世界机器人大会近日在北京落幕，与往年相比，今年展会上机器人实操应用场景显著增多。从叠衣服、炒菜到搬运货物，多个展台上的人形机器人不再依赖预设程序或外部操控，而是展现出自主决策与任务执行能力。这种变化折射出行业重心正从硬件制造向智能算法迁移，具身智能领域迎来“拼脑子”的新阶段。
创投领域人士透露，当前单纯研发机器人本体已难以获得资本青睐，具备“大脑”开发能力的企业更受关注。过去两年，行业焦点集中在机器人的运动能力上，如行走稳定性、抓取精度等硬件指标。但今年展会上，多家企业通过生活化场景演示，强调机器人在非标准环境中的自适应能力。例如，某企业展示的洗衣机器人能根据衣物位置调整抓取方式，并在洗衣机门未关严时自动修正动作。
技术演进背后是商业逻辑的转变。家庭服务场景要求机器人同时处理多项任务，这需要具备任务理解、动作推理和泛化能力。传统固定程序难以应对光线变化、空间干扰等现实问题，而具身大模型通过模拟人类决策过程，使机器人能动态调整行为策略。资本市场数据印证了这一趋势：今年上半年国内具身智能融资中，超过半数资金流向“大脑”研发企业，仅18.5%投入本体与算法结合领域。
数据竞争成为具身大模型的核心战场。开发者指出，当前模型训练亟需海量高质量物理世界数据，类似ChatGPT的“涌现”能力可能出现在数据规模突破临界点时。大厂凭借资金优势加速布局，某科技巨头今年已发布三款空间感知模型并开源，其数据采集装备在展会上引发关注。但行业普遍面临数据短缺困境，有企业估算，具身智能实现质变需要百亿级数据，而现有积累仅达百万级。
数据采集方式呈现多元化特征。真机遥操作成本高昂，仿真数据则存在真实性争议，第一人称视角采集因其成本可控、场景丰富成为主流。某参展企业通过互动装置收集观众操作数据，将抓取、摆放等动作转化为训练样本。这种“展台即数据场”的模式，使观众参与过程直接转化为技术积累。不过，行业强调数据质量优于数量，覆盖不同物体、光线和突发情况的多样化数据更具价值。
技术路线分化加剧行业不确定性。当前主流方案分为VLA（视觉-语言-动作）与世界模型两大派系。VLA通过端到端映射实现快速落地，但依赖数据覆盖广度；世界模型侧重构建物理世界认知框架，具有更强推理能力但算力消耗巨大。部分企业尝试融合两条路线，在慢系统进行场景理解与任务规划，快系统执行实时控制。这种技术融合趋势虽被看好，但具体实现路径仍存在争议。
资本市场随技术预期波动明显。从语言大模型到机器人舞蹈，再到自主任务执行，每次技术突破都引发投资热潮与泡沫担忧。创投机构数据显示，专注本体研发的企业融资占比从2024年的36.8%持续下降，今年已不足两成。但行业警告，具身智能尚未出现被验证的通用技术方案，当前竞争格局仍存在变数。某大厂研究员坦言：“我们都在等待那个决定性的突破，但没人知道它何时会来。”
