機遇還是泡沫？高交會激辯具身智能：明年有望實現“脫離遙控器”突破，場景通用仍需十年沉淀

每經記者｜甄素靜    每經編輯｜魏文藝    

11月14日，第二十七屆中國國際高新技術成果交易會（以下簡稱“高交會”）在深圳國際會展中心開幕。本屆高交會以“科技賦能產業 融合共創未來”為主題，匯聚了全球100多個國家和地區的5000多家知名企業及國際組織，集中展示了5000余項前沿科技創新成果。

《每日經濟新聞》記者在現場了解到，具身智能機器人成為展會焦點，幾乎每家參展的機器人企業均有人形機器人進行現場演示。

值得關注的是，作為高交會的核心論壇之一，“大模型賦能具身機器人創新峰會投資對話”（以下簡稱“峰會”）吸引了來自凱聯資本、融創投資、達晨財智、優必選科技等機構和企業的嘉賓。與會者圍繞具身智能行業融資泡沫爭議、賽道格局、技術落地及創業方向等核心議題展開深度對話，為行業發展與投資決策提供了參考視角。

圖片來源：每經記者 甄素靜 攝

格局未定抑或泡沫顯現？業界激辯具身智能投資機遇

隨著高交會現場人形機器人演示的密集亮相，具身智能賽道的融資熱度與泡沫爭議成為行業關注的焦點。有觀點認為，當前具身智能融資市場異常火爆，已出現泡沫堆積現象，且賽道格局基本確定，尤其是在核心技術領域。但本次峰會的與會嘉賓普遍認為，這種判斷過于片面，賽道仍存在大量投資機會。

達晨財智主管合伙人傅忠紅表示，具身智能賽道格局遠未確定，每天都有新的商業模式涌現，不少跨賽道玩家從其他領域切入，頭部科技企業的入局更是讓賽道競爭充滿變數。“當前行業內的企業規模普遍較小，應用場景多集中在生活訓練、教育等領域，距離真正的主戰場還有較大差距，創新企業仍有廣闊的發展空間。” 

“現在具身智能相關企業數量已有上百家，但真正能賺錢的場景和渠道并不多。人工智能有非常好的前景，但此時我們又需要冷靜。”融創投資創始合伙人趙俊峰結合自己20余年在融創投資的投資經驗指出，具身智能行業的核心痛點在于成本高企，開發成本、驗證成本、批量實驗成本及營銷成本層層疊加，導致多數企業盈利困難。作為財務投資機構，融創投資采取了更為穩健的策略，重點布局設備、材料、底層算法等產業鏈配套領域。

高交會現場的具身機器人 圖片來源：每經記者 甄素靜 攝

“我們更關注進口替代機會，比如減速器、電控系統、控制芯片、核心線路板等關鍵零部件，這些領域技術壁壘高，市場需求穩定，是當前階段更具確定性的投資方向。”趙俊峰透露，盡管人工智能前景廣闊，但行業內實現盈利并成功上市的企業仍屬鳳毛麟角，資本需保持冷靜，避免盲目跟風。

凱聯資本董事總經理姚寧波認為，技術進步為行業帶來了新的機遇，但成本與落地問題仍是制約行業發展的關鍵。姚寧波結合自己曾在英特爾工作的經歷分享道，十年前就參與過智能機器人的開發，當時因人工智能技術尚處于計算機視覺階段，行業發展未形成氣候。如今隨著技術的迭代，行業對智能機器人項目的投資熱情高漲。

作為產業端代表，優必選科技投資者關系負責人陳建泉從企業發展視角給出了不同維度的觀察。他表示，優必選作為人形機器人行業的早期參與者和見證者，在天使輪至IPO（首次公開募股） 階段獲得了多輪資本支持，上市后已開始布局產業上下游投資。對于初創企業，陳建全認為，技術體系的成熟度是核心考察指標；而對于已有一定技術發展的企業，技術轉化的工程化落地能力更為關鍵。

技術路線趨同，行業迎“脫離遙控器”關鍵拐點

在討論具身智能技術發展趨勢時，“脫離遙控器” 成為與會嘉賓的共識性目標，而技術落地與場景拓展也是具身智能繞不開的命題。

傅忠紅在峰會上表示，當前具身智能的技術路線已呈現大同小異的特征，行業正迎來關鍵拐點，預計明年就會有企業發布脫離遙控器的產品，其投后企業也正處于這一技術突破的關鍵節點。

“但續航問題仍是核心制約因素，機器人要實現真正的自主運行，必須解決續航難題，誰能在這一領域取得突破，誰就可能占據行業先機。”傅忠紅強調，盡管技術路線暫時趨同，但未來不排除出現新的技術方向，資本將密切關注相關創新企業。

姚寧波從行業觀察者角度分析認為，邊緣計算技術的發展為具身智能提供了新的可能。將部分運算任務從云端轉移至邊緣端，能夠有效解決延遲和帶寬問題，這是機器人實現自主決策的重要技術支撐。“真正的具身智能不是單純依靠遙控器操控的機械裝置，這需要技術、數據和場景的長期磨合。”

高交會現場的具身機器人 圖片來源：每經記者 甄素靜 攝

陳建泉從產業實踐角度出發，對通用智能的實現路徑提出了更為審慎的判斷。他表示，現階段通用智能無法脫離應用場景單獨存在，無論是硬件技術還是垂直領域模型，都尚未成熟到支撐全場景泛化的程度。

“目前我們在為大客戶提供的無人物流方案中，非人型自動化已達到90%，但剩余10%的銜接工作仍需人工完成，短期內難以被預編程機械臂以及協作機器人等替代，這正是人形機器人等具身智能機器人的切入點。”陳建泉表示，這時候就可以嘗試用雙足或輪式機器人在該場景進行簡單泛化應用，但是輪式機器人在使用場景上相對雙足人形機器人較為受限，受限于芯片算力、AI模型等成熟能力，場景泛化范圍需要從小做起。

對于技術落地的時間預期，陳建泉給出了具體判斷：在工業場景，當機器人落地規模達到500至1000臺時，優必選有望通過真實場景數據的積累實現質變，率先在工業場景實現模型泛化解決能力；而在工業、汽車等更復雜的全場景應用中，數據需求量將呈指數級增長，預計需要十年左右的時間完成從簡單場景泛化到通用復雜場景泛化的技術沉淀與落地。

“在商業化落地的過程中，機器人本身必須成為數據采集載體，通過自主選擇最優路線，每天產生有效數據集用于模型訓練，僅靠視頻數據和合成數據無法支撐技術的商業化落地。”陳建泉解釋道。

免責聲明：本文內容與數據僅供參考，不構成投資建議，使用前請核實。據此操作，風險自擔。

封面圖片來源：每經記者 甄素靜 攝