在国家政(zheng)策的引导下，各地也呈现差异(yi)化竞争态势。北京依靠人才优势主打“技术策源(yuan)+场景创(chuang)新”，深圳背靠完整电子产业链主打“硬件制造+场景落地”，杭州则进行精细化“全(quan)市一盘棋”空(kong)间布局。

具身智能产业在2025年实(shi)现跨(kua)越式发展，其中人形机器(qi)人出货量已初具规模(mo)。知名咨询公司IDC发布的《全(quan)球(qiu)人形机器(qi)人市场分析》显示，2025年全(quan)球(qiu)人形机器(qi)人出货量约为1.8万台(tai)，同比增长约508%。在全(quan)球(qiu)竞争格局中，中国企业占据主导地位，全(quan)球(qiu)出货量排名前六位的厂商均为中国企业，其中宇树科(ke)技、智元机器(qi)人形成“双龙头”格局。凭借全(quan)产业链配套、快速工程化转化等优势，中国企业成为全(quan)球(qiu)具身智能产业增长的核心引擎。

以宇树科(ke)技IPO获受理为标志，具身智能在资本市场也备受追(zhui)捧。据IT桔子数据，2025年具身智能赛(sai)道融资超511亿元（是前一年的3.5倍），2026年仅前三个(ge)月融资已近300亿元。资本潮涌之下，具身智能估值门槛急剧抬高，目前已有13家企业估值突破百亿元。

泛化能力(li)难题

过去(qu)的一年里，人形机器(qi)人的运(yun)动与操(cao)作能力(li)进步迅速。机器(qi)人已能胜任武术表演、后空(kong)翻、弹钢琴、下围棋，也能在工厂搬运(yun)重物、进行上下料等工作，然而却在很多时候端不稳一杯水、捡不起一根针，甚至(zhi)绕不开一把椅子。“下棋能赢世界冠军，却拧不开一瓶水。”市场不乏对具身智能这类调侃。

当下，国内具身智能行业正(zheng)处于从“千台(tai)交付”到“万台(tai)量产”的规模(mo)化前夕(xi)，模(mo)型泛化能力(li)是核心瓶颈：机器(qi)人仍(reng)只能按照(zhao)预(yu)设(she)程序完成特定(ding)动作。

泛化能力(li)进步到何种程度才算真正(zheng)实(shi)现具身智能的“ChatGPT时刻”？宇树科(ke)技创(chuang)始人兼CEO王兴兴认为，具身智能的ChatGPT时刻，意味着机器(qi)人可(ke)通过语音或文(wen)字(zi)指令，在80%的陌生场景中顺(shun)利(li)完成约80%的任务。“比如说，我(wo)把一台(tai)人形机器(qi)人带到一个(ge)它(ta)完全(quan)没有见(jian)过的场景，它(ta)也不认识(shi)场景里的人，我(wo)跟它(ta)说‘帮忙把这瓶水带给某(mou)人’或者‘帮忙找一支笔过来’，它(ta)能完全(quan)自主地完成这些任务，不需要提前建图(tu)，也不需要提前预(yu)设(she)程序。”

在人工智能领(ling)域，物理世界存在“莫拉维克悖论”，也就是说对人类来说简(jian)单的叠衣服、抓杯子等动作，机器(qi)人执行起来难度极大；而人类难以完成的计算、下棋等任务，机器(qi)人却能轻(qing)松应对。

快思慢想研究院院长田丰(feng)向记(ji)者解释，机器(qi)人的“行走、翻跟头”本质上是一个(ge)闭环(huan)的动力(li)学平衡与物理控(kong)制问题，而“捡针、拿易(yi)碎品(pin)”则是一个(ge)开环(huan)的、高精度的多模(mo)态感知与接触动力(li)学问题。前者容错率高，后者一旦(dan)发力(li)偏(pian)差0.1牛顿(dun)，鸡(ji)蛋、蛋糕、卫生纸就会损坏。

“精细动作的突破必须依赖机械结构设(she)计、高灵(ling)敏度传感网络、专用底层AI芯片以及具身大模(mo)型的系统级深度耦合，才能真正(zheng)释放商业潜力(li)。”田丰(feng)指出。

从“肢(zhi)体”转向“大脑”

为解决机器(qi)人通用泛化能力(li)难题，2026年人形机器(qi)人行业竞争焦点正(zheng)加(jia)速从“肢(zhi)体”转向“大脑”，推动“认知—行动一体化”。“硬件决定(ding)了机器(qi)人能力(li)的上限，即(ji)物理极值，而大脑（算法）则决定(ding)了其实(shi)际表现的下限，即(ji)通用泛化任务能力(li)。”田丰(feng)指出。

业内正(zheng)在向机器(qi)人的“大脑”投入重金。自2025年12月至(zhi)今，具身智能领(ling)域融资金额开始超越“人形”形态融资体量，资本重点押注于通用具身大脑、AI运(yun)动控(kong)制等上层智能技术。

宇树科(ke)技近日披露的招股书公开文(wen)件显示，计划将20.22亿元募集资金用于智能机器(qi)人模(mo)型研发项目，重点突破具身大模(mo)型与机器(qi)人运(yun)动控(kong)制的融合技术。2026年以来，自变量机器(qi)人、银河通用等企业完成大额融资，资金均拟(ni)用于具身智能大模(mo)型和相(xiang)关基础设(she)施(shi)的研发。

过去(qu)，机器(qi)人运(yun)作能力(li)依赖预(yu)设(she)程序，环(huan)境稍有变化其能力(li)就可(ke)能失(shi)效，核心原因就是不理解物理世界的运(yun)行规律。

宁(ning)波具身智能机器(qi)人创(chuang)新中心总经(jing)理何川向记(ji)者表示，真正(zheng)决定(ding)机器(qi)人价(jia)值与行业高度的是物理AI（机器(qi)人理解物理世界的能力(li)）而非硬件。为推动具身智能走向通用劳动力(li)时代，必须突破空(kong)间智能、物理理解、自主决策等关键能力(li)；物理AI是让机器(qi)人具备“物理直觉”的基础技术，大模(mo)型驱动语义智能，二者合一，才是具身智能。

不过，物理AI本质在于复刻物理世界规律，这一过程本身存在多重难点。其中，真实(shi)数据缺(que)失(shi)，成为最(zui)大的痛点之一。目前行业内普遍缺(que)乏高质量真实(shi)世界数据，尤其是工业工艺数据。

优必选首席品(pin)牌官谭旻在接受证券时报(bao)记(ji)者采访时分析，只有通过大量真机实(shi)训积(ji)累(lei)的数据，才能支撑技术迭代。以优必选为例(li)，公司通过在真实(shi)工厂场景中采集数据，针对特定(ding)工种训练模(mo)型，尽可(ke)能还原真实(shi)场景中的复杂变化，提升人形机器(qi)人任务执行的成功率，最(zui)终实(shi)现人形机器(qi)人通用化水平的提高。

人形机器(qi)人本体厂商正(zheng)在加(jia)速解决“数据荒”与通用性泛化问题。“从产业发展的规律来看，人形机器(qi)人‘身体’进化快于‘大脑’是一个(ge)阶段(duan)性现象(xiang)，因为硬件迭代周期相(xiang)对较短，而数据积(ji)累(lei)与模(mo)型泛化能力(li)需要时间沉淀。”智元机器(qi)人高级副总裁姚卯青对证券时报(bao)记(ji)者坦言，“卷大脑”绝不意味着“轻(qing)硬件”，而是对“软硬协同”提出了更高要求。

日前，王兴兴在亚布力(li)论坛披露了宇树科(ke)技的最(zui)新布局：通过全(quan)身遥操(cao)作系统，今年年底之前宇树能部署几千台(tai)甚至(zhi)一万台(tai)人形机器(qi)人。“每天采集10个(ge)小时的数据，最(zui)近的一两年甚至(zhi)两三年之内，人形机器(qi)人的数据问题就可(ke)以基本解决。”

供应链瓶颈

“大脑”发育迟缓之外，“躯体”量产的供应链瓶颈，也是亟待解决的难题。目前，国内位于第一梯队的宇树科(ke)技与智元机器(qi)人，年度出货量超5000台(tai)，与万台(tai)目标仍(reng)有差距。

“万台(tai)规模(mo)是人形机器(qi)人行业重要的发展门槛。”松延动力(li)董事长姜(jiang)哲源(yuan)向记(ji)者表示，2026年松延动力(li)的核心目标是实(shi)现旗下人形机器(qi)人“小布米”万台(tai)规模(mo)交付。

从样机交付到万台(tai)量产，行业仍(reng)面临不少“难啃的骨头”。综合多位人形机器(qi)人本体厂商高管(guan)的观点来看，尚未成熟的供应链是当前行业量产的一大核心瓶颈。

“从千台(tai)到万台(tai)，人形机器(qi)人量产的核心难点在于供应链工程的标准化与可(ke)靠性设(she)计。人形机器(qi)人涉及的关节、传感器(qi)等核心部件，目前远未达到汽(qi)车产业那样的规模(mo)化水平。”姚卯青告诉记(ji)者。

姜(jiang)哲源(yuan)亦坦言，物料供应链问题当前亟需解决，人形机器(qi)人有数百上千个(ge)不同零部件，只要有一个(ge)物料备货不足，整个(ge)生产就会停滞，这是规模(mo)化量产初期就会遇到的问题。

在人形机器(qi)人产业链扮演“中枢平台(tai)”角色的均普智能，对于产业链的整体协同困难深有感触：上下游(you)需求理解不一致(zhi)、核心部件生态分散、供应链成熟度不足、缺(que)乏真实(shi)规模(mo)化数据场景、训练迭代受限等问题在实(shi)践中十分突出。

“例(li)如，机器(qi)人本体与真实(shi)工业场景之间存在‘最(zui)后一公里鸿沟’，机器(qi)人本体厂商通常缺(que)乏深度工业工艺理解如精密(mi)装配、插接、拧紧、柔性抓取等，导致(zhi)机器(qi)人很难在工厂稳定(ding)作业。此外，上下游(you)需求理解不一致(zhi)，机器(qi)人本体厂商侧重通用架构和基础能力(li)，工厂侧重工艺参数、可(ke)靠性、节拍、鲁棒性，导致(zhi)标准化程度低。”何川告诉记(ji)者。

一个(ge)典型的案例(li)是，有汽(qi)车企业在试点具身智能上线装配系统时，受机器(qi)人本体与产线输(shu)送线的联动振动，以及产线温度波动，定(ding)位精度直线下降，导致(zhi)装配不良率相(xiang)较实(shi)验室(shi)状(zhuang)态飙升32倍。

“当下国内出现了许多人形机器(qi)人上下游(you)产业的企业，但企业之间的协同还有进步的空(kong)间，还不算真正(zheng)形成了成熟的人形机器(qi)人产业链。成熟的产业链一旦(dan)能够形成，人形机器(qi)人整机的成本也有望下降，加(jia)速人形机器(qi)人的量产落地。”谭旻强调。

伴随着行业竞争重点进一步聚焦，2026年或成为人形机器(qi)人行业的“交卷年”，企业需要持(chi)续(xu)拿出量产、技术成果(guo)。田丰(feng)指出，2026年的人形机器(qi)人赛(sai)道将是一场综合了“顶(ding)尖AI算法、精密(mi)制造供应链与商业化场景落地”的全(quan)能较量，只有具备软硬全(quan)栈(zhan)自研能力(li)，并能率先在真实(shi)场景中跑通“数据飞轮”与“商业闭环(huan)”的玩家，才能在未来的万亿蓝海中真正(zheng)立足。随着市场的逐步孕育、技术的持(chi)续(xu)推进，具身智能的大规模(mo)产业化也将水到渠成。