2026年3月底，智元机器人的第10000台通用具身机器人远征A3下线。从5000台到10000台，他们只用了不到4个月。宇树科技也交出了2025年纯人形机器人交付超5500台的成绩单。数字很漂亮，但如果你去翻这些机器人的去向，会发现它们几乎全去了工厂流水线、展厅或者仓库。人形机器人“进厂打螺丝”的故事讲了两年，2026年终于跑通了量产的第一步，被称为“商业化元年”。但离走进家庭客厅，还差着十万八千里。
工厂和家庭的区别，本质上是结构化与非结构化的鸿沟。在汽车工厂里，零件的位置、螺丝的规格、拧紧的力矩，全是被严格定义的确定性变量。机器人只需要解决“重复精度”问题。但家庭环境是一个典型的非结构化场景。地上的拖鞋、桌上的水杯、半掩的房门、突然跑过的宠物，对具身智能系统来说，这些都是随时可能引发灾难的干扰项。
波士顿动力早年展示的Atlas能跑酷、能后空翻，视觉冲击力极强，但那是基于高强度预编程和无数次排练的结果。现在的特斯拉Optimus、Figure 02以及优必选的Walker系列，在工厂里搬运箱子、分拣零件已经很稳，但如果让它们在家里把一件形状不规则的T恤叠起来，或者在沙发上避开毯子捡起一枚硬币，算力消耗和容错率要求完全是两个量级。在工厂，抓坏一个零件是次品率；在家里，碰倒一杯热水就是安全事故。
这就引出了家庭服务机器人商业化的第一个死结：安全性带来的极低容错率。具身智能的核心在于VLA（Vision-Language-Action）模型，机器人需要先“看懂”环境，再“理解”指令，最后输出“动作”。目前端到端大模型的推理延迟普遍在几百毫秒甚至秒级。在工厂里，慢半拍无所谓；但在家庭里，如果孩子在机器人面前摔倒，这半拍的延迟可能就是致命的。
为了降低延迟并保护隐私，厂商必须在端侧部署大算力芯片，但这又直接撞上了第二个瓶颈：成本。2026年被业内称为“10万级量产将至”的节点，但这个10万级，是工业级的价格，不是消费级。以智元最新推出的便携人形机器人启元Q1为例，其核心的QDD准直驱关节虽然做到了鸡蛋大小，但高精度减速器、力矩传感器和驱动器的BOM成本依然居高不下。马斯克给特斯拉Optimus Gen 3定的目标是售价2.5万美元以下（约合18万人民币），前提是与Model 2共用零部件并实现规模效应。但这仍然是一台B级车的价格。对于普通家庭来说，花十几万买一个只能扫地、端水、偶尔叠衣服的机器人，性价比极低。
除了算力和成本，数据采集是另一个被严重低估的瓶颈。自动驾驶能跑通，是因为有数百万辆在路上跑的车在收集数据。但人形机器人在家庭场景的数据几乎是零。工厂里可以架设动捕设备、用遥操作记录工人动作来训练机器人，但谁会允许一家科技公司在自己家客厅里装满摄像头，就为了教机器人怎么收衣服？缺乏高质量的家庭场景物理交互数据，具身智能模型的泛化能力就无从谈起。这也是为什么现在的机器人厂商都在拼命搞仿真环境和合成数据，但仿真和真实物理世界之间，永远存在难以弥合的Sim-to-Real（仿真到现实）鸿沟。
算力方面，要把千亿参数的具身智能大模型塞进一个功耗只有几百瓦的机器人本体里，极其困难。端侧推理不仅是算力问题，更是功耗和散热问题。虽然像阿里玄铁C950这样的RISC-V芯片已经开始尝试在端侧原生跑通千亿参数大模型（参见《阿里玄铁C950发布：RISC-V原生跑通千亿参数大模型》），但人形机器人需要在运动中实时处理多模态数据，对延迟和稳定性的要求远高于静态的边缘计算盒子。目前的解决方案往往是“云端协同”——复杂规划在云端，实时控制在端侧，但这又引入了网络延迟和家庭隐私的矛盾。
在成本、算力和数据三座大山面前，国内外头部玩家都不约而同地选择了“先B后C”的苟活路线。特斯拉把Optimus Gen 3的首批量产全塞进自家工厂，复用FSD电脑和端到端神经网络，通过观看人类示范学习动作，先在自家产线把硬件可靠性和软件数据跑通（详见《特斯拉Optimus Gen 3量产：先在自家工厂打工的数字工人》）。Figure则更激进地押注端到端具身智能大模型，试图让机器人在宝马工厂里直接从视觉输入映射到关节控制。国内的优必选依托深圳全球领先的硬件制造与供应链能力，先把工业物流和巡检场景做扎实，用B端现金流养C端研发。
这种策略是极其理性的。正如我们在《从工厂搬运到家庭客厅，人形机器人还要走多远》中所分析的，算力瓶颈与低容错率是横亘在家庭场景前的两座大山。家庭服务机器人的普及不会是“一夜之间每家一台”的爽文剧情。未来3-5年，其商业化路径大概率是B2B2C的降维打击。
具体来说，机器人会先进入半结构化的商业场景。比如酒店走廊送物、医院药房分拣、养老院辅助起居。这些场景虽然比工厂复杂，但有专业人员在场兜底，容错率高于家庭，且企业客户算得清ROI。机器人需要在这些真实物理世界里疯狂积累Failure case，训练其具身智能模型对边缘场景的泛化能力。同时，随着端侧算力架构的成熟和专用AI芯片的普及，硬件成本才有可能进一步下探到5万元以内的消费级甜点区。
真正的转折点，可能要等到2028年甚至2030年。届时，具身智能大模型不仅要解决“看懂”和“动对”的问题，还要解决“物理常识”的问题。机器人需要知道玻璃杯掉在地上会碎，热汤不能直接用手端，猫和毛绒玩具的区别是什么。这种基于物理定律的常识推理，目前的大模型还做不到。在此之前，任何宣称“今年买一台回家干活”的营销，都是在卖概念。
