2026 年世界机器人大会期间, 智平方的展台没有炫目的舞台特效, 只有一台 AlphaBot 2 在吧台后默默工作。制作咖啡、冰淇淋、鸡尾酒, 观众扫码下单, 机器人自主识别、取杯、操作设备, 一气呵成。隔壁区域, 它又化身“厂哥”, 面对不同型号、尺寸、颜色的 PCB 板, 完成托盘取料、上下料、双臂协同等连续动作。
这些并非为展会临时编排的表演。智魔方已在全国十余个省市常态化运营, 深圳人才公园的智魔方累计服务时长已超 8 个月。
“干活才是我觉得天花板最高的场景。”智平方副总裁莫磊在群访中说。这句话概括了这家深圳具身智能企业最核心的战略选择。
一、场景路径: 从工业起步, 逐级逼近家庭
具身智能行业最热闹的争论之一, 是从哪个场景切入。有人押注家庭, 有人聚焦物流, 有人直奔工业。智平方的选择是递进式路径: 从半结构化工业场景起步, 逐步拓展至公共服务、门店服务, 最终落地家庭消费市场。
莫磊在采访中多次强调, 家庭场景属于高度开放的非结构化场景, 对产品交互、稳定性要求极高。智平方预判, 机器人真正落地普通家庭至少还需要 5 年时间。
这 5 年的窗口期用来做什么? 答案是: 在真实场景中持续迭代模型能力。
工厂这类半结构化场景属于“跳一跳够得着”的落地目标。智平方从工业场景中的 PCB 上下料等具体任务做起, 逐步迭代到商用场景、工厂长程作业场景。2025 年 9 月, 与全球第三大面板厂商惠科股份签订 3 年 1000 台商业订单; 汽车制造领域, 与东风柳汽达成战略合作。
莫磊透露, 智平方已实现“单一场景多客户、单一客户多场景”的覆盖, 已跑通的标杆场景客户复制难度极低。行业竞争已从早期的市场教育阶段进入硬实力比拼阶段, 核心比拼任务完成质量、运行稳定性等可量化指标。
二、场景筛选: 避开同质化, 锚定高价值
在场景选择上, 智平方做了一道减法。
莫磊介绍, 企业优先布局三大主轴: 高端制造 (泛半导体、生物科技、汽车相关)、公共场所服务、店员服务, 避开了同质化严重的普通搬运场景。高端制造场景具备高洁净、高柔性、高毛利的特点, 对新技术接受度高, 可以充分发挥通用机器人的多任务价值。
以汽车制造为例。莫磊指出, 汽车工厂冲压、焊接、涂装三大环节已经高度自动化, 最后一个总装环节任务碎片化、柔性化, 传统工业机器人无法经济地覆盖。这恰恰是具身智能机器人的机会 —— 不需要改造产线, 部署逻辑类似派驻人工, 大幅降低客户的接受门槛与改造成本。
这一判断与郭彦东博士在智源大会提出的商业化路径一脉相承:“在工业服务中的柔性制造部分是具身智能机器人最好的切入点, 公共服务是一个非常好的阶梯, 帮助我们通向家庭服务。”
三、两大壁垒: 模型能力与硬件稳定性
具身智能行业有一种声音认为“具身公司就是模型公司”。莫磊不认同这种判断。
“我们坚持软硬一体, 甚至坚持软加硬加场景三位一体, 这个才是最伟大的公司。”
在莫磊看来, 具身智能企业的核心壁垒由两部分构成: 一是大模型的多任务快速学习能力, 二是硬件长时间连续稳定运行的能力。后者常被行业忽略, 但恰恰是决定机器人能否真正“上岗”的关键。
在模型层面, 智平方走了一条差异化的技术路线。成立之初, 在行业多沿用成熟模块化方案、套用开源模型的主流路线下, 智平方锚定 VLA 端到端路线。2025 年 4 月发布全球首个全域全身 VLA 大模型,2026 年 6 月发布全球首个类脑式具身智能系统 NeuroVLA, 复刻人脑“皮层-小脑-脊髓”三层架构。
莫磊强调,VLA 属于通用架构范式而非具体模型, 框架下的内部模块创新从未停止。智平方不盲目堆砌算力, 重点推进类脑模型架构创新, 以更低的算力、数据资源实现模型能力的高效提升。这与郭彦东在 WAIC 港科大论坛上的表述一致:“具身大模型不只是对算力和对数据的游戏。不要把具身智能做成一个堆钱、烧钱的赛道。”
在硬件层面, 智平方借鉴了汽车和消费电子产业的供应链经验。机器人本体保持统一标准, 末端按需适配夹爪、灵巧手, 分别对应稳定取放、设备操作需求, 可覆盖绝大多数现有场景。AlphaBot 2 核心部件无故障运行 2 万-5 万小时, 自有产线年产能 2000 台,2026 下半年启动万台产线建设。
四、数据观: 多样性比数量更重要
数据是具身智能行业公认的核心痛点。行业普遍认为需要靠大规模数据增长实现智能涌现。莫磊提出了一个不同的判断:“数据的多样性比数据的量更重要。”
智平方已过模型冷启动阶段, 坚持从真实干活场景回流数据。仿真数据、互联网数据、真机场景数据结合使用, 匹配对应模型的训练与清洗规范即可。
这一判断与郭彦东的“正反金字塔”数据观形成呼应: 冷启动依赖互联网、仿真与真机融合数据; 当规模部署形成后, 最具价值的是来自真实作业场景的高质量数据。
在业务选择上, 智平方也体现了一以贯之的克制。莫磊明确表示, 不做短期高盈利但对长期模型迭代无牵引作用的纯数据采集、数据硬件售卖业务, 资源全部向真实落地场景倾斜。
针对超 10 亿元 B 轮系列融资的使用, 莫磊直言资金不会分散到市场推广等偏商业化环节, 而是聚焦具身大模型的迭代: 算法层面扩充物理世界大模型研究人员, 算力层面扩容千卡级训练集群, 数据层面迭代真实场景数据闭环体系。
五、行业判断: 共识已形成, 比拼的是硬实力
回顾具身智能行业的发展阶段, 莫磊认为行业已形成两个重要共识: 机器人必须落地干活, 大模型是长期核心竞争力。早期的市场教育成本已大幅降低。
当前行业的核心非共识在于场景切入路径, 不同企业分别从家庭、物流、工业等不同方向切入, 尚未形成统一结论。智平方的选择已经清晰: 从半结构化场景逐步递进, 以真实落地驱动模型迭代, 最终目标是家庭场景。
2026 年, 中国具身智能广义市场规模预计突破 1.09 万亿元。郭彦东的判断是“行业从 1 到 10 的关键年”。莫磊的补充则更偏执行层面: 当前业务推进的最大挑战仍是模型能力的持续提升, 需要通过多场景的真实数据回流持续优化泛化能力。
对智平方而言, 展台只是窗口, 城市才是展厅, 日常才是主场。机器人的竞争, 不在展台上的几分钟, 而在走进真实世界后能不能稳定工作、持续创造价值。
“预测未来最好的方式, 就是亲手创造未来。世界的下一场变革在于具身智能, 而具身智能的下一场变革, 将发生在中国。”—— 郭彦东博士
本文数据截至 2026 年 8 月, 基于 WRC 2026 公开访谈及企业官方资料整理。
免责声明：本文为本网站出于传播商业信息之目的进行转载发布，不代表本网站的观点及立场。本文所涉文、图、音视频等资料之一切权力和法律责任归材料提供方所有和承担。本网站对此咨询文字、图片等所有信息的真实性不作任何保证或承诺，亦不构成任何购买、投资等建议，据此操作者风险自担。