一份名為《全球具身智慧30強》的榜單近日釋出，它沒有把票投給最會翻跟頭的機器人，而是投給了最能讓機器人“穩定上班”的公司。榜單由微信公眾號“紀中展講決策”推出，以“誰能讓機器人真正工作”為核心標準，對全球具身智慧企業進行排名。截至2026年8月，綜合技術、商業、量產和可信度，Agility Robotics位列第一，Figure緊隨其後，中國公司智元和優必選分列第三、第四。

榜單的評判邏輯很明確：具身智慧正在從“誰先把機器人造出來”進入“誰先讓機器人穩定上班”的階段。因此，它不看重表演性影片、融資額或人形外觀，而是看重客戶確認、連續執行、實際任務量和商業合同。評分滿分100分，由估值、客戶復購等六部分構成，並審慎處理缺少第二重證據的資料。

Agility Robotics登頂的原因並非其雙足機器人Digit“什麼都會”，恰恰相反，它目前能穩定完成的任務並不算多，但它把一件事重複做了十萬次。Digit已在GXO倉庫進入多年期RaaS（機器人即服務）商業部署，累計搬運超過10萬個料箱，並與豐田加拿大簽署商業協議，與Mercado Libre等企業推進部署。它證明的不是“我可能會做什麼”，而是“我已經做了多少”。

Figure排在第二，它是目前全球最均衡的全棧型選手：既有本體，又有Helix具身模型，還有自己的BotQ製造工廠。Figure披露，2026年已生產交付超過350台Figure 03，產速從每天一台提高到每小時一台；Helix 02完成了連續四分鐘、無重置和人工介入的洗碗機裝卸任務。更重要的是，Figure 02在寶馬美國斯帕坦堡工廠經歷了10小時工作班次、1250多個小時執行，裝載了9萬多個零部件，參與生產了3萬多輛BMW X3。2026年，Figure 03又回到寶馬，挑戰更復雜的零部件排序和物流任務。Figure未居首，只因Agility的商業部署更早、客戶範圍更廣、RaaS模式更清晰，但兩者差距很小。

中國公司智元排在第三，其最強之處是速度。從第一台樣機到第5000台、第1萬台，再到2026年6月第1.5萬台機器人下線，智元把具身智慧帶入了前所未有的生產規模。它同時佈局全尺寸人形、半尺寸人形、輪式作業機器人和四足機器人。但“下線”不等於“正在創造生產力”，其機器人中相當一部分用於科研教育、文娛表演、資料採集和商業展示。2026年，智元開始在龍旗科技真實的平板電腦生產線上部署G2機器人，這一步開始把規模製造能力帶進核心生產流程。

優必選位列第四，道路更穩、更“工業”。公司披露，2025年銷售了1079台全尺寸具身智慧人形機器人，相關收入達8.2億元，其中超過80%進入汽車製造、物流、3C電子、半導體、航空等工業場景。Walker S2已進入量產交付，並在歐洲零售物流和日立製造場景驗證。優必選坦率承認，目前Walker S2在一些任務上的效率大約只有人類的30%至50%，但這比很多“即將改變世界”更有價值，因為商業化是從人類效率的30%一點點爬到50%、80%，最後在某些任務上超過人類。

第五名銀河通用是中國公司裡最值得關注的場景派。它沒有押注“萬能機器人”，而是先在上海陸家嘴開了Galbot Shop機器人商店，一台機器人可自主接待顧客、取貨、結算、充電和遠端排程，類似零售終端已進入多個城市。這家九平方米小店本身就是資料工廠，每天面對不同顧客、商品和指令，機器人不斷獲得真實世界資料。

第六名Apptronik擁有賓士、Jabil、GXO、Google DeepMind等夥伴名單，一邊讓Jabil幫助生產Apollo，一邊讓Apollo進入Jabil和賓士的製造場景。其問題在於公開驗證的工作量尚未追上融資額和夥伴陣容。第七名Boston Dynamics是“老冠軍”，運動控制地位幾乎無需證明，Spot和Stretch已進入真實商業場景，但新一代Atlas大規模進入現代汽車工廠要等到2028年，先做零部件排序，2030年才擴充套件到裝配，技術上的老師傅商業化反而被後來者追上。

宇樹排在第八，其運動控制、產品價格和量產能力大幅拉低了行業門檻，但榜單不獎勵流量和翻跟頭。宇樹創始人王興興承認，具身智慧軟體迎來類似ChatGPT的突破可能還需兩年至十年。第九名ANYbotics做四足巡檢機器人，已進入石油、天然氣、電力、礦山等危險環境；第十名Dyna Robotics甚至不給機器人裝腿，兩條機械臂折毛巾、疊衣服，在24小時連續測試中成功率超過99%，已在客戶現場每天執行16小時。這兩家公司提醒行業：機器人不是非得先學會走路才能掙錢。

榜單進一步指出，具身智慧正在打三場戰爭：身體之戰、大腦之戰、工作之戰。身體之戰中，中國公司整體更有優勢，擁有完整的電機、減速器、感測器、電池、加工和整機供應鏈，智元、宇樹、優必選、傅利葉、逐際動力等快速迭代均與此有關。大腦之戰中，Physical Intelligence、Skild AI、FieldAI以及中國的自變數、千尋智慧等爭奪模型層，若出現平台型贏家，可能成為具身智慧時代的Android，但機器人缺乏“物理世界網際網路”，只能靠模擬、人類影片、遙操作和真機執行學習。工作之戰最接近商業本質，機器人能否嵌入客戶生產流程、總成本能否低於人工，真正難複製的是客戶現場、工作資料和流程知識。

中美具身智慧走的是兩條不同路徑：美國公司習慣從模型、資本和大型企業客戶出發，圍繞真實場景做長期試點；中國公司從供應鏈、產品和規模製造出發，通過密集出貨、資料採集和場景試用推動迭代。據路透社2026年世界機器人大會期間報道，中國企業當年上半年交付了超過4萬台人形機器人，佔全球市場絕大部分。但榜單提醒，出貨不等於真實需求，部分機器人流向訓練中心、展示中心和政府支援專案，與終端製造企業基於投入產出計算後連續多年購買機器人勞動力不是一回事。《金融時報》也記錄了行業對部分需求質量和“迴圈融資”現象的擔憂。

榜單最後指出，具身智慧公司最終賣的不是機器人，而是勞動力。未來可能出現RaaS（機器人即服務）模式，客戶按月或按年租賃，機器人公司負責維護升級；再往後是按工作結果付費，承諾一年完成100萬次搬運、按摺疊衣服件數結算。這會徹底改寫行業價值標準：從關心售價到關心單次任務成本，從比較引數到比較每千小時故障率。最終決定勝負的，不是身體也不是大腦，而是誰先拿到最多真實工作的資料，形成“部署越多、資料越多、模型越強、成本越低”的迴圈。