对话优必选谭旻：具身机器人如何实现规模化量产？

作者 | 金旺

栏目 | 机器人新纪元

2026年，看够了机器人跳舞、打拳、后空翻的投资人和从业者，对具身机器人有了不一样的期待。

于是，我们在WRC 2026现场看到越来越多机器人团队将产业需求和具身技能结合，开始展示他们的具身机器人产业落地思路。

与此同时，在具身机器人逐渐走向生产环境时，规模化量产，也成了这一年具身机器人领域的一个关键词。

作为国内人形机器人第一股，在与诸多工业场景方陆续建立起合作关系后，优必选在今年也提出了，2026-2027年要在工业场景实现万台规模具身机器人的量产和交付。

我们在WRC 2026现场见到了优必选首席品牌官谭旻，他告诉我们，“只有实现自主化部署，规模化量产和部署才可能成为现实，优必选通过在‘大脑’上的持续投入，让机器人本体与‘大脑’进一步融合，推动具身机器人从千台量产一步步走向万台量产。”

01 万台规模量产，难点在哪里？

问：2026年-2027年，优必选要在工业场景实现万台具身机器人的量产和交付，要实现这一目标，难点在哪里？

谭旻：优必选从2024年初就已经开始投入到工业制造领域中，在这两年多时间里，优必选工业人形机器人Walker S系列，经历了S、S1、S2，今年下半年还将会迭代到S3，短短两年多，我们就迭代了四代产品。

我们是通过多次迭代，不断在多个场景中进行测试和验证，从而跑通工业人形机器人全流程，这是非常关键的。

2025年，优必选实现了超过1000台工业人形机器人的量产，并在这些机器人下入到真实场景中后，在真实工业环境中不断采集真实数据，这些在真实工业任务和环境中采集的数据，再把真实数据用于模型训练，这是我们看到的第一个难点。

第二个难点是人形机器人软硬件是一个耦合系统，不只需要真实环境数据，还需要高效仿真环境。

你必须拥有真实环境数据，搬运、分拣、质检等真实环境数据，可以弥补仿真环境上的不足，帮助在高效的仿真环境中训练机器人的各种行为模式和长序列任务执行模式下训练的模型查漏补缺，并把训练结果更好地应用到工厂环境中。

与此同时，你还要有更高效的模拟仿真训练环境，在此基础上，无论是软件迭代，还是硬件机器人本体的迭代，都必须同步进行，并由此形成具身机器人进化和迭代的闭环。

由此也才能让机器人本体与软件进一步融合，才有可能推动具身机器人从千台量产一步步走向万台量产。

问：在服务工业客户的过程中，工业企业对人形机器人最迫切的需求是什么？

谭旻：其实人形机器人在工业场景中的应用还处于很早起的阶段，目前他们非常想要了解人形机器人到底能够做什么。

为此，我们进入很多工厂做实地调研，对工业场景的工作流程进行了梳理，最后从现有工作中收拢出搬运、分拣、质检三个我们认为现阶段人工智能与具身智能相结合后，可以真正在落地场景中实现的任务。

问：工业场景应用机器人有一个关键指标是无故障工作时间，优必选工业机器人现在无故障工作时间的极限是多少？如何解决具身机器人在工业场景的可靠性问题？

谭旻：优必选的工业人形机器人一直在迭代，目前已经到了第四代，每一代迭代都是一个持续解决问题的过程，要解决无故障工作、使用率问题，还要进行结构进化、电池方案优化，从而保证具身机器人在工业场景中能够更长时间的无故障运行。

如果要与人类工人相比、让机器人真正实现像人一样工作，人形机器人仍处在非常早期阶段，以优必选的人工智能+人形机器人的能力，目前已经实现了30%的人效比，一台机器人差不多能完成一个工人三分之一的工作量。

此外，我们还创新地推出了机器人换电方案，Walker S2可以通过双臂协同实现电池与仓体的精确对准，实现了在没有人工干预或关机情况下3分钟极速自主换电，从而实现了机器人24小时不间断运行方案。因为只有持续运行，才能一步步搭建完善的工厂运营体系。

以物流行业分拣场景为例，工业人形机器人在分拣场景的人效比在70%以上，每小时分拣量已经达到1000件，目前人工分拣速度大约是每小时1500-1600件，我们希望它今年年底分拣效率可以进一步提升，达到每小时1300-1500件。

再加上机器人具备24小时工作的能力，从全天工作总量来看，它已经可以超过一名工人的工作总量。

问：30%的人效比，在整个行业中处于什么水平？

谭旻：单看一个参数没有太大意义，更重要的是全尺寸工业人形机器人的实际部署情况，我们工业人形机器人无论是部署数量，还是与世界500强客户合作的规模效应来看，优必选的机器人都已经得到了相对广泛的实践。

问：优必选如何在保证性能的同时，逐步推动具身机器人降本？

谭旻：过去三年，优必选每年研发投入占收入比例都在30%至40%，这是非常高的比例，其中一个重点就是研究院的项目，包括大模型投入和机器人大脑建设，我们对此非常重视。

这也是为什么我们的机器人能够进入更多不同的产线进行群体协作，这是一个很重要的基础，有了这一基础，我们才能提供更高品质的产品。

我们很多客户都是世界500强企业，他们更加注重可持续发展，机器人在工厂里的实训和验证不是一年就能完成的，而是一个需要我们和客户持续共创的过程，我们进入客户工厂实训，也不是一次性投入，而是持续投入并不断迭代。

机器人要持续进行模型迭代、硬件本体迭代，并在现场解决方案层面实现软硬件共同升级，只有建立在这种综合迭代的基础上，才能提高解决方案的品质，这是重中之重。

如果机器人没有“大脑”，不能自主部署，那么生产再多机器人都没有意义，因为把机器人部署到现场后，我们不可能让每台机器人后面都跟着一位工程师，只有实现自主化部署、规模化量产和部署才可能成为现实。

规模化量产又会帮助我们降低成本，更好地整合上下游，把新材料和核心零部件做得更加一体化、一致化、可持续化，同时让成本一步步下降，我认为，这是一个环环相扣的过程。

02 优必选如何造机器人“大脑”？

问：优必选今年也发布了Thinker系列世界模型，您怎么看世界模型对人形机器人未来发展的推动作用？

谭旻：优必选在大模型的投入基于我们过往在研发上的持续投入，尤其聚焦于机器人大脑框架结构上。

大语言模型的突破对机器人行业发展起到了推动作用，但真正有效的模型还没有出现，所以我们坚定不移地在从三个方面推进这件事：

第一是基座模型，我们首先搭建基座和框架结构，推动机器人理解任务、理解现实环境，尤其随着语言大模型和视觉大模型的发展，这方面能力进展很快。

第二是基于真实环境采集数据搭建起初步的世界模型框架，这部分我们仍在一步步探索，因为在全世界范围内，这也是一个全新的概念。

我们会先搭建垂直行业模型，例如面向工业智能制造的垂域模型，具体来说，我们会在搬运、分拣、质检等场景中，一步步收集真实环境数据，把人工智能连接到智能制造工厂环境，从而搭建世界模型中的工业垂域模型。

基于此，来让机器人逐步提升对任务的理解和长任务执行能力，在部分垂直领域率先实现世界模型的框架结构。

第三是行动模型，机器人在完成理解、推理和任务拆解之后，最终还要知道如何执行任务，这就要求在一个算力平台上统筹多个多模态大模型，这是优必选的优势，在这个基础上，我们才能一步步搭建面向工业智能制造的多模态模型，支持具身机器人进行规模化量产和应用。

问：这三个环环相扣的模型，与此此前说的大小脑融合有什么关系？

谭旻：本质上是一回事，只是称谓有所不同。

过去我们讲大脑、小脑和本体，但这种说法比较笼统。所谓大脑，很多时候是指机器人能够接收和理解信息、分析信息，并完成交互，小脑更多负责连接和操控本体、完成运动控制，这仍然是一个笼统的划分。

现在我们先训练基础能力，我们的机器人大脑部分不仅有LLM，还有很前沿的多模态能力，诸如视觉、听觉，以及与整体运控整合起来的前端基座。例如在Think世界模型上，平台端还需要更多数据、模型架构和推理架构，这些都还处于探索阶段。

我们按照这一框架搭建垂域世界模型，它首先强调实用性，而不是通用性，也就是说我们会先做单一场景的框架，之后可能从3-5个、5-10个场景，这样的话，我们的世界模型就会像拼图一样一块块拼起来了。

问：今年下半年将发布的Walker S3，有哪些能力提升值得我们期待？

谭旻：过去三年里，我们一直以“小步快跑、快速迭代”的方式迭代工业人形机器人，也通过多模态、多元化的产品矩阵，在不断满足客户在不同产线上的需求。

下半年即将发布的新品Walker S3将会在三项关键能力，带来新的提升：更长的续航能力、更轻量化的机器人结构，以及更高的动态能力。

当然，最关键的还是机器人大脑的发展。

今年无论是在超级工厂、数据采集中心，还是在真正进入工厂实训场景，都会将我们“三个模型”有机结合起来，推动基座模型、世界模型和行动模型共同发展，这也是我们非常期待的软件升级。