公司融资与股东结构 - 公司于近期完成超2亿美元新一轮融资，投资方包括顺丰集团、红杉中国、IDG资本、中金资本等，以及科捷智能、工银资本、联通资本、东风产投等多家产业方[4] - 此前，公司于3月完成了10亿元人民币战略轮融资[4] - 公司股东阵容豪华，集齐了高瓴资本、鼎晖VGC、红杉中国、IDG资本等顶级财务资本，并成为获得产业资本加持数量最多、跨界阵容最豪华的具身智能企业[4] - 产业资本覆盖多个领域：物流供应链（顺丰、科捷智能）、整车制造（吉利资本、北汽、东风产投）、消费电子与家电（联想、海尔、三星集团）、通信与数字基建（联通资本、工银资本），以及互联网（阿里）、多元实业（世纪金源）和跨国企业（新加坡电信、韩国友利金融集团）[4] 公司技术与研发 - 公司是少有的大脑、运控、数据、灵巧手和人形本体均为全栈自研的具身智能企业，构筑了技术壁垒[6] - 公司技术迭代围绕“世界模型”展开，依托自研Era-42模型，将VLA模型与世界模型深度结合，强化机器人对物理环境的预判与动态调整能力[9] - 模型迭代路径清晰：从基础世界模型，到实现画面与动作同步预判的VPP模型，再到语言视觉协同决策的UP-VLA模型，后续通过数据仿真器训练并联合斯坦福团队推出VLAW模型修正物理仿真偏差[9] - 公司在全球具身操作赛事中成绩突出：2月末获Worldarena具身任务全球第一；4月初在全球难度最高的真机灵巧操作比赛Benjie's Olympics中，包揽剥橘子、开锁、翻袜子三项任务全球第一，打破了Physical Intelligence保持的纪录[9] - 创始人陈建宇兼具大模型和硬件背景，公司成立之初便走上软硬一体的道路[10] 商业化落地与运营 - 公司已与顺丰集团、中国邮政深度合作，批量进驻华北、华东、华南区域的10多个物流中心，完成了PMF初步验证[6][14] - 在部分高温、潮湿等恶劣环境下，机器人效率已接近人类水平，部分实现24小时不间断作业的常态化运营[6] - 在部分物流中心，机器人的工作效率已超过人类水平的85%，且能24小时稳定运行[14] - 公司已在2026年第二季度开启千台级机器人批量交付，业务增速高达300%[6][15] - 公司是业内首个打通物流领域具身智能商业化闭环的企业[14] - 除物流外，公司已完成汽车制造、3C电子、商业服务等场景探索，与吉利、雷诺、海尔、联想、三星等企业深度合作[15] - 公司早期依靠灵巧手等标准化硬件产品创造了一部分营收，发展策略偏向务实[18] 行业趋势与竞争格局 - “世界模型”已成为具身智能赛道的核心技术潮流，正从纯语言理解向可感知、可预判、可适配物理世界迭代升级，技术门槛大幅提升[8] - 目前世界模型技术路线存在明显分化，多条路径并行探索，短期难以形成统一标准，预计未来两到三年会逐步融合收敛[8] - 行业发展重心正从参数比拼和能力演示，转向软硬件适配、系统打通、人效对标等务实维度，“真干活”成为最重要的评估指标[14] - 物流场景因半结构化程度高、重复性劳动密集且降本需求迫切，成为不少具身智能企业落地的首选试验田[14] - 2026年头部具身企业均已进入商业化落地关键阶段，近期融资企业均同步披露了场景落地进展[18] - 当下估值突破100亿的具身公司已超过10家，数家公司已排队港交所上市[18]

文章核心观点 - 具身智能行业的发展路线正从以硬件本体能力竞赛的“上半场”，转向以“大脑”（即通用具身大模型）为核心的“下半场”，后者被视为决定未来估值天花板的关键 [7][8][32] - 以宇树科技为代表的“硬件原生”路线，其通过自研建立的硬件优势可能因供应链成熟而被快速抹平，面临“内卷”风险，公司正试图通过加大AI研发投入进行转型 [9][13][16][17] - 以它石智航为代表的“AI原生”路线，将核心资产定义为可复用的通用具身大模型，其商业模式边际成本趋近于零，潜力巨大，正获得资本的高度青睐 [20][23][30][31] - 具身智能大模型的开发在数据规模、模型体量和场景验证上均面临极高挑战，但成功者有望占据类似操作系统级的生态位 [30][31] 行业事件与数据表现 - 2026年北京亦庄人形机器人半程马拉松赛上，荣耀“闪电”机器人以50分26秒的净用时夺冠，大幅领先人类男子半程马拉松世界纪录（57分20秒）[1] - 宇树H1（2023年改版）自主跑完1.9公里多弯道赛程用时4分13秒，按比例计算已打破人类1500米世界纪录 [2] - 2026年前三个月，具身智能行业融资事件接近200起，融资规模已超300亿元，达到2025年全年近六成 [4] - 2026年4月16日，它石智航完成4.55亿美元Pre-A轮融资，创下中国具身智能有史以来最高单轮融资纪录 [4] 宇树科技路线（硬件本体路线）分析 - 公司过去十年专注于硬件本体研发，其H1人形机器人曾创下每秒3.3米的全尺寸人形机器人速度世界纪录，潜在速度超5m/s [10] - 在春晚舞台上实现了多项全球首次技术突破，如连续花式翻桌跑酷、弹射空翻（空翻最大高度超3米）等 [10] - 公司年营收超过17亿元，但研发投入仅约9000余万元，占营收比例不到10%，在机器“大脑”开发上投入甚少 [15] - 荣耀“闪电”机器人从立项到在马拉松成绩上大幅超越宇树，用时不到一年，凸显了硬件供应链成熟后，单纯硬件优势的壁垒可能被快速跨越 [12][13] - 公司创始人认为机器人硬件能力已足够，但行业具身智能大模型未达阶段性突破，导致应用停留在娱乐表演层面 [14] - 为补足短板，公司拟投入超过20亿元用于智能机器人模型研发，试图从硬件内卷转向聚焦“大脑” [16][17] - 公司传统商业模式类似制造业，客户主要为科研机构和租赁商家，在供应链成熟后，产品稀缺性和高毛利可能难以为继 [30] 它石智航路线（AI模型路线）分析 - 公司以通用具身大模型为核心，坚持AI原生逻辑，将核心资产定义为模型而非硬件 [7][30] - 在2025年初的商业计划书中就明确了“造一个真正能干活的大脑”的目标，并坚持三条非主流路径 [21] - 技术路径包括：拒绝遥操作与纯仿真，坚持Human-centric真实世界数据范式；不走VLA套壳路线，提出AWE架构，强调“世界模型 × 动作生成”的协同；主动选择高难度高价值场景进行落地验证 [22][23] - 具体成果包括：开源全球首个具身VLTA多模态数据集WIYH；发布全球首个能干活的通用具身大模型AWE3.0，支持视觉、语言、触觉、动作四模态统一输入 [24] - 在高难度的柔性线束装配场景中，创造了1小时内完成百余次任务的吉尼斯世界纪录 [26] - 其商业模式类似于操作系统，模型一旦训练完成可在整个行业应用，边际成本无限趋近于零，潜力巨大 [30] - 开发具身大模型面临巨大挑战：所需具身原生数据规模约是自动驾驶的10倍以上，基础模型体量约是自动驾驶的3到4倍；当前已有数据量与所需数据量之间至少还差两个数量级 [31] 路线对比与行业趋势判断 - 两种路线本质上是“先有本体再嫁接大脑”与“同时自研本体和大脑”的行业认知对撞 [30] - 市场资本正用资金投票，判断“具身大脑”比“具身本体”更值钱，重脑公司获得巨额融资 [20][21] - 身体的竞赛已成为上半场，大脑的竞赛刚刚开始，后者将影响行业的估值天花板 [8][32]

中国股权投资一级市场现状 - 市场出现显著分化，硬科技赛道成为关注度与“吸金”的绝对主力[3] - 2021年至2025年间，机器人、新材料、航空航天等硬科技行业融资实现翻倍甚至数倍增长，而二手电商、服装服饰、母婴用品等赛道融资金额下降超90%[3] - 2025年机器人行业融资额高达587.76亿元，2021-2025年间其融资事件和融资数量分别增长了299.36%和195.91%[3] 市场分化表现与影响 - 2019年后，超过5万家企业未发生后轮融资，这些企业集中在文娱、金融和传统制造等行业[6] - 不同领域企业融资间隔差异巨大，动漫游戏类企业B轮到C轮融资间隔一度长达7年，而核聚变、具身智能等硬科技公司融资速度极快[6] - 热门赛道可能反向“绑架”投资机构，出现要求承诺下一轮投资甚至支付定金才能进入投资者名单的情况[6] - 资金大量涌向单一赛道并形成极致“内卷”，被视为一级市场逃不开的周期律[6] 投资周期与核心逻辑 - 创投行业周期受科技发展、宏观环境、资本市场、人才及创业等多重周期影响[7] - 人工智能被视为一个将持续未来30至50年的超长周期，当前市场和商业落地仍处早期，新业态、新范式有大量空间，投资机会将越来越多、越来越广[7] - 投资机构需从长远视角出发，核心任务是找到并支持能够穿越周期、成为行业龙头的企业，而非关注短期情绪波动[8] 投资策略与风险认知 - 基金管理人需明确自身要赚取哪方面的回报，需兼顾长期价值与为LP交付回报[7] - 当前许多热门赛道估值可能处于阶段性高点，泡沫比较明显，需警惕未来退出时可能面临低谷期的风险[8] - 投资视野不应局限于狭隘的热门赛道，AI技术对传统行业的改造将带来更广泛的机会[8] - 市场存在泡沫被视为有生命力的表现，上行曲线是指数型的，AI与政策是最大的杠杆[8]

公司融资里程碑 - 它石智航完成4.55亿美元（超30亿人民币）Pre-A轮融资，刷新了中国具身智能领域的最大单笔融资纪录[3] - 公司此前在2025年上半年完成的天使轮及天使+轮融资合计超过2.4亿美元（超16亿人民币），同样是行业天使轮纪录保持者[7] - 本轮融资后，公司估值领跑行业第一梯队，自2025年2月成立以来，估值曲线非常陡峭[7] 投资方阵容分析 - 本轮融资为标准的club deal，资方数量多且人均出资额高，囊括财务投资、战略投资、产业资本、国有资本四大类型[5][6][7] - 高瓴创投与红杉中国联合领投，这是两家头部机构首次联合领投一家具身智能公司，信号意义强烈[7] - 美团战投作为基石战略股东重额加注并联合领投，同时启明创投、线性资本等所有天使轮老股东均进行了超额跟投[6][7][8] - 产业资本如TCL产投、孚腾资本等，以及国有资本如北京机器人产业发展投资基金、上海国投先导首次联合投资具身智能公司[6] 公司核心竞争力与业务进展 - 创始团队背景顶尖，创始人陈亦伦为清华及密歇根大学博士，核心团队均来自国内头部硬件大厂的自动驾驶、机器人等板块[11] - 公司将创业时首版商业计划书逐条兑现，甚至在部分层面远超预期，展现了极强的技术前瞻性和团队执行力[12] - 在数据采集层面，公司搭建了Human-centric数据采集范式和SenseHub数采设备，规模化采集真实数据，并开源了全球首个真实世界多模态数据集[12][19] - 在模型层面，公司发布了全球首个能干活的通用具身大模型AWE3.0，创新性提出AWE架构，强调“世界模型 × 动作生成”的深度联动[12][19] - 在商业落地层面，公司攻克了精密线束装配垂直场景，其A1机器人于2026年3月10日成功获得“机器人在一小时内装配亚毫米级线束最多次数”的吉尼斯世界纪录[12] 技术路线与战略选择 - 公司坚持数据、模型、硬件的全栈自研路线，追求大脑和本体一体化，旨在建立更高的技术壁垒和天花板[19] - 在技术路径上，公司没有盲从主流的VLM+Action范式，而是提出了创新的AWE架构，从结构上统一感知、决策与行动[19][20] - 公司选择直接对齐真实物理世界，拒绝遥操作与纯仿真的捷径，坚持通过以人为中心的真实世界数据范式来训练模型[19] - 在商业化场景选择上，公司未追逐如文娱表演等显性、快速的场景，而是直接攻坚高难度、高价值、可规模化的工业场景，如精密线束装配[20][21] 行业趋势与公司地位 - 具身智能行业融资虽热，但投资分化趋势明显，更多资金流向产业链上游的“卖水人”环节，全栈具身智能成为勇敢者的游戏[8] - 它石智航的连续破纪录融资，体现了资本对顶尖团队的认可，更标志着具身智能行业正进入硬核工业化落地的强趋势[23] - 公司对To C场景的落地持积极态度，预判业内普遍认为需要五年的“GPT时刻”可能会在两年到三年内到来[23]

公司概况与融资 - 智域基石是一家聚焦具身智能数据基础设施的公司，致力于将物理世界中的原始数据转化为高质量训练输入 [2] - 公司成立不足4个月，已完成数千万元天使轮融资，投资方包括灵初智能、穹彻智能、浙江人形、智平方、小苗朗程等产业与投资机构 [2] - 成立不足4个月，公司已获得近亿元在手订单，其认可度来自资本市场和具身智能一线产业方，部分产业投资方同时也是其客户 [9][10] 行业痛点与公司定位 - 具身智能赛道持续升温，但能在真实场景中稳定落地、规模化复用的案例仍然稀缺 [4] - 行业核心问题在于数据体系与产业组织方式未成熟，数据具有多模态、强时序、强任务约束、强环境依赖等特征，且分散在不同主体手中，存在采集分散、加工割裂、标准不一、复用效率低等问题 [5] - 行业稀缺的是可持续供给的高质量训练输入，而非更多原始数据 [6] - 智域基石定位为具身时代的数据入口与训练输入基础设施，旨在重构数据生产关系，推动行业从“采数据”走向“做能力” [2][8] 核心技术：数据编译体系 - 公司构建了一套完整的数据编译体系，覆盖采集、质检、底座重构、编译、检索、交付等关键环节 [6] - 目标是将零散、异构、难复用的场景数据，沉淀为可持续生产的训练输入能力，而非一次性数据交付 [6] - **采集环节**：体系化布局真机数据、遥操作数据、第一人称数据（Ego-Centric）、仿真数据等多源异构数据 [6] - **质检环节**：对多模态数据进行全量质量检查，剔除低质量样本，提升训练输入的有效密度 [6] - **底座重构环节**：引入数据湖仓架构，对复杂异构数据进行统一组织、对齐与管理，使数据可组织、可追踪、可计算 [6] - **编译环节**：将图像、空间、动作、环境等信息抽取、结构化和任务化重构，转化为机器人训练可消费的高质量输入，是公司最核心的能力之一 [6] - **检索环节**：针对特定场景、任务、失败模式快速定位高价值样本，提升训练与迭代效率 [6] - **交付环节**：强调能力沉淀，通过标准化封装、任务化组织和持续反馈机制，使每次交付都反过来强化数据编译体系本身，形成更快、更稳、更具复用性的供给能力 [7] 投资方评价与团队优势 - **穹彻智能**：认为公司价值在于将分散的场景需求沉淀为可标准化、可加工、可持续复用的数据资产，其复合型团队能帮助机器人能力训练与实际应用建立顺畅连接 [11] - **灵初智能**：认为公司能提供高质量的数据全生命周期服务，团队具备构建稳定数据入口和自动化“编译”数据的能力，能在模型迭代和场景部署上形成高度协同 [11] - **浙江人形**：认为公司复合型团队能深入工业现场，打通从数据入口、加工处理到终端场景验证的完整链路，具备面向工业落地的系统能力 [11] - **智平方**：认为公司核心优势在于能把真实场景中的数据采集、加工和终端反馈闭环持续跑通，团队既懂场景又懂数据运营 [11] - **小苗朗程**：认为具身智能竞争正转向有效训练数据供给效率的比拼，公司作为赛道中立的第三方基础设施，切中了核心痛点，团队同时具备技术能力、商业前瞻性与阶段性落地思考，形成了难以快速复制的壁垒 [11] 未来发展规划 - 公司正持续推进多源数据基础设施建设，计划在全国建设总面积超一万平方米的真机数据采集工厂 [12] - 计划部署超过400台机器人，覆盖10种以上异构硬件形态，预计于2026年内积累超过200PB异构数据 [12] - 公司正进一步布局人类数据（Ego-Centric）能力，并自研相关设备，从本体、工具、物体与环境等多个维度采集更高信息密度的数据 [12] - 未来，该类自研设备也将逐步在东南亚地区展开部署，面向国内及北美市场提供服务 [12] - 整体方向是继续围绕重构具身智能数据生产关系，打磨数据编译体系，推动各方形成更高效的协同网络，加快高质量训练输入的产业化供给 [12]

行业核心痛点与机遇 - 当前具身智能行业面临的核心挑战是数据质量而非数据量 许多公司因数据噪声过大而无法观测到尺度定律(Scaling Law)的效应 行业工作重心已从80%在模型算法转变为80%在数据上[3] - 物理世界数据未经编译 机器无法自动从世界中习得能力 人类经验也无法自然流入机器 中间需要繁琐的人工采集、转译与组织链路 导致模型迭代周期长达数月甚至数年[3] - 行业已进入不缺原始数据的阶段 但极度缺乏能有效提升任务成功率的训练输入 大量原始数据存在丢帧、曝光异常、动作无效、传感器不同步等问题 直接用于训练会浪费算力并导致模型表现糟糕[12] - 物理世界数据的多模态、强耦合、异步采样特性 以及缺乏语义的本质 使得从原始数据到可用训练输入的加工过程异常复杂 远超简单的清洗或标注[16] - 当数据量级达到万亿小时 数据处理各环节的成本将迅速失控 传统的“堆人”方法无法承受 同时 打通从数据采集到模型部署的反馈闭环是另一大障碍 因为每个真实生产现场都是信息孤岛[17] - 解决上述问题需要构建跨学科能力 团队需同时懂机器人、大数据、云原生并能实现闭环 这种复合型能力在行业内非常稀缺[18] - 行业的巨大机遇在于 谁能将混沌的物理世界数据转化为结构清晰的训练输入并构建反馈闭环 谁就有机会填补物理世界与模型之间的缝隙 并站上基础设施级的增长快车道[3] 公司“智域基石”概况 - 智域基石是一家成立仅三个月的新公司 已获得灵初、穹彻、浙江人形、智平方、小苗朗程的投资 在手订单金额近亿元[4] - 公司创始团队具备稀缺的复合型能力 CEO杨哲轩拥有开源分布式数据库工程经验 两位CTO分别精通机器人从实验室到量产的完整周期以及大规模数据编译与云原生架构 COO张计业擅长生态构建与产业落地[20] - 公司的股东看中其团队“懂场景、懂数据、懂落地”的稀缺能力 认为它是具身智能产业中极具战略价值的合作伙伴[21] - 公司致力于将数据编译从“手工作坊”升级为“自动化产线” 目标是成为模型与原始数据之间不可或缺的基础设施层[22] 核心解决方案：“数据编译”管线 - 公司提出“数据编译”概念 旨在为物理世界高熵、异步、多模态的原始数据建立自动化“精炼管线” 通过去噪、对齐、拆解为“技能原子”并打上语义标签 让算法理解物理规律与动作意图[5] - 数据编译管线共分五层 构成一套系统化能力[24] - **第一层：质检** 采用自研的Ego-Centric采集设备获取最全最原始的感知与环境数据 并坚持全量自动化质检 通过云原生分布式架构与算法手段将单位质检成本控制在显著低于传统人工流程的水平[24][25] - **第二层：底座** 将多源异构数据流锚定到统一的时空坐标系 在底层实现超大规模异构数据的统一纳管与毫秒级时空对齐[25] - **第三层：编译** 将连续动作流拆解为带有明确意图与物理约束的“技能原子” 并打上标签、建立版本与溯源关系 是技术密度最高的环节[26] - **第四层：检索** 通过自研检索引擎 让工程师能以类似SQL的方式从海量数据中精准调用符合条件的技能片段 变革了交付效率与商业化规模上限[26] - **第五层：交付** 将数据产品化 提供标准化、版本化的数据集 支持云端接口调用或高吞吐物理介质离线交付等弹性交付方式[27] - 公司通过构建这套“数据炼化体系” 旨在解决从原始数据到训练输入整条链路尚未稳定、可复用、可持续运转的行业根本问题[17][27] 商业模式与战略闭环 - 公司商业模式清晰分为三个阶段[31] - **早期**：通过自建采集能力和设备获取高质量数据源 以定制化数据交付切入客户 完成冷启动和现金流积累 - **中期**：将沉淀的动作和场景抽象为标准化数据资产 以订阅方式持续供给 实现数据复用和规模化变现 - **远期**：开放能力 通过API和生态 从“数据供应商”升级为“数据基础设施” - 公司构建了更完整的业务闭环 与地方政府合作在真实工业场景建数据采集工厂 协同本体、模型伙伴共同采集数据、训练模型 并将训练好的模型部署到场景中获取反馈 此过程涉及复杂的数据入口权和加工权协调 展现了公司技术之外的整合能力[29] - 与传统数据采集/标注方式相比 公司的数据编译基础设施方式在质量控制、语义能力、检索能力、可复用性、成本结构和反馈闭环等方面均具有显著优势[30] 行业终局观与公司定位 - 公司认为未来的数据终局不会是单一模型路线的胜利 而是三层数据、三段训练闭环的合流[34] 1. 人类数据(Ego-Centric)形成世界规律认知底座 2. 异构真机数据完成世界先验到具体本体的对齐 3. 部署反馈闭环磨炼出可靠性 - 真正的终局是能同时打通“真实世界持续数字化”、“世界先验迁移到不同本体”、“部署反馈稳定回流”这三件事的基础设施[34] - 公司的战略定位是路线中立的数据层能力建设者 致力于将三层数据稳定、高效、可复现地编译成每一代模型都能消化的训练输入 无论未来主流范式如何演变[36] - 公司的终极目标是在物理世界、模型与机器人本体之间 搭建一个不同技术路线最终汇流且难以绕开的基础设施层[37]

公司融资与战略定位 - 全球AI数字厨房解决方案领导者BOTINKIT不停科技宣布连续完成B+与B++两轮融资，总融资金额近5000万美元 [1] - 融资由某全球顶级长线资本和某产业资本领投，数位老股东超额跟投 [1] - 公司致力于打造“世界上最好的厨师”，将烹饪视为Physical AI时代的超级垂直场景，其市场规模甚至有望超过出行 [2] - 公司正在构建数字美食世界的基础设施，其长久壁垒在于场景、数据和生态 [2] 行业背景与公司愿景 - 人类文明正迎来AI及具身智能的全面爆发，机器人将服务于衣、食、住、行等最普适的需求场景 [2] - 烹饪场景与驾驶场景类似，是高度依赖专有数据和专有硬件的垂直领域超级场景 [2] - 资本重注是对公司发展路径、专有场景及真机数据飞轮、软硬件技术壁垒、全球领先独特身位的集体投票 [2] 技术解决方案与数据壁垒 - 公司搭建了一套主被动协同、多模态融合的真机数采体系 [3] - 通过意图感知与控制引擎，实现对人类烹饪习惯与全流程烹饪行为数据的主动式采集 [3] - 通过视觉模组，完成对烹饪过程中食材变化的视觉感知数据被动式采集 [3] - 通过全球化内容生态搭建，加强数据在质量、数量、多样性上的均衡 [3] - 模型训练能提升机器人在烹饪场景的物理操作能力，使其具备感知、决策、执行能力，能自适应不同食材、动态调控火候 [3] - 数据也为生成式AI和FSC提供核心养料，使机器人大脑逐步构建超越人类的烹饪创作能力 [3] - 烹饪和饮食是兼具高复杂度、高普适性、高商业价值的超级场景，其专业级、全球多样性、多模态、高质量的场景独占具有极高行业门槛和重大战略意义 [2] 商业化进展与市场影响 - Disneyland、Jollibee、Walmart、Rewe、Foodstuffs、Uncle Roger、LSG等全球餐饮、零售、酒店巨头均已共同采用并批量部署BOTINKIT解决方案 [5] - 产品及解决方案已部署于全球29个国家地区，与近百名本地头部财团及行业生态伙伴建立合作关系 [5] - 公司通过RaaS（Restaurant-as-a-Service）产品组合，用AI Agents + Robotics颠覆式地打破餐厅边界，让任何一个5㎡的闲置空间均可成为餐厅 [5] - 公司基于自研的全球首个门店大模型Restaurant-LM，推出由“AI Agents + Robotics”组成的软硬件一体的超级数字员工矩阵 [6]

研究背景与核心驱动力 1. 我国人均GDP在2018年达到1万美元，标志着经济进入中等发达水平，未来发展需依靠创新驱动，国家层面已出台《中国制造2025》、“机器人+”、“人工智能+”等核心政策支持[2] 2. 全球制造业正处在从“规模化生产”向“大规模定制化”转型的关键时期，传统自动化设备在标准化场景成熟，但在处理复杂多变的非结构化环境时显现“刚性有余、韧性不足”的短板[3] 3. 劳动力红利消退与产线换型周期缩短，工业界迫切需要能突破预编程限制、具备更高感知与自适应能力的新生产力形态[3] 4. 多模态大模型与边缘计算技术的突破，使人工智能具备理解并与物理世界交互的能力，具身智能实现了机器智能从“处理数字信息”向“执行物理任务”的跨越[4] 5. 当前产业界对具身智能的认知存在模糊与错位，过度聚焦“人形机器人”单一形态，忽视了协作机械臂、复合移动机器人等多元载体的务实需求，行业缺乏客观的评估体系[5] 研究报告核心内容框架 1. 报告旨在厘清人工智能前沿技术与实体工业场景的融合路径，为行业破局提供参考[2] 2. 报告首要内容是梳理工业具身智能的宏观背景、概念内涵、应用载体与技术体系，以框定研究边界、理清技术要素[7] 3. 报告将分析工业具身智能的产业现状，包括产业链、主要玩家、商业模式等常规分析，以及通过具体落地场景论证其可行性、形式与价值[7] 4. 报告将提供行业发展的启示[8] 研究报告详细大纲 1. 背景篇将探讨工业具身智能的宏观背景，包括研究必要性、驱动力模型（供给侧技术奇点与需求侧用工荒及柔性生产）、定义、与其他工业词汇的关系及主要载体[9] 2. 技术篇将梳理工业具身智能的技术基础，包括“感知-决策-执行”闭环及持续学习的技术体系，以及关键技术门槛、工程难点和当前主流技术路线[10][11] 3. 产业篇将梳理主要玩家、产品与产业链，呈现“硬件+软件+载体+集成+运维+数据回流”的网络型产业结构，分析产业链、重点玩家、产品服务、商业模式及玩家演进路径[11] 4. 工业具身智能的主要应用载体分为四类：固定操作型（如协作机械臂）、移动感知型（如四足机器人）、移动操作型（如人形机器人）及分布式流转型（如智能磁驱）[12] 5. 场景篇将梳理主要应用场景，包括仓储搬运等相对成熟场景、检测后处置等过渡场景、复杂装配等趋势场景，并通过场景*载体*任务矩阵表进行总结[13][15] 6. 启示篇将探讨工业具身智能的终局问题，例如其“iPhone时刻”何时到来，以及RaaS（Robot as a Service）模式的可行性[15] 报告参与价值与研究方法 1. 参与报告的企业有机会入选产业图谱和优秀案例，确立生态位，展示技术实力，提升品牌知名度和行业影响力[17] 2. 参与企业高层观点可以“专家之声”形式在报告附录呈现，展现公司对行业的认知深度[17] 3. 报告将通过艾瑞咨询官方平台及合作媒体渠道发布，参与者还有机会受邀参加相关线上线下活动，与业内各方进行深度交流[17][18] 4. 研究报告采用桌面研究与专家访谈、企业深访相结合的方法，综合公开信息与头部厂商及下游客户的深度访谈资料[19][20]

具身智能行业上市趋势 - 行业正迎来上市潮，多家头部公司加速推进IPO进程，完成股改是开启上市进程的关键信号 [3] - 2025年9月24日以来，资本市场的主流叙事聚焦于科技，AI、具身智能等科技公司上市后涨幅显著，推动了上市窗口期的形成 [4] - 2025年第一季度，一级市场具身智能领域融资额超过300亿元，百亿估值独角兽不断涌现，上市预期成为影响公司估值与融资节奏的核心变量 [6] - 能否尽快上市被视为当前具身智能公司的分水岭，决定了公司未来能否继续参与行业竞争，上市后融资环境与成本优势明显 [4][6] 标杆公司上市进程 - 智平方（深圳）科技股份有限公司于2025年4月8日完成股改，标志着其IPO进程开启，公司于马年第一天完成10亿元B轮融资，晋升为百亿估值独角兽 [3] - 宇树科技已于2025年3月20日获得科创板受理IPO申请，拟融资42.02亿元，该公司在2024年5月底完成股改，随后迅速推进了辅导备案与验收 [3] - 除科创板外，2025年刚完成股改的一家具身智能公司已在港交所秘密递表，显示多元化的上市路径 [4] 中国具身智能产业格局与城市竞争 - 中国具身智能企业版图集中，在147家人形机器人本体企业中，北京、上海、杭州和深圳四地占据了绝大多数，形成了“四城格局” [12] - 各地政府积极布局：北京目标打造全球创新高地，上海希望成为全球产业枢纽，杭州率先出台地方性法规，深圳目标产业规模突破千亿 [12] - 各城市依托不同优势发展出风格迥异的标杆企业：北京（银河通用）侧重底层技术创新，上海（智元）擅长技术与资本协同，杭州（宇树）依托硬件积累稳扎稳打，深圳（智平方）则基于强大的制造体系 [13][15] 智平方公司的核心竞争力 - 公司坚持端到端VLA（Vision-Language-Action）技术路线，拥有自研的具身大模型GOVLA，并实现了模型与机器人本体的软硬一体工程闭环 [9][18] - 在具身大模型领域持续创新并保持领先：2024年发布的首个VLA模型GOVLA 0.0，在模型规模仅为谷歌同类模型1/20的情况下，性能提升超过80%；2025年发布的GOVLA 0.5模型，性能超越Pi0达30% [18] - 前瞻性地将世界模型深度融入VLA架构，于2025年11月推出Video2Act新一代架构，在第三方评测中相较于硅谷同类标杆模型取得超过30%的性能领先 [19] - 公司深度融入深圳制造业生态，基于真实场景进行技术迭代与产品落地，已获得全球第三大面板厂商惠科的3年1000台订单 [19][20] 深圳的产业优势与智平方的定位 - 深圳拥有从核心零部件到整机制造的完整机器人产业链，是中国机器人密度最高的城市，为具身智能提供了全球罕见的真实场景、快速迭代能力和量产反馈闭环 [8][16] - 智平方是深圳乃至广东省第一个也是目前唯一完成股改的具身智能机器人公司，被视为深圳在机器人领域的“名片” [9][22] - 公司作为“制造业与服务业的协同融合”代表，其机器人既应用于制造业一线，也服务于公共场景（如“爱宝智魔方”饮品机器人） [20] - 2026年，智平方作为唯一具身智能企业受邀参加广东省高质量发展大会，2025年1月初国务院总理李强的调研及新闻联播报道，被视为高层级的积极信号 [19]

行业趋势与市场动态 - 具身智能赛道融资活动在2026年春季显著升温，自3月以来多家垂直场景企业密集完成新融资，包括赛那德（超2亿元战略融资）、丽天智能（超亿元Pre-B轮融资）、世航智能（A+和A++两轮数亿元战略融资）和微分智飞（数亿元A1轮融资）[3] - 2026年开年2个月内，具身智能赛道融资额已超过200亿元，相较于2025年全年735.43亿元的融资规模，资本热度火爆[16] - 行业观点认为，2025年是通用具身智能估值飞升的一年，而2026年将是垂直领域具身智能估值上涨的一年，垂直场景企业更可能诞生“十亿美金俱乐部”[16] - 行业已跑过初期探索阶段，未来洗牌不可避免，头部企业可能形成强者恒强格局，而尚未锁定垂直应用场景的企业将面临压力[16] 投资机构策略与布局 - 长石资本是近期多家具身智能企业融资事件背后的共同投资方，其正围绕“具身智能的底层基石与终极形态”进行AI全产业链布局[3][4] - 该机构的投资布局覆盖从底层基础设施到终端应用，包括可控核聚变、量子计算、AI Infra、具身智能、AI硬件及AI Agent等领域[4] - 未来计划将20%的资金投向可控核聚变、量子计算等前沿领域，其余资金重点布局AI infra与具身智能垂直场景[18] - 其投资方法论的核心是“70%投前服务”模式，即将70%的精力聚焦于投前，以服务心态主动帮助拟投企业对接客户和产业资源，验证市场需求[11][12] - 通过多层漏斗筛选机制，从最初接触的上百个项目中，最终筛选并深度赋能少数标的，确保资源投入的精准性[12] - 采用“百人会产业资源+投研驱动”双轮模式，“百人会”汇聚了华为、OPPO、比亚迪等上市公司创始人及高管作为产业LP，提供一线信息；投研驱动则通过深度产业链研究和交叉课题提升判断准确性[13][14] - 投资时坚持“以终为始”，提前规划退出路径，其一期基金投资的24个项目中有12个完成上市，其中9个登陆科创板，项目IPO比例达50%[18] 垂直场景应用与公司案例 - 具身智能商业化的核心在于垂直场景落地，关键在于实现机器人成本≤人力成本的50%、机器人效率≥人力效率10倍，从而跨越从实验室到场景落地的分水岭[9] - **赛那德**：专注物流场景，攻克物流装卸“最后20米”的非标难题，凭借物流行业VLA垂直大模型和自研硬件，实现全天候人力替代，已拿下多家央企龙头订单[6][7] - **世航智能**：深耕水下（海洋）领域，采用物理模型+实时感知+自适应学习的混合鲁棒架构，适用于海洋极端环境，解决船舶养护、海洋基建维护等痛点，已进入招商轮船、中核集团等央企供应链[7] - **丽天智能**：聚焦光伏能源全生命周期赛道，其光伏安装机器人可平替3-5个人工，大幅缩短电站建设周期，能在高温、风沙、地形起伏等全球多地极限环境下稳定运行[8] - **微分智飞**：聚焦矿业、林业、电力及应急救援等复杂高危场景，打造具身智能通用技术底座，通过“通用平台+上层轻量化场景适配”模式，实现技术跨场景快速复用与规模化落地[8][9] 前沿技术领域投资 - 在量子计算领域，长石资本已率先卡位，投资了两家企业，其中一家量子测控芯片公司2025年收入超6000万元，2026年预计突破1亿元[16] - 投资逻辑认为，量子计算能解决传统计算无法应对的复杂问题，为AI产业提供效率跃升的核心支撑，同时具备高贝塔与高阿尔法的双重属性，且商业化收入和退出路径已清晰可见[17]