天工跑赢博尔特，为什么换不来工厂通行证？

Reuters 于 2026 年 9 月 10 日刊发独家报道《EXCLUSIVE: After outrunning Bolt, China's robot champion races towards real-world work》，作者为 Reuters 驻京首席科技记者 Eduardo Baptista。1

报道记录了北京人形机器人创新中心工程师郭宜劼（Jack Guo）首次接受外媒采访的对话，以及天工系列机器人在北京亦庄研发车间与工厂试运行的现场细节。1

在 2026 年 8 月底落幕的第二届世界人形机器人运动会上，大型人形机器人天工 Ultra 在百米决赛中跑出 8.64 秒，成绩快于牙买加运动员博尔特在 2009 年柏林世锦赛创下的 9.58 秒人类百米纪录。12

赛道冲刺刚一结束，负责带队研发的工程师就已经转向了另一场更硬的考试。

作者丨 AI 科技评论编辑部

编辑丨林默

操场上的速度爆发容易制造狂欢。

在蓝色塑胶跑道上，双足机器人迈开机械长腿大步狂奔，计时牌定格在人类肉身难以触及的数字。

冲刺视频传到社交网络，立刻被贴上各种惊叹标签。

当喧嚣退去，研发团队面对的真实场景是另一番景象。

终点线后停不下来的惯性，把现场最直接的工程风险摆到了台前。

在赛道上加速狂奔，和在车间里安全停下，遵循着完全不同的物理规律。

天工 Ultra 在赛场上完成了三轮冲刺。

研发团队为比赛准备了三套由仿真环境训练出的运控策略，一套久经测试，另外两套在理论上更快，但未经验证。1

这台机器人三场比赛各换了一套程序：预赛跑出 9.39 秒，半决赛跑出 8.86 秒，决赛将成绩推到了 8.64 秒。13

成绩节节攀升的背后，是极高强度的工程消耗。

为了把起跑响应时间缩短半秒，工程师们连续几天在测试场与赛场之间通宵调试，一旦机械受损便立刻推上备用机器。1

郭宜劼回忆早期研发过程时直言：“腿断过，腰断过。”1

更严峻的瓶颈出现在冲过终点之后。

据 Reuters 报道，天工 Ultra 重量达到 75 公斤，峰值速度超过每秒 17 米。1

在极短的赛道缓冲区后，主办方放置了厚重的缓冲垫。

冲过终点线的短跑机器人们缺少平稳减速的能力，只能全速撞在海绵垫上结束冲刺。14

这就是赛道竞技与工业现实之间的第一道鸿沟。

人类短跑运动员冲过终点后可以依靠肌肉韧带平稳减速，而双足机器人在高速运动中承受着极大的惯性与动能冲击。

急刹会给双足关节带来巨大的力矩冲击，系统极易瞬间失稳倒地。

郭宜劼向 Reuters 坦承，未来的版本必须减重、提升制动能力，并采用更安全的姿态。1

跑出 8.64 秒的瞬间，机器人身体的运控极限其实已经到了边缘。

走进制造车间，工位考核的指标彻底换了方向。

车间流水线只考核三件事：能不能稳定搬起零件、会不会砸坏货箱、能不能连续工作八小时不出故障。

据 Reuters 报道，北京人形机器人创新中心的设备在福田康明斯北京发动机厂进行过物料搬运测试，其中天轶 2.0 机器人被用来将 8 到 12 公斤的箱子搬上货架。1

福田康明斯工厂将这次试运行明确描述为“早期探索”。1

在发动机厂这种成熟的工业环境里，周转箱往往已经使用了三到五年，塑料边缘不可避免地存在磨损和变形。5

箱子里盛放的零件材质各异，有的沉重，有的易碎。

天轶机器人搬运 6 个箱子大约需要 4 分钟，另一款具身天工 2.0 搬运单个箱子大约需要 1 分半钟。5

在真实的搬运工位上，系统始终把作业稳定性放在运行速度之前。

AI 科技评论注意到，虽然天工系列频频在半马和运动会等公开舞台亮相，但 Reuters 指出，创新中心至今从未披露其自有机器人对外销售或实际商业部署的具体数量。1

目前的核心客户，依然以高校、科研院所和探索工业应用的企业为主。1

这家成立于 2023 年 11 月的创新中心，身后站着优必选、小米与百度等产业资本，并于 2024 年 10 月正式挂牌为国家地方共建具身智能机器人创新中心。16

股东和牌子的分量足够重，但商业交付的账本同样要接受工业常识的检验。

在发动机车间里，一个箱子滑脱就会造成数千元的零件报废，甚至导致整条装配线停顿。

短跑赛道上的偶发失误可以用备用机替换，制造现场的一秒停线却是真金白银的损失。

如果把目光投向全球具身智能的前沿，这种评价尺度的切换正在同步发生。

在大洋彼岸，美国人形机器人独角兽 Agility Robotics 也在物流场景里寻找落地路径。

2024 年 6 月，物流上市公司 GXO 与 Agility 签署了多年期商业协议，在正式履约中心部署其双足机器人 Digit。7

到 2025 年底，Agility 公布了一项关键指标：Digit 在 GXO 现场累计搬运了超过 10 万只料箱。8

在这份官方总结中，Agility 用了一句极具产业清醒度的话：“没有安全，就没有规模。”8

北美工业自动化协会（A3）在一篇深度技术报告中指出，当前全球人形机器人落地面临着一道巨大的标准真空。9

传统的工业机器人安全标准如 ANSI/A3 R15.06 和移动机器人标准 R15.08，均未将人形机器人纳入考量范围。9

人形机器人在工程上属于“动态稳定工业移动机器人”（DSIMR）。

这类机器人在断电时会直接跌倒，传统工业安全里拍下红色急停按钮切断电源的做法，反而会引发更严重的砸伤风险。9

为了防止伤人，目前全球绝大多数人形机器人试点都被锁在所谓的“围墙花园”里。

工厂依靠物理护栏或严格的时间隔离，确保机器人工作时周围没有任何活人。

这种隔离方式依然保留着传统工业机器人的防范逻辑。

面向具有主动稳定控制的工业移动机器人的国际安全标准 ISO 25785-1 仍在起草制定当中。9

昆士兰科技大学机器人中心主任 Michael Milford 教授对此给出了清晰的评价：机器人在体育比赛中的出色表现，并不能直接转化为日常任务中的实用价值。4

俄勒冈州立大学学者 Alan Fern 更是指出，就像 F1 赛车单圈速度的提升不等于交通运输革命一样，击败博尔特绝不代表机器人的通用运动能力已经超越人类。4

让机器人走进人机协作的生产环境，需要一套建立在工业运行数据上的安全认证。

在这次独家专访中，郭宜劼给出了一个耐人寻味的比喻。

他将今天的人形机器人比作一百多年前刚诞生的早期汽车。1

“我们的首要任务是先把车造得能开、能受控，然后再给这具可靠的身体配上能够自主处理复杂任务的 AI 大脑。”郭宜劼说道。1

这位 34 岁的工程师认为，让机器人本体和运动控制系统在日常使用中保持稳定可靠，是当下更迫切的挑战；而开发出足以应付复杂自主作业的人工智能，需要花更长的时间。1

在 AI 科技评论看来，郭宜劼的判断代表了国内一线硬件工程团队的务实回归。

过去两年，大模型浪潮让整个行业沉浸在“端到端具身大脑能解决一切”的乐观叙事中。

行业以为只要给机器人灌入足够的多模态数据，机器就会自然学会像人类一样干活。

真实的物理世界会给软件工程师上一课。

关节电机的散热极限、减速器的背隙磨损、刚柔耦合下的力矩突变、传感器毫秒级的延迟，都在考验着每一个硬件本体设计。

如果一台机器人的底盘在负重时会摇晃，连最基本的急停刹车都无法自主消化，那么上面的大模型思考得再深邃，也是坐在轮椅上的棋手。

从“最能跑”走向“最好用”，正是北京人形机器人创新中心自 2025 年半马之后确立的内部策略。10

较小尺寸的 Omni 机型在今年的一次内部测试中从创新中心 1 楼爬到了 17 楼，郭宜劼预计它会率先在商业服务与轻工场景寻找位置。1

而体型更大的 Ultra，未来的归宿或许是户外巡检与应急救援。1

跑赢博尔特可以给公众一个极具冲击力的视觉符号。

当那些悬挂在车间金属架上的机器人能够摘掉安全绳、平稳停在传送带旁并搬起成千上万个零件时，这场奔跑才算真正找到了终点。