2026年的具身智能:不再“讲故事”,而是拼“分数”?

news2026/4/2 3:06:56
作者刘致呈编辑Evin审核徐徐出品互联网江湖最近具身智能行业发生了两件大事:一是行业标杆——宇树科技要IPO了。二是中国信息通信研究院联合40余家单位共同起草的具身智能领域首个行业标准正式发布了。据了解该标准聚焦于人工智能关键基础技术和具身智能基准测试方法同时还明确了具身智能系统框架和能力要求从此具身智能评测进入了“有标可依”的新阶段。从表面看这两件事似乎关联不大但是别忘了宇树科技在当前机器人行业还有着特殊的风向标意义。所以从这个角度看无论是主动还是被动两者其实都做了一件事——划标准线。前者是在为当下火热的人形机器人行业划一条“价值标准线”从商业化、资本市场维度提供一个参考标准类似于现在AI领域的智谱、Minimax们所起到的标杆作用后者则相当于在技术层面为具身智能行业划定一条“能力标准线”。那么大家都知道“标准”的意义是什么本质上就是锚点、参照物是新兴行业分化的开始。所以当这两条标准线同时确立不管从品牌竞争市场还是投融资市场上看这往往就意味着马太效应的到来……冰火两重天的机器人行业再不上市就晚了先说具身智能测试标准的出台为什么可以推动整个行业分化因为划下的这条能力标准线本身也是选拔线、及格线。就像应试教育一样虽然这个成绩不能完全展示出学生的整体发展水平但至少也是个关键判断依据。而恰好现在具身智能赛道在资本热钱的过度追捧下本身又存在一定的投资泡沫。据不完全数据统计2026年开年至今国内具身智能已披露融资超30起融资总金额约200亿元远超2024年同期的70亿元和2025年同期的126亿元。甚至按照傅盛的说法现在整个具身智能赛道已经火到你去深圳花200万搞一个人形机器人打上自己LOGO只要机器人能走上两步就有可能拿到融资的地步……这种资金“上头”表现有FOMO情绪的影响但更重要的还是过去大家都缺乏一个可量化的能力标准线作为对比也没有一个被验证的统一范式所以整体投资逻辑高度分裂。但现在不一样了此次具身智能测试标准的出台就像应试教育划的分数线那样可以让投资人们第一次凭借直观测试成绩以及后续有没有优化潜力进行粗筛判断从而对那些还在做Demo又或是讲不出更多差异化故事的初创企业保持一个更加审慎的态度。如此一来在大面上常规机器人玩家们的融资红利期可能就会被不断压缩更多资源将集中到以宇树科技、智元和乐聚机器人为代表的头部乃至腰部的高分玩家身上从而形成强者愈强的新格局。能者上平者让庸者下。这就是具身智能测试标准在当前特殊时期所带来的行业分化效果。再来看宇树IPO所划下的这条价值标准线虽然上市还没有板上钉钉但在商业化方面却已经影响到了人形机器人行业的投资选择。从招股书和天眼查App来看宇树科技的业绩表现不错2025年营收预计超17亿元扣非净利润超6亿元人形机器人收入占比两年内从1.88%增长到51.53%产销率超过95%……但具体而言2025年前三季度在宇树人形机器人收入中科研教育占比约73.6%商业消费占17.39%真正被寄予厚望的行业应用却仅占约9.01%左右。也就是说现在宇树的客户主要是高校、科研机构和科技公司。它们买机器人更多是为了做开发、搞科研而不是进入产线去实现新的生产力革命……所以现实是这份成绩只能证明具身智能的方向是对的但离机器人的终极叙事——下一代生产力工具还很遥远。这一点在“港股人形机器人第一股”优必选身上也得到了部分验证。主要表现为连续的增收不增利。2021年到2024年优必选的营收增速分别为10.4%、23.38%、4.7%和23.65%整体表现不错但是对应的归母净利润却常年亏损四年总计亏损约42.53亿元。那么在这样一个背景下投资人们该怎么选择是继续掷骰子式地盯着新初创企业还是往相对领先且有更大确定性的头部、腰部玩家们去下注又或是干脆不跟答案不言而喻。继续顺着这个逻辑看如果未来机器人市场的商业模式迟迟得不到突破那么随着宇树们的上市是不是就有可能会让后来者的路变得越来越窄因为任你故事再美好业绩表现也是实实在在的所以再热闹的融资市场最后也一定会冷静下来。从技术狂热期到资本泡沫期再到残酷出清期、寡头格局期这样一个发展周期在共享单车、在线教育和网约车等行业都曾得到过验证。所以现阶段做人形机器人的品牌企业们都需要抓住这一关键上市窗口期越早上市就越有可能拿到一个好名次、好估值越到后边就越只剩下冷冰冰的理性判断可获得的资本筹码就越有限。除非有后来者能够实现DeepSeek、OpenClaw式的颠覆性创新否则都会陷入一步慢步步慢的成长困境中。也正因此2026年就成了机器人行业的一个上市大年。比如当前估值在90亿元左右的乐聚智能也已经办理过了上市辅导备案登记。并且在产业表现方面其和宇树科技非常相像。不仅都覆盖了科研场景、商业服务和工业制造等多个领域同时乐聚还通过投资、合资等市场化的方式也串联起一个自主可控的产业生态对应的机器人零部件国产化率超95%整体达到了车规级量产交付标准。至于C端方面去年2月旗下的“夸父”机器人亮相-20℃的亚冬会火炬传递现场在与火炬手们的挥手、击掌互动中凭借稳定可靠的关节控制与环境适应性也让其一战成名……又比如估值在100亿左右的云深处也于2025年12月启动了上市辅导旗下的智能机器人更是广泛应用于电力巡检、应急消防、安防巡逻、工业运维等领域。此外还有智元机器人、上过春晚的银河通用、松延动力以及众擎机器人、星海图们也都完成了股改想要在这场大分化时代里提前完成IPO卡位之战……“数据供给”三国杀谁能笑到最后当然现在具身智能产业还处在发展早期所以整个市场可挖掘的增长空间还有很多很多甚至笑到最后的也有可能不是今天这些风头正盛的主流玩家而来自于边缘市场。比如在垂直应用场景一家名不经传的初创企业——丽天智能就开创了光伏安装机器人品类核心围绕沙漠、高原等无人区光伏电站场景提供清洁、安装和巡检等解决方案。整体虽然干的是“脏活、累活、苦活”但由于光伏市场足够大、痛点足够痛所以去年丽天智能就实现了密集的商业化落地订单覆盖包括澳洲、中东、欧洲、南美、南非等全球主要光伏市场……又比如在上游“卖铲人”领域不管是专攻机器人核心零部件的初创企业还是发力数据采集和训练的玩家们现在也都非常受关注。其中明星企业“灵心巧手”已经走到了全球机器人灵巧手领域头部供应商的位置全球每10只高自由度灵巧手中就有8只来自该团队……至于具身智能数据供给方面更是被当前资本市场视为有确定性增长路径的产业锚点。因为机器人不像是大模型没法直接从互联网上抓取海量信息一举一动都需要实时实景的物理交互数据、力反馈信息等等整体采集成本非常高所以数据供给也就成了具身智能产业的新生产资料甚至是决定机器人能力上限的一大关键要素。目前整个市场大致分为三类玩家一是以光轮智能、灵初智能为代表的“专业数据工厂”们。这类玩家的特点是足够专注垂直解决的是如何大规模、且低成本地采集数据的根本问题。现在有两条主流路线一是通过自研物理求解器生成海量高保真仿真数据二是自研更简单高效的具身数采工具从而直接采集各种真实应用场景或人类行为数据为具身智能提供可规模化的高质量合成数据与工业级评测标尺。也就是说它们不只是在卖数据更是在卖一个系统性的解决工具或方案属于是难而正确的一条路线。二是像智元机器人、乐聚们那样软硬件一体的全栈玩家本身也有数据采集业务布局。特别是乐聚还联合运营着国内最大人形机器人数据训练场聚焦工业制造、智慧家庭、康养服务和5G融合四大前沿场景年产超600万条真机数据采集数据更容易形成商业化闭环。三是跨界的产业方们主要以京东为代表。据此前“京东黑板报”消息为推动具身智能行业健康快速发展京东依托超级供应链核心优势以及零售、物流、健康、工业、外卖、家政等海量真实业务场景将建成全球规模最大、场景最全的具身智能数据采集中心。并且在依法依规的背景下京东还将发挥20余年积累的丰富场景资源优势发动数十万人参与数据采集——包括内部超过10万名各类职业员工以及外部最多50万各行业人员覆盖家庭、办公室、工厂到物流、商店、餐厅、医疗、环卫等超百个细分场景……通过以上举措京东将于一年内积累500万小时人类真实场景视频数据两年内突破1000万小时同步实现采集机器人本体数据100万小时成为全球最大的具身智能数据公司。很明显背靠庞大且丰富的场景产业线如果京东还能联合起灵初智能等数据基础设施派玩家们那么也未尝不能在具身智能行业分一杯羹甚至分到得还可能是最大的那一杯……由此观之现在具身智能行业正处在一个充满信心但又矛盾十足的发展阶段。未来的终局确定性极强但前进路径却充满了不确定性投融资市场在分化但竞争市场却很难在短时间内出现赢家通吃的局面……也就是说这条路上没有一蹴而就的终局只有步步为营的进化。所以当一条技术能力的及格线一条资本的价值线划下后具身智能的想象力长河其实才刚刚开始奔涌。而那些愿意沉下心、扎下根的航船终将在时间的长廊里听到属于自己的回响。免责声明本文基于公司法定披露内容和已公开的资料信息展开评论但作者不保证该信息资料的完整性、及时性。另股市有风险入市需谨慎。文章不构成投资建议投资与否须自行甄别

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2469753.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…