当前，具身智能正加速从技术演示走向产业落地，但商业化兑现仍明显滞后于技术迭代，从单点示范到规模复制之间存在较大鸿沟。行业主要面临场景碎片化、成本高企、安全责任界定不清三大突出问题，推动场景收敛、风险兜底与基础设施建设，是产业突破示范应用、走向规模普及的关键。

11月5日，车百会研究院联合平安产险在深圳举办“具身智能规模化落地与风险保障高端研讨会”。会议由车百会研究院副理事长刘小诗主持，平安产险党委副书记石合群发表致辞。会议特邀政府相关部门、中国机械工业联合会、一汽大众、京东集团、火山引擎、智平方、优必选、傅利叶、加速进化、章鱼动力、诚芯智联、极佳视界、云深处科技、戴盟机器人、七腾机器人、丈八科技、库卡机器人、富智康、厦门建发美凯龙等近70位“政产学研用”代表线下参会，围绕工信部九大实景实训场景下的赛道选择、To B与To C应用的安全底线、企业风控体系建设、底层数据与行业公共基础设施建设等议题展开研讨。

▲ 车百会研究院副理事长刘小诗

▲ 平安产险党委副书记石合群

当前具身智能技术路线尚未收敛，产业整体仍处于“试错期”。样机越做越多，可批量化应用的场景却仍偏少。工信部提出的九大实景实训场景指出了明确方向，但从样机到规模，还隔着几道关口。

与会专家提出，判断一个场景是否具备规模化落地条件，至少要看四点：一是场景确定、环境结构化程度高、能稳定复用；二是作业指标可量化，节拍、成功率、稼动率等要能写进验收；三是边界清楚，人、机、车、物与运营方的权责能够前置划分；四是付费闭环成立，订单能覆盖交付、运维与迭代成本。

与会嘉宾普遍认为，具身智能不应追求“一步到位取代人”，而应先在边界清楚的场景中把价值做实。物流配送、巡检、商业清洁、特种作业等环境结构化程度较高的领域，具备优先落地条件；汽车制造、3C、钢铁、有色、冶金、化工等工业场景需求明确，但差异大、碎片化明显，需要针对具体工位、工序和工艺逐一适配。

与会嘉宾判断，To B场景会先于To C到来。To B场景相对结构化，工位固定、SOP清晰、人机边界可通过物理隔离实现，客户通常有明确的降本和定产能要求，订单既是收入来源，也是获取高质量数据集的入口，商业闭环和数据闭环更容易形成。To C场景非结构化程度高、环境多样、容错度低，安全底线和责任边界更复杂，需要更长时间培育。

与会嘉宾一致认为，安全不是附加项，而是产品定义的一部分，兜底机制应当前置到设计阶段。当前保障体系和风险体系中有五个问题值得关注：一是基于场景和操作人员的专业化程度，需做好前置的风险识别和分级；二是明确交付标准和验收要求；三是运维环节的新风险，人机接触、医疗康养等场景中异常停机可能造成伤害；四是推进产品全生命周期追溯，产品标识国家标准将为数据积累和风险预警提供支撑；五是加强国际标准合规对接，海外市场对安全标准、产品可追溯的关注度很高。

在特种作业和化工等高风险场景，风险前置更为迫切。与会企业代表表示，设备进场前应先在仿真平台注册客户场景、反复跑通，交付前需修复多类误识别问题，并让真机数据再回流优化模型。在机器人与人直接接触的医疗康养场景，硬件层面需设置多层保护和机械物理兜底，软件层面分设安全保护，数据采集严格遵守个人信息保护要求，必须将安全认证、在线监测与分阶段推进结合起来。

与会嘉宾提出，具身智能产业的风险保障不能停留在出险后的经济补偿，而应从事后理赔走向事前预警、事中监测和全周期风控。

当前企业主要面临三方面挑战：一是企业征信不足，产品迭代快，终端公司竞争不足，影响销量；二是缺乏合理的风险分担机制，企业独自承担较大的售后质保压力；三是维修工时、配件价格、故障等级等标准尚未统一，处置成本偏高。

有企业代表结合消防应急、商场巡防等案例反映，保险对机器人损失的定义、费率、理赔查勘等仍在摸索，与车险的成熟程度还有明显差距；缺少保险托底，不少业主持观望态度。与会嘉宾提出，保险不仅是风险兜底方，更可以成为产业规模化发展的生态共建者，以保险需求牵引试点落地，把机器人的感知和作业能力融入风险前置管控。

具身智能规模化离不开数据、算法、标准和行业公共基础设施。有代表指出，数据的重要性不在数量而在“生产力”，即投入能换来多少可用数据；工程一致性解决不了，手工调通的样机一旦批量生产就可能面临退货风险；生态覆盖很难由单一团队完成，要将交付和商业变成负责任的工程体系，这种能力不是研发出来的，而是在生产、服务和组织中“长”出来的。

技术层面，仿真、世界模型、触觉感知是本次会议的讨论重点。有代表认为，可参考智能驾驶大量使用仿真的经验，用世界模型和仿真平台增强极端场景下的功能验证和责任界定。部分嘉宾提出，触觉不是补充信息，而是机器人工作时的关键模态，触觉数据应原生加入训练而非事后“外挂”。此外，算力与传感器堆叠会大幅影响续航，功率和发热要控制在合理范围，这些工程化问题均需要行业协同解决。

标准与公共平台方面，与会代表提出，要建立日常运营规范、事故鉴定、责任划分等流程，推动产品可追溯和全生命周期闭环；加强国际标准合规对接，关注供应链安全、出海认证和数据安全审计。建议将安全门槛前置，对不规范场景提前设防。应通过联盟或非营利组织将算力、数据需求统一起来，形成共创共建的公共平台，避免重复“造轮子”。地方政府和产业园区可结合标准化场景打造安全基础设施，提供第三方评测、保险联动等服务，助力产品从测试走向本地化应用。

与会嘉宾一致认为，具身智能是长周期赛道，比拼的不只是算法和硬件，更是持续经营、工程落地和风险管控的综合能力。产业要形成有效的分工协同体系，本体、模型、数据、保险、维保和场景方各环节高效投入、信息互通，避免各自为战。

与会嘉宾表示，传统汽车制造强调确定性思维，节拍精确到秒、公差控制在毫米；具身智能则依靠数据驱动、试错学习。制造业需要柔性，具身智能则需要场景。可以将产线变成真实实验场，先在非关键部位跑通柔性分拣、螺栓拧紧、视觉质检等容错空间较大的环节，将过程数据变成训练燃料，从工厂实际需求倒推机器人产品形态。

售后运维被视为规模化落地的重要保障。有代表介绍，可整合家电售后、汽车救援养护、物流配送等成熟团队承接机器人售后运维，以较低成本、较全覆盖降低规模化风险；销售平台可面向To B、To C、To G提供整机、租赁、供应链采购等服务。也有代表提出，从样机到规模化产品，最大的鸿沟是工程化量产，风险管控必须前置到产品定义、硬件选型和测试验证全流程，运行日志和决策链路要可追溯，这也是与保险机构协同的重要基础。

与会嘉宾建议，产业链各方围绕场景落地、风险管理体系、数据平台建设等方向搭建务实高效的交流通道，共同推动标准共建、数据互通和风险减量，将标杆案例变成标准。具身智能的规模化落地，既需要技术创新驱动，也需要风控体系、标准体系和保障体系托底护航。只有开放分工、生态共建，才能将单点示范转化为可复制、可推广的成熟方案，推动中国具身智能产业蓬勃发展。