在科技发展的长河中，机器人一直是人类想象的重要载体。从小说到电影，那些能行走、交谈、思考，甚至超越人类能力的机器人形象深入人心。人们曾满怀期待，希望机器人能走进日常生活，承担整理房间、收拾餐具等琐碎事务。然而，现实中的机器人发展却远未达到这一程度，尽管它们已在工厂和专业领域有所应用，但与通用机器人的理想形态仍有巨大差距。
机器人进入现实世界面临诸多挑战，其中环境的复杂性是主要障碍之一。在数字世界中，算法处理的是代码和数据；而在物理世界，机器人需要理解空间、力量、环境变化以及人与物之间的复杂关系。它们不仅要“看见”，更要“理解”，并在动态环境中做出合理判断。这一难题正随着具身智能的兴起而逐步得到解决。
过去两年，具身智能成为科技产业和资本市场的热门领域。从创业公司到科技巨头，纷纷布局机器人赛道，试图在这场竞赛中占据先机。然而，随着行业逐渐进入落地阶段，一系列新问题浮现出来：谁愿意为机器人买单？机器人是否必须模仿人类形态？它们会取代人类工人吗？
聆动通用CEO季超认为，具身智能与人形机器人不能简单划等号。机器人的价值不在于外形是否接近人类，而在于能否解决实际问题。作为科大讯飞孵化的企业，聆动通用专注于泛制造业领域的智能化升级，其产品已应用于物流搬运、汽车制造等场景。季超指出，行业演进将遵循“工业、商业服务、家庭”的路径，半结构化、劳动力密集的场景将成为突破口。
在2026世界人工智能大会上，具身智能企业的展示重点已从技术演示转向真实应用场景。这一转变反映了行业共识：技术必须服务于场景。对于工业客户而言，机器人是生产工具，而非科技展品。他们关注的是数字化升级能否降低成本、提升效率，以及投资回报周期是否合理。
在这场竞争中，数据成为关键资源。互联网时代争夺流量，而具身智能时代争夺的是来自物理世界的数据。工业产线上的操作数据、机器人执行任务的反馈数据，以及模型迭代形成的能力闭环，将成为企业建立壁垒的核心。聆动通用通过“全模态数据金字塔结构”构建数据管线，结合互联网数据、一线真实数据和高精度工业本体，形成大数据闭环系统。
季超表示，工业场景与商用表演、科研市场的落地逻辑截然不同。工业客户遵循“算账逻辑”，只关注技术能否降本增效。聆动通用已在部分场景中将回本周期压缩至两年以内，验证了商业化路径的可行性。即使某些场景回本周期超过两年，随着人力成本上升和机器人本体成本下降，ROI仍会回归合理区间。
在算法策略上，工业场景更依赖真机采集的后训练和强化学习，而家庭场景需要海量第一视角数据和常识推理数据。针对VLA大模型跨本体迁移的难题，聆动通用提出“基础模型+二次适配”的开源生态机制，通过开源基础模型支持开发者针对不同机型进行适配。
物流与汽车领域成为具身智能最先突破的场景，原因在于这些领域“半结构化且劳动力密集”，具身智能的发展恰好满足了客户的刚性需求。季超预测，行业演进将遵循“先工业，再商业服务，最后家庭”的路径。
聆动通用的商业化进展迅速，今年上半年合同金额已是去年全年的十倍，主力产品已实现量产出货。公司在大物流和汽车制造领域实现规模化落地，并在多个一二线城市布局。预计全年合同金额将增长15至20倍，融资资金将主要用于核心技术研发和量产交付体系建设。
与传统物流自动化厂商相比，聆动通用的方案具有更高的柔性和泛化能力。双方并非简单替代关系，而是生态互补，共同服务客户全链条自动化需求。轮式人形机器人虽动作节拍不如传统机械臂，但因其轻部署、低迁移成本和数据迁移高效性，仍受到客户青睐。
作为科大讯飞控股子公司，聆动通用在技术和商业生态上与母公司形成互补。讯飞提供渠道资源和商机导入，聆动通用则实现关键技术自主可控，建立完备量产交付体系。资本市场对具身智能企业的评估指标已从“讲故事”转向商业模式和商业化落地，这有利于真正具备价值创造能力的企业脱颖而出。
季超认为，行业将经历回调与洗牌，无法完成场景落地和商业化闭环的企业将面临生存压力。未来行业集中度将提升，头部企业将主导市场。对于具身智能进入家庭场景的瓶颈，他指出家庭环境非结构化，对机器人泛化能力、安全性和长程任务执行力要求极高，预计还需不到四年时间才能普及。
关于机器人是否会取代人类工人，季超认为完全无人化不切实际，人类仍需兜底。具身智能将带来“生产流程再造”，机器人承担高危、脏乱和重体力劳动，一线工人则升级为机器人主管，负责统筹规划、生产调度和人机协同决策。这不仅不是替代，而是提升工人职业体验和价值。
