新进展，这些DEMO虽然看起来很亮眼，但是往往反映不了真实的可靠性。一方面演示视频存在样本选择性，很难反映真实运行的成功率，实验室环境下的流畅演示，往往经过了多次调试和场景优化，部分视频素材是筛选后的成功案例，还经过了剪辑优化，根本无法全面体现机器人在连续运行中的失败率、容错率等核心指标。另一方面单台样机的可行性，代表不了规模化量产的稳定性，单体样机在理想环境中可以完成指定任务，但是当产品量产规模扩大、运行周期延长、应用场景趋于复杂的时候，硬件损耗、系统适配、环境干扰等潜在问题就会逐步显现出来。

随着具身智能企业加速量产，各种订单信息层出不穷，但是考虑到订单数据的统计口径和应用场景存在差异，不能直接把订单等同于产业生产力的规模化落地。首先行业里的订单统计标准不统一，还没有明确区分意向订单和确定性订单，小订和大订的履约约束力差异非常大；同时小型人形机器人和大型人形机器人在量产难度、技术壁垒上差距很大，同质化的订单统计方式很容易模糊产品的实际落地价值。其次订单来源结构比较多元，市场化采购占比有限，部分公开订单来源于关联合作、政府示范项目和短期试点，这类合作主要以场景验证、技术展示为目的，并不是基于企业生产刚需的市场化采购，可持续商业化价值还有待验证。再者订单应用场景比较集中，生产力属性还没有凸显出来，即便是市场化采购的订单，目前也多集中在科研教育、数据采集、展会展演等领域，主要服务于技术研发和品牌推广，真正落地到工业生产、商业服务等生产力场景的规模化应用，还处于初步探索阶段。

客观来说这些行业泡沫是具身智能作为新兴赛道发展初期的阶段性现象，不需要过度苛责，反而尽早暴露问题是好事，意味着行业从业者可以及时矫正发展方向。如果测试分数、舞台表演、视频演示、纸面订单都没有足够说服力的话，标志着拐点时刻到来的真实信号到底是什么呢？结合头部具身智能企业的动作来看，这样的真信号至少需要达到三个标准。

第一个标准是大脑能力取得突破，完成从预编程到自主推理的进化。很长一段时间里具身智能行业的重心都在本体和小脑，以运动控制能力著称的宇树科技，就凭借动作灵活的机器人多次登上春晚。但现在一个很明显的信号是，即便是硬件领域的佼佼者，也开始焦虑大脑的缺失，比如去年宇树就开始积极寻找大脑供应商，补齐模型能力。资本市场的偏好也侧面反映了大脑能力的重要性，当前国内估值最高的几家具身企业，比如银河通用、星海图、自变量机器人，都把模型能力放在首要位置。自变量创始人王潜更曾公开表示AI是第一性的，硬件是第二性的，要由AI定义硬件。为了突破模型能力，制约模型发展的数据瓶颈成为了行业新的攻坚高地，多家头部企业已经喊出构建百万小时数据集的目标，一座座数据工厂接连在全国范围内建立。等到具身数据的scaling laws被彻底验证、模型自主推理能力产生飞跃的那一天，才是具身智能真正的拐点时刻。

第二个标准是在真实场景中持续稳定运行，完成从可演示到可依赖的进化。现在具身智能行业内外最受关注的话题就是落地，机器人究竟能帮我们干哪些活，是对每个具身企业的灵魂拷问，机器人可依赖的程度，也决定了我们离拐点时刻还有多远。现在在商业领域，餐饮、文旅已经成为最火爆的场景，制作咖啡、甜品的机器人已经在各地部署，商超、酒店等场景的相关厂商也在通过迭代产品，提供更智能化的服务。在工业领域，3C电子、汽车零部件、新能源产线正在成为核心落地场景，机器人承担装配、检测、巡检等高危、高重复、高精度工作，部分厂商的产品已经过了POC验证。家庭场景的落地进程相对较慢，不过轻量型陪伴机器狗、家用小型机器人价格已经下探到万元级，同时也有厂商尝试和家庭服务平台合作，探寻机器人在家庭落地的新渠道。这些真实环境中的落地虽然还不够完美，但是至少已经走出了实验室，开始迎接商业的考验，有了从0到1的突破，接下来就是从1到100的进化。

第三个标准是跑通ROI闭环，完成从能干活到能赚钱的进化。算账是具身智能赛道最现实的一道关卡，也是最难的一场考验，虽然目前在工业、商业场景中还没有普遍实现稳定的正向ROI，但是所有玩家都在朝这个方向努力，让机器人能够赚回自己的成本。等到投资人开始询问机器人的单机日均产值而不是算力参数的时候，行业才真正进入了深水区。

回到最开始的那封邀请函，自变量的这个创意不仅是邀请大家参加发布会，更是邀请整个行业回归理性、落到地面。他们想传递的不是质疑，而是一种长期主义的清醒。对行业而言，厘清认知偏差是最好的自律，告别榜单内卷、演示内卷、营销内卷，把精力放回技术研发和场景落地，透明的认知会倒逼行业形成良性竞争，让真正有实力的企业被看见、被认可。对市场而言，降低非理性预期是最好的包容，具身智能是一条长坡厚雪的赛道，没有一蹴而就的飞跃，没有立竿见影的落地，正视技术的难度，尊重发展的规律，多一点耐心，少一点浮躁，就是对行业最大的支持。厘清认知泡沫，方能看清发展本质，告别片面化的成果展示，聚焦技术与落地的双重深耕，具身智能行业的高质量发展，藏在每一次场景落地的实践、每一项技术的稳步突破之中。