正文
但也要看到，具身智能厂商方面正加速收敛各自路径。
目前业界对具身智能机器人的应用已形成普遍共识，工业制造、物流仓储、生物医疗、商业服务等被视为核心场景。
这些场景中，工业制造领域机器人相对普及。以美国市场为例，作为交通物流枢纽之一，亚特兰大有众多仓储物流企业在此设仓，需雇佣大量本地工人完成作业，但人力成本高昂。根据Indeed、Glassdoor等网站数据估算，仓库工人时薪在20-32美元不等；按平均时薪25美元、一年工作2000小时估算，年薪达5万美金。
所以很多物流仓库等已实现高度自动化，其中代表性的有亚马逊Kiva构建的“货到人”仓储网络。
机器人还远未到代替人类的程度，但它们已经可以承担部分重担。
“即便只是某一细微环节问题的突破，机器人设备在规模化作业放大效应下，从非结构化环境中精度与灵活性的提高，对整个系统的效率带来显著提升。这种面向实际需求、具备商业价值的环节突破，正推动机器人从‘指令执行’向‘智能自主’的跨越。”WBCD（What Bimanual Can Do、探索双臂机器人能力边界挑战赛）发起人、DeepMind机器人团队许倬告诉硬氪。
三大核心场景问题
对比其他领域，厂房车间、物流仓储等作为典型的工业场景，结构化明显，工作环境更稳定。加上过去重型机械臂、协作机器人、物流无人车、AGV等设备积累了大量真实场景数据，能直接复用到具身机器人的训练中。
但进入物流封装环节，自动化技术还未能实现对其有效覆盖与解决。
今天，全球有不少仓储中心仍依赖大量人工操作来完成，工人们需要根据商品的形状、尺寸和特性，灵活调整装箱方式并完成精准封装。这也映射出现有的机器人技术在柔性操作和环境适应上的根本性挑战。
星海图联合创始人虞磊告诉硬氪，看似应高度自动化的封装环节还离不开人工，一是商品形态多样，不同品类的商品在尺寸、重量、形状上差异显著，需要动态调整装箱策略；二是封装工艺复杂，需确保商品合理摆放且箱体封闭牢固，涉及多指协同、力控感知等精细动作；三是单臂操作有局限，难以完成“一手固定箱体、一手封装”的协同任务，传统双臂方案则受算法限制，灵活性也不足。
ICRA WBCD 2025现场（图源/企业）
而生物医疗领域要实现自动化技术的难度更大。
比如在制药领域的实验场景中，试管操作、移液器使用等重复性基础工作耗费人力，还面临操作一致性与精度的挑战，催生了一个规模可观的实验外包行业。
合碳科技创始人、前药明康德CIO陈志刚指出，仅“纯化”环节、即从合成反应混合物中分离目标产物，就要耗费大量人力，“虽市面有自动过柱机完成部分步骤，但全流程自动化仍有细节难点，如对准、连接、稳压等动作需高精度协调控制。”
以药明康德为例，作为一家市值超2000亿人民币的头部医药企业，就承接了欧美实验室的部分研究任务，并在中国及亚洲其他劳动力相对低廉的地区组建团队，处理重复性较高、技术门槛较低的实验环节。
但即便有相对廉价的人工，企业仍希望能引入机器人提效。“由于许多生物实验流程复杂，并且现有机器人末端执行器自由度有限，智能化和灵巧操作能力受限，因此在操作生物样品时，很难模仿人手所展现出的高柔韧性和灵巧性。”Robotics and AI Institute（RAI）研究员孙凌峰告诉硬氪。
