专题：第28届北京科博会-未来产业推介会
第28届北京科博会-未来产业推介会于2026年5月8日在北京举行。贝恩公司全球合伙人大中华区高科技业务主席成鑫出席并发布报告。
以下为演讲实录：
成鑫：谢谢主持人，也感谢科博会的邀请。今年是我第二次就这个话题和大家交流。今天我会围绕下午的主题，更多从产业角度，谈一谈我们对具身智能落地应用的一些看法：包括大家都在问哪些问题？我们会建议从哪些维度来思考？主要是从这些角度跟大家做一个交流。
贝恩是一家全球性的管理咨询公司，我们一直在持续关注具身智能和人形机器人的发展。过去一到两年里，我们主要从几个维度来观察和研究这一领域。
第一个维度，是围绕不同国家和地区的产业发展趋势和特点，重点包括中国、美国以及欧洲这三个部分。
第二个维度，是从三个不同视角来观察：
• 第一，从机器人行业从业者的角度，看他们如何判断行业的发展路径；
• 第二，从投资者的角度，看他们如何看待未来的发展趋势和投资机会；
• 第三，也是我们认为最重要的，从应用行业客户的角度，看他们如何感知和参与这一轮产业变革。
第三个维度，是从机器人产业链的不同环节出发，在不同区域有不同侧重，这一块也是我们过去一到两年研究工作的核心重点之一。
下面想跟大家分享一下，我们在与客户交流时，他们普遍在问哪些问题。我相信这些问题，在座各位多多少少都会有一些共鸣：
• 第一个问题：在机器人价值链中，应该优先布局和扩展哪些环节？我们的致胜优势究竟在哪里？
很多先进制造企业，如果希望在这条赛道上分享一部分价值，经常会从这个问题切入。
• 第二个问题：在 Physical AI 领域，适配的合作模式和投资标的有哪些？
这个问题既来自投资者视角，也来自行业应用方的视角。
• 第三个问题：从机器人的概念验证到实现大规模部署，还需要多长时间？现在值得开始认真考虑吗？会不会太早？此时应该做什么准备？
这是我们过去半年被问到最多的问题之一，尤其是来自全球客户，特别是欧洲和东南亚客户，问得格外频繁。
• 第四个问题：机器人产业将如何重塑对我们既有产品的需求？新的利润池在哪里？
很多高端制造企业——传统上可能做新能源汽车、消费电子——在这一轮大潮之下，都在思考如何重新卡位，这也是他们经常抛给我们的话题。
• 最后一个问题：如果我们从成熟的消费者业务切入机器人赛道，如何构建一条清晰可信的价值创造路径？
这类问题，往往来自终端型企业——他们原本在做工业解决方案，或消费品解决方案，现在希望切入机器人赛道，无论是消费级机器人还是工业级机器人，都会问：现在行业已经走了很长一段时间，大家殊途同归；关键是，下一步应用落地的场景在哪里？我们如何参与到这个过程，实现自身价值的最大化？
站在行业应用者的角度出发，我们大致有几条核心观点，这也是我们平时与行业客户交流时重点讨论的内容。
1． 整体来看，机器人，尤其是具身智能、人形机器人，是未来决胜 Physical AI 的必由之路，也是绕不开的必答题。这一点我们判断得非常明确。
2． 我们认为整个产业已经迈入发展的关键拐点窗口期：一方面是技术的快速迭代，另一方面是成本的持续下探，这两条路径目前都已经相对清晰，这是我们对大势的总体判断。
3． 在所有产业链的关键控制点中——包括具身模型、数据、本体精度与成本，以及场景规模化部署的成本和效率——场景化的知识与数据是终端企业实现机器人价值的核心抓手。
现在很多企业，尤其是海外客户，会担心自己只是被动的使用者，但事实并非如此。恰恰因为他们能够提供大规模、真实的场景数据，这反而成为其切入这一领域、乃至打造本行业标杆级解决方案的关键抓手。这是第三点。
4． 我们一直在呼吁终端企业能够与机器人从业者开展深度合作，尽早锁定核心资源，构建行业先发优势。很多企业在思考要不要做、该怎么做，但往往不知道从何入手、和谁合作。我们非常希望应用端的企业，能够更主动地迈出关键一步。
同时，贝恩也非常希望能为行业从业者、应用方以及投资者，提供我们在这一领域的洞察和价值。
我简单展开讲一讲。
我们一直在强调：具身智能是未来决胜 Physical AI 的必答题，原因大致有几点。
• 它有可能重塑出一个全新的产业，就像当年智能手机兴起时的情形一样。
• 它是 AI 实体化的重要载体。过去这么多年，大家一直在讨论 Physical AI 的不同载体，包括 AIPC、AI 手机、新一代智能硬件等，但如果把这些路径综合来看，最后都绕不开“机器人”这一形态——它是释放 AI 全部潜力的最佳载体之一。
• 人口老龄化与劳动力短缺问题，尤其在欧洲市场已经非常严峻。当这些趋势叠加在一起，我们认为：具身智能机器人这个产业，确实是决胜 Physical AI 的必答题。
关于未来趋势，相信大家已经看过很多不同的预测。我们把各方信息综合起来判断，到2035年，全球人形机器人销量在乐观情况下有望达到约1300万台，在基准情形下也可能达到600万台量级。这将是一个万亿级市场，涵盖整个产业链的各个环节。这里面还没有把未来可能衍生出的增值商业模式计算在内，比如 Robot as a Service，以及围绕它的一系列服务和增值服务。
从当前来看，整体出货量仍然集中在若干细分领域，这一点大家都很清楚：包括数据采集、娱乐导览、科研教育，以及工业、商业领域的各类 POC，很多还处在验证和试点阶段。但我们依然相信，随着技术迭代路径和成本下降路径愈加清晰，未来会逐步形成一批较为明确的落地应用“波次”。
在我们看来，第一波应用仍然会集中在工业领域，随后会向商业领域延展，最后在家庭和 C 端场景落地的难度会相对更高一些，这是我们当前的判断。这个判断，主要是基于四个关键维度：
1． 该场景的投入产出比如何；
2． 该场景相关技术本身的成熟度；
3． 该场景需求的迫切程度；
4． 在合规要求，以及社会与心理层面的接受度。
这四个要素，基本构成了我们判断哪个行业、哪些场景更有可能率先实现规模化落地的核心标准。
这里我想特别强调一点：从“终局”来看，具身智能并不是为了替代之前所有的解决方案。过去的解决方案包括人工，也包括传统机器人和机械臂等自动化设备。未来更可能的状态，是多种形态并存、协同共处，而不是“旧方案被完全替代”。
我们用两个具体场景打开来讲一讲，也是在和大家交流时被提及最多的两个方向：制造业和建筑业。
先看制造业——这是目前讨论最热的领域之一。
当具身智能进入工厂之后，它与现有传统自动化方案（包括机械臂、工程师和一线工人）的协同机制会发生什么样的变化？我们做了一个较为系统的分析。我相信大家多少都在客户或合作伙伴那边听到过类似的讨论片段。
如果把不同工业场景下的工作内容做一个简单分类：
• 从最上端的高精度、可重复脚本化运动；
• 到弱泛化感知抓取类的操作；
• 再到高阶规划、空间推理、敏捷移动相关的工作；
• 以及较低智能泛化操作；
• 直至最后那些对力控和精细作业要求极高的任务。
在前面若干环节，其实并不一定需要最新的具身智能方案，传统工业机械臂以及成熟的自动化系统已经可以很好地覆盖。
越往后，越需要具身智能方案介入，提供更优、更高效的整体解决方案。我们的测算显示，在“工业5.0工厂”的典型场景中，人形机器人和具身智能大致会承担约两到三成的工时占比，保守情况下可能在一成半左右；剩余约五成仍由传统自动化和机械臂承担，还有一部分则需要人工完成。这是我们对未来工业5.0场景的判断——并不是把现有方案一刀切地全部替代。
第二个例子，是我们最近聊得比较多的建筑领域。
在中国本土相关实践相对少一些，但在海外尤其是欧洲、美国，相关讨论和试点非常多。我们经常问：如果往前看一段时间，未来的工地可能会是什么样子？
我们做了一个相对大胆但有依据的设想，并总结了几个核心特征。比如：
• 规模化、自主化的土方工程：AI 驱动的挖填作业、地形扫描、激光找平，以及压实车队，在极少人工监督下实现全天候运行；
• 现场有多个机器人加工单元；
• 有“人工 + 人形机器人”的协作团队；
• 有自主运行的工地物流网络；
• 有嵌入式的质量与规范检查；
• 有专业的机器人施工小队；
• 以及基于 AI 的实时排程和调度引擎。
我们认为，建筑业同样是一个非常有想象空间的落地场景，具身智能、人工以及更广义的 AI 都会在其中发挥各自应有的作用。
从价值角度看，这里的空间也很大。
比如以建设一个 1GW 数据中心为例，如果把整体成本拆开来看，可以清楚地看到其中有相当比例来自人工成本。进一步分解这些人工投入，就会发现有大量工作是可以通过引入新的机器人及 AI 解决方案，来提升效率和价值的。
我们判断，机器人有可能从根本上重塑未来建筑行业的底层逻辑：
• 逼近“零事故”的工作状态；
• 显著降低建筑成本；
• 在海外缓解用工短缺压力；
• 明显加快工程整体进度；
• 同时拉低一揽子综合成本。
这只是两个例子，想说明的是：在大量场景中，都需要与机器人产业深度协同，才能真正把这些价值释放出来。这些价值是实实在在摆在那里的，尤其在许多海外市场，已经有非常强的现实驱动力。
当然，所有这些愿景的实现，都依赖于从业者在技术与成本上的持续突破，这一点大家都很清楚。无论是具身大模型的成熟、数据采集与仿真，还是芯片、灵巧手、本体装配与量产，整体的成本和效率都还需要进一步提升。
我在这里重点强调一件事情——和数据相关。
前面一直在讲从应用者的角度看问题，其实“数据”是各行业企业可以主动拥抱机器人生态、与生态伙伴一起把事情往前推进的关键切入点。
我们举一个案例：某全球机器人企业与某领先制造企业在美国的一项合作。
他们通过真实场景做数据采集，并与另一家全球科技企业的标准化场景进行交叉验证。
• 测试场景搭建在这家制造企业位于美国的一家工厂中，这是一个高度标准化的仓储场景；
• 现场打通了原有的 EMS 和物流系统，可以实时获取任务指令；
• 数据采集覆盖了三个核心物流任务，包括线边供料、料箱转运等；
• 同时对数据格式和标准做了较为严格的定义，这也是数据采集中非常关键的一环；
• 后续还进行了系统的数据清洗工作。
整套流程跑下来，既把这个场景打通，也显著提升了模型和机器人的整体表现。所以归根到底，我们还是回到那句话：场景化的真实数据，是终端企业实现机器人价值的核心抓手。很多企业着急想参与，但不知道怎么参与、从哪里下手——其实提供并共建真实场景数据，就是最核心、也最有价值的参与方式之一。找到你愿意开放和打磨的场景，大家一起来合作、一起去试错，最后就有机会沉淀出既适合自身、又有望成为行业标准化解决方案的路径。
在与业界企业交流时，我们也会一起探讨与机器人行业合作的多种方式。
从最传统的采购模式开始，越来越多的企业在往后走：
• 共同研发；
• 少数股权投资；
• 一起打造定制化解决方案；
• 联合打造行业标杆级解决方案。
越往后，越是需要用更开放、更深度协同的方式来探索这个行业的未来。
这些事情真正落地，对企业自身的要求是很高的，与今天大家在落地 AI 项目时需要具备的基础条件非常相似。
• 首先，要选择业务影响力高的切入点。很多人会问：做这件事值不值得？为什么要花这么大力气？所以一开始就要选对“高影响力场景”。
• 其次，要尽早识别和解决落地过程中的关键约束条件。
• 第三，在做机器人部署时，不能仅仅把它当作一个简单的 plug-in 概念，而是要重构整个工作流程，而不是简单地“在原流程上叠加一个机器人”。这点和 AI 的落地非常类似：AI 的核心在于重塑组织与工作流，而不是在原有体系上不断“堆功能”，否则越做越重，效果反而不明显。
• 再往后，是要在关键环节实现自主掌控与系统集成，而不是完全外包。要想清楚：哪些能力必须自己掌握？哪些可以通过生态合作来补齐？
• 最后，是要构建可持续的长期优势：在未来技术不断迭代的过程中，作为使用者，你希望牢牢掌握哪些核心价值点？
如果一家公司认真考虑部署机器人，这些问题都需要从企业战略和组织层面系统地想一遍。
最后，再给贝恩做一个小小的“广告”。
我们在全球范围内——包括中国、美国和欧洲——都在密切关注机器人及具身智能领域的演进，非常期待有机会与投资者朋友、机器人产业的各位伙伴一起，探讨机器人带来的新机会：包括机器人进入新行业时的战略路径、投资机会的把握，以及应用场景的设计与落地。我们也希望，能够在这些方面为大家提供真正有价值的支持。
我今天的分享就先到这里，希望能给各位带来一些启发。谢谢大家！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
责任编辑：梁斌 SF055
kaiyun.com，球友会app下载，
开云体育app下载相关资讯：qyh，