财联社 3 月 30 日讯 （记者 王彦琳）从春晚舞台上的 「炫技」 表演，到头部厂商跨过百亿估值门槛，在资本热捧与技术突破背后，具身智能距离走向 「千家万户」 还有多远？
近日，在由深圳市科通技术股份有限公司主办的 「科通机器人产业生态论坛」 上，多位行业专家、投资人及企业代表围绕具身智能的商业化路径、技术瓶颈与投资逻辑展开深入探讨。业内人士认为，当前行业正处于从 「技术突破」 向 「市场爆发」 的关键转折期，在算法、硬件、数据以及场景适配等方面，仍需突破多重难关。从投资端来看，资本的关注焦点已从单纯的 「追风口」 转向商业化落地与确定性前景。
具身智能走向商业化落地关键节点 几大难题待解
2026 年，具身智能被纳入 「十五五」 规划，成为未来产业的布局重点。工信部等八部门联合出台 「人工智能+制造」 专项行动方案，支持具身智能在工业场景的规模化应用。政策红利与技术积累的双重驱动下，具身智能产业正加速迈入应用时代。
「ChatGPT 的突破让我们第一次感受到 AI 应用的爆发。但除了生成式 AI 外，还有一个更大的领域，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，将与我们每个人的生活更加息息相关。
上海交通大学先进集成研究院首席科学家张益民表示，当前中国具身智能产业正处于从 「技术突破」 向 「市场爆发」 的关键转折期。汽车产业链的强势赋能解决了精密制造难题，而庞大的内需市场为产品迭代提供了沃土。正如手机行业的逆袭之路，中国凭借全产业链优势，已在全球具身智能竞赛中确立领先地位。
然而，人形机器人从实验室走向复杂应用场景，仍有几大难题待解。
在算法层，机器人要实现从 「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 仍不能很好地解决持久记忆、运用知识推理、持续学习等问题。未来发展的方向在于构建世界模型，这意味着要让 AI 像人类一样观察世界、理解世界以何种方式演变，并且预测行动可能带来的结果。
在硬件层，机器人的 「身体」 要实现降本增效。张益民谈到，机器人要更灵巧、更可靠、更便宜，比如高功率密度关节，要更小、更轻、更有力，以提升运动性能；灵巧手要配备高分辨率触觉传感器，实现精细操作。
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仍未收敛，未来核心是平衡性能与成本。「这直接关系到商业化的规模，30 万、20 万、10 万都能实现商业化，但市场体量将完全不同。」
从适配场景看，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，停线风险高，短期难形成广泛渗透；家庭场景长期潜力大，但任务随机性高，当前阶段更适合长期布局；城市服务场景因流程可标准化、任务高频重复，具备规模化落地条件，适合率先跑通。
数据瓶颈：高质量 「养料」 如何获取？
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，数据瓶颈正成为最核心的制约因素。
「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极其复杂且成本高昂。」 张欣坦言，尽管英伟达的 Issac Sim 等仿真平台能力强大，但仿真数据仍有明显边界，在应对长尾场景和复杂交互时难以做到完美模拟。
为解决这一核心问题，国内多个城市相继布局具身智能数据采集中心，加快数据基础设施建设。
「从技术侧来看，世界模型对数据需求量相当大。」 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，2026 年头部基础模型厂商的数据需求可能达到上百万小时。
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数据；二是视频学习，以低成本获取人类常识与操作逻辑；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。
「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，更涉及合规体系的构建。
投资逻辑：从 「追风口」 到 「可落地」
过去几年，热钱不断涌入机器人赛道，头部厂商估值已迈入百亿俱乐部。高估值代表着资金的认可，但硬币的另一面，市场期待真金白银投入后的即时回馈，机器人赛道的投资逻辑正从 「追风口」 转向 「可落地」。
「最受追捧的还是本体企业，估值随春晚等热点事件水涨船高。」 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焦点，这是下游工业机器人、自动驾驶和人形机器人能够落地的基础。
共熵咨询创始人陈智林认为，无论本体企业成败，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 18 个月无法回本，就难以被接受。今年初已有机器人被工厂退回的案例。」
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。
展望未来，陈臻认为，三大投资趋势值得关注：一是从 「performance」 到 「production」，未来投资将聚焦能在真实物理世界、商业场景中实现量产、ROI 为正的企业；二是数据驱动，目前很多本体在迭代 「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；三是并购整合，具身智能周期长、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。