#机器人在未来能够智能到什么程度#

2026年被行业叫作人形机器人的“量产元年”。

上半年全球出货接近2.5万台，同比增长432%；中国厂商占了95%以上，工信部预计全年整机产量能破10万台。展会上，机器人不再只跳舞翻跟头，它们开始卖货、拧螺丝、在手术室里递器械。

于是那个问题变得具体了：这些能力加起来，算“智能”吗？它还能往上走到哪？

我不想用“像人一样”这种词来回答，因为没法验证。下面全部是可查的数字。

一、先把“智能”拆成四件事

聊机器人智能，最容易犯的错是把四种完全不同的能力混成一句“它很聪明”。拆开看，它们今天的位置差得很远。

第一件，会动。这一项已经基本过关，甚至超过大多数人。双足行走、跑跳、上下楼梯、被推一下能自己找回平衡，2026年的量产机型都能做。但要说清楚：运动控制是控制问题，不是认知问题。它能后空翻，不代表它知道为什么要后空翻。

第二件，会做。单一动作的成功率，在标准测试里已经很高。LIBERO 基准上，主流模型能跑到 98.9%——把杯子放进抽屉、把抽屉推回去，这类动作它做得比人稳。

第三件，会想。也就是把十几个动作串成一件完整的事，中途出了偏差还能自己调整。这一项是断崖。

第四件，会应变。换一个没见过的厨房、没见过的杯子，能不能照做。这一项也是断崖，只是断得更早。

后面两件才是“智能”的真正含义。而它们今天的位置，可以用一条算术说清楚。

二、一条算术，决定了天花板在哪

行业里最常被引用的一句话是：单步成功率已经 99%。

这句话没错，但它藏着一个指数。整条任务的成功率，是每一步成功率的连乘。0.99 的 n 次方，n 是步数：

1 步 99.0%，10 步 90.4%，50 步 60.5%，100 步 36.6%，200 步

13.4%，300 步 4.9%。

一百步，只剩三分之一。

墨奇智能的 CTO 黄青虬把这个算法拆得更细：硬件、软件、算法三个模块，假设各 99%，单个动作就是 0.99 的三次方，97%；而一个长程任务通常是十个动作的集合，那就是 0.99 的三十次方，73.97%。他的结论很直白：在工厂这种连续作业场景里，如果不解决长程稳定性，机器人每执行三四次任务就可能失败一次。

这不是理论推演。真实世界的评测数据，几乎就落在这条曲线上。

LIBERO 是 98.9%，但那是熟悉场景。换成有陌生厨房布局、陌生器物的 RoboCasa，同一个模型掉到 53.9%。家庭长程基准 BEHAVIOR 只有 37.0%。行业测算的长时序任务成功率是 16%。

2026年10月，GPT-6-Astra 的具身评测把这件事演示得最清楚：在仿真基准上它拿到接近满分——LIBERO-Long++ 100%、LIBERO-Pro 99.3%；换到真机、零样本，刚性物体抓放 18 次成功 17 次，看着不错；但插头插入，11 次全部失败；布料折叠 4 次成功 2 次；长程导航 23 次只成功 9 次。

同一套模型，同一批硬件。抓杯子几乎不会错，插插头一次都成不了。

所以第一条边界是：机器人的智能上限，目前不是“智力”上限，是长程稳定性上限。它不缺把一件事做对的能力，缺的是别在第 37 步出错。

人类做家务也会失手，但人会当场发现、当场重来。机器人不会自我纠错，一次偏差就锁死在整条链里，后面每一步都在错误的状态上继续执行。

三、会做，不等于会想

2026年4月的 BeTTER 预印本做了个很残酷的实验。

先让模型分别学会两套动作序列，“A→B”和“A→C”。两个都学会了。然后把任务改成“B→C”——把学过的动作重新组合一下。

结果：π0.5 成功率 5%，GR00T N1.6 是 15%，Being-H0.5 是 0%。较原序列下降 42.5 到 5

2.5 个百分点，真机实验复现了同样的失效。

这个实验比任何发布会视频都有信息量。它说明：技能库存丰富，和会调用技能、会重排技能、会按任务状态动态调整，是两层完全不同的能力。

这也解释了为什么2026年“世界模型”突然被推到台前。模仿学习只能复现见过的做法，它不知道该在什么时候用哪一招。宇树创始人王兴兴从2025年起就公开质疑主流 VLA 路线，认为语言 token 映射到物理动作空间存在难以逾越的鸿沟；光象实验室的吕尧也认为 VLA 已触到天花板，前端语言模型接后端动作头这种拼接架构，学不到物理世界的因果规律。

但另一边，工程上的突破也在发生，方向出奇一致：不是让模型更聪明，而是给它“记忆”和“分层”。

魔法原子在 WRC 发布的 Magic-VLA K02，用分层双系统：高层拆任务，低层出动作，厂商公布长程复杂任务准确率 92%、中断率低于 5%。墨奇的轮式机器人 KINO 在无人干预下用 15 分钟做完桌面清理、冰箱补货、衣物洗烘折叠，靠的是三层记忆机制——毫秒级控制、步骤级状态、任务级进度。

这些做法的共同点是：把长任务拆短，把误差关进小盒子，让每一步都有回头的机会。说白了，它们不是在提高“智力”，是在绕开指数衰减。

这条路能走多远，业内没有共识。但它至少说明了一件事：机器人的智能，会长成一个由很多专才组成的系统，而不是一个通才。

四、真正的天花板在数据，不在算法

大语言模型能吃上万亿 token，是因为人类在互联网上免费生产了二十年的文本，模型出现以后只要去组织就行。

机器人没有这样的存量。

体量最大的开源数据集 Open X-Embodiment，汇聚了 22 种本体、百万条轨迹；DROID 是 7.6 万条、350 小时。把它们加起来，仍然是千小时量级。而语言语料是以万亿 token 计的。

遥操作采集，一条一条来。这就是差距的量级。

所以决定这个行业速度的，不是模型参数，是飞轮：卖出去的机器人越多、真正在干活的越多，产生的动作数据、失败数据、长尾数据就越多，模型迭代越快。

问题在于，这个飞轮现在转得很慢。

2026年上半年出货接近 2.5 万台，拆开买家结构：科教、商演、政府数采加起来仍在六成以上；智能制造只有 13%，仓储物流只有 5%。宇树2025年前9个月的收入

里，73.6% 来自科研教育，真正的行业应用只有 9%。

一台在展台上跳舞的机器人，产生不了擦桌子的数据。

好消息是结构在变。非工业场景的占比，从2025年全年的 83.8% 降到2026年上半年的 69%，一年掉了近 15 个百分点，流向了工业制造、物流仓储和商业服务。变化是真的，只是还没到拐点。

这也是一个反直觉的地方：出货量涨了四倍，智能没有涨四倍。因为出货量衡量的是产能，智能衡量的是有多少台机器人在真实环境里犯错、并把错误变成数据。

五、还有一条被严重低估的门槛：安全

讨论机器人智能，几乎所有人都在谈成功率。但对一个要和人共处一室的机器来说，成功率不是唯一指标。

2026年的 SafeVLA-Bench 显示：一些任务成功率较高的桌面操作策略，仍有 13% 到 15% 属于“完成了，但过程不安全”；在 RoboCasa 的厨房任务里，36% 到 56% 的成功轨迹至少违反一项安全约束。

翻译一下：它把杯子放到了桌上，但中途撞了你的手；它完成了任务，但打翻了旁边的东西。成功率只回答“有没有到终点”，安全要追问的是沿途有没有伤人、有没有执行本该拒绝的指令。

工业机器人可以关在围栏里，人形机器人不行——它被设计出来，就是要走进为人准备的空间。

所以对人形机器人，“99% 成功率”不是及格线。要进入家庭，门槛更接近 99.99%，外加一条：知道什么时候该停下来拒绝。

六、那到底能到什么程度

把上面的东西合起来，可以给一个分层的答案。不是“会不会有意识”这种无法验证的问题，而是“什么时候能干什么”。

2026到2028年：结构化场景规模化。 产线定点工位、仓内搬运、零售履约。成功率可以做到 99% 以上，但前提是预标定、预扫描、固定工位。这不需要通用智能，需要的是工程和成本。这一层正在发生：智元在龙旗的平板产线上做精密上下料，在均胜电子的零部件厂做柔性装配，节拍最快 12.97 秒、成功率超 99%；星动纪元的物流方案在5省市10余个物流中心常态运营。

2028到2030年：半结构化。 家庭里的部分任务——收桌面、叠衣服、装洗碗机。但产品形态很可能是“自主 + 远程兜底”的混合，而不是全自主。王兴兴给的判据是：能在 80% 的陌生环境里完成 80% 的语音指令，才算“ChatGPT 时刻”，最快两三年，慢则五年到十年。

2030年以后：跨本体迁移、精密装配、柔性物体。 插头、线束、布料，这三件事缺的不是算力，是力控和触觉。今天纯视觉驱动的方案，在毫米级接触上仍然站不住。

不给时间表的：通用家务，以及“任何环境任何任务”。 最强通用模型在 BEHAVIOR 上只有 37%，长程导航 28.9%，插头 11 次全败。这是2026年10月的真实水平，不是五年前的。

还有一份“不会怎样”的清单，我认为同样重要：

它不会产生意识，至少没有任何可验证的路径；它不会通用到“什么都能干”，因为每增加一个场景，成本不是线性叠加；它也不会替代绝大多数岗位，卡住它的不是能力，是可靠性经济账——一台 99% 成功率的机器，配一个随时准备救场的人，成本比直接用人更高。

结语

回到最初的问题：机器人能智能到什么程度？

我的答案是：它会在很多单点上远超人类——精度、耐力、重复一致性、不知疲倦；而在“把一件没做过的事从头做完”上，它会长期不如一个六岁的孩子。

真正的分水岭不在模型里，在我们愿不愿意为它改造世界。

工厂已经改造了：产线固定、货架标准、地面画线、光线恒定，机器人进去就能干活。所以制造和仓储先跑起来。

家庭不会为机器人改造。桌子上的东西每天摆放都不一样，地板上有拖鞋，猫会突然跳上来。所以家庭是最后一站，也可能是永远差一点的那一站。

决定机器人智能上限的，从来不是参数规模，而是它被允许在多少个真实场景里犯错。而这件事，取决于人，不取决于机器。

本文数据来源：IDC《全球人形机器人跟踪报告》（2026年9月）；Counterpoint Research 2026年上半年出货数据；工信部2026年产量预计；宇树科技招股书；优必选2026年中期业绩报告；BeTTER 预印本（2026年4月）；GPT-6-Astra 具身评测（2026年10月）；SafeVLA-Bench；LIBERO / RoboCasa / BEHAVIOR 公开基准；2026世界机器人大会（WRC）公开信息；Open X-Embodiment、DROID 数据集公开说明。

文中厂商公布的准确率、订单量均为企业口径，与第三方统计存在差异，已按可核实来源标注；本文不构成投资建议。

OCR:IMG:具身智能·一条算术 单步99%，一百步只剩37% 业最常被引用的一句话是“单步成功率已经99%”，这句话没错，但它藏着一个指数，按0.99的n次方算 99.0 100 90.4 60.5 50 36.6 13.4 4.9 0 1步 10步 50步 100步 200步 300步 结：新任务全招率功的率（%） 界的数据落在这条曲线上：LIBERO基准98.9%，换到有陌生厨房的RoboCasa掉到53.9%，家庭长程基准BEHAV .0%，行业测算的长时序任务成功率16%。机器人不缺“会做”的能力，缺的是别在第37步出错。 99n次方计ER38.9%RobC39%为Being-H5公开BEHAVR37%为GPTAs2026-10长时1 1

OCR:IMG:具身智能·一个实验 两个动作都学会了，换个顺序就不会了 026年4月的BeTTER预印本做了个很狠的测试：先让模型分别学会“A一B”和“A→C”两套动作，再要 “B一C”三款主流VLA模型的成绩： T0.5 GR00TN1.6 Being-H0.5 原序列完成良好 原序列完成良好 原序列完成良好 5% 15% 0% 往高按成功率等比给制，第三根没有柱子 下降42.5到52.5个百分点，真机实验复现了同样的失效。技能会了，调用技能、重排技能、按任务状态调整技能，是 这解释了为什么2026年“世界模型”突然被推到台前：模仿学习只能复现见过的做法，它不知道该在什么时候用哪一 数：BTTR预本（22604）：投型名选用公开进理