最近一段时间，如果问资本市场上什么最火，具身智能如果说是第二，估计没有其他主题敢说第一。这个稍显时髦的词汇，也成为了投资者口中津津乐道的话题。

简单来说，具身智能就是将人工智能融入机器人等物理实体，这样就能赋予它们像人一样感知、学习和与环境动态交互的能力。

具身智能主要产品

而一般早期产业的发展，离不开政策的助力。从笔者的梳理情况来看，在这个领域支持政策确实不遗余力。

就在前不久，深圳市就发布了一个具身智能机器人的行动计划，准备到2027年的时候，具身智能机器人产业集群相关企业超过1200家。北京更是提出，要在2027年突破不少于100项关键技术，产出不少于10项国际领先的软硬件产品，具身智能上下游产业链基本实现国产化。

具身智能支持政策

这种各地“比学赶帮超”的浓厚氛围，彷佛感觉具身智能明天就要走进千家万户了。

但事实真的如此吗？这个行业的发展状况如何？行业还面临哪些商业瓶颈呢？笔者今天就带你来一探究竟。

其实，具身智能相较于机器人，其实就是具备了自我决策的能力。而这背后，一个重要的方面就是大模型逐步与机器人结合。大模型所展现的泛化能力有望对机器人感知、决策、控制的整体系统能力带来全面重构。

在两年多前，谷歌首次将语言模型与物理机器人结合，通过预训练在大型语言模型中提取知识，让机器人依据高级文本指令完成物理任务，就已经迈出了第一步。

在这样的背景下，行业分析师们也对这个行业给出了非常乐观的预测。未来，随着大模型端的技术突破，具身智能市场规模增长有望逐渐提升，2027年的时候，市场规模有望突破6000亿元，2031年就能突破万亿元。

具身智能市场规模

仿佛天空才是具身智能的极限。

但就如一个硬币的两面，有唱多的，就总有唱衰的玩家。近日金沙江创投管理合伙人朱啸虎就给这个领域泼了一盆冷水，表示最近几个月都在退出具身智能的项目，其中关键原因之一，就是不看好未来的商业化落地，毕竟谁会花十几万买一个机器人去干这些活？金沙江创投在去年就退出了星海图的股权。

可想而知，朱啸虎的一番言论遭到了无情回怼，众擎机器人创始人就表示，AI和人形机器人都不是能让他快速赚钱的项目，但是具身智能是人类学会制造工具以来最刺激的一次工业革命。

从这个行业的融资情况来看，还是有不少“热钱”涌入这个赛道。今年1-2月，我国具身智能机器人投融资交易达成27起，规模接近45亿元，接近去年全年总量。大部分投资者的选择确实和朱啸虎的动作不一样。

如果我们把具身智能的产业链打开，你会发现，具身智能上游硬件和原材料产业基础好，部分环节技术壁垒较高，其中AI芯片是具身智能的“大脑”，海外头部厂商，如英伟达、AMD等处于领先地位，国内玩家还是需要积极突破。

具身智能产业链

而在其他零部件领域，玩家们在积极切换角色。比如速腾聚创(02498) 在具身智能领域沉淀包括机器人视觉、灵巧手等在内的增量零部件及解决方案的技术成果，形成显著的技术生态位优势，而且与包括宇树在内的全球超过10家人形机器人企业建立战略合作关系。去年，公司营业收入大幅增长了47%。

绑定具身智能本体玩家的大腿，可以说是一种很好的方式。

除此之外，在资本市场上不少玩家也在押注这个赛道。如均胜电子（600699）去年扣除非经常性损益后的归母净利润约12.8亿元，较去年同期增长28%。而且公司在积极拓展具身智能业务，主要是向包括全球车企在内的具身智能机器人相关公司提供软硬件及解决方案。

而且，从造车布局造机器人，有这个想法的不止均胜电子一家，有一些汽车零部件的玩家开始向这个赛道转型。

目前来看，具身智能的大规模商业化落地，仍然存在一定的不确定性，所以这个赛道其实不太适合短期资本的进入，这个行业需要长期和耐心资本。

毕竟，在笔者看来，具身智能总体而言确实还处于萌芽阶段，甚至是婴儿期的阶段。从当前的市场格局来看，人形机器人在B端市场的应用前景显然远胜于C端消费市场，但整体来看，目前还没有一个场景有具身智能的大规模应用。

很多行业玩家的产品落地主要聚焦于商场导览、教育实训等场景。而对于C端消费而言，消费者愿意掏出真金白银，其实就是科技爱好者的尝鲜心理。

而之前人形机器人展示跳舞、翻跟斗这些动作演示，跟具身智能的关系不大，商业化价值有限，这类动作的意义是展示当前机器人的硬件性能与动作执行能力。具身智能，最重要的是能够跟环境交互感知。

而再进一步说，具身智能行业的数据瓶颈，是制约未来行业发展的一个重要要素。目前具身智能机器人大部分使用的是视觉、文本等模态，不少模态的信息还没有被有效利用，例如触觉模态（感知温度等）。

但具身智能后续如果要获得长足进步，其中就需要多模态数据，其中包括现有的图文数据、视频数据、真机数据、合成数据等一系列数据。

一些行业玩家采用了遥控操作的方式采集真机数据，但是不得不说，这种方式成本非常不可控，而且需要很难获得大规模的数据。

所以，在模型没有完全确定的时候，数据的采集也会存在很大的挑战，这或许将成为具身智能商业化的最大拦路虎