在中关村（海淀）具身智能创新产业园展厅，机器人向来访者介绍园区情况。

新华社记者

王婧嫱摄

近日，工业和信息化部、国务院国资委联合印发《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》（以下简称《行动通知》），提出到2026年底，人形机器人等重点产品在一批代表性场景中率先完成应用验证和常态部署，开启“作业模式”。

专家认为，《行动通知》通过真实场景训练持续优化具身智能模型算法，积累高质量真机数据，实现产品在真实环境中的快速迭代优化，推动人形机器人从能用到好用。

转向常态化作业关键阶段

去年春晚，一支机器人秧歌队惊艳全场。今年春晚，机器人表演动作难度与协同精度再次升级，展示了国产人形机器人的突破性进展。我国人形机器人发展速度有目共睹，2025年，国内整机企业数量超140家，发布人形机器人产品超330款。

工业和信息化部科技司相关负责人表示，我国人形机器人与具身智能正处于从实验室走向真实场景、从演示验证转向常态化作业的关键阶段，模型算法、本体性能、场景适配、真机数据积累等仍存在短板。

从“表演模式”转向“作业模式”，本质上是人形机器人与具身智能从展示性验证走向真实物理环境下的任务执行。表演模式主要验证机器人能否完成一组预设动作；作业模式则要求机器人进入真实生产和服务流程，评价重点转向任务完成质量、环境适应能力、持续运行稳定性、人机协同效率以及投入产出比。

赛智产业研究院人工智能研究所所长安赟分析，这一转变的难点体现在场景定义、流程嵌入、稳定运行和商业闭环4个方面。机器人不能只完成一个动作，要对应一个明确岗位、一个作业流程和一套验收标准，需要把“机器人能做什么”转化为“现场需要它稳定完成什么”。

此外，运行保障要求明显提高，商业价值需要经得起测算。作业模式要求机器人能够长期在线、低故障运行，并建立调度、维护、巡检、应急接管等配套机制。企业关注的是能否提升效率、降低成本、减少风险、改善服务质量。只有形成可量化的投入产出关系与可规模化落地的作业能力，人形机器人和具身智能才能从试点示范进入规模化应用阶段。

普罗宇宙机器人一直专注于具身智能机器人研发与场景落地，公司总裁葛巾认为，具身智能在工业领域落地的首要任务是在特定工业任务上首先达到可接受的精度、满足投资回报率、达到产线节拍效率。跨过这道门槛，泛化能力才有真正的商业价值。

实景实训攻克技术短板

近日，京东MALL迎来一批特殊的“新员工”，多款智能机器人入驻门店，围绕迎宾指引、导航带逛、智能导购、理货上架、门店值守等岗位陆续开展运营支持。

此次机器人在京东MALL的规模化“上岗”，标志着京东依托自研零售大模型技术底座打造的机器人零售解决方案加快落地实体商业，让具身智能技术走出实验室，在真实商业环境中实现进一步应用。

实景实训是推动人形机器人与具身智能开启“作业模式”的重要手段。工业和信息化部科技司相关负责人表示，通过集约化建设、标准化管理、资源共享的实训空间，可有效避免场景重复建设和资源浪费，让场景、数据、算力与技术成果高效复用，大幅降低企业试错成本，提升产品性能。

“实景实训将重点攻克人形机器人与具身智能在真实作业中的4类核心技术短板。”安赟分析，工业、服务、特种等真实场景训练，能提升机器人在光照变化、人员流动、物体遮挡、空间受限等条件下识别人、物、空间关系、动作意图和风险因素的能力，并提升对动态环境的持续建模与世界模型构建能力；通过真实任务验证，能提升机器人将作业目标转化为执行步骤的能力。

围绕搬运、巡检、检测、递送、护理辅助、应急处置等任务，可提升机器人在行走、转身、避障、抓取、放置、推拉、拧转等动作中的动态平衡、全身协调、手眼协同、力控精度和末端执行能力，提升在非结构化环境中的通用物理交互能力，特别是灵巧手的精细操作能力。

总体来看，实景实训的重点是用真实场景暴露技术问题，用真实任务检验系统能力，用真实反馈推动模型、部件和整机的持续迭代优化。

解决高质量数据短缺难题

葛巾认为，在落地过程中，机器人能够持续采集工业场景的高质量多模态数据，用于大模型研究与训练。这意味着具身机器人可以越用越聪明，具备持续进化能力。

为了解决工业场景高质量数据短缺难题，普罗宇宙机器人推出了高精度融合数采解决方案AcCI，补齐了物理AI产业规模化落地的数据短板。

京东建成了全球规模最大、场景最全的具身智能数据采集中心，计划一年内积累500万小时人类真实场景视频数据，两年内突破1000万小时，从源头破解行业“数据荒”。

工业和信息化部科技司相关负责人表示，将聚焦工业制造、民生服务、特种作业三大方向，覆盖生产制造、检测分析、维修维护、仓储物流等重点领域，依托真实工况开展真机实训，持续优化具身智能模型算法，积累高质量真机数据。

我国人形机器人与具身智能产业将朝着场景牵引、协同迭代和规模应用方向发展。安赟分析，产业发展将更加突出高价值场景牵引，通过明确任务边界、作业流程和验收标准，推动产品研发与场景需求深度耦合，形成一批可复制、可推广的应用样板。

同时，更加突出软硬件协同迭代。人形机器人与具身智能产业需要模型算法、整机平台、核心部件、应用软件和运维服务协同发展，在真实场景中持续优化系统能力，推动基于世界模型与VLA统一架构的能力提升。

“随着实景实训、数据沉淀、产品迭代和示范推广逐步形成闭环，行业将从样机展示和小规模试点，逐步进入常态化作业和批量化部署阶段，竞争重点也将从单一产品能力转向场景资源、系统集成、运维服务和生态组织能力，并逐步形成基于真实场景数据驱动的持续学习体系。”安赟说。