具身智能：寒冬将至，商业化与技术突破的双重挑战

具身智能领域的快速增长正吸引大量关注，但距离实现“ChatGPT时刻”的飞跃，还有很长的路要走。多位行业投资人对经济观察报表示，接下来可能会迎来“寒冬”，融资环境收紧，商业模式的考验和技术路线的筛选将随之而来。如何在这场变革中生存下来，将成为所有具身智能企业共同的挑战。

2025年末，具身智能行业正受到两股力量的共同推动。

一方面，久违的资本热潮正在涌现。人形机器人被视为“下一个万亿终端”，资本持续注入。数据显示，今年前三季度的机器人融资额已达到386.24亿元，是2024年全年的1.8倍。11月以来，多家公司完成新轮融资，投资人开始更关注商业化速度和实际价值。这种热度也传导至企业端，新产品层出不穷，头部厂商频繁宣布获得大额订单，“量产元年”的呼声此起彼伏。

另一方面，不可忽视的风险也在加剧。硅谷明星公司K-Scale Labs资金链断裂，国内创业公司一星机器人解散。这些案例提醒行业，“量产元年”并非行业拐点，而是生死考验的开始。

这两股力量共同揭示了一个核心事实：尽管具身智能正在快速增长，但距离真正的“ChatGPT时刻”还有很长的路要走。多位投资人表示，接下来可能出现“寒冬”，融资环境收紧，对商业模式和技术路线的全面筛选将随之而来。如何在这场变革中生存下来，将成为所有企业的共同挑战。

量产需区分真需求与伪需求

过去一年，人形机器人的能力提升令人瞩目。从稳定站立到连续空翻、马拉松跑步，甚至拖动车辆。但这些令人惊叹的成就并不等同于实际应用。

几乎所有受访者都指出，具身智能距离进入高强度、长周期、可复购的实际场景还有很长的路要走。在智源具身2025 OpenDay现场，王仲远院长给出了一个典型案例：他们购买的某款机器人仅一两个月就坏了5台。

“硬件稳定性仍停留在科研阶段。”他补充说，实验室中的机械臂因过热频繁停机，有的机器人甚至需要旁边放电风扇。“像给它配一个保姆”。在他看来，“机器人满街跑”的景象未来两三年都不可能出现。这是硬件现实的障碍，也是规模化部署的最大障碍。

模型侧的瓶颈同样明显。具身大模型在控制精度、跨环境泛化、操作一致性等方面仍处于早期阶段，工具链不完善，部署标准不统一。在一个真实场景中让机器人连续执行两个小时流程远比在展台完成一次性动作要困难得多。

因此，王仲远提醒行业必须分辨当前的量产是来自真实需求还是由政策补贴和投资热度推动的伪需求。如果场景方发现机器人无法达到预期效果热度会迅速退潮甚至可能出现阶段性泡沫与低谷。“我跟创始人经常说的一句话是‘先活下来熬过可能出现的寒冬才能迎来真正具身智能的未来’。”

在资本、技术和企业共同加速的2025年行业呈现出一种井喷多家企业发布模型、整机硬件、开出高薪招揽人才。

原力灵机联合创始人唐文斌称今年是“涌现之年”——公司、技术与资金在同一时间大量涌出进展远超预期。但他同时观察到行业中的另一面出现了许多“神奇的订单”。一些项目金额不小但难以解释它们真实解决了哪些问题、能否形成复购、是否能真正帮助企业降低成本或提升效率。他提醒量产不能靠堆设备而要靠问题是否被解决。

在判断一个场景是否值得进入时他提出了三条标准：首先技术不能过早锁死；其次从容错率高、对时间不敏感的场景做起；最后需求必须足够大且强烈才能验证价值、摊薄成本并形成真实的商业闭环。否则再大的订单量也可能只是阶段性堆积难以持续。

在需求侧采购方的判断更直接。一位大型企业的具身智能项目负责人称他们只看三个指标：是否解决高复杂度、高危险性、高成本的问题。此外机器人必须能实现7×24小时稳定运行具备连续工作、防水防尘、环境适应等基础能力。“我问过不少厂家很多还没有真正考虑这些指标。”他说。在他看来这些看似基础的工程指标才是机器人能否进入可复购阶段的关键。

高质量数据极度稀缺

从Demo走向规模应用最终都指向同一个难题：高质量数据仍然极度稀缺。

与大语言模型诞生前夕拥有海量文本、图像数据不同具身智能走的是另一条路：每一份关键数据都来自机器人与真实世界的交互而这种数据比文本稀缺得多、成本也更高。

今年年初不少人判断具身智能行业大致处在类似大语言模型GPT-1到GPT-2的阶段直至目前临近机器人GPT-3时刻模型能力有明显提升但离真正理解世界还有很长距离。

银河通用创始人王鹤给出了一个关键事实：全球今天真正运行在人类工作场景里的机器人可能还不到1000台。这个数量远不足以支撑一个行动优先的模型体系。银河通用的策略是短期内仿真模拟与合成数据仍将承担更多探索任务；长期来看必须让机器人真实部署量级成百上千倍增长。

智元机器人合伙人、首席科学家罗剑岚提到未来的数据生态应该依靠机器人自己生产。他的设想是把规模化的机器人投放到真实环境让它们与世界持续交互由此生成覆盖广、时序长、结构复杂的真实物理数据再用这些数据反哺模型训练形成一个自我进化的闭环。

自变量创始人王潜则提醒行业对数据的认知正在变化。并不是数据越多越好而是“越有效越好”。语言模型时代已证明高质量、结构一致的数据往往比堆量更有作用。而在物理世界中更是如此这里充满接触、摩擦、碰撞等细节很难用语言或图片描述。如果模型无法理解这些基础物理过程就无法建立对世界的可靠预期。因此他判断未来真正主导多模态方向的可能是由具身智能推动的新型物理世界基础模型。这将是一条与大语言模型不同的发展路径。

复盘大语言模型的发展可以看到三个条件缺一不可——算法、算力、数据同时达到临界点。在具身智能领域这三个条件尚未同时成熟算法仍处在可用性探索阶段；训练具身智能的算力体系仍薄弱；数据规模和数据质量远未达到临界点。

换句话说具身智能的未来正在加速到来但它仍处在黎明前的阶段。热度很高能力很强但离真正的产业化黄金时期还有一段漫长的距离。