在剛剛結束的上海世界人工智慧大會上，人形機器人成為絕對主角。超過200家參展企業展示了咖啡師、裝配工、乒乓球陪練等各類機器人，主辦方甚至搭建了一個微縮城市展區，讓機器人演示分揀汽車零件和烹飪。然而，這些在展台上動作流暢的機器，沒有一台真正準備好進入家庭或商業場所。展會的熱鬧與落地的冷清，折射出中國具身智慧產業面臨的深層矛盾。

資本正在以前所未有的速度湧入這個賽道。一級市場資料顯示，2025年具身智慧領域共完成670筆交易，融資總額達111.7億美元，同比增長152%。進入2026年，勢頭不減：第一季度投資額超過50.3億美元，涉及203筆交易。僅2026年上半年，就有約20家初創公司估值突破10億美元，平均每十天誕生一家獨角獸。其中10家公司估值接近200億元人民幣（約27.5億美元），另有20家估值在100億元人民幣左右。

產業資料同樣亮眼。2026年前五個月，國內具身智慧領域銷售收入同比增長22.4%，企業採購量飆升230%。一季度機器人出口額達113.2億元人民幣，覆蓋148個國家。

中國在人形機器人硬體供應鏈上擁有顯著優勢。一台身高超過170釐米的全尺寸人形機器人包含約1200個獨立零部件，除CPU和GPU等核心處理器依賴國際供應商外，其餘幾乎全部集中在長三角和珠三角兩大產業叢集。以上海浦東為例，超過130家供應鏈企業圍繞整機制造商聚集，2025年出貨約6000台人形機器人，佔全球總產量的約三分之一。零部件成本也在快速下降：單個關節模組從一年前的數千元降至三四百元，使基礎人形機器人的物料清單接近消費者可接受的門檻。

然而，供應鏈效率的提升並未解決商業化的根本障礙。行業面臨三大瓶頸：技術架構分歧、資料稀缺和環境複雜度。

在技術路線上，行業尚未統一。視覺-語言-動作模型擅長自然語言理解和語義場景解析，但在精確物理推理和力動態控制上表現不佳；物理世界模型能準確預測空間運動、碰撞和承重，但缺乏細膩的語義理解。近期趨勢顯示，混合架構正在成為共識——將世界模型作為物理模擬引擎嵌入更廣泛的框架中。螞蟻集團的LingBot框架、智元機器人的GE-Sim 2.0強化學習流水線和騰訊的Robotics X基礎模型等開源專案，正試圖通過標準化控制介面來彌合分歧。

資料稀缺是另一個致命短板。與網際網路文本和影像模型不同，物理機器人需要高維度的第一人稱互動資料。在非結構化環境中收集物理互動日誌成本高昂、碎片化且難以標準化。開發者的應對策略是雙管齊下：用高保真物理模擬覆蓋基礎行為訓練，同時建立真實世界資料採集中心捕捉長尾邊緣案例。京東已建立專門的資料採集設施，累計記錄了超過1000萬小時的物流和倉儲物理操作資料。

這些技術瓶頸直接決定了部署節奏。商業化落地目前分三個階段推進：首先是結構化工業環境（汽車裝配線、電商倉庫）；其次是專業巡檢或危險作業；最後才是非結構化消費場景（家庭服務）。雖然零部件成本在下降，但將汽車級感測器和關節控制系統適配到複雜的人類環境，仍需嚴格的驗證。

當被問及具身智慧何時迎來轉折點——即通用物理自動化變得可靠且無處不在——行業領袖的估計普遍在2到5年之間。要在開放、嘈雜的環境中達到基本可靠性，可能需要數億小時的現實世界互動資料。在此之前，展台上的精彩表演與真實世界的落地之間，仍將存在一條難以跨越的鴻溝。