轮足机器人3秒合体变形，这家中国公司把“身体”卖到了50国

当机器人开始“合体”：具身智能的另一条突围路径

近期一段机器人视频在行业内引发热议：两台双轮足机器人在数秒内完成对接、变形，随后直立行走，甚至能无限组合成多足形态。这段被标注“无AI生成画面”的视频，展示的并非概念产品，而是来自中国机器人公司本末科技的量产整机。

从“大脑”热到“身体”冷：被忽视的物理底座

2026年上半年国内具身智能赛道融资约440亿元，其中过半流向以VLA模型、世界数据训练为核心的“大脑派”。行业对泛化能力的追逐，使得大量资源集中于算法与算力，而承载这些智能的物理本体——机器人关节、结构、运动能力——却常被视为“60分够用”的配角。

然而，现实场景中的物理约束远比实验室复杂：一道门槛、一段斜坡、几十公斤的负载，都可能让演示完美的样机止步于客户门口。业内常讨论“系统一负责思考、系统二负责运动”，却忽略了第三层：身体负责“到达”。没有可靠的物理载体，再强的决策与运控能力都无法产生实际价值。

直驱技术路线：去掉减速器的反主流选择

本末科技创始人张笛的学术背景（北京理工大学机械工程本科、香港科技大学机器人系统与控制硕士）为其技术路线奠定了基础。该公司自2020年成立起便押注一体化直驱关节，选择不安装减速器——这在当时与行业主流认知相悖。

传统电机需通过减速器放大扭矩，但这一中间传动环节也带来了能量损耗、运行噪音与寿命折损。直驱方案虽在扭矩输出上需重新设计，却换来了更紧凑的体积、更安静的运行和长达5万至10万小时的工作寿命。这一特性对消费级与商用场景尤为重要。

产品矩阵：从关节模组到整机落地

本末科技的业务线分为动力模组与整机两部分，后者以三款产品覆盖不同场景：

• 刑天（Xingtian）：全球首款商业化直驱双轮足机器人，负载能力超过80公斤，可攀爬斜坡并实现半坡驻停，主要面向库房与园区的物资运输。
• TITA：拥有8个自由度与10公斤动态载荷，工作温度覆盖-10℃至45℃，搭载光学传感器与相机，适用于巡检、测绘及楼宇内的点对点配送。
• D1：即视频中展示的模块化机器人。其最大特点是支持3秒快速拆装与合体，可在双轮足、四轮足等形态间切换。模块化设计不仅增强了地形适应能力（如分体扫图、合体越障），还让开发者得以共享算法体系，降低测试设备成本。

市场验证与数据反馈

据本末科技披露，其直驱动力模组在2025年出货约850万套，占据中国消费机器人直驱动力模组市场61.1%的份额；轮足整机产品则已出口至全球50多个国家和地区。硬件销售与整机部署形成闭环：模组为整机提供核心部件，整机在真实工况中采集的数据又反哺模组迭代。

国内视角：本体创新的价值重估

当全球具身智能竞赛聚焦于通用大模型时，国内厂商在物理本体上的差异化探索同样值得关注。与海外侧重于软件生态与云端智能的模式不同，中国供应链在电机、传感器与精密制造上的积累，为直驱关节、模块化结构等硬件创新提供了快速迭代的土壤。无论是宇树科技在人形机器人上的进展，还是本末科技在轮足与模块化方向的突破，都表明“身体”的进化并非简单的机械问题，而是决定AI能否走出实验室的关键工程瓶颈。

结语：通往物理AGI的入场券

行业共识认为，通用自主能力至少需要千万小时级别的数据训练，而当前具身数据量仅为百万小时量级，且缺乏触觉等关键维度。这意味着“大脑”的成熟仍需数年等待，但机器人不能停摆。

在决策、运控与本体三条战线中，专注“到达”的本体厂商正承担着为未来模型提供可靠载体的角色。无论最终由VLA、WAM还是原生具身模型胜出，模型的最后一站必然是一副能够适应物理世界规则的身体。正如本末科技的产品在园区中的日常运作所示——这些不是展台上的演示，而是正在发生的产业实践。

关于机器人模块化设计的更多技术细节，可参考IEEE Spectrum对足式机器人形态的研究报道以及香港科技大学机器人研究所的公开资料。

常见问题

本末科技的核心技术路线是什么？

本末科技主打一体化直驱关节技术，与主流“电机+减速器”方案不同，其通过去除减速器来降低能耗、噪音与故障率，同时提升关节寿命与响应速度。

D1机器人的“合体”功能有何实际用途？

D1的模块化设计支持3秒拆合，可切换双轮足、四轮足等形态。分体时可并行执行扫图等轻量任务，合体后则能应对爬楼梯等复杂地形，同时降低了开发者的测试设备成本。

直驱动力模组的市场表现如何？

据本末科技数据，其直驱动力模组2025年出货约850万套，在中国消费机器人市场占有率达61.1%，主要应用于扫地机器人等消费级产品。

为什么“本体”在具身智能中如此重要？

大脑模型解决决策问题，但物理世界存在台阶、负载、温度等硬约束。若机器人无法稳定到达作业位置，再强的算法也无法落地。本体能力决定了AI系统能否跨越从实验室到真实场景的鸿沟。

具身智能的数据瓶颈如何影响行业发展？

当前具身数据量约百万小时，而通用自主能力需千万小时以上。数据短缺意味着大脑成熟尚需时日，因此行业需并行发展本体技术，以确保模型ready时具备可部署的高质量物理平台。

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。

编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com

© 2026 Bingdada. 保留所有权利。