聚焦当下最热的具身智能话题，千寻智能创始人兼CEO韩峰涛、灵心巧手创始人兼CEO周永、星源智创始人兼CEO刘东、破壳机器人创始人许华哲，以及蚂蚁灵波科技CEO朱兴，齐聚智源大会，共论具身智能下一阶段的竞争焦点。

这也是在2026年上半年具身智能融资热潮持续升温的背景下，几家代表性企业负责人对行业现状的一次集中回应：千寻智能三个月融资近50亿元，星源智创成立未满一年融资10亿元，灵心巧手半年内完成B轮、B+轮融资，破壳机器人一月内完成数千万美元天使轮融资，蚂蚁灵波则背靠蚂蚁集团，具备长期投入的资金与生态优势。

当行业还在讨论人形机器人是否已经成熟、VLA模型与世界模型谁会成为主流、真机数据是否足以支撑通用智能时，另一些更底层的问题也被提出：具身智能的商业化到底有没有跑通？当前的融资热潮是泡沫，还是大规模预训练前的资源储备？机器人本体硬件是否已经具备规模化落地基础？在自动驾驶之后，数据飞轮能否在物理世界重新成立？具身模型应该优先打磨基座能力，还是尽快进入真实场景接受检验？

以下为圆桌内容的实录，经过编辑和整理：

行业融资热潮与商业化现状

王仲远：2026年上半年，具身智能赛道融资热度持续高涨：千寻智能三月融资近50亿元；星源智创成立未满一年融资10亿元；灵心巧手半年内完成B轮、B+轮融资；破壳机器人一月内完成数千万美元天使轮融资；蚂蚁灵波背靠蚂蚁集团具备雄厚资金实力。想请教各位，如何看待行业融资热潮？当前行业是已跑通商业化，还是处于储备资金、备战长期竞争的阶段？

韩峰涛：当前行业企业密集融资，核心目的是储备研发弹药。目前行业尚未跑通成熟的商业化模式，规模化落地仍需延后，但行业整体发展路径已明确，即将进入大规模模型预训练阶段。大模型研发资金投入极高，2026年是行业抢占赛道席位、囤积核心资源的关键窗口期。若今年无法拿到头部层级的资金与估值，企业将错失基础大模型的研发入场资格，无法参与第一波具身智能创业浪潮。

朱兴：具身智能与自动驾驶赛道相似，具备长周期发展属性，当前行业仍处于技术驱动的早期阶段。经过两年发展，行业硬件、供应链、模型技术均实现显著突破，2026年将迎来特定场景的小规模商业试点，2027年场景化落地节奏将进一步提速。

许华哲：资本入局具身智能赛道，本质是购入一张布局物理世界通用智能的未来门票。数字AI技术已趋于成熟，资本当下重点押注机器人在物理世界实现通用智能、替代人类基础劳作的可能性。行业模型从VLA迭代至世界模型后，研发资源消耗大幅提升，必须依靠大额融资支撑持续的技术迭代。

周永：当前的融资热潮并非行业发展顶峰，仅仅是产业发展的序章。目前行业头部企业的估值，仅基于年出货1万台的市场体量；若未来行业设备年出货量突破10万台，整个行业的资金体量将扩容十倍。对比新能源车、海外机器人赛道的融资规模，国内具身智能企业当前单轮融资体量偏小，行业未来成长空间极大。

刘东：行业资金使用整体呈现7:3的比例，70%用于模型研发与技术储备，30%投入商业化落地验证。具身智能的应用场景不止局限于人形机器人，工业自动化设备、机械臂等硬件设备，均可通过具身模型完成智能化升级，目前我们已启动多场景商业化落地探索工作。

本体硬件成熟度探讨

王仲远：当前机器人的运动控制、整机操控能力较前两年大幅成熟，现场调研：各位是否认为具身智能本体产业链已进入成熟阶段？结果：3人反对、1人同意、1人中立。

韩峰涛（同意）：硬件成熟度是一个相对概念。我们以完美人形机器人的综合能力100分为满分标准，当前各硬件板块成熟度差异极大：工业机械臂50分、轮式底盘40分、四足机器人30分、双足机器人15分、灵巧手仅5分，配套的AI能力更是仅有3分。但大模型正在快速赋能硬件，AI能力可在短期内从3分提升至30-50分。从现阶段落地应用的角度来看，当前硬件水平已足以支撑海量潜在市场，因此我判定硬件具备阶段性成熟度。

朱兴（中立）：过去两年，行业硬件、底层运动控制（小脑）实现关键突破，支撑了上层AI的落地尝试。但行业下一核心主线是AI重新定义硬件，随着大脑级AI能力持续迭代，未来将会对硬件架构、性能提出全新要求，当前硬件体系无法适配未来AI的发展需求，因此我保持中立态度。

周永（反对）：机器人本体硬件尚未成熟，其发展可分为三个迭代阶段：第一阶段（60分）实现机器人自产机器人，摆脱人工组装模式，解决产品一致性差、生产成本高的问题；第二阶段（80分）实现机器人自主设计、自主生产，全程无需人工干预；第三阶段（95分）实现高度模块化自主运维，机器人交付使用后，可自主前往配套站点更换零部件、快速调试复工。目前行业仍处于第一阶段前期，硬件规模化、智能化体系尚未成型。

数据是不是行业竞争的核心

王仲远：行业竞争重心已从硬件比拼转向数据积累，自动驾驶领域的十万、百万、千万小时数据迭代逻辑，已成为当前具身智能行业的核心发展思路。现场调研：是否认为数据是当下具身智能领域的重中之重？结果：全员同意。

韩峰涛：模型、算力、数据是AI三大核心要素，当前算力供给充足、模型架构持续迭代优化，高质量规模化数据是行业核心卡点。千寻智能是国内采用分布式模式采集高质量具身数据规模最大的企业，在全国布局三十余万个数据采集点，组建千人专职数据采集团队，自成立之初便将数据列为第一核心战略。

朱兴：行业普遍存在真机遥控数据重复度高、有效优质数据稀缺的问题。与场景单一、数据边际效益递减的自动驾驶行业不同，具身智能领域的VLA模型、世界模型、物理原生基础模型的能力上限，完全由高质量数据体量决定。去年我们投入大量资源，从海量真机原始数据中筛选优质数据用于模型预训练，核心目的就是破解行业数据瓶颈。

许华哲：传统真机遥操作采集模式存在量产能力不足、设备成本高昂、场景布设困难三大痛点，无法适配家庭等复杂场景的数据采集工作。当前行业更适配穿戴式轻量化采集方案，工作人员通过佩戴数据手套、架设头戴式摄像头即可采集多模态数据，可依托大众居家场景实现规模化采集，高效补齐复杂场景数据缺口，同时也将催生全新的数据采集业态。

周永：行业各企业模型性能差距的核心根源，在于数据的体量与质量差异。我们依托自研触觉传感手套，可同步采集视觉、触觉多模态数据，为全行业企业提供数据采集配套支持。同时，我们计划将高价仿生手的成本压缩至5000元以内，为残障人士提供数据采集就业岗位，实现技术普惠与数据规模化采集的双向赋能。

刘东：单纯比拼数据总时长没有实际意义，行业普遍存在数据堆砌的认知误区。我们摒弃通用数据混叠积累的模式，聚焦物流、家庭等可商业化落地的垂直场景，定向采集场景专项高质量数据，深耕单一场域数据体系，以此加速模型迭代与场景落地。

模型能力、迭代路径

与评测标准

韩峰涛：数字世界AI技术已趋近成熟，能够完整掌握物理世界的理论知识，而具身智能的核心价值，是将数字AI的认知与能力迁移至真实物理世界。物理智能的落地成型，必须依托海量真实物理场景数据。当前行业整体模型能力仅3分，未来可依靠规模化数据训练快速提升至50分。千寻模型能够反超英伟达、对标谷歌等海外顶尖产品，核心优势就是高质量的数据积累。2026年将是行业模型能力分层的关键节点，海量数据储备将形成坚实的技术壁垒。

朱兴：行业下一核心发展目标，是打造物理原生基础模型，而非简单迁移复用数字AI能力。数据是模型迭代的核心根基，模态多元化是未来核心发展趋势。结合第一视角Ego数据与高精度触觉数据，打通视觉、力觉两大核心数据模态，是下一阶段数据规模化积累、模型能力升级的关键方向。

许华哲：当前行业普遍存在“重榜单、重演示、轻落地”的问题。具身模型缺乏普惠的硬件载体，普通用户无法实地测试体验，导致模型性能优劣只能依靠企业宣传判定。下一阶段行业竞争的核心，是打造“拿来就能用”的落地级模型，以真实实操体验替代单一的榜单分数比拼。

周永：行业亟需建立统一的模型落地评测标准，新场景部署时长是核心评判指标。当前模型的新场景从零部署周期为1-2个月，未来成熟模型需实现一周快速部署，标准化场景可单日完成落地。同时，手物交互是物理交互的核心短板，多数模型可精准规划机械臂运动轨迹，但在手部抓取、物件交接环节容错率极低，需要全行业协同补齐手物交互短板。

刘东：真机落地、端侧适配是优质具身模型的两大硬性标准。第一，必须支持端侧独立部署，摆脱云端依赖，适配无网络、低延迟的真实作业场景；第二，需具备动作反思闭环能力，形成“预测-执行-反思”的迭代优化闭环，持续提升任务准确率。我们即将发布的Omega EVA模型，是目前全球运行速度最快、支持端侧部署的全身世界模型。现阶段我们的底层软硬件方案已服务行业70%以上的头部企业，落地规模位居行业前列。

王仲远调研：当下具身模型发展，应优先迭代基座模型，还是快速落地真实场景？结果：1人支持快速落地、3人中立、1人反对大规模仓促落地。

韩峰涛（反对）：现阶段具身模型的智能水平仅相当于一两岁孩童，场景部署与适配成本极高，尚不具备规模化商用条件。小规模场景试点可积累需求、反向优化技术链路，但坚决反对大规模仓促落地。未来两年行业核心任务是深耕基座模型预训练、夯实基础能力，预计2028年左右模型能力达标后，行业才会迎来大规模落地窗口期。

刘东（支持落地）：基座模型迭代与场景落地验证必须同步推进。人工优化的实验室环境无法复刻真实场景的复杂问题，模型适配真实场景需要1-2年的磨合周期。只深耕研发容易脱离实际市场需求，参考自动驾驶行业发展经验，快速落地、持续迭代的企业，才能率先收获市场回报、规避技术路线偏差。

王仲远调研：行业是否需要第三方中立评测机构与赛事平台？结果：多数嘉宾支持、许华哲为唯一反对嘉宾。

许华哲：商业化落地结果是模型的终极评判标准。第三方评测、行业赛事存在应试优化空间，且无法复刻物理场景的所有变量，硬件、环境的细微差异都会导致评测结果失真，无法真实反映模型的实际落地能力。

朱兴：第三方评测具备行业参考价值，但必须满足两大前提：评测基准定义科学、测试流程公正公允。结构化的原子技能评测体系，能够有效指导基座模型迭代，但最终仍需以实景落地能力为核心考核标准。行业后续将逐步弱化榜单对标，聚焦模型真实应用能力的迭代升级。

刘东：所有模型最终都要落地物理空间、完成实际作业任务，榜单分数仅作参考。评测无需限定硬件设备与模型品牌，可围绕具体商业任务搭建测试场景，以单位时间作业量、任务成功率等客观商业指标作为核心评判标准，能落地解决产业实际问题的方案，就是优质方案。

行业未来一年发展展望

韩峰涛：2026-2027年是具身模型规模化迭代的关键阶段，将对标GPT-2至GPT-3的跨越式升级。未来一年，依托海量数据完成大规模预训练的企业，其模型性能将与行业其他玩家拉开巨大差距，纯学术机构将难以实现弯道超车，行业头部技术壁垒将快速成型。

朱兴：以人为中心、无本体依赖的多模态对齐数据，将成为行业核心数据形态。未来一年，行业有望研发落地物理原生基础模型，这也是蚂蚁灵波的核心研发目标，预计2026年底可完成突破，最晚不超过2027年6月。

许华哲：我们未来将重点实现两大技术突破：一是打造零部署成本的开箱即用模型，机器人无需复杂调试和场景布设，放置于作业环境即可直接工作；二是强化智能体（Agent）能力，依托模型泛化能力，让机器人自主串联长周期任务，可自主修正作业过程中的小幅失误，实现全天候不间断连续作业，完成模型原生级的自主迭代升级。

周永：未来一至两年内，行业将形成完整成熟的技术体系，核心包含三大模块：全自动数据标注系统、可精准预测3D结构与物理因果约束的融合物理引擎、适配真实场景的任务奖励机制。同时我们正在搭建轻量化智能体（Agent）框架，大幅缩短模型新场景部署周期，助力行业商业化落地提速。

刘东：未来一年将是具身智能真机落地元年，行业将迎来三大核心变革：第一，数据采集范式全面转型，从传统机器人遥操作采集，转向以人为中心的轻量化采集模式；第二，模型范式迭代升级，行业从主流VLA模型，集体迭代为具身世界模型，这也是数据采集模式变革带来的必然趋势；第三，商业化落地常态化，大批机器人与端侧模型进驻真实生产场景，摆脱人工遥控，可自主完成80%-90%的常规任务，真机落地成为行业常态。

（来源：网易科技）