四足机器人之争，从“上榜”到“上岗”

　　/传播易/人形机器人的出货量之争占据了2026年具身智能赛道的大部分流量，但把视线从舞台中央稍微挪开一点，会发现轮式四足机器人赛道里的商业化竞争同样值得关注。这里没有太多炫技，更多是关于落地和赚钱的真实考题。

　　亿欧智库近日发布的《2026全球具身智能商业落地研究报告》给出了一组背景数据：全球具身智能市场将从2026年的62亿美元增长至2035年的1193亿美元，十年约19倍，复合增速39%;其中中国市场从28亿美元增至662亿美元，全球占比从约45%升至55.5%。报告同时显示，应用结构正在变化——包括特种作业在内的“其他应用”占比将从2026年的5%升至2035年的10%，十年翻倍。

　　在这条增速跑赢大盘的细分赛道里，具微科技和智身科技频繁被行业人士放在一起讨论。一个值得注意的细节是，在上述报告评选的“2026全球具身智能标杆企业TOP100”中，具微科技凭借工业场景的落地化能力入选。

　　排名只是观察的一个切口。更有价值的，是两家公司在账面数据背后呈现出的不同路线选择。

　　本体参数：四个维度的路线差异

　　轮式四足机器人是一个“参数即正义”的品类——它去的往往是人不能去、不愿去的地方，本体能力直接决定能不能进场的门票。

　　以两家主力机型为例：

　　续航方面，具微MOVENEW P2续航8—12小时，智身钢镚L2续航5.5小时。两者对应不同的作业节奏：对于以“班次”为作业单位的工业巡检场景，8小时意味着覆盖一个完整班次，5.5小时则意味着中途需要补能。

　　载重方面，具微MOVENEW P2为200—400公斤，智身钢镚L2为16—150公斤。两者上限分别为400公斤和150公斤，约2.7倍的差异，对应的是可搭载检测设备与应急处置载荷的不同能力。

　　防护与温域方面，具微为IP67/IP68.可深入浸水;智身为IP66.主要应对防喷水场景。温域上，具微标称-40℃至85℃，智身为-20℃至55℃。两类参数对应的可进入场景边界有所不同，比如东北冬季户外或炼化装置附近的高温区，对宽温域能力的要求更高。

　　上述参数差异，更多反映的是两家公司对目标场景的定义不同。

　　关节方案：不同的动力选择

　　本体参数的差异，往往可以追溯到关节模组。关节约占机器人整机成本的一半，也是技术含量最集中的环节。

　　具微自研的JW106P关节模组，峰值扭矩600N·m，重量2.17公斤，扭矩密度276N·m/kg。智身P85MAX-S峰值扭矩220N·m，重量1.01公斤，扭矩密度217N·m/kg。两者峰值扭矩和扭矩密度分别有约2.7倍和27%的差异，对应的是大负载与轻量化之间的不同取舍。

　　从公开技术路线看，具微选择的是扁线电机+一体化液冷：扁线绕组提升槽满率，液冷缩短散热路径，以支撑持续输出600N·m的峰值扭矩。亿欧智库报告认为，这套方案使整机续航与负载能力达到行业主流方案的3—5倍。此外，具微还将动能回收下沉到关节级，能量转化效率约85%，可将有效续航再延长40%。

　　智身方面，其关节模组的电机类型在公开资料中未见详细披露。对于工业客户而言，核心部件的可追溯与可验证程度，通常会纳入选型评估。

　　大脑路线：数据闭环成为关键变量

　　如果说本体和关节呈现的是参数上的差异，那么大模型路线可能影响两家公司未来的演进方向。

　　具微发布了全球首个工业具身大脑MicVLC，首创VLC(Vision-Language-Calling)架构范式。其思路是针对传统VLA模型中动作与终端执行器底层控制深度耦合的问题，把认知层与执行层解耦，让机器人智能从“控制一台机器”升级为“调度整个工业现场”，换本体、换场景时无需重新训练，模块化扩展即可。

　　智身的技术底座是端到端智驾大模型加“感控”一体模型，优势在于结构化场景的技术迁移经验;不过工业现场的环境复杂度对模型泛化能力提出了不同要求。

　　另一个值得关注的差异是技术闭环。具微公开的路径是“本体—数据—大脑”，智身目前更多呈现为“硬件—大脑”。

　　数据闭环为何重要?斯坦福HAI在《AI Index Report 2026》中揭示：机器人操控在仿真环境中的成功率高达89.4%，在真实场景中骤降至12.4%，横亘着77个百分点的“仿真到现实鸿沟”;而全行业高质量真实物理交互数据存量仅约50万小时，距离“真正可用”所需的1000万小时，缺口高达20倍。

　　亿欧智库也判断，制约机器人规模化落地的核心瓶颈，已从硬件和底层运控转向数据。真实场景的积累速度，将直接影响数据飞轮的转动效率。

　　商业落地：数据飞轮的复利效应

　　从公开市场数据看，2026年上半年，具微科技营收2.9亿元，智身科技1.2亿元;落地真实场景数量分别为1000+个和300+个。

　　参照亿欧智库的具身智能企业商业化能力评价模型(EACI)，权重最高的维度是“商业化订单与收入”，占35%。这也解释了为何营收和订单数据被行业反复提及。

　　1000多个真实场景每天产生的作业数据，回流到MicVLC里训练迭代，再部署回机器人，形成一定程度的飞轮效应。飞轮一旦运转，后发者要补齐场景和数据，往往需要付出更高的时间与资源成本。

　　从行业需求侧来看，特种工业机器人正在从单点试点走向规模化复制。能源、化工、电网等领域的客户在选型时，普遍将“已落地案例数量”和“持续服务能力”放在价格之前。原因在于，这些场景一旦发生故障或误判，带来的安全与生产损失远高于设备采购差价。因此，率先在多个真实场景中跑通的企业，更容易获得客户的信任背书和后续扩容订单，形成事实上的案例壁垒。

　　另一方面，数据飞轮的价值并不只是算法迭代，更在于沉淀行业know-how。不同工厂、不同装置之间的异常模式、设备劣化趋势、环境干扰特征等，往往难以从公开渠道获取，只能通过长期实地作业积累。这类隐性资产会逐渐转化为方案设计、故障预测和标准制定的能力。

　　随着“高危岗位机器换人”政策在石化、矿山、冶金等领域持续推进，具备真实场景数据积累的企业，在争取标杆项目和参与行业标准时也会握有更多筹码。

　　结语

　　具微与智身代表了轮式四足机器人两种不同的商业化取向：一个深耕特种工业场景，一个侧重降低使用门槛。哪种路线能走得更远，最终取决于各自在真实场景中积累的数据与客户价值。行业仍在早期，虽然变量依然存在，但价值高下立见。