行业现状与主要参与者 - 2025年市场热度空前高涨，多家公司估值从年初的十几亿迅速攀升至70至100亿，多家企业融资超过3轮，累计融资金额在5到10亿元之间 [1] - 国外代表性企业包括特斯拉的擎天柱机器人和Figure AI，国内第一梯队为杭州宇树科技和上海智元机器人，估值均已突破百亿，上市进展最快 [2] - 2025年国内获得融资的人形机器人公司已超过100家，其他知名企业包括北京星动纪元、银河通用、松延动力，杭州云深处、千寻智能，深圳逐际动力、众擎、优必选，以及广州小鹏机器人等 [2] - 行业发展仍处于第一阶段，以机器人本体研发为主，集中在硬件层面，竞争焦点在动作的流畅性、灵活性、步态仿生、手部操作等方面 [2] 当前面临的问题与挑战 - 商业化进程面临挑战，目前国内大多数人形机器人仍以展示、表演为主，动作多为预设或通过大量采集训练而得，缺乏类人的自主学习和延伸能力，“大脑”部分尚不成熟 [3] - 落地应用是行业核心痛点，关键在于谁能率先找到大规模应用场景，实现产品销售、收入和利润，形成自我造血能力 [3] - 首要应用场景预计将在工厂流水线、物流搬运等标准化环节，其核心优势在于能根据生产需求快速切换预设动作，显著降低调整成本与时间 [4] - 能承担工序衔接、半成品转运等任务，实现固定机械臂难以完成的跨区域协同作业，有望率先替代产线中从事重复性、固定操作的工人 [4] 未来发展趋势与投资机会 - 2026年行业将进入洗牌期，国内上百家人形机器人公司中，最终可能只留下10到20家，部分专注通用场景，部分深耕垂直领域 [6] - 硬件成本将进一步下降，灵巧手自由度提升、价格降低，无框电机、编码器、多维触觉传感器等核心零部件将持续迭代并降低成本 [5] - 更为关键的是“机器人大脑”的演进，即“世界模型”或“空间大模型”的发展，机器人需要具备空间感知与推理能力才能实现更高维度的智能 [5] - 未来能够胜出的公司包括两类：一类是将硬件成本控制到极致的本体企业，预计会有5到10家留存；另一类则是专注于“大脑”的软件公司，为行业提供通用的智能系统 [6] - 最有潜力成功的将是头部新能源汽车企业，它们拥有可迁移的自动驾驶技术、可落地的生产场景，并能通过机器人优化制造成本，大模型公司也可能成长为机器人“大脑”的核心供应商 [6] - 未来产业模式可能出现两类：一是车企打造的“硬件-软件-场景”闭环模式；二是独立的硬件公司与大脑供应商协同的供应链模式 [6] 产能与交付计划 - 特斯拉计划在2026年第一季度发布第三代擎天柱机器人，并建设百万台年产线，年底启动量产 [3] - Figure AI计划在2026年实现1.2万台的年产能，并逐步扩大至10万台 [3] - 国内企业如宇树科技、优必选、智元机器人等也已启动上市与量产计划，订单落地加速，例如优必选2026年的交付目标为2000至3000台 [3] 市场前景展望 - 全球有80亿人口，若每人需要3到5台机器人，部分用于工作，部分用于生活，那么全球将有300到400亿台的需求 [7] - 这将是一个远超手机和汽车行业的巨大市场，是人工智能最重要的落地场景之一 [7]

文章核心观点 - 具身智能（人形机器人）行业在2025年市场热度空前高涨，但当前仍处于以硬件本体研发为主的第一阶段，即将迈入以“机器人大脑”为核心的第二阶段 [2][3] - 行业面临商业化进程挑战与落地应用痛点，关键在于找到大规模应用场景实现自我造血，预计2026年将进入洗牌期，市场参与者将大幅减少 [5][8] - 人形机器人是人工智能最重要的落地场景之一，未来市场空间巨大，远超手机和汽车行业，有望深刻变革社会生活 [9] 行业发展现状 - **市场热度**：2025年，国内人形机器人市场热度空前，从春晚表演到全球首个人形机器人运动会，多家公司估值从年初的十几亿迅速攀升至70至100亿，多家企业融资超过3轮，累计融资金额在5到10亿元之间 [2] - **主要参与者**：国外代表性企业包括特斯拉的擎天柱机器人和Figure AI；国内第一梯队为估值突破百亿的杭州宇树科技和上海智元机器人，其他知名企业超过10家，2025年国内获得融资的人形机器人公司已超过100家 [3] - **发展阶段**：行业目前处于第一阶段，以机器人本体研发为主，竞争焦点集中在硬件层面的动作流畅性、灵活性、步态仿生与手部操作，产品实现基础运动与简单操作 [3] 行业面临的问题 - **商业化挑战**：当前国内大多数人形机器人仍以展示、表演为主，动作多为预设或通过大量采集训练而得，缺乏类人的自主学习和延伸能力，“大脑”部分尚不成熟 [5] - **落地应用痛点**：行业核心痛点是缺乏实际价值的大规模应用场景，无法形成销售、收入和利润的闭环，依赖融资生存 [5] - **领先者布局**：特斯拉基于其自动驾驶技术、自有工厂场景和Grok大模型形成闭环生态，计划在2026年第一季度发布第三代擎天柱机器人并建设百万台年产线；Figure AI计划在2026年实现1.2万台的年产能并逐步扩大至10万台 [5] 未来应用场景与发展趋势 - **首要应用场景**：预计将在工厂流水线、物流搬运等标准化环节，因其灵活性和移动性优势，能快速切换预设动作，降低调整成本与时间，有望替代从事重复性、固定操作的工人，成为柔性自动化的重要组成部分 [6] - **硬件趋势**：2026年硬件成本将进一步下降，灵巧手自由度提升、价格降低，无框电机、编码器、多维触觉传感器等核心零部件将持续迭代并降低成本 [6] - **软件（大脑）趋势**：更为关键的是“机器人大脑”的演进，即“世界模型”或“空间大模型”的发展，下一代大模型需具备空间感知与推理能力，以实现更高维度的智能，胜任需要环境交互的复杂任务 [6][7] 行业前景与投资机会 - **市场洗牌**：预计到2026年行业将进入洗牌期，国内上百家人形机器人公司中，最终可能只留下10到20家，部分专注通用场景，部分深耕垂直领域 [8] - **胜出公司类型**：未来能够胜出的公司分为两类，一类是将硬件成本控制到极致的本体企业（预计5到10家），另一类是专注于“大脑”的软件公司，后者可能成为行业中价值最高、利润最丰厚的环节 [8] - **潜在主导力量**：头部新能源汽车企业最有潜力成功，因其拥有可迁移的自动驾驶技术、可落地的生产场景，并能通过机器人优化制造成本；大模型公司也可能成长为机器人“大脑”的核心供应商 [8] - **产业模式**：未来可能出现两类产业模式，一是车企打造的“硬件-软件-场景”闭环模式，二是独立的硬件公司与大脑供应商协同的供应链模式 [8] - **市场空间**：全球有80亿人口，若每人需要3到5台机器人，全球将有300到400亿台的需求，这将是一个远超手机和汽车行业的巨大市场 [9]

文章核心观点 - 人形机器人行业在2025年市场热度空前高涨，但当前仍处于以硬件本体研发为主的第一阶段，即将迈入以“机器人大脑”发展为关键的第二阶段[1][2] - 行业面临商业化进程挑战与落地应用痛点，预计2026年将进入洗牌期，市场参与者将大幅减少，最终可能仅留存10到20家公司[3][5] - 人形机器人是人工智能最重要的落地场景之一，未来市场空间巨大，全球潜在需求可达300到400亿台，远超手机和汽车行业[6] 国内外主要参与者 - **国外代表企业**：特斯拉的擎天柱机器人和Figure AI是代表性企业[1] - **国内第一梯队**：杭州宇树科技和上海智元机器人估值均已突破百亿，上市进展最快[1] - **其他知名企业**：包括北京星动纪元、银河通用、松延动力，杭州云深处、千寻智能，深圳逐际动力、众擎、优必选，以及广州小鹏机器人等[1] - **行业规模**：2025年国内获得融资的人形机器人公司已超过100家[1] 行业发展阶段与现状 - **当前阶段**：行业处于第一阶段，以机器人本体研发为主，集中在硬件层面，竞争焦点在动作的流畅性、灵活性、步态仿生、手部操作等方面[2] - **阶段特征**：产品实现基础运动与简单操作，例如行走、拧螺丝等[2] - **人才背景**：国内创业者多为硬件工程师背景，专注于人工智能的企业尚未大规模进入该领域[2] 行业面临的问题 - **商业化进程挑战**：大多数人形机器人仍以展示、表演为主，动作多为预设或通过大量采集训练而得，缺乏类人的自主学习和延伸能力，“大脑”部分尚不成熟[3] - **落地应用痛点**：关键在于谁能率先找到大规模应用场景，实现产品销售、收入和利润，形成自我造血能力，而非依赖融资生存[3] - **国外企业进展**：特斯拉计划在2026年第一季度发布第三代擎天柱机器人，并建设百万台年产线，年底启动量产[3] - **国外企业进展**：Figure AI计划在2026年实现1.2万台的年产能，并逐步扩大至10万台[3] - **国内企业进展**：宇树科技、优必选、智元机器人等已启动上市与量产计划，例如优必选2026年的交付目标为2000至3000台[3] 潜在应用场景 - **首要应用场景**：预计将在工厂流水线、物流搬运等标准化环节[4] - **核心优势**：相比传统机械臂更具灵活性和移动性，能根据生产需求快速切换预设动作，显著降低调整成本与时间[4] - **任务范围**：能承担工序衔接、半成品转运等任务，实现固定机械臂难以完成的跨区域协同作业，有望率先替代产线中从事重复性、固定操作的工人[4] - **复杂场景**：家庭保姆等复杂场景仍需较长时间才能实现[4] 2026年发展趋势 - **硬件成本下降**：灵巧手自由度提升、价格降低，无框电机、编码器、多维触觉传感器等核心零部件将持续迭代并降低成本[4] - **“机器人大脑”演进**：更为关键的是“世界模型”或“空间大模型”的发展，机器人需要空间感知与推理能力才能实现更高维度的智能[5] - **行业进入洗牌期**：不再像2025年那样几乎所有公司都能获得融资，国内上百家人形机器人公司中，最终可能只留下10到20家[5] 未来胜出公司类型与产业模式 - **胜出公司类型**：一类是将硬件成本控制到极致的本体企业，预计会有5到10家留存；另一类则是专注于“大脑”的软件公司，为行业提供通用的智能系统[6] - **软件公司价值**：专注于“大脑”的软件公司很可能成为行业中价值最高、利润最丰厚的环节[6] - **潜在进入者**：大型科技企业大多仍在观望，待市场成熟后可能会快速入场，最有潜力成功的是头部新能源汽车企业[6] - **潜在进入者逻辑**：头部新能源汽车企业拥有可迁移的自动驾驶技术、可落地的生产场景，并能通过机器人优化制造成本[6] - **潜在供应商**：大模型公司也可能成长为机器人“大脑”的核心供应商[6] - **产业模式**：未来可能出现两类产业模式，一是车企打造的“硬件-软件-场景”闭环模式；二是独立的硬件公司与大脑供应商协同的供应链模式[6] 市场热度与融资情况 - **市场热度**：从2025年春晚宇树科技的机器人舞蹈引发热潮，到全球首个人形机器人运动会，再到全国各大城市纷纷开展人形机器人大赛，市场热度空前高涨[1] - **估值变化**：不少公司估值从年初的十几亿，迅速攀升到70至100亿[1] - **融资情况**：2025年，多家企业融资超过3轮，累计融资金额在5到10亿元之间[1]

空间大模型技术发布 - 公司正式发布新一代空间语言模型SpatialLM 1.5和空间生成模型SpatialGen 并宣布延续开源战略逐步向全球开发者开放模型 [1] - 空间大模型技术体系专注于3D室内场景认知与生成 围绕真实感全息漫游 结构化可交互及复杂室内场景处理三个方向构建优势 [1] - SpatialLM 1.5基于大语言模型训练 让模型学会"空间语言" 能以数字文本精确描述场景物体的空间结构 几何信息 相互关系及物理参数 [1] 模型功能与应用 - SpatialLM通过对话系统SpatialLM-Chat实现文本指令生成结构化3D场景脚本 智能匹配家具布局 支持自然语言场景问答与编辑 [1] - 模型具备机器人场景应用潜力 例如输入"去客厅餐桌拿药"指令后 模型理解物体对象并调用工具自动规划行动路径 [1] - SpatialGen是基于扩散模型架构的多视角图像生成模型 可根据文字 参考图和3D空间布局生成时空一致性的多视角图像 [2] 技术突破与行业价值 - SpatialLM 1.5能快速批量生成多样化场景 解决机器人训练数据不足难题 直接用于路径规划 避障和任务执行训练 [2] - SpatialGen通过生成空间属性和物理关系一致的多视角图像 进一步生成3D高斯场景 渲染可自由漫游视频 解决AIGC视频时空一致性难题 [3] - 公司正在研发深度融合3D能力的AI视频生成产品 计划于年内发布 [3] 战略布局与数据基础 - 空间智能战略核心是"空间编辑工具-空间合成数据-空间大模型"构成的飞轮 通过工具沉淀数据 利用数据训练模型 再以模型反哺工具 [3] - 截至2025年6月30日 公司拥有超过4.41亿个3D模型及超过5亿个结构化3D空间场景 [3] - 自2018年起逐步开放数据和算法能力 当前通过开源与全球开发者共同推动空间大模型技术发展 [3] 开源计划 - 两款模型将陆续在Hugging Face GitHub和魔搭社区等平台开源 [4] - SpatialGen在技术开放日当天已开放下载 SpatialLM 1.5未来将以"SpatialLM-Chat"形式完成开源 [4]

世界模型技术发展现状 - Google DeepMind发布Genie 3 世界模型 与OpenAI开源模型形成竞争[2] - 世界模型分为两类流派：Sora类视频模型基于2D图像序列模拟数字世界 Genie 3属于此类 另一类是李飞飞World Labs倡导的基于3D场景还原的大型世界模型[4][5] - 当前两类模型存在落地问题：视频模型因缺少3D维度导致空间一致性不足 3D模型因数据短缺导致视角切换时出现崩坏[6] 群核科技空间大模型技术突破 - 公司发布业界首个3D室内场景认知与生成空间大模型 开源SpatialLM 1.5空间语言模型和SpatialGen空间生成模型[6] - SpatialGen采用多视角扩散+3DGS重建技术 生成可自由漫游的真实3D空间 支持任意视角切换和路径漫游 实现100%光影一致性[8][14] - SpatialLM 1.5基于大语言模型训练 支持通过对话生成结构化场景脚本 智能匹配家具布局 10秒内可生成1000个不重复场景[10][11] - 模型依托自研CAD引擎和KooEngine光线追踪技术 支持参数调整并达到影视级材质质感[15] 数据与技术优势 - 公司通过酷家乐平台积累超4亿个3D模型及5亿个结构化3D空间场景[18] - 2018年发布全球最大室内深度学习数据集InteriorNet 含数万套标注物体坐标和空间关系的场景数据[18] - 2025年开源3D高斯语义数据集InteriorGS 首次将3D高斯技术引入AI训练 降低数据存储成本[18] - 形成工具-数据-模型三位一体飞轮：工具层生成结构化数据 数据层提供高质量标注 模型层实现跨越式进化[18][19] 应用场景与商业化前景 - 解决AI短剧行业痛点：传统工具存在场景不连贯和制作效率低问题 空间大模型可保证全场景物理一致性[20][21][22] - 支持机器人训练场景：自动生成带物理参数和空间关系的3D数据 为具身智能提供结构化信息[11][41] - 电商3D展厅应用：消除视角切换时物体尺寸不一致等穿帮问题 提升虚拟场景可用性[20] - 内部推进X项目：基于3D技术的AI视频生成产品 计划2025年内发布 通过3D渲染与视频增强一体化解决空间一致性问题[24] 技术实现路径 - SpatialLM 1.5基于Qwen3底模训练 采用空间语言描述3D信息 与CAD领域语言兼容[27][28][33] - SpatialGen基于扩散模型训练 使用自研渲染引擎生成的多视角图片数据[33] - 资产库与模型解耦设计 支持调用第三方资产库 确保开源兼容性[37] - 通过数据规模扩展提升空间一致性 遵循scaling law演进规律[39] 发展阶段与挑战 - 当前空间大模型处于类似GPT-2阶段 具备基础生成和交互能力 但未达到通用水平[20][42] - 主要挑战在于3D数据获取难度：无法通过互联网快捷获取 需依赖工具生成或实地扫描[31] - 未来演进方向：探索从文本直接到3D表征的技术路径 提升视觉效果与一致性的平衡[40]

核心观点 - 群核科技发布空间大模型 专注于室内场景并解决空间一致性痛点 与主流视频生成和3D场景生成路径形成差异化 [2][7][50] - 空间大模型通过真实感全息漫游 可交互性和复杂空间处理能力 推动AI从二维向三维空间智能演进 [11][13][50] - 行业处于早期发展阶段 类似GPT-2阶段 面临数据稀缺 场景复杂和交互泛化三大挑战 群核通过三位一体技术战略构建闭环生态 [32][35][42] 技术路径对比 - 视频生成派以Genie 3为代表 生成动态交互内容但本质为二维序列仿真 难以保证三维空间一致性 [5] - 3D场景生成派以World Labs和混元为代表 支持360度漫游但受限于高质量3D数据 易出现场景崩坏和穿帮 [5] - 群核原生空间智能路线深耕三维室内场景 构建具精确几何 物理属性和语义关系的数字孪生空间 [50] 模型能力特点 - SpatialGen基于扩散模型架构 通过文字描述 参考图像和3D布局生成多视角图像 采用3D高斯重建技术还原场景 [15] - SpatialLM1.5定义空间语言概念 用坐标轴描述物体位置 形状 姿态和物理属性 支持精准空间生成与编辑 [19][21] - 模型具备复杂任务处理能力 如基于自然语言指令生成三维空间并摆放家具 或通过AI Agent框架完成路径规划 [30][31] 行业挑战 - 室内空间数据稀缺且获取成本高 受隐私合规和环境多样性约束 规模化数据积累困难 [36][37] - 室内场景结构复杂 物体分布与功能逻辑异构性强 需深层认知理解如承重特性和几何稳定性 [39] - 交互任务需动态环境感知 物理常识推理与多步任务分解 现有模型缺乏动作后果预测和意图理解能力 [40][41] 群核技术战略 - 三位一体闭环包含空间编辑工具 空间合成数据和空间大模型 工具沉淀数据 数据加速模型迭代 模型提升工具体验 [42][45] - 拥有全球最大室内空间数据集InteriorNet 包含4.41亿个3D模型和超5亿个结构化3D空间场景 [45] - 基于技术飞轮开发可控视频生成工具 融合SpatialGen 自研渲染引擎KooEngine与DIT架构 计划年内发布产品 [47][48][49] 开源与生态建设 - 开源SpatialLM1.5和SpatialGen子模型 降低技术门槛并吸引开发者共同应对行业挑战 [14][52] - 通过开源推动构建以空间语言为核心的标准和生态 加速数据沉淀与技术迭代 [52] - SpatialLM 1.0曾登Hugging Face趋势榜前三 已有初创企业基于其代码训练自有模型 [52]

核心观点 - 群核科技在首届技术开放日上发布新一代空间语言模型SpatialLM 1.5和空间生成模型SpatialGen 旨在通过开源推动全球空间智能技术发展[3] - 公司基于酷家乐平台构建"空间编辑工具-空间合成数据-空间大模型"的飞轮模式 通过工具沉淀数据并加速模型训练[4] - 开源是公司核心战略之一 自2018年启动开源计划 希望成为全球空间智能服务提供商[4] 技术成果发布 - SpatialLM 1.5是基于大语言模型训练的空间语言模型 支持通过对话交互系统实现端到端可交互场景生成[4] - 模型能输出包含空间结构、物体关系、物理参数的"空间语言" 根据文本描述自动生成结构化场景脚本并智能匹配家具布局[4] - 生成场景富含物理正确的结构化信息 可批量输出多样化场景用于机器人路径规划、避障训练等应用 解决训练数据短缺问题[6] - SpatialGen是基于扩散模型的多视角图像生成模型 可根据文字描述、参考图像和3D布局生成时空一致的多视角图像[7] - 支持生成3D高斯场景并渲染漫游视频 用户可自由穿梭生成场景获得沉浸式体验[7][8] 数据资源与技术优势 - 截至2025年6月30日 公司拥有超过4.41亿个3D模型和超过5亿个结构化3D空间场景[4] - SpatialGen数据集包含12,328个场景和100万个物体 使用全景视频格式[9] - 相比传统大语言模型 空间大模型在真实感全息漫游、结构化可交互及复杂室内场景处理方面具有显著优势[3] 开源与行业影响 - SpatialLM 1.0于2025年3月开源后迅速登上Hugging Face趋势榜前三 已有初创企业基于其代码训练自有模型[6] - 两款模型将逐步在HuggingFace、GitHub、魔搭社区等平台面向全球开发者开源[10] - SpatialGen在技术开放日当天已可在开源网站下载使用 SpatialLM 1.5将以"SpatialLM-Chat"形式完成开源[10] AI视频生成解决方案 - 基于SpatialGen探索AI视频生成解决方案 通过新范式解决时空一致性难题[3] - 正在研发基于3D技术的AI视频生成产品 计划2025年内发布 可能是全球首款深度融合3D能力的AI视频生成Agent[9] - 通过构建3D渲染与视频增强一体化生成管线 弥补当前AIGC视频生成中时空一致性不足的问题[9]