站在2026年7月的时间节点回看，具身智能已经不再是科幻电影里的概念，而是一条正在加速成形的真实赛道。

　　2026年上半年，国内具身智能领域融资事件达322起，融资金额约934.7亿元，半年度融资额已显著超过2025年全年水平，新增约20家百亿估值独角兽。资本在加速涌入，但流向正在发生微妙变化——从追逐整机本体，转向大脑、数据基础设施与灵巧执行等决定机器人“能不能真正干活”的关键能力环节。

　　行业正在形成一个新的共识：竞争焦点已经从“谁能造出机器人”，转向“谁能让机器人在真实场景中稳定工作”，以及“谁能持续采集数据并形成商业闭环”。机器人产业正在经历从“能力展示”到“能力兑现”的转折。

01 两条发展线的交汇：

AI有了身体，机器人有了大脑

　　具身智能的兴起并非偶然，而是人工智能与机器人技术各自发展到一定阶段的必然交汇。

　　从AI发展线看，大语言模型在数字世界的成功，让业界看到了AI走向物理世界的可能性。但语言难以完整承载空间关系、物理约束与行动反馈，AI需要借助“身体”与真实环境交互以获得新数据。正如黄仁勋在2025年所说的——“AI的下一个浪潮是物理AI”。

　　从机器人发展线看，传统工业机器人依靠预编程，在结构化环境中重复执行确定任务，却难以应对变化。电机、减速器、传感器和整机平台逐步成熟后，机器人跃迁的关键在于智能系统能否理解任务、适应环境并稳定执行。

　　两条线在具身智能处交汇：硬件提供身体，AI补足理解、规划、泛化和自主作业能力。

　　从智能机器人（Intelligent Robots）到具身智能（Embodied AI）再到物理AI（Physical AI），概念演进的背后，是产业在不断追问同一个问题：机器人现在最缺什么？答案正在从“能否动起来”，转向“能否理解物理世界、准确预测任务后果，并在真实场景中可靠行动”。

　　在室外特种机器人赛道，极景智能无人清运机器人已率先完成真实场景的能力兑现。2026 年 7月呼和浩特乡村试点中，设备成功适配乡村窄路、多弯道、非结构化复杂路况，跑通上门收集 — 路线转运 — 中转站卸料全自主作业闭环。区别于实验室演示，环卫户外场景人流车流动态多变、环境无固定规则，是验证物理 AI 泛化能力的优质落地场景，也印证了具身智能从技术演示走向实景常态化作业的产业趋势。

　　02 政策锚点转向真实场景

　　2026年以来，具身智能政策密集出台，战略层级明显抬升。

　　3月，国务院发布“十五五”规划纲要，将具身智能与量子科技、生物制造、6G等并列为未来产业重点方向，完成了从“技术概念”到“国家战略”的法定跃迁。6月，工信部发布《人工智能关键基础技术 具身智能基准测试方法》，这是具身智能领域的首份行业标准，构建了统一的基准测试框架。

　　更值得关注的是，政策重心开始从“给资源”转向“给场景”。6月发布的《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，明确提出围绕工业、服务、特种等真实场景，形成百个以上高价值应用场景，推动机器人在代表性场景中完成应用验证和常态化部署。政策工具正在升级为“标准筑基+场景牵引+资金支持+中试验证”的组合机制。

　　03 融资热钱转向“卡点能力”

　　2026年上半年，具身智能领域的投资逻辑正在经历一次系统性切换。

　　据甲子光年智库统计，2026上半年融资事件322起，融资金额约934.7亿元，显著超过2025全年水平。市场一边继续押注赛道，一边加码重仓头部公司。但一个关键变化是：大额融资开始集中流向具身智能大脑、数据基础设施和灵巧手等“让机器人真正干活”的能力环节。

　　具身智能大脑/世界模型领域，星海图估值突破200亿元，极佳视界2026上半年累计融资35亿元，千寻智能融资约45亿元。资本押注的是“理解环境→预测后果→规划动作”的闭环能力。

　　数据基础设施领域，光轮智能半年融资超20亿元，觅蜂科技获数亿元天使轮融资。行业共识是：数据是机器人行业的“新石油”，决定模型的迭代速度与质量。

　　　灵巧手领域，灵心巧手完成约15亿元融资，市场正在从科研样机加速进入产业化验证和小批量交付阶段。GGII数据显示，2025年中国灵巧手销量约1.9万只，2026年预计达7万只。

　　投资主体也在发生变化。国家级基金、地方国资、政府引导基金和产业资本入场明显增多。资金不再只是追逐明星创业公司估值，也开始围绕产业链关键环节、区域产业集群和真实应用场景进行系统布局。具身智能的投资正从“投公司”延伸到“投场景、投生态、投产业链”。

　　04 产业链重构：

　　智能链与硬件链在场景中形成闭环

　　具身智能产业链正在形成新的分工格局。

　　上游提供跨本体、跨场景复用的基础能力——模型、数据和核心零部件。VLA（Vision-Language-Action）模型持续进化，从 π0 迭代至 π0.7，重点从端到端映射转向可控泛化。世界模型路线加速分化，从像素生成走向物理状态预测。NVIDIA对WAM的定义表明，模型不再只输出动作，而是尝试预测未来物理状态，把“世界会怎样变化”和“机器人该如何行动”放在同一个闭环里。

　　值得关注的是，在RoboChallenge Table30真实机器人评测中，中国相关模型占据前十中的8席，说明国内VLA模型已从仿真任务推进到真实机器人桌面操作任务的执行验证阶段。在WorldArena世界模型评测中，中国企业机构同样多点突破。

　　中游完成本体、控制、感知、软件与场景适配。协作机器人、AGV/AMR等成熟硬件正成为具身智能能力接入工厂的现实基础——工业具身智能不必从人形开始。

　　05 真正的竞争：数据闭环与系统可靠性

　　热闹之下，产业正在形成几个更冷静的判断：

　　第一，数据竞争进入下半场。 物理交互数据仍是具身智能最稀缺的生产要素，但瓶颈正从“能否采到”转向“能否将数据转化为可训练、可复用的模型资产”。数据显示，来自真实世界的机器人数据量仅为大语言模型训练数据的数万分之一。多模态同步、质量筛选、跨本体对齐、失败诊断和版本追踪，正在形成连接物理世界与模型训练的专业化加工层。真正稀缺的不是更多轨迹，而是能够被训练、被解释、被复用并持续改善策略的数据闭环。

　　第二，仿真正在从数据生成工具升级为测试与评价基础设施。 过去行业普遍把仿真视为生成合成数据的工具。随着具身智能进入真机部署阶段，仿真的价值正从数据生成向压力测试、失败诊断和版本回归延伸，并与真机形成“仿真筛选→真机校准→现场验收→运行回流”的联合闭环。

　　第三，规模化落地让可靠性与ROI成为硬约束。 完成一次任务只能证明技术可能性，持续完成任务、减少人工干预并保持稳定产出，才能证明产品价值。机器人直接进入生产与服务流程后，模型能力只是系统的一部分。硬件可靠性、现场适配、售后维护、备件供应和综合成本，共同决定一个项目能否复制和持续经营。