越疆2026中报：营收翻倍、具身收入激增20倍，Physical AI进入商业化兑现期

【核心事件与技术概览】

越疆科技（Dobot）2026年上半年财报披露，公司整体营收达到3.2亿元人民币，同比实现翻倍增长。其中最具战略意义的信号来自具身智能业务板块：该业务收入从2025年同期的约225万元飙升至4500万元，增幅超过20倍。这一数据不仅反映了越疆在机器人本体制造领域的深厚积累正在向AI驱动的智能体方向延伸，更揭示了Physical AI产业链从概念验证到规模化商业交付的关键转折。越疆自2015年成立以来，以桌面级协作机械臂（Dobot Magician、CR系列）在教育与工业领域建立了广泛的用户基础，2026年的业绩跃升标志着公司完成了从硬件供应商到具身智能解决方案提供商的战略转型。

具身智能业务收入的20倍增长并非偶然的市场波动，而是多重技术成熟度曲线交汇的结果。大语言模型在2023-2024年完成了通用认知能力的突破后，2025-2026年行业重心自然向'具身化'迁移——即让AI模型具备物理世界的感知-决策-执行闭环能力。越疆凭借在机械臂运动学、力控算法、工业级可靠性方面的十年积累，叠加对视觉-语言-动作（VLA）模型的工程化集成能力，率先在制造、物流、服务三大场景中实现了具身智能产品的付费交付。4500万元的具身收入虽然绝对值不大，但其增长斜率和毛利率结构表明，该业务已跨越'技术演示'阶段，进入可持续的商业化运营轨道。

从行业宏观视角审视，越疆2026中报是Physical AI赛道集体爆发的前哨信号。全球范围内，Figure AI完成与OpenAI的深度绑定并交付数千台人形机器人，特斯拉Optimus在内部工厂部署规模持续扩大，中国本土的宇树科技、智元机器人、星动纪元等公司也在加速产品迭代。越疆的独特之处在于其'自下而上'的路径——从桌面级机械臂的精密运动控制出发，逐步向上集成AI大脑，而非像部分初创公司那样从人形机器人整机切入。这种路径在工程可靠性、成本控制、客户信任度方面具有天然优势，也为2026年的收入爆发奠定了坚实基础。

【技术原理与核心突破】

具身智能的技术架构核心在于构建'感知-认知-决策-执行'的端到端闭环。越疆的具身智能系统底层依赖于多模态感知融合模块，将RGB-D相机、力/力矩传感器、关节编码器、IMU等多源异构数据统一映射到世界坐标系下，形成对物理环境的实时语义化表征。在认知与决策层，VLA（Vision-Language-Action）模型扮演核心角色：以Transformer为骨干网络，通过自监督预训练学习视觉特征与语言指令的联合嵌入空间，再经由指令微调（Instruction Tuning）和强化学习对齐（RLHF/RLAIF）使模型输出可直接映射到机械臂关节空间或任务空间的动作序列。越疆的技术优势在于其运动学求解器与AI决策模块的深度耦合——传统工业机器人依赖离线编程和示教，而越疆的具身系统通过VLA模型实现自然语言指令到运动轨迹的端到端生成，大幅降低了部署门槛。

在训练范式层面，越疆的具身智能模型很可能采用了'仿真预训练+真实世界微调'的混合策略。Sim2Real（Simulation-to-Real）技术路线通过MuJoCo、Isaac Gym等物理仿真引擎生成海量任务数据，利用行为克隆（Behavior Cloning）和逆强化学习（Inverse Reinforcement Learning）在仿真环境中预训练策略网络，再通过域随机化（Domain Randomization）和系统辨识（System Identification）技术缩小仿真与现实的分布差异。真实世界微调阶段则依赖遥操作（Teleoperation）数据采集和人在环（Human-in-the-Loop）反馈，确保模型在复杂非结构化场景中的鲁棒性。此外，MoE（Mixture of Experts）架构的引入可能是越疆应对多任务泛化需求的关键——通过稀疏激活机制，在保持模型总参数规模可控的前提下，为不同任务场景分配专用专家网络，从而在通用性与专业性之间取得平衡。

推理与部署层面，具身智能对实时性的要求远高于纯语言模型——机械臂的控制频率通常在100Hz-1kHz量级，这意味着从感知输入到动作输出的端到端延迟必须控制在10ms以内。越疆的工程方案可能涉及模型量化（INT8/FP8）、算子融合、CUDA/TensorRT加速以及边缘侧推理部署。在硬件选型上，NVIDIA Jetson Orin系列或Thor系列边缘计算模块是主流选择，提供275 TOPS至数千TOPS的算力支撑。值得注意的是，越疆作为机械臂本体制造商，具备将AI推理模块与运动控制器进行硬件级集成的能力，这种'软硬一体'的架构设计在延迟优化和功耗控制方面具有纯软件方案难以企及的优势。

【行业背景与竞争格局】

全球具身智能赛道在2025-2026年呈现出'两极分化、多点开花'的竞争格局。第一极是以Figure AI、特斯拉为代表的'人形机器人+大模型'路线，Figure AI与OpenAI达成深度战略合作，其Figure 02机器人已实现工厂级部署，特斯拉Optimus在内部生产线部署数量持续攀升，两者均押注人形形态的通用性优势。第二极是以越疆、Universal Robots、发那科为代表的'协作机械臂+AI增强'路线，聚焦工业场景的确定性需求。越疆的差异化在于其以桌面级机械臂切入教育和中小企业市场，积累了庞大的用户基数和数据飞轮，这为其具身智能业务提供了天然的冷启动优势——用户从购买机械臂硬件自然过渡到订阅AI智能服务，客户获取成本远低于从零获客的人形机器人公司。

中国具身智能生态在2026年已形成以深圳、上海、北京为核心的产业集群。宇树科技凭借低成本四足机器人和H1人形机器人快速占领市场，智元机器人（Agibot）获得小米等产业资本加持并推进工厂部署，星动纪元聚焦具身大模型底层技术。与这些以人形机器人为核心载体的公司相比，越疆的'机械臂+AI'路径在商业化节奏上更为稳健——工业机械臂的部署场景（3C装配、物流分拣、实验室自动化）具有明确的ROI计算模型，客户付费意愿强于尚处于'概念验证'阶段的人形机器人。越疆2026中报中具身收入20倍增长的背后，正是这种'务实商业化'策略的兑现。

从全球AI巨头布局来看，OpenAI的Operator、Anthropic的Claude Computer Use、Google的Gemini Agent均将'具身化'列为2026年的核心战略方向，但它们的落地载体仍主要局限于数字世界（屏幕操作、API调用）。真正进入物理世界的具身智能，需要硬件本体、运动控制、环境交互等工程能力的深度支撑，这正是越疆等传统机器人公司的护城河所在。可以预见，2026-2027年AI巨头与机器人公司的合作模式将从'模型授权'升级为'联合定义产品'，越疆与AI大模型厂商的深度绑定程度将成为其具身智能业务持续高增长的关键变量。

【开发者与产业落地启示】

从开发者视角审视，越疆具身智能系统的工程接入复杂度取决于其API开放程度和工具链成熟度。理想状态下，开发者应能通过RESTful API或Python SDK将自然语言任务指令下发至具身智能系统，系统自动完成任务分解、路径规划、碰撞检测和动作执行的全流程。越疆在桌面级机械臂领域已建立了较为完善的SDK生态（包括ROS/ROS2兼容、Python/C++ API、图形化编程界面），这些基础设施可平滑迁移至具身智能产品线。对于工业客户而言，最关键的工程指标是部署周期和运维成本——传统工业机器人的编程部署通常需要数周甚至数月，而具身智能系统通过VLA模型的零样本或少样本泛化能力，有望将部署周期压缩至天级甚至小时级，这是其商业价值的核心来源。

硬件显存开销和算力成本是具身智能落地的现实约束。一个具备多模态感知和实时决策能力的VLA模型，参数量通常在10亿至100亿级别，INT8量化后显存占用约4-40GB，对边缘计算硬件提出了较高要求。越疆的工程方案可能采用'云端大模型+边缘小模型'的协同架构：云端部署全参数VLA模型处理复杂任务规划和长期记忆，边缘端部署蒸馏后的轻量模型（如3-7B参数）负责实时感知和动作生成。这种分层架构在推理延迟和算力成本之间取得了工程上的最优解，也降低了客户对高端GPU的依赖。

商业落地价值方面，越疆具身智能系统的目标客户画像清晰：一是3C电子制造中的精密装配场景，二是物流仓储中的分拣与码垛场景，三是实验室自动化中的样品处理场景。以3C装配为例，传统方案需要为每个产品型号编写专用程序，换线成本极高；而具身智能系统通过视觉感知和自适应抓取，可实现'一机多品'的柔性生产，单台设备的年产出提升可达30%-50%。对于中小企业客户，越疆的订阅制商业模式（按使用时长或任务量计费）大幅降低了初始投资门槛，这是具身智能收入实现20倍增长的商业逻辑基础。

【综合评述与关键要点】

越疆2026中报释放的核心信号是：Physical AI已从'技术叙事'阶段正式迈入'商业兑现'阶段，具身智能不再是实验室里的Demo，而是可以产生可持续收入的商业产品。4500万元的具身收入虽然绝对值有限，但其20倍的增长斜率和背后的客户付费意愿，验证了'AI大脑+机器人身体'这一技术路线的商业可行性。对于行业而言，这意味着2026年将是具身智能从'融资驱动'转向'收入驱动'的分水岭年份，资本市场对具身智能公司的估值逻辑将从'技术潜力'切换为'商业化进度'。

展望未来1-2年，具身智能产业将沿着三条主线演进：第一，VLA模型的通用性将持续提升，从单一任务执行向多任务泛化和长期自主规划演进，端到端学习的比例将逐步取代传统的模块化流水线架构；第二，硬件形态将从协作机械臂向人形机器人、四足机器人、轮式移动机器人等多形态扩展，但工业场景中的机械臂仍将是最先实现规模化商业化的载体；第三，AI大模型厂商与机器人本体厂商的协作模式将从'模型授权'升级为'联合定义产品'，形成'模型层-平台层-硬件层'的三层产业分工。越疆凭借其在机械臂硬件、运动控制算法和客户基础方面的先发优势，有望在2026-2028年成为Physical AI商业化浪潮中的核心受益者之一。

本站展示内容为基于公开信息的资讯解读与整理，不代表原文转载。如需核实细节或获取完整报道，请通过下方链接访问原始来源。