2026年11月11日，北京市经济和信息化局发布《北京市具身智能机器人产业高质量发展行动方案（2026—2028年）》。新华社当晚报道了这份新文件的关键数字：到2028年，北京希望培育不少于5家国际一流、10家国内领先的人形机器人整机企业，在不少于100个真实场景采集超过100万小时高质量数据，新增建设总规模超过5万PFLOPS的具身智能专用算力集群。与此同时，方案提出整机平均无故障工作时间超过2000小时、设计使用寿命超过5年、连续作业情况下电池续航超过4小时，推动京津冀零部件设计变更后的样品交付时间缩短至1—2天。这些数字对应方案提出的到2028年目标。
把这些数字放在一张表里，产业链各环节的任务就清楚了。数据与算力负责训练模型，整机平台和关键部件决定机器能执行什么任务，中试与共享加工决定研发迭代速度，平均无故障时间则直接关系客户敢不敢把机器人放进正式产线。北京试图把原本分散在高校、科研机构、整机企业、零部件厂商和工厂用户手里的能力连接起来。对于在工业软件、数字孪生、工程仿真与智能工厂领域开展业务的团队，这份行动方案给出了一套可以拆解的产业组织方法。
一、工厂先问机器人能稳定运行多久
最近几年，人形机器人演示能力进步很快，能行走、搬箱子、做简单装配甚至接受语音指令。到了工厂采购环节，评价标准会落到运行和维护上。客户首先问机器人每天可用多少小时、遇到批次变化是否要重新编程、是否需要改造工位、能否保证不碰伤人和设备、停机后多长时间能够恢复。语言和视觉模型进步可以改善任务理解，但机械传动、传感器精度、关节散热、材料寿命与售后响应仍须分别改进和验证。
方案将整机和部件指标放在突出位置，其中额定负载超过自重40%、连续作业续航超过4小时、平均无故障时间超过2000小时、核心运动部件和末端执行器年故障率低于10%等目标，反映出产业开始以可靠性和工业适用性组织研发。不同指标有不同测试边界，例如平均无故障时间需说明运行工况和故障定义，所谓年故障率要明确零部件种类和使用时长。只有按统一条件开展验证，厂商之间的产品数据才具备可比性。
二、百万小时具身数据究竟应该怎样理解
方案提出在真实场景采集超过100万小时数据。时长记录的是采集规模，模型训练质量还要看数据内容。工业机器人需要学习的内容至少包括场景几何、物体属性、操作意图、动作轨迹、接触事件、力反馈、失败恢复与任务结果。若机器反复走同一条轨迹，漫长的视频里也可能缺少失败恢复、接触变化等训练所需的样本。采集工作应先定义场景任务和数据对象，再确定传感器、同步机制、标注方法以及隐私和知识产权边界。
真实工厂尤其要关注负样本与边界场景。正常状态下机械臂抓取标准零件并不难，真正考验系统的是零件歪斜、反光、表面沾油、夹具松动、料箱里物体相互遮挡，以及偶发人员进入作业区域。若数据集中缺少这些情形，模型可能在演示中拥有很高的成功率，却在生产中频繁触发人工接管。观察这项计划，可看不同操作类别的覆盖度、标注一致性、失败样本比例、数据治理和跨机构共享规范。
三、5万PFLOPS新增算力必须匹配训练任务
大规模算力能够支持视觉语言动作模型、世界模型以及强化学习等技术路线，方案明确鼓励多路径探索。从产业配置看，训练机器人模型与运行语言模型有交集，也有显著差异。机器人需要处理视频、空间轨迹、触觉与力信息，强化学习还可能调用大量仿真环境生成交互数据。不同算法对GPU显存、数据吞吐、网络互联和模拟环境并发的需求并不相同，计算卡采购之后，数据吞吐和任务调度同样要跟上。
算力建设要与数据管线和任务队列协同。采集的视频先经过清洗、同步和标注，再被转换为训练所需格式；仿真环境可能每个任务生成不同的场景和随机扰动；模型训练完成后要回到真实机器人上评估。把数据、计算、仿真和硬件测试接成可反复运行的循环，才能观察算力的实际使用效果。对地方平台运营者来说，建议记录作业排队时间、资源利用率、单次实验成本、数据读取瓶颈以及外部企业实际使用量，以便判断公共算力是否被有效转化为研发能力。
四、世界模型和物理仿真各负责什么
机器人训练中，世界模型能够根据观察推测未来状态，物理仿真则利用刚体动力学、接触、摩擦和控制模型计算运动。二者可以相互补充：学习型模型能从大量真实数据提取复杂分布，专业仿真器便于人为设置边界条件、检查运动约束和生成可复现实验。面对复杂工序，真实训练数据获取成本高，仿真可以让机器人在安全环境里经历大量失败，再通过真实试验修正模型偏差。问题是仿真接触参数、柔性材料、摩擦和传感器噪声难以完全匹配现实。
为了控制仿真到现实的差距，团队可以建立系统性的中试闭环。先从CAD与设备参数生成可运行的仿真工位，记录机器人运动学和动力学约束；再采集真机试验中的关节位置、驱动力、触觉与视觉数据；随后做参数辨识、随机化训练和跨环境盲测；最后将成功率、耗时、接管次数和安全事件反馈到模型。不同厂家、不同型号的机器人需要统一任务描述和数据标记，避免每个项目都只能在原开发团队电脑里复现。
五、设计变更后，样件多久能送到试验台
一款机器人从实验室样机走向产品，往往要经历多轮机械修改。关节减速器、手指连杆、结构支架、传感器安装座和线束布置稍有变化，CAD模型、加工工艺、装配方式和测试工装都要跟着调整。若一批样件需要等待数周，机械改动就会拖慢整机试验。北京提出在京津冀建立中试验证服务能力和共享加工能力，把零部件设计变更后的样品交付时间缩短至1至2天，抓住了一个容易被忽略的工程约束。
交付周期需要结合部件和工艺分类评估。不同材料、热处理、表面精度和检测要求会产生不同周期，政策目标需要在适用部件与工艺范围内评价。平台可以先从典型连接件、支架、轻量外壳和部分标准件开展快速制作，再逐步扩展到高精度传动和复杂材料。更重要的是把设计版本、加工任务、质量报告和试验数据绑定：每一轮结构修改都能查到原因、加工条件、装配适配及试验结果，才能形成有价值的研发数据集。
六、2000小时目标需要怎样的试验记录
视频可以展示动作，可靠性则要靠长期试验记录。两千小时平均无故障时间涉及很多统计和试验问题：持续运行是否允许人工更换易损件，软件异常是否计为故障，任务中断和安全停机怎样归类，机器是在恒温实验室还是高粉尘工厂中运行。先把工况和故障定义写清楚，企业公布的指标才方便相互比较。对于整机平台，还应该同时记录故障间隔分布、平均维修时间、维护成本和高风险部件更换频率。
中试中心可以设计标准化任务循环，在真实工况下进行寿命试验与异常注入。比如连续抓取、跨工位移动、负载变化、急停恢复、人员干扰和低电量降级等情景，既检查机械耐久性，也验证控制软件与模型是否能正确处理异常。现场数据进入QMS和PLM，质量工程师就能追踪某次失败对应的批次、材料、固件版本和控制策略。它为整机产品认证、售后服务与后续设计提供实证基础，也能够形成对外提供服务的专业平台。
七、一个工业智能展示平台应该展示什么
如果围绕北京方案建设产业能力展示平台，最有说服力的内容可以分为三个层次。第一层是产品数字主线：从自然语言提出一个装备任务，系统检索CAD装配、BOM、材料和工艺信息，展示零件关系、装配顺序与版本变更；第二层是仿真与中试：选择关键设备或机器人关节，加载已有有限元、流体或运动学模型，比较仿真结果与试验曲线，说明降阶模型的误差和适用范围；第三层是智能工厂场景：把设备、MES工单、质量数据与机器人运行记录连接起来，演示从问题发现、原因分析到人工确认和报告留痕。
这类展示的可信度来自源数据和工程验证。客户如果问一个具体问题，例如“这批减速器为什么振动增大”，平台应能沿着序列号找到材料和加工批次，关联测试条件与历史异常，展示相关仿真模型和可能原因，并明确哪些结论已经验证、哪些只是待检查假设。三维场景之外，客户还会检查模型、数据与控制权限之间的责任边界。自然语言是交互入口，底层必须保留专业工业软件和可靠的业务流程。
八、职业院校与产业人才培养的机会
具身智能团队需要算法工程师，也需要CAD工程师、机器人系统集成师、机电控制工程师、仿真工程师、测试工程师和现场维护人员。北京行动方案强调从实验室走向生产线，实际上对复合型产业人才提出更高要求。职业院校可以围绕典型机器人关节、夹爪、移动底盘和物流工位建设模块化实训，学生写完控制脚本，还要完成机械装配、传感器标定、安全联锁、工艺节拍与试验记录方面的训练。
有价值的实训项目可以采用与产业中试相同的数据结构。学生先阅读CAD及工艺文件，完成装配与电气连接；通过仿真预测运动范围，使用真实设备采集误差；最后生成包含测试条件、结果、异常和改进建议的工程报告。企业员工再培训可从设备操作与维护逐步扩展至数据标注、模型评测和工业智能体工具管理，形成面向不同岗位的课程体系。院校与企业共同维护真实案例库，能让课程、岗位训练和后续服务使用同一批有记录的案例。
九、应用场景要记录多少真实工作小时
方案提出工业、服务和特种领域标杆场景，并计划形成能够规模推广的解决方案。真实场景可能是物流托盘搬运、柔性零件上下料、设备巡检、特定危险工序辅助操作、公共设施维护等。工业应用的经济性取决于任务的重复程度、劳动强度、工位改造成本和运行可靠性，外形选择要服从任务和工位条件。对于固定路线与高度标准化的任务，传统自动化设备可能依然更便宜；对于多品种小批量、场地难改造的作业，具身智能才可能显示灵活性价值。
示范场景数量和参与企业数之外，项目验收还应记录实际运行情况。更可核查的指标包括真实工作小时、任务成功率、人工接管频率、单位产量成本、产品合格率、故障恢复时长和客户是否继续购买服务。公共中试平台如果持续对外发布经过脱敏的基准报告，可以帮助采购企业少走弯路，也能避免不同厂商各自选择有利的演示条件。市场信任需要可以重复的工程证据。
十、京津冀产业链的现实分工
北京拥有科研机构、软件人才、创新资本和应用场景，天津与河北在装备制造、零部件加工、物流和实训方面具有不同基础。方案强调京津冀共享加工和中试验证，说明区域产业链可以按不同主体的专长分工。可以由算法团队提供任务模型和开发工具，机械与电气团队负责部件，专业试验中心提供标准化测试，工业客户贡献真实工况数据。不同主体通过清晰的知识产权、数据授权和交付标准协同，交接时要写清知识产权、数据授权和交付标准。
这样的协同也要求统一产品数据和工程变更流程。零件在不同工厂加工，型号、图纸版本、表面处理和检验标准必须一致；机器人模型在不同现场升级，训练数据和控制软件需要保留可追溯版本；安全参数变更必须经过责任人员审核。对具备PLM、MES和CAD/CAE能力的软件团队，产业机会恰恰位于这些接口：把多家企业的工程文件、试验报告与设备状态纳入可授权协作的数字主线，为智能体应用提供可靠底座。
十一、算力与设备投资之后的经营问题
一项公共平台能否长期运行，取决于有没有持续的外部客户和明确的服务目录。初期由政策或资本推动建设的算力集群、中试实验室和加工中心，后续仍要承担设备折旧、软件授权、耗材、维修和专业人员工资。平台应设计分层服务：标准样件加工、关键部件可靠性测试、机器人整机试验、仿真数据生成、模型评测和岗位培训，各自定义交付物与验收标准。为开放共享的项目设置预约、计费、权限和保密机制，能够提高设备利用率，也让跨机构协作有可执行的规则。
相较一次性采购规模，长期能交付多少经过验证的技术成果更值得关注。一个试验室如果每年完成大量与真实客户需求相关的验证，形成可复用的试验方法与专业数据集，就有可能带动设计软件、工业智能体和装备销售。设备还需要稳定运营团队和真实数据接口；缺了这些条件，平台难以形成持续服务。北京新方案的实施质量，可以从未来公开的中试服务量、产业链订单和可靠性结果继续追踪。
接下来，看看工厂里的持续运行数据
北京于11月11日公布的行动方案把数据、算力、整机、零部件、中试和真实应用放入同一张规划图，值得制造业和科研机构认真研究。百万小时和五万PFLOPS能够为训练提供条件，1至2天的样件交付目标有助于缩短机械迭代周期，两千小时无故障目标则直指工业客户最关心的持续运行能力。这些建设与技术指标仍待落实。如何让数据覆盖真实工况、如何让仿真结果得到试验验证、如何让产品进入连续生产、如何让人才和专业服务形成稳定供给，将决定这些指标能否转化为真正的产业竞争力。对工业AI团队而言，下一步应从一个可以量化验收的零部件或工序开始，建立完整的设计、仿真、中试与智能工厂证据链。
参考资料
- 新华社，《北京力争建成具身智能机器人产业创新高地》，2026-11-11，https://www.news.cn/local/20261111/fe25bb44f20a4172b5c3d26a3a36a62b/c.html
- 北京市经济和信息化局，《北京市具身智能机器人产业高质量发展行动方案（2026—2028年）》，2026-11-11，由新华社当日刊发的发布消息核实主要规划指标；实际政策文件及附件以北京市政府公开版本为准。