具身智能的春天：这次机器人不上舞台，上产线
内容提要
2026年11月，具身智能取得实质进展：谷歌Gemini Robotics 2.5在奔驰真实产线分拣零件成功率达96%，特斯拉Optimus进入量产，英伟达发布GR00T 2等工具链；世界模型与仿真数据大幅降低训练成本，苹果HALO实现零真实数据训练。国内京东、宇树、智元更侧重需求与务实指标。但96%成功率仍属概念验证，量产目标存疑，行业关注点应从发布会转向“有效智能工时”等实际数据。
延伸解读
96%成功率背后的产线现实
谷歌在奔驰真实产线实现96%分拣成功率，看似接近实用，但文章指出这仍是概念验证。剩余4%在不能停线的工厂里可能意味着事故，且官方未披露任务时长、试验次数等工程指标。读者需区分演示成功与稳定量产，后者要求更高可靠性和可重复性。
世界模型如何改写训练成本
文章强调世界模型是这轮进展的关键变量：谷歌用仿真生成数千次练习，苹果HALO甚至零真实数据训练，在6个新环境达到91%单任务成功率。这暗示训练成本曲线可能下移，但HALO长流程任务成功率仅50%，说明仿真替代真实数据仍有边界，不宜过度外推。
中外路径的互补与差异
海外强在“大脑”和产能：谷歌VLA模型、特斯拉Optimus量产、英伟达工具链；国内京东、宇树、智元更侧重需求侧和务实指标，如“有效智能工时”。文章认为国内身体强、数据缺，海外大脑强、产能猛，两边形成互补。读者可关注国内数据采集计划能否补上短板。
该盯什么指标而非发布会
文章建议把注意力从发布会转向“有效智能工时”等朴素数字，即机器人实际自主干了多少活。马斯克周产2万台的目标被指跳票履历多，苹果HALO仍是论文。真正毕业的标志是这些数据出现在财报而非宣传视频里，读者应警惕营销话术与工程现实之间的差距。
Q&A
2026年11月具身智能领域有哪些重要进展？
谷歌Gemini Robotics 2.5在奔驰真实产线分拣零件成功率达96%；特斯拉Optimus进入弗里蒙特工厂大批量产线，Gen3已生产约一千台；英伟达发布GR00T 2世界动作模型、Cosmos 3 Nano开放权重模型、Isaac Lab 3.0学习框架及工具链；苹果HALO实现零真实数据训练；国内京东宣布五年采购300万台机器人等计划。
谷歌Gemini Robotics 2.5在奔驰产线的实际表现如何？
在奔驰匈牙利凯奇凯梅特和德国辛德尔芬根的真实产线上，Apptronik的Apollo 2人形机器人从散装料箱拣出金属支架并按装配顺序放入托盘，成功率96%。但谷歌承认这是概念验证，未披露任务时长、试验次数等工程化指标，剩余4%失败在产线上可能导致停线事故。
世界模型和仿真数据如何降低机器人训练成本？
谷歌Gemini 4 Argon可从真实摄像头画面生成几千次模拟练习，为每个任务搭建数字孪生，机器人在仿真中训练后再上真机；还能根据失败录像推测问题并在仿真中验证修正，将迭代周期从几周缩短到几小时。苹果HALO全程不用真实数据，仅靠仿真合成数据在6个陌生环境完成全身动作，360次试验单任务成功率91%。
英伟达在机器人领域提供了哪些工具和平台？
英伟达发布了GR00T 2世界动作模型、四款Cosmos 3 Nano开放权重模型、Isaac Lab 3.0学习框架，以及从数据采集到部署的整套工具链：UMI设备记录人类操作，Human-1M数据集首批10万小时人类第一视角视频已公开，SimFoundry从真实场景重建仿真环境。其策略是提供通用底座和仿真训练场，不抢整机生意。
国内具身智能公司与海外相比有什么不同特点？
国内更侧重需求与务实指标：京东宣布五年采购300万台机器人、100万台无人车、10万架无人机，并建数据采集中心；宇树王兴兴判断物理AI突破节点在未来一至三年；智元提出“有效智能工时”指标，关注机器人实际自主干活时长。整体呈现“国内身体强、数据缺，海外大脑强、产能猛”的互补格局。
当前具身智能距离真正量产落地还有哪些风险？
谷歌奔驰项目是概念验证，96%成功率剩余4%在产线可能造成停线事故，且未披露任务时长等硬指标；马斯克周产2万台目标存疑，其跳票履历较多；苹果HALO仍是论文，长流程任务成功率仅50%，离家用尚远。行业应关注“有效智能工时”等实际数据而非发布会宣传。
