具身智能落地到底卡在哪一步？行业的默认答案是模型和数据。但今年 WAIC 期间的首届“申智杯”上，灵御 TA2 以远程控制方式参赛——按规则成绩先打五折——仍拿下三个赛项全部第一。这让人重新看向那个被默认“早已解决”的环节：机器人本体。
首届“申智杯”设在 WAIC 期间，十个团队晋级决赛。赛题全部取自工业现场真实作业——动态分拣看反应与准确度，零件装配拼毫米级精度，物料搬运考连续执行的稳定性。规则是 15 分钟限时计件，像产线一样按有效完成数打分。
赛事有一个容易被忽略的计分规则：远程控制方式按 0.5 系数折算总成绩，自主方式按 1.0 计分。灵御 TA2 以远程控制参赛，相当于先被打了五折。
可最终的结果是——
注：三赛项分属不同作业类型（件/箱量纲不同），成绩不做横向换算；每项均含速度、精度、连续作业稳定性综合评分。
行业关于“具身智能卡在哪”的讨论，几乎已经形成固定叙事：要么模型不够聪明，要么数据不够多。翻翻各家融资故事，十条里有八条围绕这两个关键词展开。
但一个尴尬的事实是：当模型团队真的把算法搬上真机，抱怨最多的恰恰是那个“早已解决”的环节。
卡在模型不够聪明 / 卡在数据不够多——大多数团队在融资时都讲这两个故事。
延迟压不下去、精度稳不住、连续作业两小时开始漂移、接口文档看完还是接不上——这些才是真机上的高频抱怨。
本体不决定模型有多聪明，却决定模型能力能否稳定落到物理世界。短板具体发生在三个层面：
抓取窗口稍纵即逝，末端抖动一毫米，毫米级装配就失败。给代码跑车配一台底盘松散的家用车，动力再强也兑不成圈速。
真机数据难以替代。本体无法长时间稳定作业，数据采集只能碎片化进行；多传感器时间戳一旦有偏差，数据可用性断崖式下跌，后期对齐工作量甚至超过采集本身。
如果每个团队都要先花半年搭底层、做适配，行业的起量速度就被拖住。一台开箱即用、接口全开放的好本体，本质是行业公共基础设施。
所以，“死磕本体”不是路径保守，而是补一块行业最短的板。
比赛成绩回答了“这台机器能做什么”。但冠军级本体和量产级本体之间，还隔着一道更宽的鸿沟。
灵御给出的落地样本是太原京东七鲜超市——一台 TA2 已在开放式零售场景常态化运营。不是封闭仓库里的 demo，而是人流密集、顾客动线随机、货架状态随时变化的生鲜商超。
据相关人士透露，双方并非一蹴而就，而是经过 5 轮以上严格 POC 验证才进入常态运营。TA2 能快速通过 POC，底层设计上的几个选择起了关键作用：
“能打”与“能交付”之间，还隔着一整套供应链、品控、部署、售后的体系。行业里从不缺“发布会量产、交付时难产”的故事。
注：以上数字引自公开报道与厂商披露，订单金额指已签署合同口径。
2026 年 7 月起，灵御单月完成 100 台量产并全部真实交付，已签署在手订单金额超 1 亿元。
如果说前三部分是这台本体的“明面”，那么真实公网环境下的低延迟远程控制，则是藏在暗处的关键变量。
在 ICRA 2026 现场，灵御从奥地利维也纳远程操控位于北京的机器人完成精细作业。上海的操作员，也能通过普通公网跨地域控制北京总部的 TA2，完成抓取、装配等动作——操作跟手、画面连续稳定，几乎不受跨地域网络波动影响。
这背后是一套明确的架构选择：
注：端侧只保留实时控制所需的计算，认知与推理放在云端；公网环境下端到端延迟被压缩到可精细操控的水平。
从应用层面看，这套远程控制是一种“兜底机制”——不追求叙事上的性感，追求任务完成的效率和成功率。人机混合模式下，工作流是这样的：
简单任务机器独立完成
复杂任务由操作员无缝介入
接管过程保存为候选数据
筛选、标注、训练后回流
一个诚实的注脚：远程控制不会随着自主技术成熟而消失。更可能的未来是，机器人成为人类工作流的一部分——人类负责决策与判断，机器人负责执行与重复劳动，二者长期协作。
不少公司都能在展会上做出漂亮的 demo，但细看灵御，有几个容易被忽略的特质。
没有跟风把大模型塞进本体，选择“端侧小脑 + 云端大脑”。代价是要解决网络可靠性、数据安全与断网保护问题——他们选择承担。
TA2 二开版开放全量控制接口与配套工具链，让模型团队不必在底层工程上重复造轮子，把时间留给算法本身。
核心管理团队清华背景占比超 90%，部分核心成员相识超过 20 年，是行业内少见的高共识、高稳定组合。
具身智能的终局还很远，哪条技术路线最终跑赢，没有人能给标准答案。但当模型团队带着算法四处寻找“身体”时，一台经实战检验、接口全开放、能真实交付的本体，会成为多数人清单上的优先项。 在充满不确定性的赛道里，这可能就是最确定的一件事。
灵御 TA2 二次开发版已开放预订，适配代码与工具链随产品交付。智能体团队与科研机构均可通过官方渠道咨询排期。
下一批次排期 以官方公布为准