深圳48个机器人案例:真正的具身智能,藏在场景清单里

5月25日，深圳市工业和信息化局公示了2026年度深圳市“机器人+”应用示范典型案例名单。名单不长，只有48个案例，字段也很简单：单位名称、申报领域、案例名称。

但这张表，比很多发布会都值得看。

它把一个问题摊开了：机器人到底在哪里被使用，谁在为机器人买单，哪些任务已经从“技术演示”走到了“应用示范”。

过去一年，具身智能行业最热闹的词是人形机器人、大模型、灵巧手、VLA、世界模型。资本市场也习惯盯着整机参数：多少自由度、能不能跑步、会不会叠衣服、发布会上有没有摔倒。

深圳这48个案例给出的答案很朴素。

机器人真正进入产业，往往先从最具体、最重复、最脏、最累、最危险、最容易算出回报的地方开始。

这张表的价值，正在这里。

先看领域分布。

48个案例里，制造业有12个，占比最高。商业社区服务和安全应急及极限环境作业各6个，能源5个，农业和建筑各4个，商贸物流和医疗健康各3个，养老服务2个，创新应用领域2个，教育1个。

这个排序并不意外。

制造业仍然是机器人最稳定的入口。原因很简单：工位清楚，流程稳定，节拍可测，ROI能算。机器人在制造业里已经不算“新奇物种”，更像自动化系统继续往前长出的手、脚和眼睛。

名单里可以看到很多典型工位：电芯搬运、连续冲压模高速植螺柱、半导体制造智能物流、CNC车间多场景应用、汽车和电池领域大规模机器人混合调度、高端电子制造跨楼层高密度仓储。

这些词听起来不性感，但它们有共同点：现场已经有预算，客户已经知道痛点，替代价值可以被量化。一个电池工厂或半导体工厂愿意买机器人，目标并非展示“未来感”。它们要的是减少停线、少用人、提良率、稳节拍。

所以制造业案例最多。具身智能要证明自己，第一站往往不在家庭客厅，而在工厂里那些被节拍、温度、粉尘、搬运距离和良率压出来的真实工位。

深圳这张清单里，制造业不是背景板。它就是机器人商业化的主战场。

制造业之外，能源、农业、建筑、安全应急和极限环境也很集中。

能源领域有风电场极端环境巡检、加油特种机器人、核电机组反应堆顶盖O环槽及法兰密封面缺陷检测、光伏清洁、风电机舱智能巡检。

农业领域有粮面平整、全地形农业无人化作业、棉花打顶、生猪养殖巡检。

建筑领域有装配式隔墙施工、数字化建造巡检、复杂钢结构焊接、地面整平。

这些场景背后有同一套商业逻辑：人不愿意去，或者人去了成本太高、风险太高、效率太低。

风电机舱、核电密封面、光伏电站、生猪养殖、混凝土浇筑现场、钢结构焊接现场，都不是发布会舞台。里面有高温、粉尘、异味、狭窄空间、重复动作、危险边界和不稳定环境。机器人能不能“像人”，在这些地方反而没那么重要。它能不能稳定到达、稳定识别、稳定执行，才是问题。

这也是很多人理解具身智能时容易忽略的一点。

具身智能的产业价值，不能只靠机器人在人类客厅里表演拟人动作来证明。它首先是让机器进入真实物理世界，在复杂环境中完成任务闭环。农业、能源、建筑这些行业，天然就是物理世界的压力测试场。

如果机器人在粮仓里能平仓，在棉田里能打顶，在风电场里能巡检，在核电机组里能做缺陷检测，它获得的不只是订单，还有比实验室更有价值的环境数据。

这类数据很难靠仿真生成。地面的摩擦、设备的老化、现场的光照、传感器的漂移、雨水和粉尘对识别的干扰，都需要在真实场景里被反复撞出来。

所以，深圳这48个案例真正重要的地方，不只在于“用了机器人”，还在于它把机器人推到了更难、更脏、更不可控的环境里。

把48个案例按任务类型粗分，会看到一个很清楚的结果。

搬运和物流类有9个，巡检和检测类有6个，施工和制造作业类有5个，清洁维护类有4个，医疗养老相关有5个，服务教育类有3个，其余大量是专项作业。

这个结构很有意思。

外界谈机器人，常常喜欢谈“通用”。但真实应用清单里，高频出现的是非常具体的动词：搬、送、检、焊、喷、清、装、卸、打顶、平仓、巡检、喷涂、调度。

动词比名词重要。

一家公司说自己做人形机器人，这只是名词。一家公司说机器人能在-30℃冷库里搬运，能在风电场里巡检，能在船舶底面喷涂，能在工业炸药生产里装卸，能在CNC车间做多场景协作，这时才进入商业讨论。

因为客户买的不是“机器人”这个名词，买的是某个任务被自动化后的结果。

深圳清单里有一个特别值得注意的方向：移动操作。

例如优艾智合的案例是“基于一脑多态的移动操作机器人在半导体制造领域的智能化物流应用”，越疆是“多形态具身智能机器人在CNC生产车间多场景应用”，斯坦德是“自主移动机器人在汽车和电池领域的大规模机器人混合调度场景应用”。

这类案例已经不只是传统AGV或单机机械臂。它开始涉及移动、感知、调度、操作、产线系统接入。机器人不只是从A点到B点送货，而是要理解工厂节拍、适配工位变化、和其他设备协同。

这条路更接近具身智能的现实落地路径。

它很难从一个万能人形机器人突然开始，更可能从一个个任务动作里长出来。先会搬运，再会识别；先会巡检，再会判断；先会调度，再会操作；最后才谈跨场景泛化。

这48个案例名称里，高频出现的技术词包括AI、视觉、多模态、调度、具身智能、高精度、自主导航、数字孪生、VSLAM、激光SLAM、一脑多态、物联网、云平台。

它们透露出一个现实：产业现场需要的已经超出单点智能，进入系统工程。

AI视觉出现得很多，因为机器人首先要看清楚现场。多模态出现得多，因为单一传感器在真实环境里很容易失效。调度出现得多，因为一台机器人能跑通，不代表一群机器人能跑通。自主导航、VSLAM、激光SLAM说明定位和移动依然是底层能力。高精度运动和智能感知说明执行端仍然离不开硬件控制。

这和“机器人接上大模型就能干活”的想象差距很大。

真实场景里，大模型最多是大脑的一部分。机器人还要有小脑、眼睛、关节、底盘、调度系统、运维系统和安全边界。一个风电巡检机器人要面对的是高处、振动、狭窄空间和强光变化。一个冷链机器人要面对的是低温、结霜、地面湿滑和传感器稳定性。一个半导体工厂里的移动操作机器人要面对的是洁净度、节拍、路径冲突和设备接口。

这些问题不会因为一句“多模态大模型”自动消失。

所以，深圳清单里的技术关键词真正说明的是：具身智能正在从模型叙事回到工程叙事。模型很重要，但最终要被装进一套能长期运行的系统里。

谁能把感知、控制、调度、运维和场景工艺打通，谁才更接近商业化。

这次公示还有一个背景不能忽略。

深圳在《深圳市具身智能机器人技术创新与产业发展行动计划（2025—2027年）》里提出，到2027年，要新增培育估值过百亿企业10家以上，培育营收超十亿企业20家以上，实现十亿级应用场景落地50个以上，关联产业规模达到1000亿元以上，具身智能机器人产业集群相关企业超过1200家。

这组目标里，最值得盯的是“十亿级应用场景落地50个以上”。

因为这句话把地方政府推动机器人产业的思路说得很清楚：它不只扶几个整机明星公司，也不只办展会、做演示，更关键的是把场景变成产业资源。

什么是十亿级应用场景？

它不是某家公司卖出几台演示机。更准确地说，是一个行业、一个城市系统、一个制造链条里，出现可以持续复制、持续采购、持续迭代的应用入口。

按这个标准看，48个案例里潜力较高的方向，大概率集中在几类：汽车和电池制造里的大规模混合调度，半导体制造里的智能物流，冷链和高密度仓储，风电、光伏、核电等能源巡检维护，建筑施工和钢结构焊接，船舶制造和维修，工业危险品装卸。

这些场景有几个共同特征：人工成本高，安全风险高，流程重复，客户预算稳定，单点成功后可以复制到多个工厂、多个园区、多个项目。

相比之下，教育展示、单点导览、弱刚需陪伴服务，传播效果可能更好，但商业闭环未必更强。

这就是场景筛选的意义。

一张看似普通的公示名单，其实可以帮行业分辨哪些应用只是“好看”，哪些应用可能“好卖”。

过去两年，行业一直在问：中国机器人公司到底缺什么。

有人说缺大模型，有人说缺灵巧手，有人说缺核心零部件，有人说缺量产能力。这些都对，但还不够。

深圳这48个案例提醒我们，真正稀缺的还有一种能力：场景组织能力。

机器人公司要找到真实客户，进入现场，拿到工艺数据，把设备接进客户系统，让运维人员接受，让财务部门算过账，再从一个项目复制到十个项目。

这套能力听起来没有“通用大脑”高级，却决定了机器人能不能从实验室走出去。

一个机器人进入半导体工厂，不只是硬件问题，还涉及洁净规范、动线管理、信息系统、设备接口、安全认证和运维责任。一个机器人进入核电场景，门槛更高，安全边界更严格，验证周期更长。一个机器人进入建筑工地，现场条件每天都在变，工艺流程和人机协作都很复杂。

这些都不是单靠算法团队能解决的。

也正因为如此，深圳的优势不只是有机器人公司，而是有大量愿意开放试点的制造业、能源、物流、商业和城市服务场景。供应链密度提供硬件迭代速度，场景密度提供真实数据，客户密度提供商业反馈。

对机器人产业来说，这种密度本身就是基础设施。

如果把这张表当成投资线索，重点不在于哪个案例最炫，而在于三个问题。

第一，哪些场景能形成复购。

机器人项目最怕“一次性示范”。客户买一台放在那里，项目验收完成，后面没有规模化采购，这种订单对估值帮助有限。真正有价值的场景，是同一客户能复制到多条产线、多个园区、多个区域，或者同一方案能卖给多个同类客户。

第二，哪些公司正在从单机产品走向系统平台。

单台机器人卖出去只是第一步。更重要的是，它有没有调度系统、数据闭环、运维能力和二次开发接口。斯坦德、普渡、优艾智合、今天国际、越疆、汇川这类公司值得关注，不仅因为它们有机器人产品，更因为它们更接近客户现场的系统层。

第三，哪些应用能产生高质量数据。

具身智能最终要拼真实世界数据，演示视频只能证明一瞬间。能源巡检、工厂物流、移动操作、危险环境作业，都可能积累大量带任务目标、环境变化和执行反馈的数据。这类数据一旦闭环，价值会高于单纯硬件毛利。

这也是我们判断机器人公司的一个重要标准：它卖出去的到底是一台设备，还是一个能持续产生数据的作业入口。

前者容易被价格战吞掉，后者才可能形成长期壁垒。

深圳这48个案例给行业提了个醒。

机器人行业当然需要更强的本体、更好的关节、更便宜的灵巧手和更稳定的大模型。但商业化真正发生时，市场首先问的是：它在哪里干活。

干什么活，替谁干，省多少钱，冒多大风险，多久回本，能不能复制，数据能不能沉淀。

这些问题，比一次发布会上的后空翻更重要。

未来几年，具身智能的竞争不会只发生在整机发布会上，也不会只发生在模型排行榜里。它会发生在工厂、冷库、风电场、核电站、猪舍、棉田、工地、CNC车间、半导体厂和社区服务空间里。谁能把这些场景吃下来，谁才真正靠近产业化。

深圳这48个案例最大的意义，不在于证明深圳有多少机器人企业，而在于把一件事说清楚了：

机器人时代真正稀缺的，不只是机器人本身。是愿意让机器人进去试错、迭代、复制和买单的真实场景。