从57亿到770亿：中间的“落地缺口”到底怎么补|埃夫特|工业机器人|底座|技术壁垒|智能机器人|机械|落地缺口

HALO技能采集服采到的每一份数据，最终都要流向底座的大脑。它对应的是底座里负责数据采集的那一环。

机器人与具身智能行业只用了12个月，就从炫技再次回到实干，回到了工业和落地的老命题。

一年前，WRC的同一个场馆里，双足人形机器人还在舞台上翻跟头、打太极，围观的人群举着手机拍个不停，社交媒体上充斥着对人形机器人动作的惊叹。

一年后，具身智能参展企业增至200多家，现场真机超过300台，但更多企业展示的却是分拣、拆垛、上料、装配。无论人形还是其他形态，WRC 2026再次成为打工落地的集中展示场。

这一转向的原因正如全国政协常委、中国电子学会理事长徐晓兰在发布会上提到，人形机器人已初步具备“上工业产线”能力。国内第一梯队具身智能大模型能力按月迭代，核心芯片全链条自主可控加速推进。国产灵巧手已实现0.1毫米级精准度，单只使用寿命突破100万次。这些数字背后是一个正在成型的共识：产业规模已经够了，接下来要看的是“用得好不好”。

但一个更扎心的现实是，目前真正能在工厂里稳定干活的，依然寥寥无几。行业里流传着一句话：能用到可用，是从0.1到100的鸿沟。复旦大学深度学习实验室主任陈涛就曾公开表示，真正进工厂干活的具身机器人比例可能不到10%，多数是“拍完视频就撤出”。

这几乎是行业内公开的秘密。一台机器人花三个月时间定制开发一套演示方案，拍一条两分钟的视频，然后这台机器人的使命就结束了。启智机器人研究院副院长董志鹏给了一组更扎心的数据：当前机器人在通用生产中的整体渗透率不足2%。98%的工业场景，机器人还没进去。

据IDC数据，2025年中国工业具身智能机器人市场规模约为57.4亿元，IDC同时预测，2026年中国具身智能机器人市场规模将突破110亿美元。从57亿人民币到770亿元，中间隔着近13倍的差距。

行业描绘了一个狂想，产业却还没有准备好接住它。这种“雷声大、雨点小”的窘境问题出在哪？破局点在哪？埃夫特本次WRC上试图回答这个问题。其发布了复合机器人新品，同时首发HALO技能服新款，加上焊接、喷涂、防爆三大智能工作站，三类产品形态虽各不相同，内核却只有一个：一套智能机器人通用技术底座。

埃夫特这次要证明的，是底座与机器人融合之后，场景落地的能力到底能不能更好兑现。

01.

一台自己把活干了的机器人

在埃夫特·启智的A106展位上，一台机器人正在没有遥控器的情况下，自己把活干了。

这台复合机器人在模拟的汽车线边仓狭窄通道里灵活穿行，它的“眼”是3D智能识别系统，面对上百种不同形状的汽车零部件，毫秒级完成品类识别与位姿判断。它的“手”是一支高精度机械臂，精准抓取、稳稳搬运，将物料从分拣区送至装配工位。整个过程没有遥控手柄，没有预编程轨迹。底盘到达目标位置的同时，机械臂已通过视觉完成姿态预调整，“脚”到“眼”到“手”的协同，一气呵成。

旁边是另一套更复杂的系统“四合一”智能柔性装配工作站。复合机器人上料，双臂机器人模拟人手的触觉完成精密装配锁附，协作机器人搭载AI视觉算法做最终质检。三种不同构型的机器人在同一套系统上协同作业，完整还原了一条汽车制造产线的核心流程。

这个场景是根据埃夫特遇到的真实工业工况设计，是一个已经落地的具身智能案例。搭载这套系统的线边仓智能分拣工作站已在主机厂投产，实现了从来料分拣到成品上线的无人闭环投送，目前正在紧锣密鼓的开发测试和验证中。

这两个场景放到当前热火朝天的具身智能行业里看，意义超出了展品本身。复合机器人的手、眼、脚，过去大多是底盘、机械臂、视觉三件套的拼接，靠系统集成商在项目现场反复调。但埃夫特把三者底层打通，一台设备同时解决走到哪、看什么、怎么抓三个问题，复合机器人第一次从集成项目变成了标准产品。

此外，工业客户最在意稳定性和稼动率，过去具身智能的落地大多停在能演示，对这些关键参数闭口不言，埃夫特却用真实产线证明了能生产。从能演示到真正能生产落地，这个跨越才是落地缺口真正开始闭合的地方。

过去两年，资金、人才、政策像潮水一样涌进具身智能，大模型把机器人的大脑一遍遍刷新。但热闹归热闹，工业客户始终没有大规模买单。真正在工厂产线上二十四小时不停工、被甲方拿稼动率和良品率考核的方案，仍然掰着指头数得过来。钱涌进了上游，卡在了下游。

原因不是机器人不够聪明，而是工业现场的要求，和实验室完全不同。工业客户要的第一样东西是稳定。一台机器人在展台上摔一跤，观众鼓掌。在产线上停一分钟，整条线就断一分钟。

制造业的账算得很细，一台机器人的价值，最终要折算成稼动率、良品率、ROI。这三样指标，和机器人会不会跳舞没有半点关系。其次是性价比。传统工业机器人靠示教编程，工程师要花几小时甚至几天调一条轨迹。人工成本摊下来，机器人再聪明也不划算。通用也是企业考量的核心。工厂的工件千差万别，今天焊的船板明天换成了桥梁，一台只会做一种动作的机器人，就是一堆废铁。这三个问题合在一起，构成了工业具身智能落地最难啃的骨头。工业客户要解决的，是数据、协同、开发成本的问题。

这也是埃夫特继续推出复合机器人的原因。得益于手里近二十年工业机器人的积累，埃夫特最清楚工厂真正缺一块能把数据、算力、算法、硬件统一起来的地基，缺一套让不同品牌、不同形态的机器人说同一种语言、干同一件活的底座，最终还缺一款复合机器人这样能干好活儿的产品。

如今，缺的这三样东西，埃夫特用同一块底座补齐了。复合机器人，正是底座与机器人融合之后，交出的第一个落地样本。

02.

数据从哪来，一件技能服回答

复合机器人解决了会干活的问题，但具身智能还有一个更绕不开的问题，数据从哪来？没有高质量的数据，再强的模型也训练不出来，这是整个行业最卡脖子的一环。

全行业的高质量具身交互数据累计有多少？50万小时。训练一个真正可用的通用物理AI模型需要多少？至少1000万小时。缺口超过99%。做一个横向对比：大语言模型GPT-5的训练语料折合约100亿小时，差了2万倍。国联民生证券研报显示，当前具身智能数据缺口高达20倍。有从业者更直接：“数据缺口超99%。”

埃夫特及启智机器人董事长游玮博士提出了一个概念叫“技能冰山”。冰山之上是抓取、分拣这些简单技能，技术门槛低，已经有不少创业公司在做。冰山之下才是工业刚需：多机交互、工艺强耦合、实时同步控制。例如喷涂时喷枪角度和走枪速度的配合，焊接时电流电压和轨迹的同步，打磨时力度和位姿的耦合，每一种工艺都涉及动作与参数的强耦合，每一种都沉淀了一线工人十几年的“手感”。

而现有的大多数具身智能创业公司，探索的技能都局限在冰山之上。

没有真实的工业数据，冰山之下的技能永远无法被突破。因此，埃夫特本次WRC给出的答案是HALO技能采集服，这是一套全新的穿戴式数据采集设备，有望把人的动作变成机器人可学的数字资产。

新款技能服把数据采集能力堆到了9类全模态。8K全景视觉、深度信息、指尖12点触觉、手掌60点触觉，触觉分辨率做到0.01牛顿以下。再加上sEMG表面肌电信号和27节点IMU惯性测量，延迟控制在10毫秒以内。人怎么抓、怎么拧、使了多大劲、手腕转了多大角度，全部被记录下来。

这套思路的意义，在于绕开了遥操作和仿真数据的局限。遥操作只能让机器人照着做一遍，学不到人类隐性的手感。仿真数据再逼真，也逼真不过真实世界。HALO技能采集服直接让真人穿戴采集，走的是以人为中心的第三代数据采集范式。第一代靠人工标注，第二代靠仿真和遥操作，第三代直接把人穿在身上。前两代的瓶颈都在于，采集到的数据离真实作业差着一层。HALO把这层距离压缩到了零。老师傅几十年攒下的手艺，第一次有了被机器人继承的通道。

03.

三驾马车，底座重新激活机器人

新品之外，埃夫特把干了近二十年的工业机器人老本行，也塞进了同一块底座里。从埃夫特本次WRC的展品可以发现，有了底座的跨构型适配以及智能化能力，埃夫特不仅造了具身智能的新东西，把埃夫特的老本行重新点燃了。

焊接是最典型的例子。船舶、钢结构、桥梁这些中厚板行业，工件是多品种、小批量、高度差异化。传统做法靠工程师示教编程，调一条焊缝轨迹要72小时。底座把流程压到了4小时。3D视觉自动识别焊缝位置、角度、偏差，大模型自动生成路径，墨斗IDE做仿真微调。ARC本体具备高精度、高负载、接口开放的优势，重复定位精度正负0.05毫米，平均无故障时间12万小时。这套方案背后，是埃夫特牵头的国家重点研发计划自主智能弧焊机器人技术与系统项目。

喷涂走的是一条更轻的路。3D相机毫秒级完成点云建模，喷涂大模型自动生成轨迹，工程师在墨斗IDE里做仿真微调。没有标记的智能喷涂方案，已经在赣州家具共享工厂实现批量商用。它还顺带解决了一个被忽视的痛点。多品种、小批量的柔性生产，传统固定程序作业要么频繁换型，要么浪费涂料。底座让机器人自己识别工件、自己生成路径，环保和效率一起解决。中小企业不用再重复造轮子，直接站在底座上开工。

防爆是埃夫特最硬核的一块。全新升级的EXR系列原厂防爆机器人，抛弃了行业常见的防爆改装路线，从源头消除点火源。气体防爆和粉尘防爆都拿到了最高等级认证。EXR210-2700手腕可搬运210公斤，可达半径2674毫米，防护等级IP65，在军工、民爆、化工、医药、食品饮料等行业实现批量应用。这套产品同样是国家科技重大专项的成果，也是国产替代的高端标杆。

由此可见，自主化与智能化，已经构成了埃夫特独特的“双螺旋”结构。自主化是纵向的深度，从核心部件到整机，全栈自主可控。智能化是横向的广度，从工业臂到复合机器人到人形机器人，底座赋能全品类。两条螺旋交织上升，缺一不可。

没有自主化的智能化是空中楼阁，核心部件被别人卡脖子，智能化做得再好也随时可能断供。没有智能化的自主化是闭门造车，核心部件再自主，如果只是传统PLC式的控制，就跟不上具身智能的时代浪潮。

04.

一个底座，完成真正的智能化升级

HALO技能采集服是数据的源头。工人穿着这套采集服在真实工况下干活，系统同步采集视觉、力觉、触觉、姿态等多维度操作数据。传统的遥操作只能记录“动作”，捕捉不到“手感”。HALO能捕捉肌肉发力模式、触觉反馈、姿态调整策略，这些才是隐性经验的核心。采集服集成了视、触、力、姿等多维传感器，在真实工况下精准捕捉人类操作意图。HALO技能采集服采集、大衍数据平台治理、HumanGPT蒸馏、墨斗IDE编排、Openmind OS执行，五个模块形成了一条完整的数据-技能-执行闭环。游玮将这套逻辑总结为“双重跨越”：第一重是0到1，靠HumanGPT解决机器人“会不会干活”的问题；第二重是1到100，靠通用底座工具链解决“能不能快速复制”的问题。

双螺旋的轴心，是那块还没揭开的底座。

复合机器人的“手眼脚”协同、技能服采下的数据、三大工作站被重新点燃的工艺，全都指向同一个东西：智能机器人通用技术底座。

底座的定位是什么？埃夫特及启智机器人董事长游玮博士在多个场合用过一个比喻：打造机器人界的“安卓”底座。安卓做了什么？它把不同品牌的手机硬件抽象成统一接口，让开发者写一次代码、跑在所有手机上。

启智的通用技术底座做的是同样的事，把不同品牌、不同构型的硬件抽象成统一接口，让开发者写一次技能、部署在所有机器人上。通过统一的接口和开发环境，将不同品类的机器人硬件和各类工艺包解耦并标准化接入，极大降低了多机协同系统的开发、调试与部署门槛。

埃夫特有着做底座的坚实基础。基于近二十年攒下来的完整自主供应链，埃夫特的机器人核心模块与核心零部件实现100%自主自研可控。E-BOX自主控制器、驱控一体电柜、关节模组、少齿差减速机，这些决定机器人性能的硬件，全部握在自己手里。埃夫特将近二十年零部件攒出来的自主化的地基与硬件底子，押在了一条通向智能化的新路上，真正实现了全矩阵产品的软硬协同。

2024年，埃夫特联合国家先进制造产业投资基金、芜湖市科创集团共同发起设立启智（芜湖）智能机器人有限公司。目标不是造一款更炫酷的机器人，而是搭建一套“智能机器人通用技术底座”。2026年6月，安徽省机器人和具身智能产业高质量发展推进会上披露，该项目已获批本轮次国家科技重大专项单体最大支持，这意味着其成为全球首个入选国家科技重大专项的机器人底座。

2026年7月，启智在WAIC首发HumanGPT人类技能大模型。2026年8月，WRC现场，这套智能机器人通用技术底座完整亮相。HumanGPT是整个系统的“大脑”。它的全称是“以人为中心的全身全模态操作世界模型”。与市面上大多数大模型从互联网文本或视频中学习不同，HumanGPT的训练数据来自真实的人类操作。它的任务是理解物理世界、理解任务意图、生成可执行的技能序列，通过把人类工业经验蒸馏为机器通用能力，从而让工业数据具备通用价值。

大衍数据平台完成“采—存—治—训—推”全链路数据治理。原始的多模态数据是杂乱无章的，需要清洗、标注、对齐、增强才能用于模型训练。大衍数据平台提供了完整的工具链，将这一过程标准化、自动化。通过与清华大学团队合作，训练周期已从“月”级缩短到“周/天”级。

墨斗IDE是低代码集成开发环境。它提供统一开发环境、工程化仿真、全生命周期覆盖，支持多种机器人与设备，预置丰富的机器人算法库，提供3D仿真平台与大语言模型集成应用。开发者可以在图形化界面中拖拽式编排技能流程，将技能开发的门槛从“专业程序员”降低到“工艺工程师”。

Openmind OS是最终的执行层。作为机器人专用操作系统，它支撑原生AI应用在不同构型机器人上稳定运行，打通感知-决策-控制闭环。开发者无需从底层重新搭建，即可为不同品牌、不同形态的机器人定制技能。

回头看，前面复合机器人能自己干活，技能服能采下手艺，三大工作站能被重新点燃，靠的全是这条HALO采集、大衍数据平台治理、HumanGPT蒸馏、墨斗IDE编排、Openmind OS执行的链路。智能机器人通用技术底座不是某一件产品，已经成为所有这些产品持续进化共同的地基。

05.

把底座交给全行业

通用技术底座的能力，已然成为埃夫特具身智能落地的助推剂，但埃夫特却希望其能够助力行业更大市场。据21世纪经济报道今年7月披露，启智未来将从埃夫特剥离，独立运营，目前国家先进制造产业投资基金已经对其进行连续两轮投资。埃夫特及启智机器人董事长游玮博士有一个判断：未来的机器人将像智能手机一样，根据任务需求灵活加载不同的“技能APP”。一个中小家具厂的老板，不需要高薪聘请机器人工程师。他只需要购买一台搭载通用底座的喷涂机器人，让厂里的老师傅穿着HALO采集服喷几次漆，系统自动学会工艺，然后这台机器人就能自己干活。一个系统集成商可以在墨斗IDE上拖拽式开发技能，一次开发、多机型运行，不需要为每个品牌的机器人重新写一遍代码。一家造人形机器人的初创公司，不需要从操作系统开始搭，直接接入底座就可以专注在硬件本体和场景应用上。

哈工大、清华等8所985高校，加上6家占国内销量70%以上的头部工业机器人企业，已经加入进入底座生态共同攻关，工业机器人接入4家，人形机器人接入3家开启应用。这意味着启智底座已经开始从埃夫特一家的资产，变成整个行业的资产。

这个转变如果成功，意味着行业不再需要每一家都从底层重新搭起。

把视野拉远一点，能更清楚埃夫特这条路的意义。地球另一端，具身智能走的是另一条路线。Figure AI的估值做到70亿美元，Optimus在特斯拉自家的工厂里小范围自用，1X的Neo刚开始进入家庭试用。美国的思路是先造一个足够聪明的大脑，再给少量旗舰客户慢慢打磨。

中国的思路反了过来。先把机器人造出来、卖出去，在真实场景里滚数据、滚工艺。中国厂商在全球人形机器人出货里占了绝对大头，但真正在工厂产线上闭环跑通的具身智能方案，少得可怜。埃夫特作为全球工业产品出货量居前的企业，想做的那件事，恰好补在这个缺口上。它不造人形机器人里的明星，它造的是让工业机器人等明星们能落地干活的地基。

这种分化背后，是两条不同的资源禀赋。美国有最强的模型和算力，缺的是制造业场景。中国有全球最完整的制造业门类，缺的是把模型落地的底座。埃夫特的位置，恰好站在中国这条路的咽喉上。这两条路没有对错。美国的路线赌模型，中国的路线赌场景。但有一点是确定的，工业客户最终只会为一样东西买单，那就是机器人在真实产线上省下了多少成本。