这是我的第440篇专栏文章。
11月2日，2026世界物联网博览会最后一天，我主持了“2026无锡梁溪科技城机器人产业发展与项目对接会”。
一位北京来的投资人上台先感叹北方入冬早，接着话锋一转：具身智能也变天了。两年前，这个赛道融资不过30多亿元，今年上半年飙升到935亿元，日均吸金约5亿。
热度来得快，退得也快。
入秋后热度骤降，9月融资额跌去40%。他说：“汽车用200年才变成今天的样子，大家却希望机器人用5年走完。”
降温之后，具身智能的价值会沉淀在哪里？
很多人首先想到“大脑”，但这恰恰成了眼下分歧最大的地方。
这位投资人对大脑很警惕。因为AI存在可怕的“成本崩溃”，今天花1000万做出的能力，十个月后别人花100万就能搞定，而在最近的一次试验中，一款通用大模型未经专门训练，就直接完成了大部分指定的机器人操作任务。但同在物博会上的星海图却给出了相反判断：核心竞争力仍是模型。
两种说法并不矛盾，只是分属不同周期。
涨潮时，资本为“上限”买单，看模型能有多聪明；降温时，客户只看“下限”：机器能不能不坏，数据能不能合法地用，出了事到底由谁负责。
这三条决定生死的底线，正是具身智能眼下必须跨过的三道关：身体关、数据关、身份关。
身体关：胜负手在产线不在大脑
铁路刚兴起的时候，生铁轨极不耐磨，繁忙的线路需要频繁更换，卖铁轨的公司因此赚得盆满钵满。直到1856年，英国人贝塞麦发明了新的炼钢法，坚固耐磨的钢轨变得足够便宜，铁路摆脱了频繁换轨的泥潭，这才成了全世界离不开的交通工具。
今天的机器人，很像铁路早期的样子：买得起，修不起。
一方面，价格曲线在陡降。据中亿集团介绍，他们在深圳的项目中，一台人形机器人的价格已从去年的50万元左右降到了10万元左右。核心零部件也在快速变便宜，做触觉传感器的帕西尼，把一个传感器的价格从数万元打到了一百多元。
但另一方面，可靠性曲线却没有跟上。做机器人租赁和维保的中亿对此也深有体会。据他们反馈，现在的本体“确实很容易坏”，上门安装、交付、维修一小时要收500元；照现在的状态，一台人形机器人交付以后，本体厂商一年要承担的维保成本高达4~5万元。
购机10万元，一年的维保就要再付将近一半。整机价格降得越快，维保的占比越高，出现了“维修倒挂”的怪圈。
更深一层的问题在于，系统的可靠性是“乘”出来的。
工程上常用“几个9”来描述可靠性，一个9是90%，四个9是99.99%。目前具身智能在很多任务上的成功率还不到一个9；真正进工厂需要四个9，进家庭需要六个9，进医疗等敏感领域需要八个9。大家通常把这组数字理解为对“大脑”的要求，其实“身体”也是乘数之一。
假设模型的任务成功率做到了99.99%，机器却有5%的时间在趴窝等维修，对客户来说，这仍然只是一台95%可用的机器。大脑的“9”攒得再多，也会被身体的短板吃掉。
好在，转向已经发生。
一家苏州的关节模组企业说，客户最关心的已经从价格变成了安全，要求关节连续运行两小时后温度不超过60摄氏度，他们月底将投产一条自动化率90%以上的关节装配线。做灵巧手电机的一家初创企业，则用多层PCB板印刷出定子，替代一致性难以保证的手工绕线。
具身智能真正走向普及的拐点，大概率不会是某一项惊人的发明，而是制造一致性的提升：绕线换成印刷，手工装配换成自动化产线，让机器人从“手工艺品”变成皮实的“工业品”。
毕竟，可靠性是一个制造问题。
数据关：拦路虎在权属不在采集
即便身体和大脑都过了关，机器人真要下场干活，特别到了陌生环境里，还得先解决一个问题：教它干活的语料和知识从哪来？
目前，行业获取数据主要有两条路。
第一条路是“挖井”模式：通过人工遥操作机器人，或者让人穿戴设备来采集动作。这类数据质量高、源头清晰，但成本极高、覆盖面窄，很难规模化。
第二条路是“淡化海水”模式：全球有数十亿个摄像头，其中约三分之一装在商业和工业场景里。一台摄像头一年能记录上万小时的画面，里面藏着海量的人类工作过程，包括产线工人的操作、超市员工的理货、后厨厨师的切配…这些数据的边际成本几乎为零，难点在于冗余太多、有效信息太稀疏，直接拿来训练，模型会像人喝海水一样“越喝越渴”。
不过，技术上已经有了突破。清华大学自动化系封硕副教授提出的“密集学习”方法（曾于2023年登上《自然》杂志封面），能把监控视频中高价值的部分“淡化”出来，用于机器人的训练。用他的话说，这已经把数据从一个“采集问题”变成了一个“生产问题”。
既然“淡化海水”的技术有了答案，真正的拦路虎在哪？
在于数据的权属与合规。
“挖井”得来的数据，自然归挖井人所有；但“海水”的主人却是场景方。那些遍布工厂、商超、写字楼以及“明厨亮灶”后厨里的摄像头和传感器，原本是为了安防和监管而装的。
便宜的数据，就躺在物联网行业数十年铺下的存量里，但真正昂贵的，是给它们办一张合法的“出生证”。
谁有权去“淡化”这些数据？淡化后的收益怎么分？行业还没有答案。
特斯拉的路径，在这里却走不通。
特斯拉的自动驾驶之所以能快速进化，靠的是上百万车主在日常驾驶中几乎免费地回传数据。车主愿意配合，是因为他们首先买到的是一辆好车。
没有智能的特斯拉，依然是一辆好开的电动车；但没有智能的机器人，连基本的商业模式都不成型。
机器人行业，还没有这样一群可以源源不断贡献合规数据的“车主”。
身份关：通行证在规则不在性能
再回到开头那句话：汽车用了200年，才变成今天的样子。
这200年里，汽车行业一半的功夫花在造车上，另一半花在造规则上。
车要上牌，人要考驾照，路上有交规，出事有保险，车辆要定期年检，有缺陷要召回，停产后厂家还要保障配件供应。正是这套制度，才让一个高速移动、可能伤人的铁疙瘩，变成了千家万户放心使用的日常工具。
如今，机器人走上公共岗位已不再是设想。但机器人要想真正“持证上岗”，行业里还得先建起一个“车管所”。
拿汽车的那套制度逐项对照，机器人缺了不少：
上牌，对应身份登记。每台机器人应该有一个可验证的唯一身份。这件事物联网早就在做，从设备编码到这届物博会上中国移动展示的AI-eSIM，设备身份管理有了现成的技术基础。
驾照，对应分场景的上岗资质。前面提到的“几个9”，可以作为资质等级的标尺：四个9可以上产线，六个9可以进家庭，八个9才能进医院。
年检，对应定期的第三方测试。查的是硬件身体，也就是刚刚讲的制造可靠性。
档案，对应数据的“出生证”和行为日志。保证每一次行动都可追溯，对应数据合规与可信。
保险，对应责任兜底机制。回答的是“万一出了事，到底由谁负责”。
可以看出，这个“车管所”本质上是把前两关的要求落成了制度：年检管身体，档案管数据，上牌和保险管身份与责任。
好在，建造“车管所”的砖瓦已经在准备中了。只有当制度的另一半拼图凑齐，机器人才算真正拿到了走向人类社会的“通行证”。
写在最后
无论是百年前的汽车，还是过去数十年的物联网，它们的普及都证明了一件事：技术决定了产品能跑多快，而工程与规则决定了行业能走多远。
一边靠制造体系把硬件打磨成熟，一边靠确权合规让数据有据可查，再靠制度标准把社会信任连接成网，具身智能要把这三步走完。
