2026 年 3 月，一家成立不到三年的中国公司完成 10 亿元融资，估值超过 20 亿美元，成为全球第一家具身智能数据独角兽。它的名字叫光轮智能。这家公司不做机器人，不做大模型，只做一件事——生产训练机器人所需要的数据。
放在两年前，这个故事听起来像个笑话。彼时的具身智能圈子，明星是 Physical Intelligence 、 Figure 、宇树、智元，是那些能训出 VLA 模型、能让机器人叠衬衫倒水的公司。谁会给一家"卖数据"的公司几十亿估值？
但 2025 年 6 月 10 日， Meta 砸 143 亿美元收购 Scale AI 49%股权的那个夜晚，硅谷用真金白银承认了一件事：AI 下半场的胜负手在数据，不在模型。八个月后，同样的剧本在中国具身领域上演。
翻译一下这两个信号：当算法可以开源、模型可以复用、 Demo 可以拷贝的时候，真正稀缺的能力，是把"能在实验室跑通的算法"变成"能在真实产线稳定复用的产品"。这套能力有一个还没被大众熟知的名字——具身智能工程化底座。
Demo 跑不进产线的那道墙要理解这场产业转向，得从三年前那个被称作"具身智能元年"的春天讲起。
2023 年 ChatGPT 把大模型的想象力打到了物理世界门口。人们开始追问：如果语言模型能理解世界，那能不能给它一个身体，让它真的动手做事？于是 2023 到 2024 年，一整批公司在这个信念上诞生。硅谷有 Physical Intelligence 、 Figure 、 1X ，国内有宇树、智元、银河通用、星动纪元、逐际动力。资本逻辑很直接：既然 LLM 能诞生千亿美元的 OpenAI ，物理世界的 LLM 也该有对应的答案。
这个阶段的关键词是"模型"。谁能训出更牛的VLA（视觉-语言-动作模型），谁就是明星。π0 、π0.5 、π*0.6 一路刷新 Physical Intelligence 的技术地位，国内的智元发布 G1 到 G5 、银河通用推出"银河星脑"、星动纪元喊出"原生机器人大模型"。宇树的机器狗跳舞、 Figure 的机器人打鸡蛋、特斯拉 Optimus 在发布会上叠衬衫——技术 Demo 驱动的估值狂欢。市场追问的是"你的模型有多强"，而不是"你的机器人能不能真的干活"。
但从 2024 年下半年开始，一些不那么好看的迹象浮现了。
叠衬衫的机器人在发布会上很漂亮，但换个衬衫颜色就抓不住了。倒水的机器人在实验室能做，但换个杯子形状就洒了。搬箱子的机器人在示教环境里稳定，但产线上的箱子上下有毛刺、光线一变夹爪就抖。这些问题在具身圈里有一个统一的名字——长尾问题和 Sim-to-Real Gap。机器人在虚拟环境里练得再好，放到真实场景中，就会被物理世界的复杂性击穿。
中国信通院在《具身智能发展报告（ 2026 ）》里把这个现象说得很直白：现阶段部署端到端 VLA 模型的产品还处于演示阶段，容易出现夹爪抖动严重、需要人工干预重置等情况。传感器噪声、实时控制延迟、多变地形、安全约束——每一个因素都可能把理想化的算法拉回复杂的工程现实。
问题的核心不是模型不够强，而是模型的强只体现在训练分布之内。一旦超出分布——OOD （ Out-of-Distribution ）——泛化能力就直线跌落。而真实工业场景，本身就是一个 OOD 的集合体。
这道墙一旦被看见，产业逻辑就开始翻转。
三段论：从"能不能做出来"到"能不能稳定运行"如果把 2022 年到 2026 年这四年拉一条时间轴，会看到一个非常清晰的三段论。
第一阶段是范式确立期（ 2022 年底—2024 年上半年）。主线是 VLA 架构的确立。核心矛盾是"能不能做出来"——一个通用的机器人策略模型，能不能像LLM一样通过 Scaling Law 涌现能力。资本投的是"人和方向"，估值锚点是团队背景和技术叙事。
第二阶段是本体军备竞赛期（ 2024 年下半年—2025 年）。宇树把人形做到 10 万人民币以内、优必选进特斯拉工厂、 Figure 融资规模冲上百亿美元、银河通用发布双臂 50 公斤重载 Galbot S1 、智元喊出万台下线。核心矛盾是"能不能演出来"——机器人能不能在镜头前完成一系列越来越复杂的任务。估值锚点是 Demo 惊艳度和签约意向。中信证券在这个阶段喊出"2025 年是具身智能量产元年"，市场情绪达到峰值。
第三阶段是工程化落地期（ 2025 年底至今）。当所有人发现"上万台下线的机器人在产线上仍然干不了活"的时候，问题的重心从"我的模型有多好"变成"我的模型能不能稳定交付"。银河通用在 2026 年 6 月开始给宁德时代的动力电池产线做重载搬运，智元在 2026 年 4 月直播了 8 小时消费电子精密制造产线，优艾智合累计做了 800 多个工业场景、服务 400 多家全球头部客户。 SLA （服务等级协议）、 MTBF （平均无故障时间）、良品率、节拍稳定性这些工程指标，开始压倒模型指标。
这个阶段的资本投向也在悄悄转移——从本体、模型，转向数据、仿真、评测、工程交付这些"底座"环节。
翻译成人话就是：从此以后，"能干活"比"会耍帅"值钱得多。
昂贵的物理世界：一小时数据 = 十万小时仿真为什么产业逻辑会翻转得这么彻底？
一开始所有人相信"模型即一切"，是因为 LLM 给了一个太美好的先例——GPT-4 的成功让所有人以为，只要模型够大、数据够多、算力够强，就会有 Scaling Law 的奇迹。但物理世界的数据和文本数据有一个本质区别：文本数据几乎是免费的，物理数据是极度昂贵的。
东吴证券在 2025 年 6 月的一份报告里给出了一个惊人的对比：1 小时真机数据的采集成本约等于仿真 10 万小时的生成成本，物理交互数据的稀缺程度约为自动驾驶数据的 10 倍。真机遥操 1 小时数据的成本，可能在数百到数千元，而合成数据的边际成本几乎为零。
问题是：真机数据虽然贵，但保留了人类操作的隐性决策和真实力觉反馈；仿真数据虽然便宜，但存在 Sim-to-Real Gap 。这两条路各自的短板，逼着产业必须找一条"混合路径"——用仿真做规模、用真机做校准、用评测做验证。
于是产业分工出现了：一部分公司专注真机数据采集（觅蜂科技、无问智科、简智机器人），一部分公司专注仿真数据生成（光轮智能、 DataMesh 、跨维智能），一部分公司专注评测基准（信通院、智元的 Genie Sim Benchmark 、 RoboChallenge ），一部分公司专注训练场基础设施（国地中心、北京亦庄训练基地），一部分公司专注工程交付（优艾智合、艾特讯）。
这不是简单的分工细化，而是产业逻辑的根本翻转——从"技术公司自己搞定一切"，变成"底座能力从本体和模型公司里剥离出来，成为独立的产业环节"。
这个翻转有一个更深层的原因：当算法和模型可以开源、可以复用、可以在几个月内被追平的时候，真正难以复制的能力就变成了那些"重资产、重经验、重场景耦合"的东西——真实场景的入口、大规模真机数据的生产能力、覆盖长尾的测试用例库、能扛住产线 SLA 的工程交付团队。这些才是需要三五年时间积累、且没有捷径可走的能力。
据量子位 2026 年 7 月的统计，过去一年内 15 家纯具身数据服务商共融资约 44.7 亿元。智元在 2026 年 2 月分拆出觅蜂科技，成立当月就完成数亿元种子轮和天使轮融资，红杉中国领投——一个刚成立的公司在 10 天内完成两轮融资，这在中国 VC 史上都算罕见。
注意，我们没有说本体和模型不重要，只是陈述一个客观存在的现象：连本体和模型都做得很深的公司，都开始承认"数据基础设施要独立出来做"。
五股力量，一个入口"具身智能工程化底座"这个命题不是单一产品，而是一整套能力的组合。参与竞争的不是同一类玩家，而是五种不同起点的力量——他们从不同方向切入这个市场，最终都在争夺同一个入口："谁来做物理 AI 时代的基础设施"。
NVIDIA 是这场竞争里最难对付的选手，因为它起点最高、生态最完整、且没有本体和模型的历史包袱。
老黄在 2025 年 10 月的 GTC 上讲的不是"我们要做机器人"，而是"AI 竞争已经从模型性能转向物理世界理解能力"。这句话是有分量的——它等于向整个行业宣布：物理 AI 的核心资源不是本体、不是数据，而是"训练物理 AI 所需要的那套操作系统"。
NVIDIA 的物理 AI 栈包含三个核心组件：Cosmos（世界基础模型，用来生成物理精确的合成数据）、Isaac Sim / Isaac Lab（机器人仿真和强化学习框架， 2025 年 8 月发布的 5.0 版本引入 NuRec 神经渲染）、Omniverse（数字孪生和实时协同平台）。三者加上底层的 DGX Cloud 算力，构成了从"世界建模→仿真训练→数据生产→模型评测→部署运行"的完整闭环。诺基亚在 2026 年 4 月宣布使用这套栈重构其工业具身智能开发流程，就是这套逻辑的标杆案例。
NVIDIA 的优势有三：它掌握算力入口、掌握仿真引擎的事实标准、有全栈整合能力。但短板同样明显——它不掌握真实场景入口，不做本体，也不做工程交付。它的数据大部分是"合成的"，缺少来自真实工厂产线的"长尾数据"。开发者社区对 NVIDIA 的评价大体是"工具很强，但门槛也很高"，工程师们的共同吐槽是："仿真里跑得很爽，真机上就要重新调一遍。"
玩家二：光轮智能——中国的数据基础设施独角兽如果说 NVIDIA 是从"算力"切入，那光轮智能就是从"数据"切入。这是全球第一家以"具身数据"为核心业务估值突破 20 亿美元的公司。
光轮的核心资产有两块：自研的物理仿真引擎，和规模化的模型评测体系。这两个能力构成了一个独特的组合——它不只生产数据，还能验证"生产的数据是否有效"。这个自我校验能力，是它区别于其他数据公司的关键。据甲子光年报道，光轮在 2026 年一季度签下的订单达到 5.5 亿元， 10 亿元融资的用途明确指向三个方向：物理仿真引擎、评测体系、全球交付能力——精准对应了"数据飞轮"的三个环节。
光轮的口碑有明显分化。头部本体公司的评价是"数据质量确实高、交付节奏稳"，但也有中小型客户抱怨"价格贵、定制化项目周期长"。这种分化在数据基础设施行业很典型——头部客户能撑得起标准化产品，中小客户需要的是定制化服务，而定制化和规模化天然冲突。
玩家三：觅蜂科技——从本体巨头分拆出的数据专业户觅蜂的故事很有戏剧性。它是智元机器人在 2026 年 2 月分拆出来的独立公司，成立当月就完成两轮融资。
觅蜂的独特之处在于两个能力的耦合：采集硬件+治理引擎。据钛媒体的报道，觅蜂 2026 年的真机遥操产能规划是 3000 万小时/年——这是一个相当激进的数字。作为对比， Physical Intelligence 透露的数据规模也就在数万小时量级。
觅蜂的先天优势来自智元——它继承了智元在本体、模型方面的技术积累，能够精确知道"本体和模型需要什么样的数据"。但短板同样来自智元——它的独立性存疑。虽然名义上是分拆，但客户会天然怀疑"它是不是会优先服务智元"。这个信任问题会限制它拿到智元直接竞争对手（比如银河通用、宇树）的订单。
玩家四：银河通用——从"能演"到"能干"的本体派样本银河通用代表另一条完全不同的路径——不做通用底座，而是把底座能力内部化，直接对场景交付。
银河通用最强的能力不是模型，而是在真实工业场景中"跑通"的能力。宁德时代的动力电池产线、北京海淀的机器人售药系统、双臂 50 公斤重载搬运——这些不是 Demo ，而是常态化运行的商业订单。据甲子光年报道，宁德时代把动力电池产线的具身智能"入场券"给了银河通用，这在行业里被视为一个标志性事件。
它是怎么做到的？答案就是"底座能力内部化"——银河通用自建了训练场、自建了数据采集流水线、自建了仿真环境、自建了评测系统。它的做法本质上和光轮智能、觅蜂科技做的事情高度重叠，只不过它是自己内部消化，而不是对外提供。
客户对银河通用的评价是"能真的干活，但价格不便宜、部署周期长"。这也印证了工程化落地的本质——它不是一个可以标准化交付的产品，而是一个高度定制化的项目。银河模式重资产、高毛利、慢复制；底座模式轻资产、中毛利、快复制。这是产业分工的两种可能未来。
玩家五：国地中心 / 北京亦庄——公共基础设施的中国路径国家地方共建人形机器人创新中心（简称"国地中心"）是 2024 年 5 月在上海浦东揭牌的国家级公共平台，注册资本 10 亿元。首席科学家江磊有一句话总结得很准："具身智能训练场就是一个数据生产的工厂"。
这句话把"训练场"从"给机器人练技能的地方"重新定义为"生产数据的工厂"——一个把物理世界的数据变成标准化数据资产的车间。国地中心在张江的具身智能训练场 2025 年 1 月启用， 5000+平方米、可容纳 100+台机器人同时训练。半年后北京亦庄启动国内首个基于真实场景的具身智能数据训练基地，共建商业服务、家庭、养老、工业、物流、特种作业等十大典型场景。
公共平台模式的最大优势是能快速动员产业资源。但软肋是"数据的商业可用性"——训练场生产的数据虽然规模大，但每一批数据是否精确匹配某家企业的具体需求，是一个未知数。也就是说，公共池的数据可能"很多但不精确"，而企业需要的往往是"少而精"。圈内对国地中心的评价是"意义大于实用性"——它证明了国家层面愿意为具身智能提供基础设施，但具体到某家企业能不能靠训练场解决自己的数据问题，答案通常是"帮助有限，还得自己搞"。
玩家六：优艾智合、艾特讯——工程交付的隐形冠军最后一类玩家不做机器人本体、不做数据、不做仿真，只做工程交付。这类公司很少上头条，但他们才是"最后一公里"真正的执行者。
优艾智合累计落地 800+工业具身智能场景，服务 400+全球头部客户，覆盖半导体、能源化工、锂电、 3C 制造、公用事业。它的核心能力是把具身机器人集成到现有的工业系统中——对接 MES 、 SCADA 、 PLC ，处理产线节拍、良品率、安全联锁这些工业工程的"脏活累活"。艾特讯则与智元合作，参与打通"测试-生产"闭环，其 ITC 精密装配自动化方案的 12 大核心工艺在传统 3C 和汽车领域积累了大量应用案例。
因为一条产线的具身智能落地，从来不是"买一台机器人扔进去"那么简单。它涉及产线布局改造、安全评估、工艺参数标定、良品率验证、稳定性测试、人员培训、售后维护——这一整套工作，才是"工程化底座"真正落地时最消耗资源的部分。而这部分能力，恰恰是纯本体公司和纯底座公司都不擅长的。
分层共生：具身版的"Intel + Microsoft + Dell"把这五股力量放在一起看，一个非常清晰的画面出现了：没有任何一家公司能独自完成整个工程化底座的搭建。
NVIDIA 有算力和仿真，缺场景和交付；光轮智能有数据和评测，缺本体和场景；觅蜂科技有采集能力，但独立性存疑；银河通用有场景和本体，但底座能力不对外开放；国地中心有公共平台，但商业可用性有限；优艾智合、艾特讯有交付能力，但没有算法和模型。
这意味着当前的产业格局是"多层共生、协同分工"，而不是"一家独大"。这个格局非常像 1990 年代 PC 产业的分层——Intel 、 Microsoft 、 Dell 、系统集成商各自占据一段生态位，谁都无法通吃。
但和 PC 产业不同的是，具身智能的每一层都还没有形成绝对的标准。 Intel 的 x86 架构、 Microsoft 的 Windows API 是清晰的分层界面，而今天的具身智能，仿真格式、数据格式、评测标准、本体接口都还是碎片化的。谁能率先定义某一层的"事实标准"，谁就能占据一个独立的产业生态位。这也是为什么国家标准、评测基准、数据格式这些看起来枯燥的东西，会成为 2026 年之后产业的核心战场。
2026 年 6 月 1 日，工信部批准的《 YD/T 6770—2026 人工智能关键基础技术具身智能基准测试方法》正式实施——这是具身智能领域第一份国家级评测标准。评测标准的出现，往往是一个技术从"探索期"进入"产业化期"的标志。就像 1990 年代的 CPU Benchmark 标准化让处理器产业进入规模化竞争一样。
一个不对称的历史遗产为什么中国在这一波具身智能里的姿态，和上一波 AI 不一样？
上一波 LLM ，中国的姿态是"追赶"——OpenAI 跑在前面，我们的模型和数据都在补课。但这一波具身智能，中国的姿态在某种程度上是"平行奔跑甚至局部领先"。
原因就在于工程化能力的分布不同。物理 AI 的价值实现需要三样东西：真实场景、大规模制造、工程交付。这三样恰好是中国过去三十年积累最深的能力。全球最完整的工业门类、最密集的产线场景、最成熟的系统集成能力——这些是中国的历史资产。当具身智能进入"产线可用"的阶段，这些历史资产被激活了。
反过来看，硅谷有 OpenAI 式的模型公司、有 NVIDIA 式的算力公司，但硅谷没有完整的工业场景生态——特斯拉工厂只是一个个例。这就导致美国的具身公司要么高度依赖 NVIDIA 的工具栈（ Physical Intelligence ），要么必须找工业场景合作方（ Figure 与宝马、奔驰）。而中国具身公司天然就在场景里——银河通用一出门就是宁德时代，优必选一出门就是极氪、吉利。
这个不对称的历史遗产，某种程度上决定了中美两条不同的具身产业演化路径：美国是"从算力和模型往下打"，中国是"从场景和本体往上打"。前者更依赖工具栈的标准化，后者更依赖场景耦合的深度。哪一条路会跑得更远，现在下结论为时过早，但可以确定的是——中国在这一轮里，第一次拥有了定义标准的话语权。
当然，中国的劣势也很明显。 Physical Intelligence 的π0 系列仍然是全球 VLA 的性能标杆，中国的银河星脑、 ERA-42 、 LingBot-VLA 虽然在追赶，但差距明显。这个劣势的历史根源在于——上一波 LLM 我们没做出 GPT-4 级别的产品，导致基础模型能力上的差距被延续到了具身领域。这个差距不是短期能追平的。
三个剧本最可能的剧本：分层共生，中美双轨。 未来 3—5 年内产业最可能的走向是"分层稳定+区域分化"。算力层由 NVIDIA 主导（可能出现华为昇腾在中国市场的部分替代）；仿真层由 NVIDIA + 光轮智能等本土玩家共存；数据层由觅蜂、光轮、无问智科等一批中国公司主导；本体层继续百花齐放；工程交付层由本地系统集成商主导。中国的具身产业以"垂直一体化+公共基础设施"为特征，快速在工业、物流、精密制造场景落地；美国的具身产业以"通用模型+工具栈"为特征，更多探索家庭、服务、研究场景。核心逻辑是——当技术复杂度超过任何一家公司能独立掌控的极限时，分工是必然的选择。
最危险的剧本： Sim-to-Real Gap 长期无解。 如果仿真数据始终无法覆盖长尾场景，整个"仿真为主+真机校准"的路径就会破产。那时候每一个新场景都需要重新做一次昂贵的真机数据采集，规模化复制变得不可能。具身智能会永远停留在"每个客户都需要定制"的项目制模式。今天融了几十亿的数据基础设施公司会面临巨大压力——他们的估值是建立在"数据可以规模化生产"这个假设之上的，一旦假设动摇，估值就要重新校准。
最乐观的剧本：世界模型突破，工程化底座上升为通用平台。 如果世界基础模型（ World Foundation Model ）在未来两三年内取得类似 ChatGPT-3.5 那样的突破，让 Sim-to-Real Gap 被大幅收窄，整个工程化底座会从"重资产的定制服务"上升为"轻资产的平台服务"。 NVIDIA 的 Cosmos 正在朝这个方向走，光轮智能的物理仿真引擎也在这个方向。如果这个突破发生，具身智能产业会像 2023 年之后的 LLM 产业一样进入爆发期，具身版的"iOS + App Store"生态会成型。
真正的护城河，从来都在算法之外四年前，如果有人告诉 Sam Altman"未来最有价值的 AI 公司不是做模型的，而是做数据基础设施的"，他大概率会不以为然。但 2025 年 6 月 Meta 砸 143 亿美元买 Scale AI 的时候，硅谷已经用真金白银承认了这件事。
同样，四年前如果有人告诉中国的具身创业者"未来最有壁垒的不是 VLA 模型，而是数据+仿真+评测+交付的组合能力"，大部分人也会觉得这是在讲小事。但 2026 年 3 月光轮智能成为全球第一个具身数据独角兽的时候，这件事已经不容争辩。
真正的壁垒从来都是"复合能力"，而不是"单点技术"。这一点从 PC 时代到互联网时代到移动时代，反复被证明。但每一代新技术出现的时候，人们总是先被单点技术吸引，然后花几年时间去发现——真正的护城河不在那里。
具身智能只是重演了这个规律。它的价值不在算法模型本身，而在把算法模型"翻译"到物理世界的整套系统性能力里。而这套能力的核心，就是一个能够让"采集-仿真-验证-评测-迭代"闭环持续运转的工程化底座。
过去几十年，从深度学习到大模型， AI 都在信息空间里取得了辉煌胜利——图像识别、自然语言、代码生成——这些任务的共同特点是"数据便宜、边界清晰、反馈快速"。但当 AI 试图进入物理世界，它遇到的是完全不同的规则——数据昂贵、边界模糊、反馈滞后。这就要求 AI 公司必须学会一件它过去从来不需要做的事：在物理世界的约束下做工程。
这不是简单的"多加一层工程团队"能解决的问题，而是需要把整个技术组织、产品逻辑、商业模式都重新设计一遍。
谁在这个底座上占据关键节点，谁就掌握了下一轮物理 AI 的入口。
按天配资提示：文章来自网络，不代表本站观点。
