共计 1138 个字符，预计需要花费 3 分钟才能阅读完成。
在上海世界人工智能大会的展馆里, 人形机器人成为绝对主角: 它们冲咖啡、模拟装配、与人对打乒乓球 , 甚至整个展区被布置成微型城市, 演示机器人分拣汽车零件、烹饪餐点。然而, 这些看似灵巧的操作背后, 一个尴尬的现实是——没有一台机器真正准备好进入民用或商用场景。
📌 资本狂热: 每十天诞生一家独角兽
根据一级市场数据,2025 年中国具身智能领域共发生 670 笔融资交易 , 总金额达 111.7 亿美元, 同比增长 152%。进入 2026 年, 仅第一季度就完成了 203 笔交易, 融资额超过 50.3 亿美元。更令人咋舌的是, 上半年约有 20 家初创公司估值突破 10 亿美元, 相当于每十天就有一家独角兽诞生。
🔍 供应链优势明显, 但成本下降不等于普及
中国在硬件制造上的集群效应为人形机器人提供了坚实基础。 一台身高超过 170 厘米的全尺寸人形机器人包含约 1200 个零部件 , 除核心 CPU 和 GPU 依赖进口外, 其余硬件几乎全部来自长三角和珠三角两大产业集群。以上海浦东为例, 超过 130 家供应链企业聚集于此,2025 年生产了约 6000 台人形机器人, 占全球总产量的三分之一。
成本也在快速下降。 单个关节模组的价格从一年前的数千元降至三四百元 , 基本物料的成本已接近消费级门槛。但低成本并未直接转化为大规模应用。
💡 三大瓶颈: 技术分歧、数据匮乏、环境复杂
- 架构路线分歧 : 视觉 - 语言 - 动作模型擅长理解自然语言和场景语义, 但在物理推理和力控制上表现不佳; 而物理世界模型虽能精准预测空间运动和碰撞, 却缺乏语义理解。目前业界趋向于混合架构, 将世界模型作为物理模拟引擎嵌入更大的框架中, 但尚未形成统一标准。
- 数据稀缺 : 与互联网文本或图片不同, 机器人训练需要大量真实物理交互数据。当前公开数据集远远不够, 且收集成本极高, 限制了模型泛化能力。
- 环境复杂性 : 展台上的演示是在高度受控的条件下进行的, 一旦进入家庭或工厂的非结构化环境, 机器人便难以应对突发情况。从“演示能力”到“可靠工作”, 差距仍然巨大。
📊 行业观察: 泡沫与理性并存
从投资角度看, 具身智能无疑处于泡沫区间 , 但泡沫并不意味着全部是虚假。供应链成本下降、政策持续扶持、人才快速聚集, 这些都为长期突破奠定了基础。问题在于, 市场对短期商用化的期望过高。
一位业内人士指出:“现在大家比拼的是谁能先做出‘能卖出去’的机器人, 而不是‘能跳舞’的机器人 。”然而, 从展台到客厅, 中间隔着技术、成本、安全和用户信任等多重鸿沟。
🚀 总结: 耐心比热度更重要
围绕“Embodied AI Unicorns Are Sti”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
