330億熱錢涌入，具身智能尚在開局｜深度

今年4月，2026北京亦莊人形機器人半程馬拉松賽場上演了一場年度名場面：

身著紅色戰衣的人形機器人“閃電”，以50分26秒的凈用時強勢奪冠，一舉打破人類半程馬拉松紀錄；而“具身天工Ultra”則把半馬成績縮短1小時25分鐘。

這一幕看似是機器人硬件突破，但真正的行業變革藏在細節里，對比往年就能看出天壤之別：

今年參賽的300多款人形機器人當中，數百款機器人徹底告別了去年依賴人工遙操作的運行模式，真正實現了全程自主奔跑，不再是人類操控的“提線木偶”。

表面看，是機器人的步態、平衡硬件在飛速迭代，但核心是來自飛速成熟的AI大模型感知、云端算力。就像奪冠的“閃電”，依靠AI大腦核心算法實時調整動態平衡，遇到路況波動、姿態偏移時無需任何人干預，就能瞬間自主修正。

很多人只盯著終端機器人卷外觀、卷硬件、卷競速數據，卻忽略了一個最殘酷的行業真相：

現在終端本體的硬件差距早已越卷越小，真正拉開行業鴻溝、決定機器人能不能規?；涞氐模静皇菣C身硬件，而是背后的AI云底座。

作為機器人底層支撐，如今的AI云，早已不是單純提供算力的“工具配角”，而是撐起整個具身智能產業的核心底座，搭建起整套數據、端云協同等能力，從而讓機器人能自主識環境、做判斷、處理任務，也讓具身智能走出實驗室，真正落地現實場景。

顯然，AI云廠商的技術深度與行業適配能力，正成為拉開具身智能行業差距的核心變量，也預示著行業內卷下半場已然到來。

“曾經被認為是小眾研究方向的具身機器人，如今已走出實驗室，成為一個萬億級別賽道。但具身要落地，數據、模型、本體三座大山必須跨越，其中數據和模型，是AI基礎設施要解決的問題?！卑俣燃瘓F執行副總裁、百度智能云事業群總裁沈抖在5月13日表示，AI云需要幫助本體企業構建物理AI時代的 Scaling 能力。

放眼長期，具身智能賽道即將成為萬億級市場：

摩根士丹利預測，到2036年，全球人形機器人采用量將達到2440萬臺；到2050年，全球人形機器人保有量將達到10億臺，同時全球人形機器人市場年收入將高達7.5萬億美元。

顯然，未來10億臺（摩根士丹利數據）機器人落地的背后，必然是海量的數據訓練、端云協同、智能迭代需求。

可以確定的是，未來人形機器人的行業競爭，終端只是入場券，AI云智能底座才是最終的決勝底牌。

330億具身智能引爆“資本狂潮”

早在2025年3月，知名投資人、金沙江創投主管合伙人朱嘯虎公開表示，已“批量退出”其人形機器人投資。

核心原因在于，他認為當下具身智能與人形機器人項目的商業化路徑尚不清晰。

緊隨其后，經緯創投創始合伙人張穎在朋友圈發文委婉反駁：人形機器人本就是頂級大賽道，行業百花齊放，發展過程中出現適度泡沫也實屬正常。拉長時間維度來看，這條賽道一定會誕生重量級龍頭企業。

兩位頂級投資人的隔空辯論，瞬間把具身智能與人形機器人行業推上輿論焦點。

但有趣的是，這場朱張之爭，并未讓具身智能陷入融資寒冬，反而這兩年行業投融資熱度愈發高漲：

日均兩起融資、單日超4億元資金涌入，具身智能賽道已然上演“資本核爆”。

公開數據顯示，2025 年，中國具身智能和人形機器人初創公司共完成325筆風投交易，同比增長216%；投融資總額超過398億元，同比增長326%。

進入2026年初，行業更是迎來一輪超級資本熱潮。

據智能紀元AGI從多個渠道不完全統計，2026年第一季度，具身智能和機器人領域披露的融資事件數量超過200個，其中包括16起單筆金額10億元及以上的融資；融資規模已超過330億元。

其中，國內數十家具身智能企業單輪融資超10億元，20余家企業估值破百億，宇樹、智元等頭部企業估值更是突破300億元。

摩根士丹利研報指出，今年全球人形機器人創投規模已超越2025年全年，規模已超過450億元，增長速度遠超市場預期。其中，中國市場貢獻了全球約46%的創投資金，成為資本角逐的核心陣地。

顯然，具身智能和人形機器人行業已經進入了一個特定的周期階段：與當年電動車、移動互聯網的崛起階段如出一轍，行業共識快速凝聚，持續吸引海量資本涌入。

數據、模型和本體三大挑戰

盡管產業巨頭與頭部投資機構紛紛加速布局入場，但朱張之爭也暴露出行業深層現狀：

賽道內企業的具身智能、人形機器人商業化閉環仍未跑通，開源數據集暫不具備落地商用價值，真實場景數據采集、VLA 模型迭代、通用場景任務落地等核心環節，仍處于早期階段，至今仍難以實現通用化、規?；虡I應用。

數據、模型和本體，依然是中國具身智能從場景探索到產業落地過程中需要攀登的三座大山。

首先是數據。

星海圖創始人、CEO高繼揚在Create 2026百度AI開發者大會上表示，“具身模型之外，我們看到最主要的問題還是數據的問題。其實現在很多算法層面的要素已經具備，而算法+數據等于模型。”

實際上，無論是人形機器人的靈巧操作、服務機器人的場景適配，還是工業機器人的精密作業，核心能力落地，全都依賴大規模、高質量、多模態的場景化數據。

但眼下，模型、數據與實際落地之間，仍橫亙著現實鴻溝：

現有訓練數據體量不足、模態單一、質量參差，很難滿足模型復雜感知與行為學習需求；開源數據集本身規模有限，又缺少統一采集標注標準，直接制約了模型跨任務、跨場景的泛化能力；而且，真實場景數據采集成本高昂，又和模型視覺泛化需求形成矛盾，現實環境復雜多變、任務充滿不確定性；以及國內各家機構、企業數據相互割裂，缺少共建共享機制，很難搭建起規?；?、標準化的行業數據底座。

業內普遍認為，當前具身智能領域正處于2.0階段，若具身智能邁向GPT-3階段，所需數據量將高達2000萬小時。

其次是模型。

VLA、VLM模型即成產品，但需要整機和實際應用結合，高質量數據稀缺下，模型框架也未收斂，而評測體系缺失、不公正情況成為行業對于具身智能模型發展的阻力。

北京大學助理教授、銀河通用機器人創始人及CTO王鶴也指出，當前人形機器人仍停留在千臺級出貨規模，真實產出能力與自動駕駛百萬級車隊的數據量存在數量級差距。

最后是本體。

沈抖今年3月提到，當前具身智能與人形機器人行業雖熱度高漲，但仍存三大挑戰——本體穩定性、耐用性、靈巧性仍不足；而且，行業未形成統一技術底座，遠未迎來產業的ChatGPT爆發時刻；此外，具身智能數據未形成規?；蜓h，仍停留在實驗采集階段，沒能落地生產生活、跑通商用閉環。

正如智平方科技創始人郭彥東所言，未來機器人需要跨越的第二個關鍵門檻是走向量產——做出幾萬臺、幾十萬臺且保持高一致性，才是真正成功閉環與否的關鍵所在。

如何破局：AI云支撐具身智能

眼下，具身智能正從“實驗室能力驗證”，邁向“真實場景規?；涞亍彪A段。

2026年，具身智能已經分化出兩條清晰發展主線：

1、攻堅可泛化的通用大腦與世界模型，瞄準通用 AI 方向，讓機器人真正具備物理級智能大腦；

2、加速商業化落地，從真實場景痛點切入，通過技術調優、結構適配、數據模型重構，讓產品真正貼合市場需求。

高繼揚表示，具身智能已經走到了“上半場”的結尾，正在迎來“下半場”。2026年下半年，是具身智能行業成果驗證期，能否實現真正的人工替代、產生商業價值，是所有具身智能企業的生死線。

而對于百度智能云巨頭來說，其在具身模型訓練、算力基建、技術生態、場景落地等維度，早已形成天然底層優勢，可以幫助更多具身智能公司實現數據、模型和本體能力的升級。

首先是具身模型訓練和算力基建層面。

要想數據訓練更精準、更好用，就必須依托強大算力平臺，支撐多樣化訓練范式高效運轉。

以星海圖為例。其研發的具身模型研發工作跑在百度智能云上，后者提供高性能、穩定可靠的AI基礎設施，百度百舸AI計算平臺在算力高效調度、數據高效流轉、模型訓推加速等方面的技術積累，提升模型開發效率。雙方開發團隊密切協作，對世界模型Fast-WAM的單步推理延遲進行優化，將進一步縮短到90毫秒以內。

百度智能云主任架構師應茹近期對智能紀元AGI表示，百度百舸目前提供了一套完整的具身智能Workflow。

她認為，具身智能的迭代閉環遠不止”訓練一個模型”，而是從數據處理、模型訓練到仿真評估、部署推理的完整工作流，任何一個環節的低效都會拖慢整體節奏。而百舸把在LLM和多模態大模型爆發階段積累的完善AI Infra基礎設施，快速遷移和適配到具身智能領域，幫助客戶跳過底層基礎設施建設，專注算法創新和產品落地，從而在時間窗口中贏得競爭優勢。

“這套 Workflow 的最大價值本身也是百度百舸產品的定位和核心價值。”應茹表示。

數據環節，百度智能云集成了行業大規模無本體數據集（如RealOmni），支持客戶直接掛載使用；

而開發訓練層面則提供云端開發機，并提供全套開源模型的加速套件，針對具身場景的多模態訓練做了深度優化，訓練吞吐相比開源基線提升 1~5倍；

仿真評測層面，百度智能云預置了 Isaac Sim、ManiSkill3等主流仿真引擎，進行了深度性能調優，并沉淀了不同 GPU 平臺與具身場景的適配選型建議，讓工程師專注算法而非調試環境。

據悉，百度智能云已經把VLA這種典型具身智能模型的訓練速度提高了70%，在世界模型推理上的時延降低了50%；原本按周計的訓練，現在可以按小時來訓練。

在場景應用層面，百度智能云深耕多年，已在科研教育、康養服務、智能制造、物流能源、商業服務、生命科學等領域，沉淀了大量 AI 落地與規?；涷灐?/p>

例如，靠著百度智能云的技術加持，北京人形的天工人形機器人，已經率先闖進電力行業，能全程自主做巡檢、干實操活兒，成為業內首款能在電力行業獨立完成作業與巡檢任務的人形機器人。

這也成為國家電網今年集中采購約8500臺具身智能設備、投入68億元布局的重要原因，業內更預判，2026年，國內電力行業具身智能投資規模有望突破100億元。

本質上，百度智能云并不下場做硬件本體，也不直接做終端應用，而是定位于行業技術賦能者與場景連接者，以 AI 基礎設施和產業協同平臺為核心，已經助力上百家具身智能和人形機器人企業，在具身大腦、運控小腦、數據集建設、整機研發等關鍵環節完成技術突破。

Omdia《中國具身智能AI云市場》報告顯示，百度智能云以35%的市場份額位居中國具身智能AI云服務市場第一。

而在我們看來，百度智能云在具身智能領域的核心競爭優勢，在于市場地位夠強。目前，百度智能云已支持北京、上海、浙江、四川等地的具身智能創新中心，以及智元機器人、宇樹科技等產業鏈上超過30家重點企業。據悉，采用百度智能云異構高性價比架構方案，成功突破原有框架瓶頸，將整體訓練吞吐性能提升5倍以上。

今年人形半馬比賽中，超過六成參賽機器人采用百度智能云技術支撐賽事與研發。

Create 2026百度AI開發者大會還同期開展了具身智能分論壇。其中，北京人形機器人創新中心與百度智能云聯合啟動“天工開物”黑客松，構建運動控制、VLA兩類任務能力，冠軍獎勵現金5萬元以上，以及天工硬件、創新中心深度合作等，當然還有近15位具身智能企業CXO、學界專家與產業生態代表集中亮相，圍繞世界模型、具身數據、機器人訓練以及產業落地展開討論。

而星海圖GalaxeaOpenWorld開源數據集也已在百度百舸平臺上線，開發者在百舸平臺上即可一鍵調取用于模型訓練任務等，進一步強化百度智能云在具身智能產業中的平臺角色與生態影響力。

當前，具身智能仍處在“表面熱度拉滿、實際投入不足、落地艱難”的早期周期，除了表演展示之外，具身智能和人形機器人在工業和家庭場景的商業化遠未跑通閉環。

正如沈抖所說，具身智能的發展是一個循序漸進的過程，不會出現類似大模型那樣的爆發式“ChatGPT 時刻”。而家庭場景落地，更是具身智能商業化的終極場景，對技術能力有更高要求，落地周期十分漫長，屬于十年維度的長期目標。

對于百度智能云而言，已形成從數據采集、訓練到應用部署的完整鏈路能力，并以“芯云模體”全棧能力筑牢具身智能底座，依托百舸算力、文心大模型與數據超市，為本體廠商提供云端大腦、訓練加速與數據閉環服務。依托算力、模型、數據、生態與場景的全棧積淀，其恰好站在了“AI基礎設施+具身智能產業生態”的核心樞紐位置，成為支撐整個具身產業往前發展的底座能力。

2026年，既是具身智能與世界模型的爆發起點，也是行業商業化洗牌、優劣分化的關鍵一年。資本只是這場具身智能競賽的入場券，真正決定長期格局的，是硬核技術、落地能力，以及能否訓練出比肩GPT-5層級的通用具身智能。

在我看來，距離真正通用具身機器人落地依然還有數年時間，而對于百度這類AI云廠商來說，他們將成為行業背后的核心賦能者，使得具身智能產業拐點將加速到來。

?本文為智能紀元AGI原創內容

未經授權，禁止轉載

進群、轉載或商務合作聯系后臺