前言：

在2026年的具身智能赛道上，人形机器人在跑道上刷新着速度纪录，四足机器狗在街道上学习着如何与世界相处。后者看起来没那么酷炫，却可能离AGI的最终图景更近一些。

作者| 方文三

图片来源 | 网络

竞速在炫技幻觉里越卷越偏

近日，北京亦庄人形机器人半程马拉松终点区，视障大学生王子豪在四足机器人[途途]的引领下，顺利完成300米开放环境行走挑战。

避障、穿窄道、过人潮、自主找补给，这些动作在实验室里不足为奇，可放到瞬息万变的真实城市街道，意义全然不同。

当下具身智能行业正陷在尴尬困局：机器人能完成高难度后空翻、精准操控流水线、跳整齐划一的舞台舞蹈，可一踏上真实街头，瞬间[智商归零]。

遇行人僵住、见障碍物绕圈，稍复杂的路况就只能等待人工接管。

究其根本，这些能力都诞生于封闭可控的实验室：背景干净、变量有限、任务边界清晰，偶发风险被压到了最低。

而城市道路的不可控性，让导盲成了具身智能领域[最难作弊]的考场。

容不得后期剪辑遮掩瑕疵，实验室里勉强过关的demo，一到真实马路就原形毕露。

长久以来，机器人行业困在[炫技焦虑]里，越炫酷的特技越能收割掌声。

可最终，绝大多数产品都卡在了[演示惊艳，落地无力]的尴尬里。

绝大多数竞速中的具身智能，始终没能跨过从虚拟世界到真实物理世界的门槛。

它们能在数字空间无所不知，却难在现实里帮人完成一次安全顺畅的出行。

被忽视的1700万人出行困境

中国残疾人联合会数据显示，我国视障群体人数超过1700万，而全国导盲犬保有量仅约400只，普及率不足万分之三。

另一组来自中国盲人协会的数据显示，我国视障人士约1731万，现役导盲犬仅400只左右，意味着约每4.25万视障者才可能配备1只导盲犬。

背后的原因并不复杂：一只生物导盲犬需历经2年寄养与培训，训练成功率不足30%，单只成本高达20万元。

视障人士申领导盲犬平均需排队2-4年，供需之间横亘着巨大的鸿沟。

杭州市盲协主席赵成直言：智能导盲犬是科技助力无障碍出行的重要途径，有望成为视障群体的[第二双眼睛]。

这段话揭示了一个关键事实：传统导盲犬模式在物理上不可能满足中国市场的需求。

数字时代的便利，很多时候都建立在[能看见、能正常操作]的基础上，而视障群体，就这样被挡在了数字世界的门外。

他们的出行需求、社交需求、日常生活需求，都因为技术的快速发展，反而变得更难满足。

稀缺的背后，是生物导盲犬无法突破的行业瓶颈。

而现有的其他出行辅具，都存在无法弥补的短板。

开放环境下的导盲任务，对智能体的要求几乎达到了民用场景的天花板。

这些能力，恰恰是通用AI最核心的底层能力。

这是一个天然存在的供给缺口，也是技术介入的最佳切入点。

地图公司的空间智能物理化迁移

于高德而言，入局具身智能更是破局的必然。

当AI智能体可一键调用全链路服务，传统地图的流量入口地位正被持续侵蚀：若用户习惯一句话完成打车、导航、消费全流程，高德或将沦为后台运力基础设施。

而具身智能，为它打开了全新的增长叙事空间。

艾瑞咨询数据显示，2025年全球具身智能市场规模约192亿元，2035年将突破万亿，十年复合增长率高达73%。

但行业狂欢背后，难掩落地痛点：实验室里表现惊艳的模型，一入真实物理世界便频频失灵。

核心症结从来不是模型不够强，而是从模型能力到任务落地之间，缺了一层关键的系统架构。

高德的解法，是跳出内卷的模型军备竞赛，转而在场景闭环与数据飞轮上构建核心壁垒。

它用导盲这一极限场景打磨技术，用海量地图数据压低训练成本，用开源生态拓宽能力边界。

这套打法，不求单点参数的极致领先，只求系统效率的全局最优。

它走出了一条反常规的进阶之路：先让机器人[能出门]，再让它[变聪明]。

毕竟，物理世界的万千复杂，本就是催生智能最好的催化剂。

AGI的全栈具身ABot技术体系

如果说通义千问的语言大模型，是AI读懂人心、解码数字世界的[智慧大脑]。

那么高德的核心价值，便是为AI构建了认知、预判、驾驭真实物理世界的[空间坐标系]。

二者能力深度互补，共同撑起阿里巴巴AGI战略的完整版图。

2025年8月，高德地图CEO郭宁提出[AMAP-AI Inside]战略，宣告高德从地图工具向空间智能基础设施的全面升级。

正式拉开空间智能向智能汽车、AR眼镜、机器人、低空飞行等全场景赋能的序幕。

2026年开年高德布局全面提速，1月，阿里旗舰应用千问App率先接入高德生态，成为阿里AI生态协同的标志性节点。

同期推出自研世界模型[Fantasy World]，依托近10亿月活用户的出行轨迹，构建起业内规模最大的具身导航数据引擎。

3月，全球首个大模型驱动的视觉认知步行导引系统[地标AI领航]落地。

融合千问大模型、亿级POI与千万级街景图像，让导航首次具备视觉认知与人类自然语言理解能力。

4月，高德世界模型ABot-PhysWorld登顶世界模型领域权威评测WorldArena榜首，在物理规律内化与长程动态预测能力上实现行业领跑。

彼时外界多将这些动作，视作地图产品本身的智能化升级。

直到2026年初高德成立具身业务部，快速推出ABot全栈具身技术体系，所有布局瞬间串联成线。

高德ABot全栈体系，以三层架构打通具身智能从训练、决策到执行的全链路。

①数据层・ABot-World 世界模型：作为全体系的训练底座，它依托高德顶级场景资产实现厘米级三维场景重建，覆盖99%的典型生活场景。

通过将物理定律嵌入生成逻辑，搭配海量真实数据训练，打造出无限趋近真实世界的训练环境，摆脱行业对昂贵真机数据采集的重度依赖。

②模型层・双基座并行破局：ABot-N0导航基座与ABot-M0操作基座，分别解决机器人[往哪走]与[怎么做]的核心命题。

ABot-N0是业内首个单模型统一五大核心导航任务的基座，让机器人导航从静态路径规划升级为城市级动态环境持续决策。

在7项国际权威导航评测中全部登顶SOTA，相关成果入选CVPR 2026 Oral。

ABot-M0构建了业内最大的通用机器人开源数据集UniACT，破解行业数据割裂、跨本体泛化能力弱的痛点，实现[一个大脑适配多种机器人形态]。

在四大权威操作基准测试中全面刷新世界纪录，核心任务成功率较业界标杆提升近30%。

③应用层・ABot-Claw执行中枢：它首创[Map as Memory（地图即记忆）]核心理念，构建可动态刷新、持久沉淀的[世界记忆].

新终端接入即可零成本继承环境认知，粉碎具身智能行业长期存在的[一机一图]信息孤岛困局。

同时，它打造了类人[尝试-判断-调整]的闭环纠错机制，让机器人从被动执行器升级为能灵活应对突发状况的主动智能体，更实现了多形态异构机器人的无缝协同作业。

就在上个月，高德全量开源ABot-M0，覆盖数据、算法与模型全维度。

伴随旗下机器人产品途途的发布，更宣布将开源ABot全体系，降低行业重复造轮子的成本，吸引全球开发者共建生态，让ABot真正成为物理世界智能化的通用基础设施。

而这一切的背后，是高德难以复制的核心护城河。

作为国内少数同时拥有导航电子地图、测绘航空摄影、互联网地图服务[三甲]甲级测绘资质的企业，国家严格管制的测绘资质壁垒。

让竞争对手短期内无法积累同等量级的空间数据，也为高德空间智能的持续进化筑牢了最坚实的底座。

当语言智能打通了人与AI的对话边界，空间智能便为AGI走进真实世界，铺就了最核心的通行轨道。

结尾：

在AGI竞速的狂飙中，当所有人都在追逐万亿市场时，愿意为一个被忽视的群体投入重兵，这本身就需要一种战略定力。

毕竟，智能的本质不是跑得多快，而是理解得多深：理解物理规律，理解人类意图，理解这个复杂而真实的世界。

部分资料参考：晚点LatePost：《走向AGI，高德为什么要从机器导盲犬开始？》，新智元：《刚刚，高德ABot-Claw亦庄半马封神！具身智能的Harness来了》，独角兽营：《从地图到四足：高德[途途]破局，[具身智能导盲犬]照亮千万视障者出行路》，机器之心：《高德全自主具身机器人炸场亦庄马拉松，拿下「导盲」这道硬核考题》，星芒：《高德智能导盲犬的一小步，具身智能AGI的一大步》