具身智能正自发形成三层分工：美国做"大脑"，中国做"身体"，欧日卡住中间精密件。

美国押注算法定义权。Physical Intelligence、DeepMind、英伟达这些公司，比的是对智能如何学习、泛化的根本理解，不谈出货量，投资人吃这套"先摸高再落地"的逻辑。

中国手里有两张牌。算法创新已站上顶层牌桌，但真正的护城河在供应链——消费电子和新能源车留下的工程遗产，让人形机器人的BOM只能在这里跑通。美国创业者来华设厂，特斯拉、英伟达要在上海量产，不是因为便宜，是因为只有这里能又快又稳地出活儿。

欧日则用几十年工艺守住减速器这类绕不开的精密件。但欧洲的路子不止于此。GDPR把家庭数据采集卡死了，他们干脆转向工业流水线和手术台，场景固定、数据干净、商业闭环直接。学界也很有意思，Jan Peters这种大佬不卷benchmark了，跑去用强化学习帮F1赛车手优化圈速。本地培养了热情的机器人学生，算法岗却少得可怜，回国的人从四成涨到五成以上。

美国硬件市场铁板一块，四大家族加UR把位子坐死了，客户买机械臂当基础设施，要的是稳定，不是创新。量产口号喊得响，但真掏钱买单的订单还没影。唯一共识是：工业生产线和仓储物流，就是最先落地的场景。

三层格局：谁在哪一层，凭什么在那里

美国比的是“Vision”——不是硬件先跑，而是先定义机器人该怎么学、怎么想、怎么泛化。Pi、DeepMind、英伟达的故事都围绕认知和算力展开，像iPhone诞生前夜，比的不是谁先造出手机，而是谁先定义它该长什么样。中国拼的是供应链速度和密度——消费电子和新能源车攒下的工程遗产，让这里成为唯一能把上万个零部件从BOM表跑成千台产量的地方，美国公司正纷纷跑来设厂，不是因为便宜，是因为快且靠谱。欧洲日本则卡在精密件这个绕不开的中间层，“四大”工业机械臂品牌统治产线几十年，性能和可靠性仍是硬指标。三者拼在一起，恰好构成了从大脑到身体、再到关键神经的全球版图。

欧洲的具身智能：为什么不爱“通用”，偏爱“工业”和“医疗”？

欧洲的命门，其实就藏在三个字里——隐私法。GDPR把家庭数据采集这条路封得死死的，想在家放摄像头采日常数据训机器人？律师函比论文来得还快。于是欧洲研究者干脆转身，把精力全押在数据采集毫无争议的场景：工厂流水线和手术台。工厂里场景固定、数据干净、商业闭环清晰；医疗领域，手术辅助和康复机器人直面老龄化刚需，社保和补贴愿意买单。

学术界则是一派“扫地僧”气质。Jan Peters就是典型，这位强化学习和视觉领域的顶级存在，如今兴越早已从纯算法竞赛转向了更“离经叛道”的方向——用强化学习帮F1车手突破圈速，或者深耕人机交互，后者本就是欧洲学术传统里自然长出来的东西。团队还在做机械臂抓取，但模式是B2B商业驱动，卷benchmark的纯理论味淡了很多。伯恩大学也是如此，深厚数学底蕴让他们的机器人研究带着浓重的数学味，更偏感知和人机交互。你会发现，欧洲名校几乎不碰“万卡集群预训练通用基础模型”这种烧钱游戏，而是偏爱在具体、可解释、人机共融的场景里找优雅解——像深藏不露的剑客，不求招式华丽，只求一剑封喉。

人才流向更显张力。欧洲培养了不少机器人方向的学生，但本地消化不了这么多算法热情。社会资本不往这边涌，创业公司少，核心岗位极其有限。于是大量学机器人、车辆工程的毕业生，最终去了大众、整机厂，或者跑到合肥做电车开发、写ABS辅助功能。有拿到国内机器人算法offer的博士，会因为岗位内容“跟学的完全不一样”而犹豫。但与此同时，回国的人正越来越多，从以前的四成涨到五五开甚至更高。他们清楚国内机器人缺口大，却又对求职路径感到迷茫——一边是欧洲安静的实验室氛围，一边是国内卷到飞起但真金白银掏钱的产业，这群人最渴求的，就是一个能把两边资源对接起来的渠道。

美国市场的务实与保守：别想轻易挤进硬件圈

再聊聊美国那边的情况，画风可能跟很多人想的不太一样——不是遍地机会，反而是硬件选择上保守得惊人。

工业机械臂这块儿，格局早就铁板一块，新品牌几乎没什么缝可钻。“四大”之外，客户买机械臂就跟买水电网一样，要的不是创新，是稳定、可靠、备件充足、技术服务随叫随到。后来者想撕开口子，难度大概跟在可口可乐和百事面前推一个新可乐品牌差不多。就连“轮臂”这种形态，仓库里虽然常见，但也没催生出什么专门的轮臂公司——需求场景不够明确，商业逻辑没跑通，市场自然不会买单。而且美国客户特别偏爱“选项少但成熟”的方案，鲁棒、耐操、别整花活儿。这一点，欧美在硬件上意外地合拍，骨子里都是务实派。

量产与落地：热烈口号下，现实仍冷

量产和落地的故事，口号听着很热，现实还是冷的。特斯拉和Figure都提过“上千台”的数字，但业内普遍打个问号——在没有明确的商业订单、没看到盈利路径之前，没有任何一家公司会真金白银从产线上压出上千台人形机器人，资本逻辑不允许。不过，落地场景的共识倒是慢慢聚拢了：工业生产线和仓储物流，被公认为最先跑通、最确定的方向。它们天生适合在仿真里训练，任务边界清晰，商业闭环最直接，这跟欧洲的路径选择不谋而合。至于家政、养老、C端服务这些更性感的故事，目前还挂在更远的地平线上。

Xbotics 具身智能社区在海外

Xbotics在海外的触角。中国学生的需求非常赤裸：求职机会、入门路径。欧洲本地机器人算法岗位少得可怜，而国内正好有巨大的缺口。如果能提供来自国内的实习、硬件实操和前辈指引，对他们就是致命吸引力。思路可以很活——买二手、租设备、找思灵这样的厂商聊合作。宣传阵地圈定朋友圈、小红书，还有LinkedIn，后者尤其关键，因为在欧洲，博士生和教授是真的会刷LinkedIn的。

Xbotics在北上深杭和西安已经扎了点，这些国内站点提供的线下实操，恰恰是海外最稀缺的东西。一旦北美、日本、欧洲的节点陆续铺开，这张网络就不再是单向地从国内输送到海外，而会变成一个双向循环：海外的研发者能用上国内的硬件和供应链能力，国内企业也能直接触达海外的人才池和应用场景。散落在不同时区里的人，有一技之长，有真实困惑，也在等待一次有实物可玩的线下集结。Xbotics要做的，就是让这场集结真正发生。

本文转自Xbotics具身智能实验室

作者 | 木木

产联社经授权发布