国务院发展研究中心《中国发展报告2025》显示，2025年中国具身智能市场规模达52.85亿元，占全球比重超过1/4，达到27.12%。2025年被称为具身智能的“产业落地元年”。当政策的东风、技术的突破与资本的洪流在这一刻交汇，曾经只存在于科幻想象中的产业图景，终于以井喷之势走进现实。

资本市场更加热情，全年投资事件从2024年的173起激增至2025年的447起，涌入资金从137亿元飙升至554亿元，同比分别增长超158%和304%。

在日前召开的2026中关村年会论坛上，多家具身智能企业创始人已经在展望如何使具身智能跻身于千亿元级市场。

2025年，大量资本涌入具身智能赛道，产业发展如火如荼。技术突破的浪潮与资本的热情相互交织，共同推动着具身智能行业以前所未有的速度向前狂奔。

“2025年是全产业链与全行业的发展速度与加速度都极快的一年。”星动纪元联合创始人席悦在2026中关村年会论坛上总结。资本大量涌入，政策密集出台，各地政府加紧推进具身智能相关基础设施建设。同时，行业格局变化剧烈：年初活跃的许多企业到年底已消息稀少甚至消失，而一些此前未曾出现的公司又在2026年突然涌现。

在真实人类数据、机器人数据与模型的协同迭代推动下，行业概念逐渐清晰。银河通用创始人王鹤总结，在数据集层面，目前已形成涵盖真实世界采集的人类数据、真实世界采集的机器人数据在内的大规模数据体系。在这类数据与模型的协同迭代驱动下，行业内的部分概念界定正逐步清晰。以人形机器人的“大脑”与“小脑”为例，当前已形成明确的功能划分：“大脑”负责感知、认知及行动规划指令的输出；“小脑”则承担将“大脑”输出的指令，以鲁棒性方式精准执行到兼具高灵活性与高稳定性要求的双腿、双臂等本体部位的功能。

“尽管2025年，众多具身智能企业在数据、训练和模型等方面打下了良好基础。但客观而言，行业仍处于早期发展阶段，亟须保持开放，加速技术演进。”原力灵机创始人唐文斌说。

具身智能作为连接虚拟算法与物理世界的核心载体，其发展节奏始终牵动着产业神经。业内观点认为，行业发展进入关键期。千寻智能联合创始人高阳判断，从2025年至2026年，是具身智能从GPT2阶段跨越至GPT3阶段的关键时期。2025年是蓄势待发之年，最关键的工作在于解决了数据层面的基础设施问题；2026年的核心任务不仅是训练更大规模的模型、处理更庞大的数据，更关键的是在系统层面构建可保障规模扩展实效的支撑体系，实现从“能扩展”到“稳扩展”的跨越‌。

进入2026年，具身智能产业发展的逻辑正在发生深刻转变。唐文斌预测，2026年，具身智能产业的关键趋势是“泛化”。这一转变，标志着具身智能从“能做”迈向“好用”的关键阶段。“当前，模型的泛化能力仍面临诸多挑战：是在对象层面实现泛化吗？泛化能力来自双系统大脑还是VLA？在环境、光照、高度、大小等条件变化时，模型是否仍能稳定工作？任务层面能否实现泛化？指令跟随能力是否足够可靠？这些问题尚处于早期探索阶段”。

当我们将目光从实验室的理想场景转向复杂多变的真实世界时，却发现具身机器人的规模化落地仍面临着诸多亟待解决的问题。智平方联合创始人张鹏认为，当前具身机器人技术面临三个瓶颈问题。第一，真实场景的泛化性。当前模型的泛化能力在真实场景中仍有较大不足，如何从模型架构与系统设计层面，以更低成本实现机器人对不同场景的快速适应，是行业应用面临的重要挑战。第二，数据成本问题。尽管具身数据体量远小于大语言模型，但开源数据、视频数据等均可用于预训练。最具价值的仍是真实场景数据。第三，系统融合问题。真实场景的落地远非模型单独能解决，而是模型、本体硬件与场景系统三者深度融合、共同历练的结果。只有三者协同经受真实场景的考验，才能实现规模化交付。当前行业在真实场景中的交付量仍然有限，如何实现批量化、规模化交付，是在座每一位参与者共同追求的目标。

数据作为驱动模型迭代的核心燃料，其价值与获取难题始终交织在一起，成为具身智能产业落地绕不开的关键议题。“数据既是问题，也不是最核心的问题。”唐文斌说。当前一部分数据可以通过投入资金和时间解决，本质上是资源问题。但参照自动驾驶的发展经验，最难的长尾问题最终仍需依靠数据飞轮和真实场景中的持续循环来解决。“这就需要机器人从真实场景中反馈数据，然而我们面临一个‘鸡与蛋’的困境：机器人目前尚不成熟，无法批量部署；而当前很多场景本质上只是模拟的，并非真正的实际作业。因此，我们必须找到一种方法，让机器人能够在批量、持续的使用过程中回收数据，形成良性循环。这个循环的建立，至关重要”。

除数据外，模型架构的创新升级同样是决定机器人智能水平的关键支柱。高阳认为，在模型设计方面，当前多数VLA模型仍较为简化，输入通常仅为当前单帧图片。未来机器人需要具备记忆能力，如同大语言模型领域对记忆机制的高度关注一样，机器人也需在数据扩展的同时，对模型架构进行相应升级，使整个系统在记忆与决策方面更加端到端、更加一体化。

工业、服务、物流是2026年具身智能的重点应用场景。张鹏表示，“基于当前的模型能力与产业链水平，半结构化场景已经可以实现规模化交付与落地。以此为基础，逐步从半结构化场景走向行业最终的目标——面向家庭的To C场景。”

选择物流与工业场景，席悦认为主要基于三个逻辑：第一，基础模块必须实现标准化，并在此基础上具备完全可复制的能力；第二，场景本身应有明确的性能指标，如节拍、准确率、稳定性及连续工作时长等，只要技术能达到这些指标，就具备进入实际应用的前提；第三，优先考虑那些人类通过短时间培训即可上岗、甚至采用日结制劳动力的岗位，这类场景代表了机器人最有可能率先实现落地应用的方向。

“在此基础上，批量化落地还需满足两个前提。”唐文斌补充，“客户业务流程能闭环，且经济账算得清。因此，我们首选物流场景，因为可以在其中设计容错兜底机制，实现ROI闭环。”

当技术进入真实世界，标准和规则就成了关键。张鹏认为，迫切需要建立并完善数据标准、评价体系、法律法规。“第一，数据的格式、接口等基础标准非常关键；第二，具身智能还没有公认的能力评估标准，亟须建立智能等级、操作水平的评定标准；第三，机器人行为的权利边界与责任归属。需要明确以下三个层面的问题：其一，在各类服务场景中，机器人应当承担哪些职能，哪些行为属于其职责范围，哪些则应被禁止或限制；其二，机器人在执行任务时应遵循何种核心准则，以确保其行为安全、合规且符合伦理；其三，一旦发生安全事故，责任应如何界定——是由开发者、运营者、使用者承担，还是依据具体情境进行划分。这些问题直接关系到机器人产业的健康发展与社会公众的接受度，亟需在法律法规层面予以明确。

标准固然重要，但是制定时应把握好尺度。席悦表示，具身智能涉及的是“行为标准”——机器如何运动、与人交互、实现决策，这些没有既定答案，制定标准需要慎重。不能管得太死，束缚了行业发展活力；要在可控的范围内允许试错，在“犯错中成长”，逐步完善标准。既有统一底线，又能兼顾不同行业的特殊需求。可以分两步走，一是共性安全标准，所有领域都要遵守的基本底线；二是行业安全标准，根据不同行业的实际场景，量身定制更细致的要求。

来源：中国信息化周报