在寧德時代上崗的嚴肅生產力，千尋智能如何跑通“真干活”？

作者：呂鑫燚

出品：具身研習社

2025年，具身智能產業最大的疑問莫過于“為什么真實場景不愿意為新生產力買單？”
用一組數據更能直觀的感受，近日摩根士丹利公布了一項關于中國各行業高管對機器人技術采用狀況的調查：一方面企業采用人形機器人的意愿強烈，62%的受訪者表示未來三年內可能采用。另一方面，卻僅有23%的受訪者對當前產品表示滿意，產品亟待改善。

這則耐人尋味的數據是意料之中的矛盾，剝開數據的表象，我們看到的是生產力迭代的必然困境，這是生產體系對新生產力的迫切需求，與具身智能尚未完全兌現的技術能力之間的錯位。

換句話說，當前企業們采購機器人本質上是受技術預期驅動，提前下注機器人這類“新生產力”，機器人被寄予了重構生產關系的厚望。然而現階段技術紅利并不充足，也就是說機器人技術，尤其是具身大腦能力還未達到高效適用的水平，導致人形機器人還始終徘徊在商業化門口，鮮有人真正買單。

產業要的答案已經清晰，破題思路也順勢躍然紙上。

簡單來說，就是盡快完成具身智能“能用”到“好用”的關鍵一躍。摩根的研報指出企業（客戶）最希望改善的方面集中在工作能力，包括人機協作、物聯網集成、自主學習能力及靈巧度。此外，企業內心也有一筆經濟賬，關乎于采購價格、部署成本和投資回報。

所以，從產業視角審視，廠商的核心訴求早已清晰。技術維度上：大腦智能，本體靈活是進廠打工的基本“勞動素質”；價值維度方面：有較高的ROI，提高企業生產效率。

破題案例也隨著技術發展走到公眾面前，昨晚寧德時代突然官宣中州基地正式投入運行了，全球首條人形具身智能機器人規模化落地的新能源動力電池PACK生產線。人形機器人“小墨”已能精準完成電池接插件插接等復雜作業。

值得注意的是，這是寧德時代首次公開表示對合作企業的認可，疊加人形機器人已經在真實工廠中參與生產。此事的含金量和突發性不言而喻，低調雙方在2025年末向具身智能丟了一記重磅炸彈。

這一案例的意義遠超單一商業場景應用。其代表著，人形機器人已經能在非表演類場景應用。進入真實商用、工業等市場化場景。放眼具身智能產業，鮮少有企業能將人形機器人做成真正的生產力，這背后是啃硬骨頭的決心。標志著具身智能從“概念驗證期”邁入“實用價值期”的核心注腳，印證了“好用”才是打開產業市場的關鍵鑰匙。

循著這一產業脈絡推演，2026年的具身智能賽道，必將迎來“概念退熱，價值回歸”的核心轉向。

為什么寧德時代把人形機器人放在工廠里真干活、干真活，可以視為破局案例？

首先，從場景本身來說，工廠生產是一個近乎嚴苛的地方，“有效生產、安全生產”是所有工廠車間的隱形標語。這里，并不是供新生產力博噱頭的舞臺，而是實打實的“魔鬼式驗證”。而寧德時代作為全球電池供應商代表性企業，其產品特性和企業文化對新生產力要求更為嚴苛。

項目相關負責人對具身研習社透露了一個核心概念，寧德時代需要的是“嚴肅生產力”。

圖片來源：寧德時代官方公眾號

所謂“嚴肅生產力”是機器人需在精度、節拍、可靠性、穩定性、負載等方面符合嚴苛標準，尤其在安全和質量層面需達到近乎“零錯誤”級別。據具身研習社了解，千尋智能的端到端VLA模型在電池PACK產線上作業，已經達到99%以上的成功率，并不斷通過技術優化努力觸碰100%的大關。千尋智能對模型成功的極致追求這正與寧德的“嚴苛”不謀而合。

值得注意的是，這種高成功率的任務執行和自動化設備在單一場景、單一任務的高成功率有本質區別。“小墨”進入的是EOL&DCR工位，這一工作有著“多品種、小批量、高柔性”的生產特點。即要適應多種不同類型的產品生產，這便要求機器人具備強大的環境適應與任務泛化能力，能夠自主應對生產產品的差異及位置偏差、插接點位變化等不確定因素，目前，小墨單日工作量已經實現3倍提升。
此外，小墨所堅守的崗位是一個對于熟練工人而言都相對危險的場景，“工人需要將帶有數百伏高壓的測試插頭精準插接到電池包指定位置，這不僅有高壓打火風險，也存在效率與質量不穩定等問題。”
上述還只是模型層面的嚴苛，人形機器人作為“新鮮事物”進入成熟量產線，必須滿足工業級安全、可靠性標準，這個標準不僅針對干活，還需考慮和人類的交互。千尋智能依托工業機器人團隊的技術積淀，增加了冗余安全設計，才通過了寧德時代的嚴苛審查，形成在產線內的高效生產。

在這樣一個不容出錯的場景部署人形機器人，并參與真實生產，表明人形機器人不僅能干活，還能把活干好。這正是產業對人形機器人的核心訴求。

誠然，在寧德時代干活可以視為人形機器人“高含金量”的落地，但是當我們在談論人形機器人在寧德時代真正工作時，我們談論的重點并不是場景本身，而是具身模型已經在真實世界中跑通。

畢竟，當下工廠、服務業甚至家庭場景都正呼喚新生產力，這是遠比demo更具“現實主義”的渴求。

實際上，在寧德時代項目之前，千尋智能曾在WRC（世界機器人大會）、WAIC（世界人工智能大會）等展會上展示過Moz1在服務場景中的能力，如端水、遞送飲料。在高動態、非結構化的開放場景中，憑借模型的泛化能力精準完成任務。

千尋智能也曾在公司內部進行辦公場景的助理工作，完成擦白板、收納桌面雜物、歸置椅子等辦公場景中瑣碎的工作任務。這些場景雖不似工業產線般強約束，卻體現出千尋智能在交互柔性、任務理解方面的技術積累。

圖片來源：千尋智能

多場景、多任務中體現的技術能力，得益于千尋智能在具身大腦的沉淀。

從核心來看，千尋智能自研的Spirit v1 VLA作為端到端的具身大模型，實現了從視覺感知、語言理解到動作執行的無縫銜接。?通過創新性的數據融合與訓練策略，它賦予機器人在復雜動態場景中進行高效感知與操作的能力，這也是機器人無懼干擾，依舊連貫完成任務。

該模型已經搭載于其首款人形機器人Moz1上，配合Moz1高自由度的靈活本體，使得Moz1能解決更多精細化操作問題。例如，在面對多褶皺、質地和擺放形態高隨機性的衣物，實現了疊衣服全流程順暢操作，成為國內首次攻克柔性物體長程操作難題。?

Spirit v1 VLA僅僅是千尋智能在大腦側的布局之一，今年千尋智能還推出OneTwoVLA，把過去快慢腦雙系統“熔煉”為一個既能想又能干的統一模型，既保證決策質量，又兼顧了實時性。該模型具備長程規劃、自我糾錯、自然人機交互、開放世界理解等能力。從視頻中來看，機器人有明顯的思考能力，面對臨時更改指令、模糊指令也能通過思考精準執行任務。?

圖片來源：千尋智能

近期，千尋智能高陽團隊的研究進一步推動了VLA技術的發展。提出了名為?State-free Policy?的純視覺策略，無需額外“狀態”信息就能學習到強大的空間泛化能力。?

千尋智能團隊的策略采用相對動作空間表示（如預測末端執行器相對移動多少厘米），并依賴完整的任務視覺觀察（如配備腕部相機以獲得物體的相對視角），從而擺脫對固定狀態輸入的依賴。?

在多項任務中，即使訓練數據嚴格固定了桌面高度、物體位置等條件，State-free Policy仍能展現出卓越的泛化能力。例如，在夾筆、疊衣服以及全身機器人從冰箱取物等任務中，其在高度和水平方向上的泛化成功率遠超依賴狀態輸入的State-based policy傳統策略。?

正是因為千尋智能始終深耕技術，不斷迭代模型，才得以擁有克服“柔性換產”電池產線痛點的能力，成為滿足寧德時代所謂“嚴肅生產力”的企業。所以當千尋的身影出現在家庭、辦公室、工廠條線，正是其扎實做技術沉淀出的場景價值。

這次，模型真的完成了多個場景的驗證。????

無可否認，具身智能的核心訴求始終聚焦于“規模化應用與實用價值兌現”，但立足產業演進的底層邏輯，場景落地絕非終極目標，而是開啟技術價值深度釋放的序章。這一產業發展范式已在智能駕駛、工業制造、醫療健康等多個前沿賽道得到充分印證，頭部企業的實踐無不揭示：落地是連接技術與產業的“第一觸點”，而后續的數據沉淀、算法迭代與價值閉環，才是構建產業壁壘、驅動行業升級的核心引擎。

這條脈絡已經在很多產業中被驗證，以特斯拉FSD為例，其車載落地僅為技術商業化的初始環節，而通過真實路況場景沉淀的海量動態數據，才是驅動算法持續迭代、構建技術壁壘與生態護城河的核心引擎，為后續智能駕駛能力的指數級提升奠定關鍵基礎。

從產業演進的本質來看，具身智能的“落地”本質是技術與場景的“首次耦合”，而真正的產業價值，恰恰誕生于耦合后的“二次循環”。即通過場景數據反哺技術迭代，再以優化后的技術提升場景適配能力，最終形成“落地-數據-迭代-再落地”的價值閉環。

這一閉環不僅能讓技術從“實驗室原型”進化為“產業級產品”，更能構建起競爭對手難以復制的技術壁壘與生態優勢。

千尋智能的落地，也不僅是為了交付產品，在千尋智能看來這不是“一錘子買賣”。而是跑通“數據-模型-機器人-場景”閉環迭代的技術Pipeline。千尋智能方面始終強調，千尋智能不追求盲目擴產或短期營收，而是將資源重點投入在數據積累與模型能力提升上。公司計劃在明年實現“100萬小時真機高質量數據”的采集目標，以推動模型能力進一步高速迭代，從底層技術撐起長期競爭力。

這種堅持長期主義的策略，正契合具身智能“長坡厚雪”的賽道屬性。

自成立之初，千尋智能身上總是帶著各類光鮮亮麗的標簽，但透過持續模型突破、一個又一個真實案例可見，千尋智能從未迷失在光環中，而是更關注是否能解決產業內的真實痛點。或許這也是投資人紛至沓來的核心引擎。

回到摩根士丹利指出的“高采用意愿”與“低產品滿意度”的矛盾中來看，破題思路只有拿出高滿意度的產品才能形成良性循環。以千尋智能為代表的，能夠滿足“嚴苛生產力”，能夠靠模型真正跑通真實場景的企業，不僅成為摩根士丹利所說的“僅有23%的受訪者對當前產品表示滿意”的企業樣例，還將滿足所有抱有期待的企業訂單。