近日，北京銀河通用機器人有限公司宣布完成新一輪超3億美元的融資，再次刷新國內具身智能領域單輪融資紀錄。
機器人在精準取貨。銀河通用供圖
2025年，具身智能成為融資熱度最高的賽道之一。開源證券的研究報告顯示，2025年1至10月，我國具身智能領域融資總金額已超500億元人民幣，較2024年全年增長超400%，融資事件超200起，多家具身智能公司正在沖刺上市。
2025年被業界稱為具身智能產業落地元年：“具身智能”首次寫入政府工作報告，成為重點培育的未來產業之一；“十五五”規劃建議提出，推動具身智能等成為新的經濟增長點。
資本追逐和政策加持的背后，具身智能在2026年如何才能跑出“新速度”，進入產業發展加速期？
智能本體兩條線
具身智能，這一概念的提出可追溯至1950年。英國計算機科學家艾倫·圖靈在一篇題為《計算機器與智能》的文章中首次提出“具身智能”的設想，指出其核心在于必須擁有一個物理實體，并通過這個實體與周圍環境進行實時互動、感知和學習，從而產生智能行為和適應能力。
中國科學院院士、清華大學交叉信息研究院院長姚期智認為，具身智能不僅需要一個硬件身體，讓其可以像人一樣，行動更穩定、更敏捷，還需要一個大腦，讓其具備認知、決策和計劃的能力。
北京星動紀元科技有限公司是一家由清華大學交叉信息研究院孵化的具身智能初創企業。在其創始人陳建宇看來，人形機器人是實現具身智能的終極形態，也是最有效的形態。
“實現具身智能需要獲取物理世界的數據，而人形機器人能夠直接從人類行為中獲取相應的數據。”陳建宇說，“我們希望具身智能搭載的模型對物理世界有更深的理解，并且搭載能夠跟物理世界進行主動交互的機器人。這也是我們實現具身智能落地應用需要解決的重要難題。”
陳建宇告訴《中國科學報》，具身智能一定是智能和本體兩條線同步發展的。智能線是從傳統控制到深度學習，再到強化學習和大語言模型，以及現在火熱的VLA（視覺-語言-動作）模型。而本體線則是從傳統固定式工業機械臂到自主輪式移動的機器人和智能車，再到四足機器人、輪式和機械臂結合的機器人，以及通用人形機器人。
由此可見，具身智能發展不僅需要VLA模型和人形機器人，還需要將很多大模型和工具技術融合起來，形成軟硬件結合的協同發展態勢。
繁榮背后存在隱憂
“2025年是點燃具身智能的起爆點。”智友·雅瑞科創平臺發起人、北京航空航天大學教授王田苗明顯感覺到，這一年來具身智能領域優秀的創業項目在資本市場被“瘋搶”，未來垂直領域的模型將率先在市場上獲得應用。
在王田苗看來，未來3年，具身智能將存在兩條技術發展路徑。一條路徑是通過模仿人類智能，構建深度泛化的通用世界模型，這條路徑適合平臺型公司；另一條路徑是“智能定界”，從垂直應用環境入手，這條路徑可能率先實現產品和市場的匹配。
“以2025年為起點，中國具身智能產業將逐漸擺脫追求通用模型的‘混沌狀態’，轉向以垂直場景‘智能定界’為牽引的落地再突破。”王田苗表示，餐廳、藥店、醫院等不同的應用場景對具身智能終端形態的需求是不一樣的，垂類模型有望在這些領域率先落地應用。
王田苗提醒創業者不僅要關注具身智能本身的多學科交叉特質，推動形成創新的價值點，還要思考具身智能在未來產業鏈里的定位。“定位不同，價值也不同，所需要的融資也不一樣。”
王田苗坦言，具身智能繁榮的背后也存在隱憂。他指出，從一級市場走向資本市場的名額有限，資本正加速向頭部企業和確定性高的上游核心部件集中。2025年我國人形機器人企業數量已超過100萬家，當一定比例的企業技術路線高度雷同時，未來的競爭可能就會走向價格的比拼。
在技術、市場與資本的多重挑戰下，初創企業需要明確自身坐標。王田苗建議創業者深入扎根細分市場，打造具有稀缺性的核心技術門檻，確保業務能產生持續現金流，而非依賴單一項目。
“具身智能的核心突破口是垂類模型和數據訓練。”在王田苗看來，具身智能的競爭不是簡單的“給錢”“給地”，而是圍繞“技術閉環-量產能力-數據回流-商業閉環”展開的全鏈條競速。
從“實驗”到“實戰”
2024年，靈初智能獲得高瓴創投和藍馳創投領投的天使輪融資。不久前，靈初智能又發布了全球首個具身原生人類數據采集方案，這也將成為訓練具身大模型的核心資產。
“模型、數據、產業化是具身智能發展要解決的核心問題。”靈初智能創始人王啟斌認為，今天的具身智能依然是弱智的。
他指出，人類模態從語言到視覺再到行動，存在巨大的差異，就像搭樂高，把藍色樂高搭在紅色樂高上面，兩歲的小孩都可以快速完成，但要讓機器人完成這樣的動作卻很難，因為從視覺模態到行動模態有很大的鴻溝。
在計算機視覺和自然語言處理領域，規模化法則（Scaling Law）已被廣泛接受。但在機器人領域，這樣的規律一直未能建立，主要原因是缺乏足夠規模的高質量數據，以及足夠大的模型來驗證這種關系。
2025年，美國初創公司 Generalist AI發布的GEN-0具身智能模型基于超過27萬小時的真實世界操作數據的預訓練，展示了機器人領域的智能確實存在可量化的擴展定律，只是其運作方式比想象的更加復雜。
“由于具身智能沒有存量市場，我們首先要解決數據采集和訓練的問題，確保能夠用起來。”王啟斌解釋道，“在具體的某個應用領域里，通用模型至少需要千萬小時的數據。”
雖然具身智能的落地難關重重，但并沒有影響其被資本追捧。藍馳創投先后投資了智元機器人、銀河通用、靈初智能等初創企業。
“我們關注產業發展周期，以及每個發展周期的核心要素。”藍馳創投合伙人曹巍指出，“在具身智能和機器人領域，我們將具身智能作為機器人產業發展的核心要素來考量。”
談及未來具身智能和機器人的投資方向，曹巍表示，藍馳創投關注兩個核心問題：一是如何讓人類擁有成本非常低的生產力；二是如何解決人類跨星際旅行、文明的繁衍和傳承問題。
“早前，我們投資了一些應用驅動類的公司，兩到三年就會看到終局。而具身智能、機器人等項目的周期非常長，賽道規模也非常大，可能5到10年都看不到終局，這需要我們抱著長期的心態去看團隊和項目。”曹巍說。
2026年具身智能賽道的競速已然開啟。包括曹巍在內的投資界人士依然看好具身智能，認為其有望從“實驗”走向“實戰”，在更多場景里落地應用。
