环境中移动操作任务的零样本泛化能力。除了自变量之外，这批获得融资的企业中，还有星动纪元、极佳视界等采用世界模型路线。刘英航还分析称，去年VC机构选择项目时侧重评估技术的差异化和潜力、团队背景和完整性，到了今年则更加注重商业化潜力、成熟度，以及上市的可能性。仍面临技术发展瓶颈资本疯狂涌入下，具身智能赛道难免产生泡沫。在多位受访对象看来，行业短期内的泡沫是正常现象。“现在大部分投资人的心态是‘宁可投错，也不能错过’，有项目跑出来那就成功了。”受访投资机构人士表示，目前资本对具身智能的热情很高，而这一赛道的发展本身就需要资金长期支持发展。向志强提到，具身智能预训练对算力的消耗、人才密度的要求较高，而当前仍面临着诸多瓶颈。如多种模态高效融合仍是开放性难题，模型在真实物理环境中的泛化能力与鲁棒性（注：即robustness，指系统在外部环境变化、输入数据波动或存在错误时，依然能够维持正常功能的能力）有待进一步验证。与此同时，技术路线尚未收敛。全球范围内，包括刚走出校园的年轻研究者在内，不同团队正沿着截然不同的技术路径展开探索，暂未达成行业共识。刘英航也表示，一方面训练数据缺少大量的真实的机器人姿态反馈信息和触觉信息，也急需定义数据标准，另一方面具身智能模型缺少对空间的理解，更缺少与物体的交互预测能力。“自动驾驶的数据量要10万～100万个小时，100万个小时是现在可以达到的最好水平，也是几家顶级公司的水平。”它石智航CEO陈亦伦曾在接受媒体采访时介绍，“机器人需要的数据一定是自动驾驶的10倍以上，因为任务更复杂。”这种情况下，刘英航认为，具身智能大规模落地还需一段时间，有更长的路要走。上述投资机构人士也判断，虽然2026年可能会有企业在工业场景下跑出POC案例（为了验证某个技术概念、解决方案或产品的可行性而进行的小规模测试或演示），但其ROI水平或难以令人满意。这是因为部署成本、维护成本与人力替代效益之间仍存在比较大的缺口。“具身智能还是要回归到技术产品和市场匹配的商业实践。任何技术产品最后都要解决行业痛点、满足客户需求，回归商业社会的实质。”刘英航强调称，“技术是入场券，商业是生死线。”而对于这场资本盛宴的持续性，向志强认为将取决于多个因素。比如，这一领域是否会有新的技术突破，以及量子计算、可控核聚变、AI Agent等热门赛道可能会分流部分资金。他还表示，“希望获得融资的
=*=*=*=*=*=
当前为第3/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页