告别展厅花架子：具身智能为何押注“实景实训”？

机器人在哪里练，练成后用在哪里？当前具身智能行业的共识愈发明确：把训练场直接搬进真实的生产工位，建设“产训一体”的实景实训平台。

中国信息通信研究院《具身智能训练场研究报告》显示，训练通用具身模型至少需要千万小时级真实交互数据，而目前全球可用的高质量真机具身语料仅在百万小时量级，存在近一个数量级的鸿沟。大语言模型可以抓取互联网公开文本自学，机器人却必须在物理世界中一寸寸“磨”出动作数据。如果仅依靠专家遥控真机采集，单机产出每天通常只有数十小时。行业迫切需要的不是又一间演示展厅，而是能打通采集、标注、训练并支持失败样本回流闭环的数据流水线。

训练场广布，真正的“考场”依然稀缺

截至2026年年中，全国已建成及在建规划的具身智能训练场已超百家。然而，场景同质化严重、数据产能不足、流通不畅等问题逐渐凸显。实验室与仿真环境中表现出色的机器人，换到新产线、新货架往往需要“从零学起”，仿真与现实之间的物理鸿沟仍待弥合。

2026年6月，工信部联合国务院国资委启动人形机器人与具身智能实景实训专项行动，核心目标就是以生产作业工位等真实业务场景为载体，积累高质量真机数据。实景实训平台的价值不在于场地规模，而在于数字世界距离真实订单有多近、失败样本能否有效反哺模型迭代。

从实验室到量产线：四环聚力推进

以上海浦东的产业实践为例，一条围绕“训练、生产、回流、培养”的具身智能落地链条正在成形：

1. 训练：从动作拆解到数据工厂
具身技能教学首先始于动作拆解，形成“原子级技能包”。例如将复杂的家务操作拆解为抓取、移动、装盘等独立动作。同时，操作失误的数据同样关键——标准操作教机器人“怎么做”，而磕磕绊绊的错误数据则能教模型如何在失误后自我修正。智元在浦东建设的数据采集工厂中，AgiBotWorld工程已覆盖家居、工业等场景下的217个复杂操作任务与87个原子技能。

2. 生产：进入工业节拍大考
实景实训最终要到量产线上答卷。在上汽通用奥特能超级工厂，由上汽通用与智元联合研发的“能仔1号”人形机器人已在电池量产线上承担电芯抓取、上料等工序，累计完成近8万件工件作业，开动率稳定在98%。

在全球汽车制造业中，类似探索同样密集展开。宝马斯帕坦堡工厂部署的Figure 02机器人累计运行约1250小时，搬运超9万件钣金零件；梅赛德斯-奔驰也在柏林园区引入Apptronik研发的Apollo人形机器人测试物流搬运。机器人开始接受严苛的工业节拍与高可靠性检验。

3. 回流：部署中持续学习
解决现场问题的核心在于反馈回流机制。上海创智学院与智元联合提出的LWD（Learning While Deploying）框架，让真机交互数据能够实时回流并在线更新策略。测试显示，在线LWD让泡茶、调酒、收纳等长程任务的成功率最高提升了17%，多任务平均成功率达95%。

4. 人才：新工种催生职业化
产训一体催生了新人才需求。人社部此前正式增设“具身智能机器人应用技术员”新职业，下设数据采集员与训练师。伴随移动采集方案的普及，训练数据正从传统封闭影棚向多元现实场景延伸。

打造永不落幕的公共考场

让具身智能实现跨越的，不是机械的重复示教，而是把考场搬到真正干活的地方。目前，产业界正加速构建“训—赛—产—融”闭环，打造长期开放、用于实训验证与技术迭代的公共基础设施。从实验室到车间工位，具身智能正在经历从“能演示”到“能作业”的关键蜕变。