万亿具身智能市场:资本狂热,落地却难,产业发展路在何方?

人形机器人技术解析:从运动控制到产业落地,宇樹如何挑战未来 机器人技术,特别是人形机器人,正成为人工智能与高端制造融合的前沿领域。其核心原理在于通过先进的运动控制算法、高精度执行器与人工智能感知决策系统的协同,赋予机器人在复杂非结构化环境中自主行动与作业的能力。这项技术的价值在于,它不仅是自动化水平的终极体现,更能应对劳动力结构变化、提升高危作业安全,并有望催生全新的服务与生产模式。其应用场景正从实验室演示、特定行业巡检,向通用化的家庭服务、工业制造等领域快速拓展。以宇樹机器人为代表的公司,通过在运动控制等核心技术上持续深耕,并积极布局人形机器人赛道,展现了从技术突 阅读详情

万亿诱惑

2026年,具身智能领域最大的共识就是“万亿市场”。在世界机器人大会(WRC)现场,不少参展商引用这个数字,描绘行业的远大前程。市场需求是否真能达到“万亿”体量不好说,但具身智能相关企业的总估值,距离万亿倒是越来越近。

据不完全统计,截至8月21日,估值200亿元以上的至少有银河通用、星海图、自变量、智平方、极佳视界、灵心巧手等6家;估值过100亿元的至少有众擎机器人、逐际动力、千寻智能、星动纪元等10余家,再加上2700亿市值的宇树科技、420亿市值的优必选,以及排队上市的乐聚、云深处、智元,头部阵营的总估值轻松超过6000亿元。

照一级市场的情绪来看,这个数字还会持续增长。在WRC用餐区,两名数据分析公司创业者激情澎湃地聊天:“本体基本都投完了,机构现在开始看上游的模型、数据,咱们得赶紧好好包装一下自己。你也去打听一下同行的估值报价,别人要报10亿,咱们报8亿,就有机会跑出来……”

在主论坛听众席,有国有金融机构从业者特意来寻找对具身企业“债权投资”的机会;在展区,国内外顶级投行的“猎手”穿梭于那些小有名气的具身智能公司展台,试图挖掘融资、路演服务的机会。有销售负责人同某投行交流时提到:花旗的人昨天也来过。对方立即回道:“花旗在这方面不太行,这个我们行内都知道的……”

一家估值近百亿元的具身零部件及本体公司,其商业负责人称,很多人想找老板“聊一下”投资,现在都“弄不进来”。融资节奏和估值变化太快,公司B轮融资还没谈完,C轮已经启动。从去年11月至今,公司已完成4轮融资。

当然,资方对被投企业都有现实期待——快速上市。有媒体统计,2026年上半年国内具身智能行业融资总额达935亿元。资本都想投中下一个“宇树科技”,FOMO心理从AI大模型赛道彻底切换到具身智能领域。有VC投资人向《财新》分析称,一二级市场格外看好这条赛道的核心原因,或许是这个产业有望兼具“智能手机的出货规模”,以及“乘用车的单品价格”。

至于机器人能否从舞台走向工厂和家庭,过多久才能真正“干活儿”,这或许是具身智能企业IPO以后要操心的事,毕竟上市公司每个季度都要发财务报表。也难怪宇树科技创始人王兴兴在IPO敲钟时面无表情、全程不笑。去年在WRC演讲时,他还乐观地相信,具身智能的ChatGPT时刻“快则1 - 3年就可实现,慢则3 - 5年也大概率能实现”;今年WRC上,他对时间线的判断明显更为保守,改口称“快的话两年到三年后,慢的话将是五年或者十年之后”。投资人、公众、行业客户与具身智能企业之间的认知“错位”,在WRC上格外具体起来。

接不住

宇树新近发布的人形机器人“超人”,奔跑速度已突破人类极限,但王兴兴在WRC上演讲时拼命强调,机器人暂时不能大规模进工厂打工,效率和泛化能力还不够高。这如同具身智能行业的一个现实隐喻:“具身”跑太快,“智能”没跟上。体现在生产力场景中,WRC展台的机器人工作内容高度雷同:工厂上料、拆码垛、物流分拣。

很难说这是具身智能落地的重要突破,还是持续多年的工业自动化的现成果实。在我看来,“具身”与机械臂的差异,最后还是要取决于“智能”与否。否则,2025年出现的进厂机器人被“退货”的尴尬现实,就有可能重复上演。

一名机床制造厂的软件工程师告诉《降噪NoNoise》,他们也在评估机器人进厂的可能性。此前向某头部具身企业的代理商沟通过,包括数据采集和训练、软件开发、平台、机器人本体,一整套配置下来,成本高达两三百万元。成本高的一个原因是,针对新任务,每次都需要重新训练机器人模型。但据他了解,机器人的产出微乎其微,“现在只是个概念,你让它实际去工厂工作,效率跟人工还是差很远”。

如果从市场需求来看,千行百业满怀期待。在极佳视界的咨询区,有工厂代表前来寻求生产线上的智能解决方案,该厂每条产线都有100多个工人作业,降本是他们很看重的一点。在千寻智能的咨询区,一名沙特酒店业的服务商想要找到可以帮住客搬运行李、提供客房服务的人行机器人。他告诉接待人员,根据沙特“2030愿景”,当地酒店客房总量预计增加到近30万间。如果中国机器人能够符合沙特酒店业的需求,会是一个巨大市场。

但从现场反馈来看,这些需求,具身智能企业们目前大多都还接不住。一家估值超200亿元的具身独角兽的商业负责人坦言,“现在的机器人,能力强的4岁,能力差的2岁,你不能指望‘童工’替代‘成年人’。过早要求机器人直接落地降本,忽略当前产品仍处于迭代期的客观现状,是一种关注点的错位”。所以他所在企业,当前阶段优先对接有长期迭代意愿的大型企业客户。

不过真要较真认知“错位”的根源,那些令人眼花缭乱的实验室demo、调教过的特定表演和狂热资本,或许共同拉高了民众对具身智能的阈值。为了加快落地,一些具身企业押注四足机器人,用这类产品开拓文旅、消防、巡检、物业安保等场景。智身科技的工作人员称,公司去年累计出货5000台,到今年8月,累计出货量已经来到17000台,公司的目标是年底累计达到5万台,因为高层发现,物业安保、养老机构等对这类产品都比较有兴趣。

那名机床厂工程师还在寻找新的方案。他开始研究与具身“通用大脑”企业的合作空间。理论上,“通用”意味着模型能力能够跨本体复用,开发成本可以降低很多。这个判断,他在与蚂蚁灵波的工作人员交流时得到了初步印证。后者是蚂蚁旗下具身智能公司,致力于打造通用的机器人“原生大脑”,目前已在药房分拣等场景逐渐落地。不过,具身通用大脑、基础大模型同样处于发展初期,甚至连主流技术路线都还没有出现收敛迹象。这或许是王兴兴们想给整个行业降温的一个原因。

产业关注点开始迁移

具身智能多久能大规模进厂打工、到家庭里做家务,取决于具身“大脑”的进化速度,以及物理AI数据采集和转译层面的突破。以此来看,具身智能行业仍处于早期。自变量创始人王潜在大会演讲中提到一个观点:就像大语言模型是数字世界的基础,物理世界也需要自己的基础模型。这个基础模型是具身智能的“大脑”。但现在,VLA(视觉 - 语言 - 动作)路线与WMA(世界 - 动作模型)哪条路线更适用具身智能的模型架构,业内没有共识。头部公司大都双线布局与投入,各有侧重。但与此同时,大家都期待有新的技术架构跑出来。

一位通用具身大脑公司的研发人员形容当前的现状:“每家公司都在自己的场景里做从0到1的输出。但是现在阶段不卷的话,也没有更有效的办法。”这其中有市场热情的推动。一家去年2月份创建、主要做高校科研用机器人的公司,其工作人员透露,产品单价5万元左右,今年已经销售了300多台,目前处于产能不足的状态。一家做灵巧手的厂商,今年上半年销量相较于去年全年已经翻了一倍。

还有一层是外部压力,资本需要具身智能尽快场景落地。所以今年初开始,整个行业都感受到了“物理数据”的重要性。因为无论是成功的商业落地,还是技术迭代验证,都需要大量可靠的真实数据。这直接带来数据采集业务的爆发。一名百度地图的数据采集服务商称,他们开始转型,今年专门成立一个20多个人的新团队,拓展具身数据采集业务。

新需求催生了一条新的产业链分支,这条分支上既有数据工厂、数据标注商、通用模型厂商,也有数采设备商等角色。比如一家名为途见科技的创业公司,在大会上推介自家新品——TachinGlove柔性触觉数据采集手套。它在仿生掌纹区域分布了千级传感点位,瞄准具身智能训练、机器人遥操作和工业操作数据采集等场景。自变量也在展台展示了自家的无本体数采方案,创始人王潜认为,做好数据的复杂度,甚至高于做好一个模型。

围绕数据采集,行业也出现新的分歧。一些具身智能公司的机器人产品,流向地方政府主导的数据采集中心;而具身智能公司再从这些数采中心购买本体采来的数据。这在商业模型上未免有“循环交易”之嫌。此前,英伟达左手掏钱入股AI企业,右手卖给他们芯片再把钱掏出来的模式,就让华尔街忐忑不安,天天喊着警惕AI泡沫。而具身智能产业中有多少泡沫,销量与实际用途同样是一个有意思的观察窗口。

《2026年人形机器人产业发展报告》显示,今年上半年,中国人形机器人出货量已超4万台,全球占比进一步提升至97%。北京石景山人形机器人数据训练中心总经理朱凯此前受访时也提供过一组国内市场数据:今年上半年,国内人形机器人出货量2.3万台,但真正走进工厂生产线、稳定承担实际工作的占比,还不到5%。

目前来看,机器人落地,仍有很长的路要走。在产业早期阶段,类似某车企采购100台某某机器人的消息,很难再作为证明具身企业商业化成功的依据。真正的商业化指标,应该是客户的复购率。复购,验证的是效率和成本。什么时候客户在买了100台之后,第二年扩大部署到500台,这或许就意味着商业模式开始成立了。在此之前,围观者还是冷静看待“兼具智能手机的出货规模以及乘用车的单品价格”一类的说法吧。这具身智能产业的未来究竟会怎样,值得我们深思。

知行科技四年千亿市值:全栈自研如何重塑自动驾驶估值逻辑 在人工智能和自动驾驶领域,技术壁垒的构建往往源于对底层核心技术的深度掌控。全栈自研作为一种高投入、长周期的技术路径,其本质是通过从芯片、算法到数据闭环的垂直整合,实现系统级优化与效率跃升。这种模式虽然初期面临研发投入大、商业化周期长的挑战,但一旦形成技术协同效应,便能构筑起深厚的护城河,尤其在自动驾驶这类复杂系统中体现为更高的计算效率与快速迭代能力。从技术价值看,全栈能力不仅是产品差异化的关键,更是应对未来智能汽车产业竞争的基础设施。当前,资本市场对硬科技公司的估值逻辑正从传统财务指标转向对技术稀缺性、赛道 阅读详情

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

2025年8月人工智能大模型领域重大事件盘点

【摘要】2025年8月,全球AI大模型告别技术狂热,转向务实应用。国际市场由竞争驱动,生态博弈加剧;国内则在国家战略引领下,加速与实体经济融合,行业共同迈入价值创造的深水区。

欢迎来到运通链达的官方博客!我们深度探讨人工智能技术与应用,贯彻科技向善理念,推动科技进步与社会福祉和谐共生。 2328

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

GMI Cloud联合10+企业重磅发布《中国AI产业核心要素出海发展白皮书》,汇聚 AI 产业共识,盘点出海方法论

为AI开发者与企业提供速度更快、质量更高的模型服务。该“白皮书”打破单一企业、单一环节碎片化视角,串联上游基础设施及基础模型、中游MaaS算力平台、下游垂直应用四大参与主体,结合全产业链联合调研与一线落地实践,首次以算力、Token、出海三大核心要素为统一分析框架,全景剖析全球AI产业工业化浪潮下中国AI企业全球化转型现状、核心痛点与协同发展路径,完整梳理全球AI产业底层运行逻辑,凝聚全行业协同出海共识,为全球大模型厂商、MaaS平台、AI应用企业提供一套可落地、全链路的出海战略行动指南。

2501_94005722的博客 84

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

2018自动驾驶技术路线之争:从传感器融合到商业化落地

自动驾驶技术的核心在于环境感知与决策系统,其原理是通过传感器(如摄像头、激光雷达、毫米波雷达)采集数据,结合高精地图与定位技术,实现车辆对周围环境的实时理解与路径规划。这项技术的价值在于提升交通效率、减少事故,并催生新的出行与物流模式。其应用场景广泛,从乘用车辅助驾驶到特定区域的无人配送、港口物流等。2018年是该领域的关键转折点,行业从概念验证转向务实落地,围绕“重感知轻地图”与“高精地图融合”两大技术路线展开激烈讨论,同时激光雷达成本、数据闭环构建与商业化模式探索成为焦点。

weixin_34072637的博客 399

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

GAP,你对AI大模型到底了解多少?

学习该课程,都能够让你在了解或重温AI大模型的基础知识和技术原理之后,更全面地掌握AI大模型的建设过程,更深入地洞悉AI技术未来的发展趋势及其背后的底层逻辑,从而将其灵活应用于实际工作中,探索以大模型为驱动的业务创新与价值创造之路。AI大模型训练是一个端到端的复杂系统工程,技术门槛很高,需要强大的算力支撑,尤其是参数量大的模型,资金投入极大。因此,当前“大模型热潮”迅速席卷全球,国际科技巨头纷纷投入其中,大模型在教育、医疗、金融、娱乐等多个行业中广泛应用,迅速占领垂直市场,以期快速实现商业化落地。

2301_78032981的博客 596

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

华为时习知新课丨GAP!你对AI大模型到底了解多少?

学习该课程,都能够让你在了解或重温AI大模型的基础知识和技术原理之后,更全面地掌握AI大模型的建设过程,更深入地洞悉AI技术未来的发展趋势及其背后的底层逻辑,从而将其灵活应用于实际工作中,探索以大模型为驱动的业务创新与价值创造之路。AI大模型训练是一个端到端的复杂系统工程,技术门槛很高,需要强大的算力支撑,尤其是参数量大的模型,资金投入极大。因此,当前“大模型热潮”迅速席卷全球,国际科技巨头纷纷投入其中,大模型在教育、医疗、金融、娱乐等多个行业中广泛应用,迅速占领垂直市场,以期快速实现商业化落地。

hwshixizhi的博客 544

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

新课上线丨GAP!你对AI大模型到底了解多少?

学习该课程,都能够让你在了解或重温AI大模型的基础知识和技术原理之后,更全面地掌握AI大模型的建设过程,更深入地洞悉AI技术未来的发展趋势及其背后的底层逻辑,从而将其灵活应用于实际工作中,探索以大模型为驱动的业务创新与价值创造之路。AI大模型训练是一个端到端的复杂系统工程,技术门槛很高,需要强大的算力支撑,尤其是参数量大的模型,资金投入极大。因此,当前“大模型热潮”迅速席卷全球,国际科技巨头纷纷投入其中,大模型在教育、医疗、金融、娱乐等多个行业中广泛应用,迅速占领垂直市场,以期快速实现商业化落地。

hwshixizhi的博客 444

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

基于贾子理论与THL-5真理硬度标准的概率拟合大模型结构性破产必然性研究

摘要 本研究基于贾子理论与THL-5真理硬度标准,对概率拟合大模型的结构性破产必然性进行了深入分析。当前以Transformer架构和自回归令牌概率预测为核心的概率拟合大模型,通过海量数据统计关联分析生成内容,而非基于公理体系的因果逻辑推演。研究发现,该技术路径的边际效益正快速衰减:算力、数据和模型规模呈指数级扩张,但实际性能提升有限,投入产出比严重失衡。 通过全球头部企业财报和行业实测数据,本文从技术逻辑、成本结构和商业变现等维度证明:概率拟合大模型存在成本指数增长与营收线性增长的不可逆矛盾,企业净现金流

首席技术执行官CTO(Chief Technology Officer)|技术总监--邓斌博客 1346

华为私有云HCS 8.1.1实战:从镜像制作到云主机发放全流程指南

本文详细解析了华为私有云HCS 8.1.1从镜像制作到云主机发放的全流程实战指南。内容涵盖制作标准化QCOW2镜像、配置云主机规格与主机组、规划外部网络,以及在运营面为租户初始化资源、配置审批流与产品目录。最后,通过用户视角演示了从创建VPC网络到申请、审批并最终绑定EIP访问云主机的完整操作步骤,为运维人员和架构师提供了一套清晰、可落地的HCS部署与管理实践方案。

weixin_29305313的博客 1130
上一篇: HMD 2760 Flip:经典功能机变身智能机,按键安卓手机有何独特市场价值?
下一篇: AI 浪潮下 Windows 臃肿成疾,微软优化能否让其适应 AI PC 新范式?
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值