徽声在线3月30日讯（记者 王彦琳）从春晚舞台上令人惊叹的“炫技”展示，到头部企业轻松跨越百亿估值大关，在资本的热烈追捧与技术的持续突破背后，具身智能距离真正走进“千家万户”究竟还有多长的路要走？

近日，一场由深圳市科通技术股份有限公司精心主办的“科通机器人产业生态论坛”盛大举行。论坛上，众多行业专家、资深投资人以及企业代表齐聚一堂，围绕具身智能的商业化路径、面临的技术瓶颈以及投资逻辑等核心话题，展开了深入且全面的探讨。业内人士普遍认为，当前具身智能行业正处于从“技术突破”迈向“市场爆发”的关键转折点，在算法优化、硬件升级、数据获取以及场景适配等多个关键领域，仍需突破重重难关。从投资端的情况来看，资本的关注焦点已经从单纯的“追逐风口”转变为更加注重商业化落地以及未来发展的确定性前景。

具身智能迈向商业化落地关键节点 诸多难题亟待攻克

2026年，具身智能被正式纳入“十五五”规划，成为未来产业布局的重要方向。工信部等八部门联合出台了“人工智能 + 制造”专项行动方案，大力支持具身智能在工业场景实现规模化应用。在政策红利与技术积累的双重有力驱动下，具身智能产业正加速步入应用时代，展现出蓬勃的发展活力。

“ChatGPT的重大突破让我们首次真切感受到AI应用的爆发式增长。然而，除了生成式AI之外，还有一个更为广阔的领域，那就是Physical AI（物理AI）。”科通技术董事长、硬蛋创新董事会主席兼CEO康敬伟表示，在物理AI的世界里，自动驾驶、机器人、无人机等应用，将与每个人的日常生活变得更加紧密相连，深刻改变人们的生活方式。

上海交通大学先进集成研究院首席科学家张益民指出，当前中国具身智能产业正处于从“技术突破”向“市场爆发”的关键转型时期。汽车产业链的强大赋能，有效解决了精密制造方面的难题，而庞大的内需市场则为产品的迭代升级提供了肥沃的土壤。就如同手机行业的逆袭之路一样，中国凭借全产业链的显著优势，已经在全球具身智能竞赛中确立了领先地位，展现出强大的竞争力。

然而，人形机器人从实验室走向复杂多变的应用场景，仍然面临着诸多亟待解决的难题。

在算法层面，机器人需要实现从“简单执行指令”到“自主理解世界”的关键转变。张益民认为，当前基于大语言模型的AI在持久记忆、运用知识推理以及持续学习等方面还存在明显不足。未来发展的方向在于构建世界模型，这意味着要让AI像人类一样去观察世界，深入理解世界是如何演变的，并且能够准确预测行动可能带来的各种结果，从而更好地适应复杂的环境。

在硬件层面，机器人的“身体”需要实现降本增效的目标。张益民谈到，机器人要变得更加灵巧、可靠且价格亲民。例如，高功率密度关节要更小、更轻、更有力，以显著提升运动性能；灵巧手要配备高分辨率触觉传感器，从而实现精细操作，满足各种复杂任务的需求。

海豚投研智能硬件分析师张欣表示，当前灵巧手、触觉传感器、执行器等硬件端的技术路线尚未统一，未来核心在于平衡性能与成本之间的关系。“这直接关系到商业化的规模大小，当产品价格分别为30万、20万、10万时，虽然都能实现商业化，但市场体量将会完全不同，价格越低，市场潜力可能越大。”

从适配场景的角度来看，贵州翰凯斯智能技术有限公司副总裁刘旸指出，目前具身智能的商业化入口主要包括工业场景、家庭场景以及城市服务场景。其中，工业场景涉及到生产流程的重塑，停线风险较高，在短期内难以形成广泛的渗透；家庭场景虽然长期潜力巨大，但任务随机性较高，在当前阶段更适合进行长期布局；城市服务场景由于流程可标准化、任务高频重复，具备规模化落地的良好条件，适合率先实现商业化运行。

数据瓶颈：高质量“养料”的获取难题如何破解？

如果说算法是机器人的“大脑”，硬件是“身体”，那么数据就是驱动人形机器人运转的“养料”。在具身智能的商业化进程中，数据瓶颈正逐渐成为最核心的制约因素，严重影响着行业的发展速度。

“大量且高质量的数据是算法模型训练的基础，但人类动作数据的采集与标注过程极其复杂，而且成本高昂。”张欣坦言，尽管英伟达的Issac Sim等仿真平台功能强大，但仿真数据仍然存在明显边界，在应对长尾场景和复杂交互时，难以做到完美模拟，无法完全满足实际需求。

为了解决这一核心问题，国内多个城市纷纷布局具身智能数据采集中心，加快数据基础设施建设步伐，为行业发展提供有力的数据支持。

“从技术侧来看，世界模型对数据的需求量相当大。”元坞科技总经理杨俊表示，行业内预训练与后训练的分工正逐渐形成，数据闭环越来越明确。他预计，到2026年，头部基础模型厂商的数据需求可能达到上百万小时，数据的重要性不言而喻。

杨俊透露，当前数据平台的建设主要集中在三个方向：一是真实数据采集，通过大量无本体或机器人采集足够的数据，确保数据的真实性和可靠性；二是视频学习，以低成本的方式获取人类常识与操作逻辑，丰富数据内容；三是仿真数据合成，针对机器人行业真实素材无法做到时空全覆盖的痛点，生成覆盖高危与极端场景的合成数据，弥补真实数据的不足。

“未来数据要达到高规格标准，即多模态、高质量、可规模化、流程可信可追溯，以及跨境可交易。”杨俊强调，这不仅关乎技术能力的提升，更涉及合规体系的构建，只有建立完善的合规体系，才能确保数据的安全和合法使用。

投资逻辑：从“追风口”到“聚焦可落地”

过去几年，大量热钱不断涌入机器人赛道，头部厂商的估值已经迈入百亿俱乐部。高估值虽然代表着资金的认可，但市场也期待真金白银投入后能够获得即时回馈，因此机器人赛道的投资逻辑正从“追逐风口”逐渐转向“聚焦可落地”的项目。

“最受追捧的依然是本体企业，其估值随着春晚等热点事件的传播而水涨船高。”谈到投资热点，乾创资本创始人陈臻表示，上游核心零部件的国产化也成为关注的焦点，因为这是下游工业机器人、自动驾驶和人形机器人能够顺利落地的基础，只有掌握了核心零部件技术，才能在国际竞争中占据优势。

共熵咨询创始人陈智林认为，无论本体企业最终成败如何，零部件厂商都有相对确定的收益，是较为稳健的投资方向。当前重点关注的是商业化落地问题，“工业客户对成本极为敏感，若机器人在18个月内无法回本，就难以被接受。今年初已经有机器人被工厂退回的案例，这充分说明了成本控制对于商业化落地的重要性。”

在刘旸看来，当前资本对订单和场景落地的要求显著提高。企业估值方式已经从“未来三年预期收入的PS估值法”转向“过去12个月稳定收入”，这意味着企业必须将产品化和场景需求放在首位，只有满足市场需求，才能获得资本的青睐。

展望未来，陈臻认为，三大投资趋势值得关注：一是从“performance”到“production”，未来投资将聚焦于那些能够在真实物理世界、商业场景中实现量产、投资回报率（ROI）为正的企业，这类企业具有更强的市场竞争力和发展潜力；二是数据驱动，目前很多本体企业都在迭代“身体”，成本持续下降，但“大脑”端还缺乏成熟的大模型解决方案。未来可能出现独立的数据提供商，高质量的物理场景数据和仿真数据将成为核心竞争力，数据将成为企业发展的关键因素；三是并购整合，具身智能行业周期长、中间阶段艰难，未来可能出现数据提供商与本体、大模型与本体的并购整合，类似半导体行业的演进路径，通过并购整合实现资源的优化配置，提升行业整体竞争力。