在刚刚结束的上海世界人工智能大会上，人形机器人成为绝对主角。超过200家参展企业展示了咖啡师、装配工、乒乓球陪练等各类机器人，主办方甚至搭建了一个微缩城市展区，让机器人演示分拣汽车零件和烹饪。然而，这些在展台上动作流畅的机器，没有一台真正准备好进入家庭或商业场所。展会的热闹与落地的冷清，折射出中国具身智能产业面临的深层矛盾。

资本正在以前所未有的速度涌入这个赛道。一级市场数据显示，2025年具身智能领域共完成670笔交易，融资总额达111.7亿美元，同比增长152%。进入2026年，势头不减：第一季度投资额超过50.3亿美元，涉及203笔交易。仅2026年上半年，就有约20家初创公司估值突破10亿美元，平均每十天诞生一家独角兽。其中10家公司估值接近200亿元人民币（约27.5亿美元），另有20家估值在100亿元人民币左右。

产业数据同样亮眼。2026年前五个月，国内具身智能领域销售收入同比增长22.4%，企业采购量飙升230%。一季度机器人出口额达113.2亿元人民币，覆盖148个国家。

中国在人形机器人硬件供应链上拥有显著优势。一台身高超过170厘米的全尺寸人形机器人包含约1200个独立零部件，除CPU和GPU等核心处理器依赖国际供应商外，其余几乎全部集中在长三角和珠三角两大产业集群。以上海浦东为例，超过130家供应链企业围绕整机制造商聚集，2025年出货约6000台人形机器人，占全球总产量的约三分之一。零部件成本也在快速下降：单个关节模组从一年前的数千元降至三四百元，使基础人形机器人的物料清单接近消费者可接受的门槛。

然而，供应链效率的提升并未解决商业化的根本障碍。行业面临三大瓶颈：技术架构分歧、数据稀缺和环境复杂度。

在技术路线上，行业尚未统一。视觉-语言-动作模型擅长自然语言理解和语义场景解析，但在精确物理推理和力动态控制上表现不佳；物理世界模型能准确预测空间运动、碰撞和承重，但缺乏细腻的语义理解。近期趋势显示，混合架构正在成为共识——将世界模型作为物理模拟引擎嵌入更广泛的框架中。蚂蚁集团的LingBot框架、智元机器人的GE-Sim 2.0强化学习流水线和腾讯的Robotics X基础模型等开源项目，正试图通过标准化控制接口来弥合分歧。

数据稀缺是另一个致命短板。与互联网文本和图像模型不同，物理机器人需要高维度的第一人称交互数据。在非结构化环境中收集物理交互日志成本高昂、碎片化且难以标准化。开发者的应对策略是双管齐下：用高保真物理模拟覆盖基础行为训练，同时建立真实世界数据采集中心捕捉长尾边缘案例。京东已建立专门的数据采集设施，累计记录了超过1000万小时的物流和仓储物理操作数据。

这些技术瓶颈直接决定了部署节奏。商业化落地目前分三个阶段推进：首先是结构化工业环境（汽车装配线、电商仓库）；其次是专业巡检或危险作业；最后才是非结构化消费场景（家庭服务）。虽然零部件成本在下降，但将汽车级传感器和关节控制系统适配到复杂的人类环境，仍需严格的验证。

当被问及具身智能何时迎来转折点——即通用物理自动化变得可靠且无处不在——行业领袖的估计普遍在2到5年之间。要在开放、嘈杂的环境中达到基本可靠性，可能需要数亿小时的现实世界交互数据。在此之前，展台上的精彩表演与真实世界的落地之间，仍将存在一条难以跨越的鸿沟。