“讓機器人自主干活”，是具身智能的核心價值。如何讓擅長預設表演的機器人，走進工廠產線、普通家庭等真實場景，成為行業亟待破解的命題。

證券時報記者近日采訪多家頭部企業人士及相關投資人了解到，當前具身智能機器人“大腦”滯后于“身體”已成共識，泛化能力不足是制約其從“舞臺”走向“干活”最大的攔路虎。面對這一瓶頸，頭部企業加大研發與數據積累力度，資本也愿意給予3—7年的長期陪伴，“邊成熟邊落地”成為推動機器人“大腦”進化的行業共識。

機器人“大腦”處于“嬰兒”階段

“上一代編程驅動的工業機器人僅能完成重復工作，這類機器人僅替代了人類社會小部分的勞動力。”星海圖合伙人、CFO（首席財務官）羅天奇向證券時報記者表示，目前絕大多數工作具備靈活性，受工作對象、環境、動作變化等多種因素影響，無法通過傳統工業機器人完成，“比如縫紉時不同衣物的邊緣存在差異，搬箱作業時環境可能隨時變化，炒菜需要兼顧翻炒、加調料等一系列連貫且靈活的動作。”

在羅天奇看來，具身智能機器人的核心突破，就是通過AI驅動賦予機器人“大腦”，使其具備自主判斷與泛化能力，“一旦具身智能技術實現解鎖，其市場價值有望達到上一代工業機器人的1000倍。”羅天奇說。

“現階段，行業主流模式仍是針對特定場景采集數據、訓練模型，導致機器人陷入‘換個場景就失靈’的困境。”某上市公司機器人板塊負責人周勇（化名）直言，春晚舞臺上的機器人更多體現的是身體控制與運動能力，屬于“小腦”范疇，而非“大腦”應有的交互與作業能力。

“產線中送零部件、打螺絲、裝配等不同任務，家庭場景里千差萬別的環境與需求，根本無法實現全覆蓋式數據采集，輕微場景變化就需要重新訓練模型。”周勇直言，這種模式讓機器人落地成本甚至超過傳統工業機械臂，違背了其“適應各類環境”的期望優勢。

羅天奇告訴記者，現階段具身智能機器人的“大腦”，其整體仍處于“嬰兒階段”。不過他仍對具身智能機器人的發展前景充滿信心，包括宇樹科技、智元機器人等在內，具身智能企業在2023—2024年批量誕生，“雖技術仍處早期，但行業整體的技術進化加速度極快，大家的共識是：技術突破只是時間問題。”

羅天奇的信心，源于物理世界的規模法則——在自動駕駛領域，行業歷經多年發展已趨近成熟，而機器人領域同樣是AI驅動端到端的物理世界，“更多的高質量數據，必然能孕育出更高的智能。”他認為，相較于自動駕駛賽道，具身智能擁有天然的落地優勢：自動駕駛的下游場景僅有“上路”，且對安全性要求極高（有不出車禍的硬約束）；而具身智能的下游場景高度分散，且大量場景對速度和成功率的容忍度更高，試錯成本低很多，“比如洗碗時打碎碗僅損失2元，爆米花烹煮失敗重新制作僅損失1元，這類場景無需達到100%的成功率就可以投入使用。”

“進化”線路之爭

“機器人最大的優勢本應是泛化性，若無法突破這一瓶頸，其產業化價值將大打折扣。”一位業內人士向記者表示。

面對泛化能力瓶頸，行業企業正從數據、算法等多維度探索突破路徑，涌現出星海圖、自變量、千尋等聚焦具身智能大模型的頭部企業，相關企業專注技術上層研發，正在協同推動行業進步。

“數據積累涵蓋數量和質量兩個維度。”羅天奇向記者表示，整個行業從2025年才開始上規模地積累數據，而星海圖 2026 年的數據積累規模有望達到百萬小時——這一量級有著重要的參考意義：一個人在長大成人的過程中，除睡覺以外，與真實世界的交互數據約為10萬小時。在羅天奇看來，百萬小時量級的真實高質量數據，基本上能夠孕育出至少達到成人水平的機器人大腦。

證券時報記者了解到，在技術路線選擇上，行業內存在真實數據為主和仿真數據為主的路徑之爭，星海圖堅定站在“真實數據為主”的陣營，這一路線正逐步成為行業共識。

細化來看，真實數據其實也分為多種類型：既有通過遙操作機器人本體采集的數據，也有無本體的夾爪、手套方式采集的數據，還有人類第一視角下記錄手部操作的頭盔采集數據。“這些真實數據存在質量上的金字塔層級，塔尖的高質量數據在訓練大腦時所需數量相對較少，而無本體等類型的數據采集難度、成本更低，但質量稍差。”羅天奇表示，通過對真實數據金字塔的各類數據進行科學配比，就能讓訓練出的機器人大腦具備更好的泛化性。

羅天奇提到，去年以來，有很多企業設立訓練中心，它們的數據對于模型訓練雖然有一定作用，但和真實環境、真實任務、真實工作流的數據相比，質量要差很多。“低質量數據不僅對模型訓練無幫助，反而會陷入‘garbage in garbage out（垃圾進，垃圾出）’ 的困境，拉低模型的智力水平。”

在周勇看來，機器人“大腦”的核心價值在于替代人類完成各類復雜工作任務，這就需要有高效的交互能力與精準的作業能力，但目前整個行業在這兩方面的解決方案均不夠成熟，技術路線也尚未形成共識——無論是采用大模型（負責理解、決策、規劃）、世界模型（讓機器人在腦子里 “模擬未來”，預判環境變化）還是其他技術路線，都未能徹底破解泛化難題。

“邊成熟邊解鎖”

2026年，被認為是具身智能企業驗證技術、市場推廣的“攻堅之年”。

在羅天奇看來，即便泛化能力瓶頸尚未完全破解，具身智能機器人也無需等到“大腦”極度成熟再落地，而是可以走出“邊成熟邊解鎖”的路徑，“用3歲的‘大腦’做3歲孩子能做的簡單事，通過真實工作數據積累反哺模型訓練，推動‘大腦’逐步成長到5歲、8歲直至成年，從而比自動駕駛更早進入數據飛輪的正向循環。”

就在今年2月11日，星海圖完成10億元B輪融資。“本輪融資將用于持續研發投入和加速產業場景落地。”羅天奇向記者表示，2026年公司研發投入將達數億元，其中約80%用于“大腦”研發，“公司將全力提升數據的多樣性、場景覆蓋度與動作豐富度，邁入數十萬小時級高質量數據的規模化訓練階段，力求做到國內乃至世界最好。”

在整個行業“高歌猛進”之際，也有傳聞稱，一家在春晚上亮相的具身智能機器人企業，因為宣傳效果未達預期而出現股東與創始人的矛盾，這也讓市場對資本的耐心產生疑問。對此一位投資人回應說，專業資本對具身智能落地的耐心遠超市場想象。“但凡選擇投資這一領域的專業投資人，都做過深度研究，清楚行業技術仍處早期，也認可其未來的巨大價值。”在這位投資人看來，只要企業能沿著正確的技術路線扎實推進，持續取得積極進展，資本愿意繼續陪伴3—7年。

“從行業格局來看，2026 年具身智能行業正迎來快速收斂。”羅天奇判斷，頭部5—10家具身智能企業將占據80%以上的市場，從而在資金、資源等方面建立起不可撼動的優勢。同時，行業頭部企業也將陸續登陸資本市場，進一步加劇行業的深度分化。

“機器人領域和自動駕駛一樣，都是AI驅動端到端的物理世界。”羅天奇向記者強調，大家都相信物理世界里的規模法則，越多的高質量數據，就能孕育出越高的智能，“接下來的技術突破只是時間問題，這是行業的共識。”