935亿涌入具身智能：资本转向大脑，技术验证仍在早期

2026年上半年，国内具身智能领域融资总额达到935亿元，约为2025年同期的五倍；融资事件322起，同比增长137%。

热钱涌入具身智能，但产业验证并未同步。8月28日，“沿沪宁投融汇”首届沙龙在沿沪宁协同创新中心举行，研讨方向，探寻合作。

本次活动由澎湃新闻主办，由华东师范大学科技处、人形机器人创新孵化器、上海市普陀区投资促进办公室和上海市普陀区区域协同发展办公室等单位支持。

普陀区区域协同办副主任陆海表示，普陀已建立“三张清单”机制，致力于以需求对接资源、促成合作，沿沪宁平台可为产业各方提供资源对接与合作服务，为长三角一体化贡献力量。

活动现场，复旦大学深度学习实验室主任、眸深智能联合创始人陈涛，上海中创产业创新研究院资深研究员李光辉，以及沿沪宁产业创新带具身智能企业、行业资本代表，就具身智能的投资焦点展开讨论。

投资逻辑一年反转

2025年1月，陈涛成立具身智能大脑公司眸深智能，投资人对“不做本体只做大脑”的商业路线持怀疑态度——“没有本体，你怎么拿到订单呢？”彼时全国只做具身大脑的企业不超过20家，多数资本更倾向于投资做本体的公司。

“我们当时花了很多时间来说服投资人这个顾虑。”陈涛回忆。但仅仅一年后，情况发生了根本变化。2026年上半年，新涌现的具身大脑企业已接近100至200家，较去年呈倍数级增长。“降低算力和数据成本，提高泛化能力，都要靠大脑技术。”

投资方向变化和本体“价格战”也有关系。陈涛指出，当前人形机器人本体价格已降至 5 万元以内，硬件层面的差异化正在快速缩小。“同样是两个本体，谁能干什么活，主要由‘大脑’决定。”

2026年，投资人主要关注三个方面：一是核心团队的履历背景，包括 CEO、CTO 的科研与从业经历；二是技术路线的稀缺性，例如是否采用 VLA（视觉-语言-行动）架构，以及与同类路线的差异；三是头部订单的获取能力，特别是来自行业真实需求的订单，而非通过关联渠道形成的循环订单。

李光辉观察到，具身智能入场者的构成也在变化。除了创业公司，互联网巨头、新能源车企、智能终端企业、人工智能公司纷纷布局。“各大巨头都在寻找下一个终端入口，人形机器人成为共同的选择。”李光辉说。

产业关注点转向软件可能导致生产关系的变化。“与智能手机和新能源汽车类似，人形机器人将走硬件提前布局、软件持续升级的路线。这一趋势可能催生代工模式，即企业只掌握关键的总体集成服务，将硬件制造交由其他企业完成。”

与此同时，越来越多的人形机器人企业开始开放端口，中小企业可以基于成熟硬件开发特定场景的应用，这有望形成“平台加开发者”的开放生态。

大脑技术路线尚未明确

那么，大脑的技术验证走到哪一步了？与会嘉宾从模型架构、学习范式、数据、端侧部署四个维度对当前大脑技术的堵点展开讨论。

第一，缺乏交互性架构。

“具身智能与大语言模型最根本的区别在于交互。大语言模型不需要在物理世界中与用户、操作对象或工具发生物理交互，而具身智能必须如此。”陈涛解释，交互的第一性原理是可触碰、可反馈、可形成闭环迭代，而VLA 和 VLM（视觉-语言模型）并非为此而生的原生架构。

“当前VLA 存在状态、因果、记忆、目标四个缺口，分别对应物理状态预测、因果机制理解、成败经验积累和自主探索能力的缺失。这四个缺口若不解决，具身模型将无法达到收敛状态。”陈涛说。

第二，学习方式需要改变。

当前具身智能的主流学习方式是采集人类操作的轨迹数据，让机器人反复模仿。但在陈涛看来，更可持续的学习范式应当是“执行即训练，交互即数据”。这种范式让机器人在真实工作中的执行过程成为模型训练过程，让与环境和人类的交互成为学习数据的来源。

第三，数据采集还需降本。

与文本大模型可以从互联网获取海量数据不同，人形机器人必须依赖空间数据和现实数据，而这类数据严重不足、成本过高、可迁移性低。

一条轨迹数据的价格约十余元，训练一个大脑至少需要上千条乃至上万条数据。这些数据迁移到其他场景或本体时，往往完全无法复用。

李光辉指出，数据质量也有问题。比如，通过视频和图像数据无法获得动作细节，仿真数据与现实数据存在差距，不同厂商数据标准差异大等。

2025年以来，北京、上海、深圳、重庆、广州等城市纷纷建设真机数据采集场，政府投入巨大，但数据的结构性和复用性问题尚未解决。

“也许今年或明年会出现更好的模型来合成数据，结构性降本，我们拭目以待”陈涛说。

第四，端侧部署的算力和成本问题。

绝大多数机器人端侧仅配备一块主算力芯片，算力和显存远不足以支撑当前百亿级的具身大模型，上云成为多数企业的选择。而上云又带来数据传输延迟、功耗损失、隐私安全与持续通信成本等一系列问题。

端侧部署，降本是关键。陈涛说：“如果能从1.5 万元的英伟达 Orin X 迁移至 5000 元级的国产芯片并稳定运行，成本优势将会带来巨大的市场份额。”

端侧需求已经凸显。活动现场，路演企业智擎云际推出机器人“大小脑”软硬件方案。据介绍，该方案可实现完全本地部署与断网离线运行支持自然语言指令和毫秒级响应，已落地仓储、钢厂、航运等场景。

零件成本与场景挖掘制约产业化

即使技术验证取得进展，李光辉认为，产业化仍需解决零件成本和场景挖掘的问题。

零部件成本是第一道坎。关节执行器一个零部件就占到整机总成本的一半以上，六维力矩传感器、灵巧手、减速器等核心零部件当前价格与规模化目标之间存在数倍乃至数十倍的差距。滚珠丝杠、减速器等高端市场仍由国外厂商主导，高端零部件的国产替代仍有较大差距。

路演企业中，旋风领域聚焦的机器人半导体元器件编码器，正是核心零部件国产替代的一个缩影。该公司编码器打破海外技术垄断、良率高，面向具身智能机器人切入，同时提供产线良率优化服务。

韬腾科技推出光擎运动智能体光学执行器，可为机器人、无人机等具身智能载体提供激光物理干预执行能力，已落地激光控草等场景。这类上游零部件企业的技术突破，是整机降本的前提之一。

场景挖掘是第二道坎。当前龙头企业均选择工业场景，尤其是和机器人产业链重复率高的汽车制造场景。李光辉判断，落地节奏将先在工业等结构化场景中应用并带动放量，再逐步过渡到半结构化场景，最终进入家庭等非结构化场景实现大规模普及。“服务场景更具爆发性，但对技术的通用性要求更高，落地时间也更晚。”

尽管工业是当前行业共识的先行落地场景，但企业的场景选择并未局限于此，也涌现出不少差异化路线。本次路演中，就有许多场景挖掘的案例。

一类是走“通用底座 + 场景微调”的跨场景路线，比如终结者科技试图用同一套端侧具身操作系统覆盖工业、农业、运动健康等多个领域，该系统 80% 的底层能力通用，针对 20% 的场景需求做定制化适配。

一类推出适应多种场景的整机。比如卓益得在路演中推出Moya全身仿生平台，通过肌腱驱动、仿生外观和柔性接触，实现安全人机交互；以及DroidSoul机器人智能系统，通过融合Physical AI与Social AI，帮助机器人理解对象、关系与服务时机。

还有一类直接切入C端消费市场。曜武科技推出搭载原创 “晶武大陆” 游戏IP的桌面格斗机器人，以硬件为入口、AI互动游戏体验为核心竞争力，和当前 “工业优先” 的主流路线形成了明显分化。

李光辉建议，多方协同发力，配套支撑产业落地。一是，由政府、行业协会与龙头企业联合制定零部件及数据接口标准，依托统一体系带动零部件成本下探。二是，核心技术与零部件攻关可通过“揭榜挂帅”机制，由政府扶持重点企业突破瓶颈。三是，场景端需由政府牵头向教育、医疗、工业等领域开放真实应用场景，让技术与产品在落地迭代中持续优化。