四足機器人之争，從“上榜”到“上崗”
/朝聞通/人形機器人的出貨量之争占據了2026年具身智能賽道的大部分流量，但把視線從舞台中央稍微挪開一點，會發現輪式四足機器人賽道裡的商業化競争同樣值得關注。這裡沒有太多炫技，更多是關于落地和賺錢的真實考題。
億歐智庫近日發布的《2026全球具身智能商業落地研究報告》給出了一組背景數據：全球具身智能市場将從2026年的62億美元增長至2035年的1193億美元，十年約19倍，複合增速39%;其中中國市場從28億美元增至662億美元，全球占比從約45%升至55.5%。報告同時顯示，應用結構正在變化——包括特種作業在内的“其他應用”占比将從2026年的5%升至2035年的10%，十年翻倍。
在這條增速跑赢大盤的細分賽道裡，具微科技和智身科技頻繁被行業人士放在一起讨論。一個值得注意的細節是，在上述報告評選的“2026全球具身智能标杆企業TOP100”中，具微科技憑借工業場景的落地化能力入選。
排名隻是觀察的一個切口。更有價值的，是兩家公司在賬面數據背後呈現出的不同路線選擇。
本體參數：四個維度的路線差異
輪式四足機器人是一個“參數即正義”的品類——它去的往往是人不能去、不願去的地方，本體能力直接決定能不能進場的門票。
以兩家主力機型為例：
續航方面，具微MOVENEW P2續航8—12小時，智身鋼镚L2續航5.5小時。兩者對應不同的作業節奏：對于以“班次”為作業單位的工業巡檢場景，8小時意味着覆蓋一個完整班次，5.5小時則意味着中途需要補能。
載重方面，具微MOVENEW P2為200—400公斤，智身鋼镚L2為16—150公斤。兩者上限分别為400公斤和150公斤，約2.7倍的差異，對應的是可搭載檢測設備與應急處置載荷的不同能力。
防護與溫域方面，具微為IP67/IP68.可深入浸水;智身為IP66.主要應對防噴水場景。溫域上，具微标稱-40℃至85℃，智身為-20℃至55℃。兩類參數對應的可進入場景邊界有所不同，比如東北冬季戶外或煉化裝置附近的高溫區，對寬溫域能力的要求更高。
上述參數差異，更多反映的是兩家公司對目标場景的定義不同。
關節方案：不同的動力選擇
本體參數的差異，往往可以追溯到關節模組。關節約占機器人整機成本的一半，也是技術含量最集中的環節。
具微自研的JW106P關節模組，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。兩者峰值扭矩和扭矩密度分别有約2.7倍和27%的差異，對應的是大負載與輕量化之間的不同取舍。
從公開技術路線看，具微選擇的是扁線電機+一體化液冷：扁線繞組提升槽滿率，液冷縮短散熱路徑，以支撐持續輸出600N·m的峰值扭矩。億歐智庫報告認為，這套方案使整機續航與負載能力達到行業主流方案的3—5倍。此外，具微還将動能回收下沉到關節級，能量轉化效率約85%，可将有效續航再延長40%。
智身方面，其關節模組的電機類型在公開資料中未見詳細披露。對于工業客戶而言，核心部件的可追溯與可驗證程度，通常會納入選型評估。
大腦路線：數據閉環成為關鍵變量
如果說本體和關節呈現的是參數上的差異，那麼大模型路線可能影響兩家公司未來的演進方向。
具微發布了全球首個工業具身大腦MicVLC，首創VLC(Vision-Language-Calling)架構範式。其思路是針對傳統VLA模型中動作與終端執行器底層控制深度耦合的問題，把認知層與執行層解耦，讓機器人智能從“控制一台機器”升級為“調度整個工業現場”，換本體、換場景時無需重新訓練，模塊化擴展即可。
智身的技術底座是端到端智駕大模型加“感控”一體模型，優勢在于結構化場景的技術遷移經驗;不過工業現場的環境複雜度對模型泛化能力提出了不同要求。
另一個值得關注的差異是技術閉環。具微公開的路徑是“本體—數據—大腦”，智身目前更多呈現為“硬件—大腦”。
數據閉環為何重要?斯坦福HAI在《AI Index Report 2026》中揭示：機器人操控在仿真環境中的成功率高達89.4%，在真實場景中驟降至12.4%，橫亘着77個百分點的“仿真到現實鴻溝”;而全行業高質量真實物理交互數據存量僅約50萬小時，距離“真正可用”所需的1000萬小時，缺口高達20倍。
億歐智庫也判斷，制約機器人規模化落地的核心瓶頸，已從硬件和底層運控轉向數據。真實場景的積累速度，将直接影響數據飛輪的轉動效率。
商業落地：數據飛輪的複利效應
從公開市場數據看，2026年上半年，具微科技營收2.9億元，智身科技1.2億元;落地真實場景數量分别為1000+個和300+個。
參照億歐智庫的具身智能企業商業化能力評價模型(EACI)，權重最高的維度是“商業化訂單與收入”，占35%。這也解釋了為何營收和訂單數據被行業反複提及。
1000多個真實場景每天産生的作業數據，回流到MicVLC裡訓練疊代，再部署回機器人，形成一定程度的飛輪效應。飛輪一旦運轉，後發者要補齊場景和數據，往往需要付出更高的時間與資源成本。
從行業需求側來看，特種工業機器人正在從單點試點走向規模化複制。能源、化工、電網等領域的客戶在選型時，普遍将“已落地案例數量”和“持續服務能力”放在價格之前。原因在于，這些場景一旦發生故障或誤判，帶來的安全與生産損失遠高于設備采購差價。因此，率先在多個真實場景中跑通的企業，更容易獲得客戶的信任背書和後續擴容訂單，形成事實上的案例壁壘。
另一方面，數據飛輪的價值并不隻是算法疊代，更在于沉澱行業know-how。不同工廠、不同裝置之間的異常模式、設備劣化趨勢、環境幹擾特征等，往往難以從公開渠道獲取，隻能通過長期實地作業積累。這類隐性資産會逐漸轉化為方案設計、故障預測和标準制定的能力。
随着“高危崗位機器換人”政策在石化、礦山、冶金等領域持續推進，具備真實場景數據積累的企業，在争取标杆項目和參與行業标準時也會握有更多籌碼。
結語
具微與智身代表了輪式四足機器人兩種不同的商業化取向：一個深耕特種工業場景，一個側重降低使用門檻。哪種路線能走得更遠，最終取決于各自在真實場景中積累的數據與客戶價值。行業仍在早期，雖然變量依然存在，但價值高下立見。
