9月8日，小鹏机器人生产线正式启用，首台通过该产线完成自动化总装的高阶通用人形机器人自主走下产线。根据公司公布的安排，小鹏计划于2026年底进入规模量产阶段，并于2027年进行产品上市和交付。

按照小鹏的规划，机器人将首先进入小鹏门店和园区，接受真实任务的检验：能否持续稳定运行，维护和适配成本有多高，遇到异常时需要多少人工介入。

制造能力正在推进，如何让机器人适配真实业务、承担持续任务，这种从“造出来”到“用起来”的转变，成为广东具身智能产业的重要课题。

广东省多家具有不同技术特色的人形机器人整机企业，如优必选、自变量、智平方、逐际动力等分别从不同环节推进。另一家广州企业云蝶也在从环境增强与真实场景切入具身智能。将观察范围延伸到这五家企业，可以看到工业实训、具身大脑、运动控制与场景系统等不同的探索重点。

优必选：把机器人带入生产流程

据新华社报道，优必选Walker系列人形机器人已进入比亚迪、吉利等车企生产一线开展工业实训，并拓展政务服务、科普教育等应用方向。

进入生产一线后，工业实训由此成为连接产品研发与实际作业的环节。机器人需要适配既有工位、遵循作业节拍、与设备和人员协同，并在重复任务中维持稳定表现。

这些现场经验也帮助行业建立更细的评价尺度。走进工厂、完成测试、持续交付，对应不同阶段，需要分别检验任务能力与运行条件。

智平方：让机器人形成连续决策能力

智平方围绕机器人大脑开展系统研发，于2026年推出类脑VLA模型NeuroVLA，强调主动感知、故障自恢复和时序记忆能力。

这些能力对应的是机器人进入连续任务后的实际问题：不仅要识别物体和生成动作，还要记住任务进度、判断执行结果，并在失败后调整策略。

从模型输出动作，到机器人持续完成一项任务，中间还需要本体、环境信息和执行系统配合。智平方的探索，体现了具身大脑从单次动作生成走向连续感知与决策的方向。

自变量：用真实交互积累训练数据

自变量将具身智能大模型作为重要切入点。据新华社报道，公司搭建自研数据工厂与数据生产线，围绕叠衣、开合瓶盖、识别快递标签等操作积累多模态数据。

这些日常动作包含物体识别、操作顺序、接触控制与状态判断。把动作示范转化为可训练的材料，能够为模型学习不同任务提供条件。

更关键的检验在于，这些数据能否减少新任务所需的重复训练，并帮助机器人将已经学会的能力迁移到不同物体和真实环境中。

逐际动力：连接运动控制与任务执行

逐际动力则侧重本体硬件、运动控制与“大小脑融合”，其产品覆盖科研、商业服务与巡检等方向。报道中的机器人抗扰动演示，展示了其平衡控制的能力，在运动控制与移动操作方面积累了一定经验。

对于需要边移动、边观察、边操作的机器人，稳定的身体和有效的决策紧密相连。逐际动力的路径，是把运动控制与感知决策进一步结合，使机器人在复杂地形或受到干扰时仍能继续执行任务。

这种软硬融合能力能否转化为持续运行表现，还需要结合具体任务、运行时间和人工介入情况进行判断。

云蝶：把环境纳入机器人工作系统

在这些企业之外，云蝶科技从环境增强和真实场景组织切入，关注模型、本体与业务流程如何形成完整工作系统，为广东具身智能产业提供另一种系统视角。

酒店服务、物业运维或医疗康养中的一项任务，可能跨越多个空间与设备。机器人能否完成任务，与门禁权限、设备状态、业务安排和现场人员配合密切相关。云蝶的技术方向将这些条件纳入系统设计，研究机器人如何利用环境信息组织行动。

公司将RoboForge定位为系统级具身大脑，同时推出WING One、WING Air和WING Station等任务型产品，分别承担移动操作、轻量化任务以及现场交互、调度和连接等功能。

从产业组织角度看，这一路径关注的是机器人进入业务流程所需的配套条件：任务由谁提出，系统怎样协调，结果如何检验，问题如何回到研发。环境与业务知识由此成为具身系统建设的一部分。

从小鹏推进产线制造，到广东具身智能企业在本体、模型、数据和场景系统上的分头探索，具身智能的竞争正在从“谁先造出机器人”延伸至“谁能让机器人持续工作”。云蝶押注的，是把环境和业务流程也变成机器人能力的一部分，让一个现场形成的任务、数据和失败经验能够进入下一轮改进，并有机会复用到下一个现场。

标签：机器人(2)广东(3)小鹏(1)具身智能(1)