中华网·WAIC 2026丨935亿投向具身智能，行业如何走好技术落地收敛关键一步？

文丨罗曾

“具身智能，是过去一年杀死我脑细胞最多的领域，没有之一。”

2026世界人工智能大会（WAIC）前夕，启明创投主管合伙人周志峰接受了媒体群访。

这位刚登上Midas List全球最佳创投人榜单的金牌投资人，用一句话概括了他对具身智能的复杂感受。

据悉，今年初由周志峰深度主导并长期陪伴的壁仞科技、智谱、爱芯元智、云英谷科技等多家企业集中登陆资本市场；他所在的启明创投，至今已在AI全产业链累计投资超过100家创业企业，总投资额超过120亿元人民币。

而“杀死脑细胞”的背后，是一组疯狂的数字，更是一个技术收敛的关键节点。

“十亿台出货量”的诱惑与陷阱

具身智能被业内定义为兼具智能手机出货规模与乘用车单品价值的超级赛道。

周志峰测算，若行业完全成熟，全球年出货量可达十亿台，单台均价约20万元人民币，市场体量在科技产业史中位居前列，这也是一二级市场集体扎堆布局的底层逻辑。

“这放在人类两三百年商业发展史里，都是体量顶尖的赛道，没有之一。”周志峰表示。

顶级赛道搭配明确的政策赋能，成为具身智能主题投资热度持续高涨的核心支撑。6月9日，工信部、国资委联合启动2026年度人形机器人与具身智能实景实训专项行动，明确提出到2026年底“带动形成万台级规模落地能力”。中商产业研究院预测，2026年中国具身智能市场规模将达到10904亿元。

政策与行业基本面的双重利好，直接引爆投资热潮，赛道投融资活跃度迎来爆发式增长。

据IT桔子数据，2026年上半年国内具身智能赛道融资总金额达935亿元，较2025年上半年提升5倍；融资事件322笔，同比增长137%。仅3月与6月，单月融资事件数均突破60起。进入7月，星动纪元、墨奇智能等企业接力官宣，10亿级融资已成常态。

区域分布高度集中。北京、广东、上海三大核心区域合计融资事件数229起，占总数的71.1%；合计融资总额739.4亿元，占总融资额的79.17%。

启信宝数据显示，截至2026年5月，全国具身智能相关企业已突破万家。周志峰称，过去两年多国内新成立的具身智能企业有370多家——“基本上现在每周还能收到两三家新项目”。估值更是一路飙升。周志峰在沟通中透露，当前已有近10家具身智能企业估值超200亿元，十余家估值超百亿元，而这些公司“成立都才两三年”。

但赛道创业者背景高度同质化，集中于高校教授、自动驾驶大厂高管、AI模型研发人员三类，技术路线普遍聚焦于VLA视觉语言动作模型与世界模型，落地场景则高度重合于工业物流、商业服务、仿生机器人。

一级市场估值水涨船高的同时，二级市场层面也热闹非凡。据时代商业研究院，今年上半年，在港股IPO排队队伍中，业务涉及“机器人”、“具身智能”等企业已超50家。

资本抢跑上市的核心诉求是抢占稀缺标的红利。

周志峰解释，大赛道率先完成上市的企业，因供给稀缺会获得显著估值溢价，但溢价只是附加项，并非核心支撑。

他表示，二级市场很多投资人会有这样一把标尺：2026年底至2027年底是落地验证窗口期，若企业在此周期无法拿出规模化商业订单与扎实营收，即便完成IPO，高估值也难以维系，市值大概率大幅缩水，进而引发一二级市场估值倒挂，一级市场原有估值撑不住，企业后续再融资难度也会大幅提升。

技术“收敛”前的牌局现状

“具身智能模型还没有充分验证出Scaling Law。”周志峰直言。

在他看来，这一代AI的本质，不管是在语言模型、视频生成模型，还是正处于爆发前夜的具身智能的模型，其底层的核心逻辑都在向一件事收敛 – 那就是验证Scaling Law。“我给你更多、更高质量的数据，模型就能涌现出更大的智能。”

这一点在语言模型上已经非常直观。周志峰透露：“在一些智力测试中，早期的GPT模型只相当于人类的及格线水平，而现在的前沿模型已经能够击败90%以上的人类的智商。”

而这背后，“语言模型是吞下了数万亿级别的token之后，才彻底验证了Scaling Law；视频模型是吞下了数十亿个高质量的视频clip，才验证了Scaling Law。”周志峰如是说。

但机器人呢？

目前具身智能领域，无论是中国还是美国的最顶级公司，手里掌握的高质量物理交互数据只有几十万小时，离充分验证Scaling Law的门槛，还差至少一个数量级。

行业正在全力补课。

据周志峰透露，中美头部企业均规划今年内积累超过100万小时训练数据，其中昂贵的真机遥操作数据占比较小，以人为核心的第一视角多模态数据会占绝对主导。

一旦数据规模达标，“有可能今年底或明年初会实现大的突破”。

但在这之前，评测标准的构建是更为棘手的瓶颈。

“现在确实缺乏一个客观的、动态的评测标准。”周志峰坦言，市场上虽然有三五个Benchmark，但很多都是静态的、单一维度的。一些公司靠在特定场景下“过拟合”刷榜来取得融资的高估值，业内人一看就知道。但在真实物理世界中模型落地，没有太大的意义。

他认为，未来机器人赋能千行百业，所需要的数据和评测维度，都会比今天精细很多。

从技术层面来看，当前具身智能在VLA和世界模型等研发方向上各有侧重。周志峰判断，这两者绝非非此即彼的平行路径，未来走向深度融合是趋势。

但他也指出：“近期市场上虽然新涌现出来大概30余家主打“世界模型”的初创企业，但剥开技术的概念外衣，对比之前走VLA路线的公司来看，这两类公司在应对真实的商业化落地上，并没有拉开本质差别”。

放眼国际，周志峰认为美国最前沿的具身智能实验室，在模型与算法的探索上稍微领先一点点，“不过应该差距连半个身位都不到。”

不过他也提醒，如果行业迎来下一次技术阶跃，从概率上来说，美国最前沿的实验室率先实现技术突破的可能性会大一点。

周志峰将当前中美在模型技术上的差距，形象的比作“在黑夜的大海上寻找金银岛”——“美国因为拥有更充足的算力，头部实验室每晚能同时派出30条船去多个方向探索”，“而中国受算力限制，一晚往往只能派出一两条船。”

在他看来，模型训练本质上是一个极度依赖试错的探索的过程。“每一轮的探索反馈，对校准方向至关重要。”而同时铺开很多条探索路线，对比只能探索一两条路线，差距就在这里。

不过，中国在具身智能赛道也有独特优势。

据周志峰分析：第一是数据，中国有更大规模、更高效和更低成本的数据采集中心；第二是落地产业场景，“国内有宁德时代、比亚迪这类海量制造企业”，有充足实体工厂可以协同研发，支持落地产业场景；第三是硬件配套，“人形机器人整机大概1200个零部件，90%以上供应链集中在中国长三角、珠三角”。

值得一提的是，近年来，舞台频繁展示机器人跳舞、后空翻，公众由此形成“炫技”印象。而工业制造、物流仓储等真实落地场景多在公众视野之外，两者反差催生了外界对机器人“只会表演”的观感。

针对市场热议的机器人“炫技表演”争议，周志峰做出划分：机器人的AI算法分为三大类：Manipulation（物理作业操控，VLA、世界模型归于此）、Navigation（导航与路径规划，决定机器人怎么走，这部分技术很大程度上移植于较成熟的自动驾驶产业）、Locomotion（运动控制，武术、舞蹈、跑步等动作展示，本质上都属于这一类控制工程）。

“运动控制发展更成熟，但单看运动控制这类展示类场景，全球市场天花板仅约数十亿美元规模；反观工业制造与物流等机器人落地场景，全球市场规模要大很多，两者体量完全不在一个层级。”周志峰强调。

而真正决定产业价值的物理操控技术，才是2026-2027年行业攻坚主线，也是资本市场长期定价的核心依据。