文章核心观点 - 具身智能被视为一场“身体”与“灵魂”深度耦合的革命，其核心在于AI赋能，使机器从预编程转向自主决策适应，当前技术拐点已到来[1] - 尽管通用机器人面临空间理解与数据短缺的挑战，但在物流分拣等特定垂类场景的商业化落地已近在眼前[2] - 在产业早期，投资决策锚定顶尖团队与核心能力壁垒，并践行“两端投资”策略，以系统性布局关键节点并规避估值泡沫[3][5] 行业趋势与技术研判 - 具身智能行业的技术拐点已经到来，驱动力是人工智能在物理世界的落地，而非硬件形态改进[1] - 视觉-语言-行动（VLA）范式正在快速收敛，相关学术论文数量激增[1] - 行业面临两大核心挑战：前端模型的空间理解能力较差，以及机器人运动数据在丰富度和体量上均存在较大缺口，距离实现泛化尚有差距[2] - 在零售、物流分拣等特定垂类场景，具身智能预计在2025年能实现批量项目落地，例如解决软包物体形态各异的泛化抓取问题[2] 投资策略与布局 - 投资布局始于2023年下半年，当时“具身智能”对公众尚属陌生[1] - 采用“两端投资”策略：要么早期介入顶尖团队长期陪跑，要么后期投资已验证商业路径的成熟项目，对估值过高或商业闭环模糊的中期项目持谨慎态度[5] - 投资版图呈现系统性布局，覆盖机器人“大脑、小脑、肢体”等关键节点，被投企业包括银河通用、星海图、自变量、微分智飞、宇树科技、云深处、星动纪元、松延动力、泉智博等[3] 投资决策逻辑 - 锚定具有决定性的要素：人与核心能力壁垒[3] - 投资案例：2024年初投资星海图，看重其联合创始团队在自动驾驶领域的经验、顶尖学术背景及技术敏捷性，后续该团队展现出超预期的研发与工程化进度[3] - 投资案例：2025年投资自变量机器人，看重其在“数据管线”建设与管理上的深度积累，其统一端到端基础大模型基于零样本或少样本后训练已展现出良好的模型泛化能力，能较好完成复杂长程任务[3] 投后赋能与商业化支持 - 针对行业“数据稀缺”与“场景难入”痛点，通过主办赛事、对接教育及工业场景，为被投企业构建真实的数据采集环境[4] - 利用旗下融资租赁公司，为价格高昂的机器人产品探索“以租代售”的商业化路径，旨在帮助被投企业跨越从实验室到市场的难关[4]