有哪些好用的具身智能？

把“具身智能”当成一个能直接下载的 App 来问“有哪些好用”，其实是个常见的误区。目前这个领域还没有出现一个“万能”的通用机器人，但如果你愿意把它拆解成“能落地的硬件本体”和“让硬件聪明的软件/模型”两个层面，那市面上确实已经有不少值得关注甚至已经商用的选项。我的建议是：如果你是企业做技术选型，优先看 Figure 和宇树；如果你是开发者想搞二次开发，优必选和智元生态更友好；如果你是纯好奇想体验“AI 控制身体”，那可以先从仿真平台开始。

先分清“本体”和“大脑”，再谈好用

大多数人问“具身智能”，其实问的是“能跑能跳能干活的人形机器人”。但业内更严谨的看法是，具身智能 = 物理身体（硬件）+ 感知决策（大模型/强化学习）。所以“好用”得看你的场景：是想要一个能搬箱子、拧螺丝的工业臂，还是想要一个能陪你聊天、端咖啡的双足机器人？下面我按这个逻辑，把目前真正有产品、有融资、有真实落地案例的玩家梳理一遍。

一、人形机器人本体：最接近“具身智能”概念的产品

1. Figure 02（美国 Figure AI）
这是目前全球公认的“具身智能第一梯队”。Figure 02 是 Figure AI 在 2024 年发布的第二代商业化人形机器人，身高 1.7 米，负重 20 公斤，手部有 16 个自由度，最关键的是它接入了 OpenAI 的大模型，能用自然语言理解指令并规划动作。它已经在宝马的斯帕坦堡工厂尝试做“抓取金属零件并放入夹具”的工作，虽然速度比人慢，但胜在连续工作不疲劳。收费模式：不零售，按“机器人即服务（RaaS）”年租，价格约合每年 200 万人民币起。官网：https://www.figure.ai/

2. 宇树 G1 / H1（中国宇树科技）
如果说 Figure 是“高富帅”，宇树就是“性价比屠夫”。G1 人形机器人售价9.9 万元起，这个价格在 2023 年以前是不可想象的。G1 虽然手部精细操作不如 Figure，但胜在运动控制极其出色——能跑、能跳、能后空翻，而且开发文档开放程度高，很多高校实验室买它来做强化学习训练。H1 则是更大型的版本，身高 1.8 米，速度可达 3.3m/s，适合做物流搬运测试。官网：https://www.unitree.com/

3. 特斯拉 Optimus（Tesla Bot）
虽然还没正式发售，但不得不提，因为它是目前唯一背靠车企制造链的具身智能。Optimus 二代已经在特斯拉工厂内部承担电池分拣工作，它的核心优势是复用 FSD 自动驾驶的视觉神经网络，也就是说它的“眼睛”和“大脑”已经在数百万辆车上验证过了。目前没有对外报价，预计 2026 年小批量交付。官网：https://www.tesla.com/optimus

二、机械臂 + 移动底盘：更务实的“半具身”方案

别被“人形”绑架。在很多工厂场景，轮式底盘 + 机械臂比双足更稳定、更便宜，而且已经大规模商用。

4. 优必选 Walker S（中国优必选）
这是国内唯一在 汽车总装车间 批量“上班”的人形机器人。它已经在蔚来、东风柳汽的工厂里做安全带检测、车标贴装、底盘螺栓拧紧等工序。它的特点是与现有工业系统（PLC、MES）无缝对接，不是玩具级的演示，而是真正产线上的工具。价格约 50-80 万/台，支持定制化开发。官网：https://www.ubtech.com/

5. 智元远征 A2（中国智元机器人）
这是华为天才少年稚晖君离开华为后创立的公司，A2 是 2024 年发布的商用机器人。它的亮点是搭载了自研的“具身大脑”框架，可以把任务拆解成“感知-规划-执行”三步，并且开放了 ROS 2 接口，开发者可以很容易地替换自己的模型。目前主要应用在 3C 电子装配和实验室自动化。官网：https://www.zhiyuan-robot.com/

三、软件与开发平台：不买硬件也能“玩”具身智能

如果你没有几十万预算，或者只是想先跑通算法，以下两个平台是“好用”的代表。

6. NVIDIA Isaac Sim / Isaac Lab
这是目前最强大的具身智能仿真平台，免费，基于 Omniverse。你可以在里面搭建一个虚拟仓库、虚拟厨房，然后让一个虚拟机器人学习抓取、导航、避障。Isaac Lab 专门为强化学习设计，支持 GPU 并行训练，比在实体机器人上训练快 100 倍以上。很多论文的实验部分都是用这个平台做的。官网：https://developer.nvidia.com/isaac-sim

7. 谷歌 RT-2 / DeepMind 的“具身语言模型”
这不是硬件，而是模型权重与论文。RT-2 是全球第一个“视觉-语言-动作”三模态统一模型，它让机器人能理解“把红色的杯子放在蓝色的盘子里”这种指令，并且零样本泛化到没见过的物体上。虽然谷歌不直接卖服务，但它的开源数据集 Open X-Embodiment 汇集了 22 种机器人的演示数据，你可以在上面微调自己的模型。官网：https://deepmind.google/discover/blog/rt-2-new-model-translates-vision-and-language-into-action/

怎么选？一张表帮你决策

我的三个实在建议

第一，别迷信“人形”。如果你的任务是在固定工位抓取，轮式机械臂（比如发那科或库卡的协作臂）加一个视觉模组，成本只有人形机器人的十分之一，但可靠性高十倍。具身智能的本质是“智能”而不是“人形”。

第二，关注“数据飞轮”。真正好用的具身智能，背后一定有海量的遥操作数据。目前宇树和智元都在大量铺设遥操作采集设备，买他们的硬件，某种程度上是买他们未来的模型迭代能力。

第三，仿真先行。无论你选哪家，强烈建议先在 Isaac Sim 里跑通你的业务逻辑，再考虑买实体。我见过太多团队买了机器人，结果花了大半年调参，最后发现是场景设计的问题。

相关问题

1. 具身智能和传统工业机器人有什么区别？
传统工业机器人是“固定程序 + 重复动作”，具身智能是“感知环境 + 自主决策”。前者适合 10 万次不变的动作，后者适合稍微变化一点点的场景，比如不同角度摆放的零件。

2. 现在买一台人形机器人能帮我写代码吗？
不能。目前所有具身智能的“智能”都集中在运动控制和简单操作上，它不具备生成式 AI 的创造力。让机器人帮你写 PPT 不如直接用 ChatGPT，但让它帮你拿杯水，它比 ChatGPT 强。

3. 宇树和波士顿动力比，差距大吗？
在运动灵活性（比如跑酷、跳跃）上差距已经很小，但在感知与操作结合上，波士顿动力的 Spot 配了机械臂后，抓取精度仍领先。不过波士顿动力不零售，且价格是宇树的 5 倍以上。

4. 具身智能的“大脑”用的是大语言模型吗？
部分用。比如 Figure 02 接入了 GPT-4o 做任务规划，但底层运动控制还是用强化学习。现在的主流架构是“VLM（视觉语言模型）做决策 + RL（强化学习）做执行”。

5. 小公司或个人开发者能入局吗？
可以。推荐路径是：先用 Isaac Sim 学仿真，再买一台宇树 G1 做实物验证，模型可以基于开源的 RT-2 或 LLaMA 微调。总投入控制在 15 万以内就能起步，但要想商业化，建议聚焦一个极窄的垂直场景（比如实验室加液、仓库扫码）。