2026 年的人形机器人，走红毯很容易，进车间很难。展会上的后空翻、发布会上的流畅对话赚足眼球，但企业采购经理问的永远是同一句话：「它一天能稳定工作几个小时，坏了谁修，多久回本？」这篇拆解具身智能从演示到上岗的四道硬坎。
坎一：数据——真机数据贵，仿真数据假
具身智能的燃料是「动作数据」，而它比文本数据贵几个量级：遥操作采集一小时真机数据，成本远高于标注一万条文本。仿真数据便宜，但物理引擎与真实世界存在差距（摩擦、形变、光照），在仿真里练成的技能迁移到真机常打对折。行业共识正在形成：仿真大规模预训练加真机小样本精调，是当前性价比最高的组合，数据配比本身成了各家机密。
坎二：泛化——同一件事，换个房间就不会了
机器人在训练场景里成功率 95%，换一间光线、布局稍变的房间就掉到 60%——这是具身智能最典型的泛化问题。它同时考验视觉鲁棒性、抓取策略与任务规划三层能力。评测界的态度也在变化：不再看单一场景的漂亮数字，而是看跨场景、跨物体、抗干扰的平均分。对采购方来说，验收时务必换环境复测，演示间里的表现不算数。
坎三：安全——1.7 米、60 公斤的「同事」
人形机器人是以人的形态进入人类空间的，这意味着安全标准没有先例可循：力控上限、急停冗余、跌倒姿态保护、人机共处的距离策略，每一项都要通过验证。工厂之外的场景更复杂——老人陪护、商场导览，一旦出事是舆情级事件。安全认证周期长、成本高，却恰恰是从「玩具」到「设备」的分水岭。
坎四：成本——BOM 账与运维账
硬件 BOM 在快速下探，但真正的成本藏在全生命周期里：关节模组的寿命与更换成本、备件库存、现场运维人力。目前一台人形机器人的综合持有成本，仍高于「一个工人加一台专用设备」的组合。回本模型能跑通的场景有三个特征：高危险性（替代人不值得）、高重复性（专用设备做不好）、高柔性（产线换型频繁）——同时满足的场景比想象中少，这正是落地慢的真实原因。
谁会先跑到终点
两条路线在赛跑：专用形态（轮式底盘加双臂）先用成熟部件把任务做扎实，人形形态赌终局的通用性。历史经验偏向后者在长期胜出、前者在短期落地。对内容与娱乐行业来说，机器人剧场、赛事与互动展览可能会先于工业场景形成商业闭环——毕竟观众不为效率买单，为新鲜感买单。
智能体软件侧的落地方法论见《AI 智能体落地五道关》；硬件体验的验收红线见《AI 玩具陪伴硬件》；机器人与智能硬件内容合作欢迎通过联系合作沟通。