作者：纯平 来源：原创 发布日期：08-25
A | 据《航空学家》报道，埃及国防部通过社交媒体发布照片，证实将派遣米格-29M2和阵风战斗机参加中埃空军“文明之鹰-2026”联合演训，这是埃及首次派遣阵风战斗机参加中埃空军联合演训。 （埃及国防部发布的参演战机照片） 这样一来，欧洲三种四代半战斗机均与中国战斗机交手了：中泰空军“鹰击”联合演训，瑞典批准泰国皇家空军JAS-39C/D战斗机参加；巴基斯坦空军歼10CE战斗机曾经在卡塔尔“吉扎尔-2”联合演训之中对阵卡塔尔台风战斗机；2025年5.7印巴空战，巴基斯坦空军歼10C战斗机更是击落了印度空军阵风战斗机。 记者在2026世界机器人大会（WRC）上观察到，具身智能正从技术验证步入规模化前夜，产业链的投资焦点正从本体制造转向数据资产与商业化闭环。
B | 从这个角度来讲，法国继续不让埃及空军阵风战斗机参加“文明之鹰”联合演训并没有什么意义，反而会引起埃方厌恶，所以他们应该经过权衡，最终放行。 根据研究机构的Interact Analysis 报告，全国已经有至少90个人形机器人数据采集和训练中心（简称“数采中心”）处于使用或规划建设中，折射出数据供给端的基础设施投资热度。 歼16此次或模拟以色列空军F-15IA 中国空军此次派出歼16战斗机参加“文明之鹰-2026”联合演训，歼16战斗机最大特点就是配备了中国新一代机载有源相控阵雷达，雷达采用氮化镓器件，功率居全球之冠。歼16主战武器是PL-15，最大射程超过200公里，放眼世界，也是顶尖的存在。 然而，《科创板日报》记者多方采访中了解到，目前矛盾同样突出。因此外界推测歼16此次参演应该是模拟以色列空军F-15IA战斗机，F-15IA战斗机是美国最新F-15EX的出口型，配备有AN/APG-82(V)1机载有源相控阵雷达，这型雷达号称西方战斗机之中功率最强的型号。机载武器方面F-15IA将会配备AIM-120D空空导弹，甚至最新AIM-260空空导弹。
C | （歼16是当今最强四代半） （歼16模拟以色列F-15IA） 中国空军还派出了空警500空中预警机和运9LG电子干扰飞机。空警500配备机载有源相控阵预警雷达，探测性能好，抗干扰能力强，具备优异的反隐身能力。本体构型碎片化大幅稀释数据复用价值，具身智能模型的Scaling Law尚未验证，都影响着未来机器人行业商业化放量的步伐快慢。运-9LG电子干扰机搭载有大型平衡木有源相控阵天线，功率大，波束指向精度高，可以干扰现代有源相控阵雷达。
▍商业化落地加速，多元场景验证技术价值 中坚科技旗下子公司桦之坚研发的工业级四足机器人"灵睿P1"已实现商业化落地，目前主要应用于电网巡检与园区安防巡逻等场景。基于该平台二次开发的消防机器狗，搭载水炮执行灭火作业，最大射程达60米，可在直流水柱与120°广角喷雾间切换——水柱压制明火，喷雾降温隔烟。空警500和运-9LG主要模拟以色列G550空中预警机和电子干扰飞机，以色列空军依靠这两种飞机在态势感知方面压倒中东国家，从而确保了自己的空中优势。
D | 埃及空军希望借此机会见证新一代空战体系威力 （中国空军空警500预警机） （空警500可以模拟以色列空军G550预警机） 从这里我们可以看到“文明之鹰-2026”就是让埃及空军熟悉以色列空军新一代作战体系，让他们检验自己对阵这个体系的能力。
E | 埃及空军阵风战斗机有两个型号，1个是阵风F3R，还有就是阵风F4.1。设备配置的水带自动脱落系统，使其在紧急险情中可及时撤离、转战新着火点。前面说过，阵风F3R在2025年5.7印巴空战中被歼10C击败，面对歼16下场可想而知。 傲意科技在灵巧手市场取得了不错的进展。公司CEO倪华良透露，目前正在推进三笔大额订单，分别为1000台、2000台和3000台，合计近五六千台，同时日常几十至上百台规模的订单也在持续交付中。
F | 阵风F4.1战斗机比F3R有改进，例如雷达换装氮化镓器件，探测性能提高，不过阵风战斗机的机头空间小，限制雷达天线孔径，相应T/R模块数量受到限制，因此探测性能肯定比不上歼16的雷达。更别说法国顾忌以色列的反对，一直不愿意向埃及出售流星空空导弹，从而进一步拉大了阵风与歼16的差距。
G | 公司客户基础也在增长：第一年仅十余家，第二年突破百家，截至2026年上半年灵巧手相关合作伙伴已接近300家。换句话说，不论阵风F4.1还是F3R对阵歼16，结果并没有太大区别。 这个结果对于埃及空军来说应该是备受打击，他们最先进的阵风战斗机无力挑战以色列空军F-15IA，更何况以色列空军还有第5代隐身战斗机——F-35I。
H | 实际上埃及空军与以色列空军差距是全方位的，装备差距只是其中一部分，软件方面差距更大。以色列本身经济技术发达，加上又是美国在中东的核心盟友，因此以色列空军可以接触到美国最新军事技术，其训练水平远高于埃及空军。西方为了保持以色列空军优势，不但缩水埃及空军战斗机性能，还在训练方面进行了诸多限制。其中约90%的客户处于概念验证阶段，10%客户已达到一定的采购规模，而这一成头部客户中约半数已进入较大规模工程落地阶段，单客户一年可达上千台规模，还有一部分交付订单，用于数采工厂类项目建设。这也是埃及空军要与中国空军进行“文明之鹰”联合演训的主要原因，西方根本就不与他们进行这么高层次的联合演训，实际上法国空军自己都没有新一代有源相控阵预警机和电子战飞机。法国此次批准阵风战斗机参加“文明之鹰”联合演训，可能也是想看看阵风战斗机在新一代有源相控阵预警机和电子战飞机面前的表现，毕竟他们国内没有这样的演训环境。
I | 倪华良表示，从客户结构来看，符合一九法则，10%的客户贡献 90% 以上收入。
J | 剩下 90% 客户基数很大，但是仍然处在早期验证阶段，大多只采购几台、一两台，采购十台已经算比较多。 （歼16已经不是我们最强作战飞机了） 2025年5·7空战，巴基斯坦空军击溃印度空军，以少胜多，战后复盘，巴方就表示这场空战比他们演训要简单得多。此前巴基斯坦空军与中国空军进行鹰击联合演训，中国空军空警500指挥歼16战斗机对于巴军而言，就是碾压式存在。 仙工智能在展示了AI配送机器人与具身叉车等应用。搭载机械臂的配送机器人可完成抓取、导航、绕障、3D避障以及电梯交互，将以往需要多设备甚至人工参与的环节整合为完整配送闭环。正是这样严格的训练，让巴基斯坦空军意识到了新一代空战体系的威力，建立了自己新一代空战体系。
K | 具身叉车则面对不同颜色托盘持续识别并完成叉取作业，现场的BEV实时感知画面随环境变化动态更新，持续记录空间中人、设备与布局的变化信息。这是全球首个独立于西方存在的新一代空战体系，对于埃及等国家空军来说极具示范意义，近年来中国空军与外军联合演训越来越多就是这个原因。 需要指出的是空警500指挥歼16已经不是中国空军最强存在。更重要的是，机器人在作业过程中持续产生真实数据，这构成了具身智能最关键的循环：真实世界产生数据，数据驱动模型进化，进化后的模型再反哺机器人能力提升。 此外，仙工智能与联合火星加速器发起的"阶梯计划"正式落地，并公布首期20家生态合作企业名单，涵盖地瓜机器人、爱芯元智、中科第五纪等。我们还有更先进的五代隐身战斗机，6代机也将在2030年之后列装。该计划目标明确：到2030年实现100万台具身智能机器人落地，覆盖多种本体形态，在各类真实场景中持续执行多样化操作任务。
L | 放眼全球战斗机发展，下一代空战体系只有中美才能建立，因此未来将会有更多国家空军与中国空军进行演训，希望获得我们指导，建立自己的新一代空战体系。返回，查看更多。 擎朗智能则基于擎朗大模型KOM 3.0——全球首个融合潜空间世界模型的服务行业VLA架构，打造了覆盖洗衣房、咖啡亭、甜品屋、零售店四大场景的“具身社区”。
M | 咖啡亭中，人形机器人XMAN-R1以“特聘咖啡师”身份自主完成取杯、咖啡萃取全流程；甜品屋和零售店中，机器人通过视觉感知与动态决策能力完成精准抓取与递送；洗衣房场景中，两台人形机器人在统一调度下自主协同完成洗衣、叠衣全流程。 擎朗智能创始人兼CEO李通对《科创板日报》表示：“现在可以说已经到了商业化落地元年，机器人是不是真能干活是人形商业化的本质，而岗位化策略则是通向大规模商业化的必由之路。从时间维度看，若以进入家庭为标志，至少还需要五年以上；但在工业和服务业中，只要找到可落地的具体岗位，让机器人在有限范围内完成泛化任务，这一目标近期就有望实现。
N | ” 兆易创新展示了在具身智能硬件链路的布局，覆盖MCU、模拟、存储等多元产品线，其中本月最新发布的GD32H77R及GD32F50MxxG新品应用方案迎来首次亮相。《科创板日报》记者现场看到，中科硅纪M6灵巧手采用GD32F503 MCU，具备11关节6驱动的高自由度构型，整手重量410g。松延动力Bumi小布米以GD32H75E作为控制核心，是全球首款万元价位内的高性能人形机器人。整机高98cm、重约17kg，拥有21个运动自由度。
o | ▍数据采集走向体系化 本届大会上，数据采集方案成为全场焦点之一。具身智能的长期竞争力，正取决于是否拥有高质量、低成本、可持续积累的真实交互数据。 千觉XTac UMI G1穿戴式触觉数据采集夹爪由主夹爪、从夹爪、背负式计算单元、头显套装及可视化终端组成，能够在自然人机交互过程中同步采集视觉、触觉、位姿、夹爪状态与IMU数据。现场观众通过两指夹爪对口红、口香糖、名片等日常物体进行了数据采集操作，并在电脑上实时查看视觉与触觉数据的输出结果。 仙工智能在现场宣布成立具身智能数据子公司——杭州开物创新具身智能科技有限公司，旨在打通真机数据采集、多源接入、数据治理、模型训练、仿真评测与能力回灌的完整链路。
p | 据了解，仙工智能将构建覆盖本体真机自主运行、人类接管、仿真验证等多源高质量数据集，搭建面向下一代的具身智能数据与 Agent 平台，并计划于今年第四季度开源完备数据集与自研评测基准。 强脑科技则在灵巧操作数据方面进行探索。
q | 其灵巧操作数采矩阵整合真机执行、真人示教与仿真生成等数据来源，为模型训练提供完整支撑。
r | 其中，真机数据由双臂轮式数采平台采集，搭载21自由度全掌触觉灵巧手Revo 3，覆盖全身多自由度运动控制，支持视觉、触觉与语音等多路信息同步采集。
s | 而真人使用的RevoHuman外骨骼数采手套，则能在人类自然操作过程中同步采集手部姿态、触觉与腕部视角，将人的灵巧操作转化为可训练的多模态数据。 在帕西尼的数据采集展示区，观众佩戴 PXCap Pro 数据采集手套，可同时操控异构灵巧手，手部动作被实时重映射至多台终端并同步执行，实现了"一次采集、多机复用"。 大晓机器人带来了环境式数据采集方案2.0，以ACE Ego Kit、ACE Data Engine和ACE Ego Matrix构建从数据采集、自动标注到跨本体应用的链路。针对当前行业内热议的触觉解决方案，大晓机器人推出的行业首个集成三维力触与动捕信息的ACE Sense Glove采集手套，具备0.01N的极高力触觉灵敏度和小于2°的关节角误差。
t | 大晓机器人董事长、商汤科技联合创始人王晓刚在采访中表示，关键在于让数采方案、后端系统、模型和真实场景形成紧密联动，才能判断什么样的数据真正促进模型迭代。
u | 他期待随着真人环境式数据持续增加，世界模型能力不断增强，对真机数据的依赖将逐步降低，当基础模型足够强大，完成特定动作对齐可能只需数小时而非上百小时真机数据。
v | 大会期间，光轮智能发布全球首个十万小时开源人类数据集EgoSuite-Open100k，涵盖15000余类场景、15000余种任务，以头戴第一视角为主体，辅以腕部视角及手部姿态、全身姿态与事件级语义标注。数据将通过Hugging Face Hub向学术与商业研究开放。公司还推出"5年100亿具身智能数据共建计划"，核心聚焦三项工作：开放数据标准以实现跨设备复用，评测驱动的数据闭环定向补采数据，以及数据与模型协同设计优化仿真数据、第一视角人类数据、遥操作数据与评测数据等的组合方式。光轮智能同时与阿尔特、五八同城、吉利、新希望、宝通等生态伙伴签约，覆盖汽车、生活服务、工业、农业等多元产业场景。
w | 奥比中光的无本体数据采集硬件矩阵首次集中亮相，集结EGO（第一视角）、UMI（手持操作）、WristCam（腕部近场）、Hub（同步中枢）四类产品，形成覆盖真实交互全视角的数据采集矩阵。目前，奥比中光数据采集硬件平台已服务多家国内外行业客户。 傅利叶则与一行凌光、奇点智控、伊塔动力等生态伙伴亮相，其中一行凌光展出的EGO数据采集头环Lume R1及配套平台，覆盖感知交互、边缘计算、数据治理与标注等环节。 ▍不只是数据，本体统一性与商业闭环有待同步收敛 快思慢想研究院院长田丰指出，当前机器人规模化落地的瓶颈不仅是高质量数据稀缺，更是数据、本体统一性与商业闭环三者能否同步收敛的结构性矛盾，单独囤积数据无法解决。 至2026年4月，全国已有90个数据采集与训练中心投用或规划建设，其中64个已投用，至少13个部署了百台以上机器人。然而对照行业百万乃至千万小时级的训练需求，可用高质量交互数据仍存在数量级差距。这一缺口并非采集速度不够，而是数据采集正为尚未被商业验证的市场预支资产，一旦下游验证不及预期，数据价值将大幅缩水。 其次，Scaling Law（规模效应法则）存在相变门槛，数据是必要非充分条件。Generalist AI于2025年11月发布的GEN-0模型首次在机器人领域观察到：10亿参数量模型难以吸收复杂数据，60亿模型开始受益，而相变发生在70亿参数，小模型即使喂入更多数据也无法继续进步。这意味数据量与模型容量必须同步跨越联合阈值，物理常识的泛化能力才会涌现。国内数采场普遍"先囤数据、后调模型"，但若本体模型参数量长期停留在门槛以下，再多数据也只是线性堆叠。 第三，本体构型碎片化稀释了数据可复用价值。
x | 田丰表示，国内人形机器人本体尚未收敛到主流构型，各厂商在关节自由度、末端执行器、传感器配置上差异巨大，同一动作在不同本体上的数据难以互相复用，名义总量被本体多样性稀释为大量"孤岛数据"。数据结构未标准化前，采集越多浪费越多。 关于数采技术路线，田丰认为六种范式正并行发展：遥操作、动作捕捉、仿真合成、无本体采集、互联网视频升维、真实产线采集。无本体方案（如UMI类手持设备）采集效率提升数倍、成本降至真机五分之一左右，其成本优势建立在牺牲本体动力学信息之上，适用于粗粒度任务规划，精细操作仍依赖真机力反馈。两者是分层关系，并非替代。同时，无本体数据的规模化瓶颈在于人类动作库的代表性，若采集样本主要来自采集人员而非目标场景实际操作者，模型学到的只是采集团队的动作分布。 综合来看，具身智能产业正处于从技术验证向规模化部署跨越的关键阶段。商业化场景持续拓展，数据基础设施建设全面铺开，但标准化尚未完成、商业闭环有待验证、模型能力仍需跨越门槛。未来一到两年，这些变量能否同步收敛，将决定具身智能从实验室走向真实世界的节奏。（文章来源：科创板日报）。
Current article:http://qr8.yofateeikengyeche.cfd/2rns/m7i8.html
Published on:01:29:14