robot这个词刚造出来的时候，原本并不是用来表演的。
1920年，捷克作家恰佩克在剧本《罗素姆万能机器人》里造出这个词，借的是捷克语里的robota，意思是：强制劳役、苦工。虽说以如今的视角来看，这有些不太“人道”，但在当初的剧本里，那些人造人被批量造出来，就是替人干又累、又枯燥、又危险的活。
图源：《罗素姆万能机器人》剧照
可过去这些年，普通人对机器人最熟的画面，反倒是它在台上跳舞、翻跟头，词源里那个“干活”的本分，一度被热闹的表演掩盖。
如今，工信部、国资委已明确，到2026年底推动万台级规模落地，相关政策也在陆续出台。人们看腻了表演，行业再后知后觉，也该明白：具身智能到了不得不直面落地难题的时候了。
然而，难题究竟难在哪？又该如何解决？
横在具身智能面前的有两座大山，一座叫“认知”，一座叫“执行”。好在，它们并非不可撼动。广交会70周年之际，我们在现场看到了答案。
机器人公司造不出的“大脑”，通用大模型来补
先说说认知难题。
目前机器人能做到的事情已经不少：能走能跑、能抓能举。可为什么离规模化落地还差一段距离？问题还是出在“大脑”这个核心上。一旦任务拉长、要连着做好几件事，那种得先想清楚再分步执行的深度思考，仍差一截。
具身智能公司也为此努力过，但要解决深度思考这个问题，自研“大脑”的成本和周期难以估量，多年下来迟迟未见突破。
转机出现在了另一条赛道上：前段时间引发热议的通用大模型，在数字世界展现出了惊人的逻辑推理与长程规划能力。这让行业看到了新解法——既然自己从零造“大脑”太难，何不直接把现成的通用大模型拿来“借用”？带着这个思考，我们看看行业里已经发生的事。
今年9月，OpenAI发布GPT-6 Astra。官方介绍里找不到任何和机器人沾边的字眼，它主打的是操作电脑、写代码、处理专业工作等数字世界的任务。这样一个压根没想过要“当机器人”的模型，却在机器人评测基准RoboDojo公布的一项评估里，于42项仿真任务、2100次测试中取得了22.48%的平均成功率，高于彼时全部40个公开机器人策略。
RoboDojo-Sim基准测试，来源：RoboDojo
值得一提的是，在RoboDojo这42项仿真任务里，有不少需要连续多步操作、长时间决策的活，比如整理桌面、把瓶子丢进垃圾桶、给一堆物件分类、下井字棋。从结果来看，通用大模型未经特殊训练，就能一定程度上解决长程任务和多任务规划，也意味着通用大模型展现出来的能力已经具备进入机器人工作流程的条件。
但仅有一个案例显然还不够佐证：
9月底，动易科技对外公布了三组实验（详情可点击链接查看：GPT拆掉了「具身大脑」，Embodied PhyStack会是具身智能的下一站吗？），最终结论指向：通用大模型与具身智能的协作，将实现具身智能从单点能力突破推向系统级自治能力闭环。人类意图的理解、长程任务与多任务规划、逻辑顺序的把握，这些过去被认为必须由具身智能公司自己攻克的难题，开始通过分工协作来加速解决。对于产业来说，这意味着具身智能的落地节奏，可能比预想中更快。
通用大模型真机训练效果，图源：动易科技
随后，10月12日，宇树科技创始人王兴兴也谈到了GPT-6 Astra等通用大模型的冲击，他认为具身智能的临界点最快可能在一两年内到来，并坦言：“过去十几年我犯的最大的错误，就是对AI的相信还不太够。”言下之意就是，通用大模型进步的速度，已经超出所有人的预期，具身智能与通用大模型结合，极有可能加快这个临界点的到来。
评测、实验的结果以及业内人士的判断，都证明通用大模型作为机器人的“大脑”，理论上已经可行，“认知”这座山也有了即将翻越的可能。那么，具身智能行业能否顺利接棒“执行”？或许，我们可以在第140届广交会上窥见更多细节。
广交会现场交作业，机器人从展台走向岗位
先简要回顾下此前，我们在本届广交会上看到的一些变化。
央视新闻在本届广交会上把具身智能行业的变化归纳为产品、功能、客商三层：产品上，越来越多机器人从单纯展示走向上岗，讲解派送、灭火、分拣、外骨骼助力、外墙清洗各自对应不同岗位；功能上，工业型之外，陪伴型、服务型同台；客商上，需求从围观变成带着具体工序来洽谈。
功能与客商我们点到为止，我们重点看“机器人打工仔集中上岗”的表现。比如智元在广交会期间，把轮式机器人精灵G2投放到新港东站、琶洲站这些通往展馆的地铁站点，做安检提示、秩序引导和路线问询，能用中英文、粤语加部分小语种跟客商对话，遇到行李、儿童、轮椅主动提示，现场工作人员保留接管权限，设备异常就能及时调整。
智动未来也把自家机器人派上了岗。其轮式人形机器人“小智”在CF奖展厅当讲解员，靠着底部的3D激光雷达在人群里扫图、定点、避障，用中英文给全球客商逐个介绍展品。
140届广交会智元精灵G2、智动未来上岗表现
上文提到过的动易科技机器人也忙碌于第140届广交会的综合服务中。与前两家具身智能企业略有不同，动易科技主打双足人形机器人，不仅提供服务，还带来了情绪价值。除在广交会发展史陈列馆中承担智能讲解外，其双足人形机器人PHYBOT C系列还在人流量密集的珠江散步道附近，与现场客商进行羽毛球、乒乓球自主对打体验。
引人关注的是，这些交互全程无需人工遥控，也没有预设的固定程序，展现出较高的智能化水平和稳定运控能力，赢得体验者和围观者连连称赞，纷纷想上前过几招。在另外一侧的拳击展演区，红蓝阵营的C系列机器人也在擂台上打得火热，引来阵阵叫好。
140届广交会智能导览、羽毛球对打、乒乓球对打、拳击表演，图源：动易科技
据了解，在服务本届广交会之前，动易科技双足人形机器人的多项能力已被反复验证。
今年4月，动易科技在第139届广交会上带来“羽毛球高动态智能交互”场景的全球首发；7月，在广州商场落地了一个月、以人形机器人自主对打羽毛球为核心体验的快闪店；8月，从羽毛球能力迁移而来的乒乓球体验也开始频频亮相。这一系列动作，让我们注意到两个细节：动易科技持续性运营和跨场景迁移能力。
139届广交会羽毛球对打，图源：动易科技
在持续性运营方面，动易科技有自己的方法论。
机器人要进入不同场馆落地运营，需要考虑空间条件、设备配置、模型适配，以及后续的运营和维护。而动易科技选择自己打造标准化场景方案，推出PhyAgents Hub，把环境、硬件、模型、运营、维护五个模块打包成可复用的模块化场景部署套件，让客户不必从头搭建一套完整的机器人服务系统。这也是动易科技能够在商场、展馆等环境差异显著的场所落地羽毛球互动场景的关键。
而技术之所以能够复用，核心在于动易科技Embodied PhyStack技术架构中的物理智能体PhyAgents。它是经强化学习训练出来的决策智能体，泛化能力强、鲁棒性高，参数小、对算力要求低，能把训练好的能力快速下发到PHYBOT本体。因此，羽毛球练出来的实时决策，稍作调整就能迁移到乒乓球上，不必每个场景从零再来。
Embodied PhyStack技术架构示意，图源：动易科技
从单点演示到持续上岗，上述能力正在广交会现场接受检验。
这不是几天快闪——据了解，动易科技、智动未来等企业的这批机器人会一直服务到11月4日本届广交会结束。其中，双足人形机器人在多场景、长时间的稳定执行，是本届广交会更值得关注的事实。
这就是在广交会上，我们看到的具身智能企业为翻越第二座山的解法。
越过山丘，具身智能的“商业化大考”怎么破局？
越过山丘，具身智能规模化落地还差最后一公里，而这一公里的路牌上写着三个大字：商业化。
对B端客户而言，商业化极其现实：机器人不能只是在展台上惊艳亮相，更不能每进一个新场景就得把软硬件推倒重来。如果定制成本居高不下、部署周期漫长，企业根本无法算清投资回报率，万台级规模落地也就无从谈起。
这就要求行业必须交出兼顾“高效部署”与“灵活执行”的商业化答卷，围绕如何跨过这道门槛，各大头部厂商走出了不同的路子。
一方面，是以动易科技为代表的系统化解法。
过去不少厂商在商业化落地时容易卡在高昂的边际成本上，要么全押在云端大模型上，导致响应太慢、无法满足实时作业，要么只做硬件本体，缺少聪明的大脑支撑。
从上文就能看出，动易科技的商业化逻辑，是从底层把软件和硬件紧密绑定，让大脑与身体深度协同。这种系统化的核心目的，是大幅降低机器人切换不同工作场景的门槛，让同一套底层架构能够快速复制到更多任务上；并通过覆盖从场景部署、设备调试到日常运营、后续维护全流程的一站式解决方案，真正帮助客户降低综合部署和运维成本。
够C羽球馆人机对打，图源：动易科技
另一方面，不少友商则选择通过差异化场景卡位，在细分赛道中站稳脚跟。
例如深耕特种应急与工业巡检的云深处，凭借多种形态的机器狗，精准切中抢险与安防的实际需求。这种探索避开了全功能通用的漫长周期，通过在垂直场景里死磕的做法，同样可以在商业化落地的前夜跑通了各自的闭环。
云深处机器狗工业巡检，图标：云深处官方
从行业大盘看，无论是试图构建系统化底座以压低跨场景的复用成本，还是在特定垂直领域做到极致以满足特定买家的需求，大家的选择不尽相同。
正因有了这些多元化的商业探索，具身智能才得以真正从单纯的“秀肌肉”走向规模化复制的务实阶段。这场大考的最终答案，正在这些实践中加速兑现。
写在最后
回头看，具身智能面对的两座大山，如今都有了各自的答案。认知这座山，机器人公司有望从通用大模型中找到密钥；执行这座山，广交会现场那些真干活的机器人，尤其是双足人形机器人，已经证明。
想得通、做得动，机器人完成了从表演到上岗的第一步。
但跨过这两座山之后，还有最后一公里要走：企业愿不愿意掏钱、方案能不能复制到下一个场景，才是这场大考真正的题目。
也正因如此，行业里才有了系统化底座和垂直场景卡位这些不同的解法，路线有不同，但方向都指向一个终点：让机器人真正走进物理世界、上岗干活，帮助人类解决无法完成或不愿完成的工作任务。
广交会70周年，我们看到的，正是这个行业第一次认真作答的时刻。
