关键要点
- 《YD/T 6770-2026 人工智能 关键基础技术 具身智能基准测试方法》由工业和信息化部于 2026 年 3 月批准发布,自 6 月 1 日起实施,既不是征求意见稿,也不是草案。
- 它由工信部人工智能标准化技术委员会(MIIT/TC1)提出,与另外七项人工智能行业标准同批发布、同日生效。
- 编号里的"/T"代表推荐性,不是强制性;只有被合同、招标文件或法规引用,它才产生实际约束力。
- 标准覆盖单个具身智能系统"感知—决策—执行"的全链条,仿真环境与真实环境都包含在内。
一家机器人厂商说自己的机器能完成九成任务,对手说七成。在双方对"测试怎么跑"达成一致之前,这两个数字都没有意义。国内现在有了专门管这件事的公开标准,2026 年 6 月 1 日起已经生效。
它是具身智能领域的首个行业标准,但性质是测量方法,不是安全规则——这个区分在不少转述里被弄丢了。
要解决的是一个既琐碎又昂贵的问题
标准针对的痛点并不高深:没有共同基准,每家厂商量的都是不同的东西。MIIT/TC1 的解释是,不同技术路线和产品之间缺少公认的可比基础,企业之间"各说各话"。
标准搭的是一个统一的基准测试框架,分四块:
- 环境设置:规定仿真环境与真实测试环境怎么搭,目标是贴近实际场景的复杂度。
- 任务库构建:给出任务的组织方法,并配套泛化评估基准,考察模型在不同任务复杂度和能力维度上的表现。
- 测试过程:既测模型,也测搭载模型的整机。列明的方法有静态仿真测试、动态仿真测试、真实环境测试和组合式测试。
- 指标计算方法:规定结果怎么变成数字。
结构本身就是重点。"我们的机器人抓取很稳"这句话,一旦落进标准,就变成关于某个任务库、某个环境、某套算法的陈述。
五个指标,别只报一个
标准规定了五项指标:任务执行效率、任务成功率、人工干预率、场景扰动衰减率(环境一变性能掉多少)、平均任务能耗。
这份清单值得细看。五项里有两项量的不是"成没成",而是"出问题或花更多钱时会发生什么"——人工干预和能耗。只报一个成功率的厂商,报的是这套框架的五分之一。
对海外读者来说,合适的类比是大模型的评测集:价值不在某个分数,而在于存在一套共同流程,让分数之间可以比较。这个标准对具身系统做的就是这件事,只是多了一层麻烦——物理环境本身是测试的一部分。
"推荐性"不等于没有牙齿
这里需要精确。YD/T 是通信与信息领域的行业标准,"/T"表示推荐性文件。标准里没有任何条款把"符合它"设成在国内卖机器人的前提条件。
但它不是一纸空文。当采购负责人把它写进招标文件、监管者把它写进备案规则、或者法院把它当作通常的注意义务标准时,推荐性标准就变成了事实上的要求。国内的 GB/T、GB/Z 文件同理。法律效力来自被引用的位置,而不是编号前缀。
所以投标文件里正确的写法是"按 YD/T 6770-2026 测试",而不是"已通过国家强制性认证"。
它周围还有一整套体系
基准测试方法不是孤立的。2025 年 12 月,工信部成立了人形机器人与具身智能标准化技术委员会;据工信部装备工业发展中心介绍,其工作吸纳了七十多家龙头企业和科研机构。
2026 年发布的《人形机器人与具身智能标准体系(2026 版)》分六部分:共性基础、大脑与智能计算、肢体与部件、整机与系统、应用,以及安全伦理。基准测试标准落在这个结构的测试评价层。
还有国际维度。MIIT/TC1 称,该标准已作为国际标准项目在 ITU 第 21 研究组推进。这是提案阶段,不是已通过的 ITU 标准——这个区别值得保留。
诚实的局限
本文依据的是 MIIT/TC1 的官方解读、《人民日报》和新华社的报道,而不是标准全文;全文在标准平台的访问控制之后,因此无法核对条款编号与测试环境的具体容差。"国内首个"这一说法来自工信部自己的委员会和官方媒体,我没有独立普查过更早的行业标准。标准覆盖单个系统的基准测试,不涉及多机协同或长期安全,我也没找到它在招标中被引用的频次数据。
普通人现在能做什么
- 把时间点记准:2026 年 3 月发布,6 月 1 日起实施;既不是征求意见稿,也不是强制规则。
- 向供应商要方法,不要只要分数。问清五项指标测了哪几项、在什么环境测、按谁的流程测。
- 盯采购环节。YD/T 6770-2026 的实际约束力会从招标和内部验收标准里长出来,看你所在行业的买方是否开始点名引用它。