从战略配售到实体合营，能源工业场景成具身智能商业化“试金石”

北京市市场监督管理局近日公示的一则经营者集中简易案件，把工业具身智能赛道的一个关键转折摆上了台面。

中国石油集团昆仑制造有限公司及其一致行动人昆仑资本，联合宇树科技股份有限公司、北京泛界智能科技有限公司拟新设合营企业，主攻工业具身智能机器人解决方案。交易完成后，昆仑制造及其一致行动人合计持股60%，宇树科技、泛界智能各持股20%。

这并非一次突如其来的联手。早在今年8月宇树科技科创板IPO时，昆仑资本已作为战略投资者获配903,290股，占当次公开发行股份数量的2.23%，获配金额约1.36亿元。双方还签署了《战略合作备忘录》，明确围绕油气场景机器人应用展开合作。

据宇树科技此前的上市文件披露，中国石油集团可开放油田、炼化厂区、长输管线、储罐区等作业场地，输出防爆规范、安全处置流程、设备故障判定标准和泄漏、火灾等应急演练场景；宇树科技可根据落地需求提供常规及防爆四足机器人，集成气体检测、热成像、声纹采集等设备，用于巡检、渗漏排查和事故前期环境探测。

高危能源场景率先试点

在此次合营官宣之前，石化领域高危场景已经出现“机器代人”的实际投用案例。去年，中国石化首个飞索智能巡检机器人在镇海炼化投用，覆盖1.2万平方米液化气球罐区。据企业介绍，机器人搭载全景相机、OGI 光学气体检测仪等6种设备，可采集15类数据，每天自主巡检12次，能够同步监测6种气体、在50米范围内识别泄漏隐患，单班次巡检覆盖面积为人工的5倍以上。

电网侧的落地节奏同样密集。今年9月22日，南方电网与宇树科技签署战略合作框架协议，双方约定开展技术共研、场景共建、标准共立、产创共融，围绕电力场景推进技术攻关、工况对接与行业标准制定。南方电网还在持续通过真实工况划定技术边界：2026电力具身智能应用大赛共吸引93支队伍、140家单位报名，15支队伍进入实操赛，在真实电力作业环境中完成变电站设备巡检、紧急停电操作、专变用户电能表更换前验电三项任务。

能源场景正成为工业具身智能落地的前沿阵地。

中国信通院10月发布的《具身智能发展报告（2026 年）》提出，2026年的具身智能站在“未来产业向试点应用的过渡节点”，制造、物流、能源、医疗、商业服务等领域试点规模逐步扩大。IDC同期数据显示，2026年上半年，全球四足机器人在工业制造领域应用市场规模约7675万美元，同比增长194.2%，部署量同比增幅达到537.9%，增速显著高于消费端市场，化工、矿山、冶金等高危工业场景是工业制造市场增长的核心驱动。

江行智能创始人庞海天在接受第一财经记者采访时表示，变电站、新能源场站等基础设施位置偏远，站内设备价值高，人工运维巡检劳动强度大、效率偏低。部署机器狗、无人机、巡检机器人等终端设备后，单场站数千个巡检点位的人工巡检可实现整体替代。

据庞海天介绍，上层“物理AI大脑”可对采集数据集中分析，识别设备故障与异常，结果回传至控制中心，整站巡检效率显著高于人工模式。

数据与可靠性双约束

以中石油、中石化、南方电网为代表的能源央企，正在成为工业具身智能重要的“场景甲方”。工业具身智能的竞争也正从展台演示进入现场交付阶段。

中国出海企业协作联盟（CEGA）具身智能与机器人委员会主任、华山资本管理合伙人杨镭提出，机器人进驻厂区不等于商业化落地。现场演示、接入生产流程、客户持续付费、规模化采购，是完全不同的发展阶段。“未来数年，工厂、仓储、物流这类标准化To B场景，会比家庭服务这类非结构化环境更早实现规模化商用。”

“在能源行业，数字技术运行在一个对可靠性、安全性、连续运行要求极高的物理环境里。不只是在优化一个数字流程，而是在围绕复杂设备和工业流程做决策，这些设备可能要连续运行几十年。”贝克休斯工业解决方案业务高级副总裁阿拉温德・亚拉加达（Aravind Yarlagadda）在接受第一财经记者采访时表示。

阿拉温德·亚拉加达认为，在工业场景里，只靠复杂算法远远不够，还需要高质量的运营数据、对设备工艺的深度理解，以及一线工程师、运维人员愿意信任的模型。“物理AI在石化、能源场景的部署门槛显著高于普通场景，技术方案需要在复杂工况下持续稳定运行，打通存量控制系统，同时满足严苛的安全生产、网络安全与现场运营规范。”

高质量真机数据的约束同样紧迫。国金证券10月29日援引中国信息通信研究院《具身智能训练场研究报告（2026年）》分析，想要推动机器人迎来类似大模型的“ChatGPT时刻”，约需21,200台机器人连续工作一年，产出千万小时级有效数据，而当前全球可用的高质量真实数据仅数十万至百万小时级，数据尤其是真机数据是物理AI最核心的瓶颈。

天使投资人、资深人工智能专家郭涛向第一财经记者分析，工业具身智能当前正处于从样品演示转向工程交付的过渡期，已经脱离纯实验室研发阶段，部分高价值场景完成单点试点验证，但距离大规模批量落地仍有较长距离。

“技术突破和商业化洗牌会同步推进。”郭涛认为，技术层面，模型物理泛化能力、本体可靠性、整机成本都会迎来一轮集中迭代，不少底层卡点有望得到缓解。商业化层面，资本资源会持续向具备稳定项目交付能力、跨场景复制能力的企业集中，大量仅能完成样机制作、无法拿到工厂持续性订单的团队，会逐步被市场出清。