行业资本逻辑与市场格局 - 具身智能行业资本逻辑正在换挡，宇树科技于8月19日登陆科创板，成为首个公开市场验证窗口，业绩持续兑现将加速头部集中[8] - 2026年上半年行业完成322笔融资，总额935亿元，是去年同期的五倍，但资金高度集中：百亿估值独角兽从3家增至23家，拿走超40%资金；前20家企业吞噬七成融资额，塔尖5家占37%；单笔10亿以上融资超25起[9] - 头部集中不等于早期机会消失，本体越集中，有效数据、肌电、触觉、灵巧手、垂直模型、高价值任务等不可替代能力越可能成为新创业入口[9] - 世界模型是当前投资热点，需要约一年验证期（数据采集周期），若2027年年终商业化被加速则赛道估值提升；若通用泛化不成立，则仅场景牵引的专家模型成立，市场空间将下降不止一个数量级[10] 数据采集与模型能力 - 行业仍未形成公认的数据配方，真机数据优点是最接近真实部署但成本高、速度慢、设备损耗大；第一视角人类数据易规模化但缺少机器人控制信号；数据手套及穿戴式方案可采集手部动作但存在个体差异和重映射问题；仿真数据可控可重复但复杂交互不可靠[11] - 纯仿真数据用于训练容易过拟合，用于刚体、窄技能评测已有价值，但复杂交互、物理属性和长程任务存在较大现实差距，仿真成绩好不保证真机好，仿真成绩差真机大概率不好[12] - 灵巧手数据采集是单独难题，包括高自由度动作难以准确遥操作、人手与机器人手构型不同需重映射、视觉易被手部遮挡、只有姿态缺少力和触觉、手套肌电视觉方案均无公认低成本规模化方案[12] - 最大问题是“采回来不能用”，购买的真机数据可能出现定位时间未对齐、设备未校准、清洗管线不完整、同任务数据分布漂移、成功失败样本标注不准确、质检标准与模型需求脱节，模型公司常需重新清洗或转向自采[12] - 模型公司内部自采最贴近模型需求但组织成本高[13]；第三方数据服务商组织灵活但易与模型需求脱节，缺少算法和评测能力则壁垒较低[15] - 数据公司今年批量爆发因两个推力：去年本体公司融钱多需数据订单集中释放，世界模型路线使UMI/EGO等无本体数据方案跑通、数采成本骤降[14] - 现场认为纯粹组织人力采集数据的模式会越来越难，合格数据服务需覆盖采集设备→采集软件→人员运营→对齐清洗→算法质检→模型评测→失败样本回流，供应商必须能理解客户模型和训练目标，没有算法团队的数据公司很难跟上需求变化[16] - 数据采集服务商有大量数据却不自己训模型，大多因为没有researcher团队；合规重要性提升，必须做到数据授权、来源追踪、脱敏和流转能力[17] 工业场景商业化挑战 - 工业场景应由“消灭哪项成本”定义，创业公司可能设计不存在的需求，以前置仓为例真实仓库仅60至80平方米、容纳三四千种商品、无法为机器人统一改造、商品尺寸包装高度不规则[18] - 只有能明确减少人工、差旅、错误、停机或安全事故的产品才具备持续商业化基础；中国工业客户付费能力普遍不强，大型物流企业已通过传统自动化压低单位成本，柔性机器人若设备部署运维成本更高则客户无更换动力[18] - 一些工业机器人项目虽能完成动作但无法解释相较人工或传统自动化的成本优势，展会演示和客户试点不能证明商业模式成立，需核验设备回本周期、人工替代比例、异常处理成本和复购情况[18] - 机器人任务难度由感知、动作和异常恢复共同决定，不能根据人的主观感受判断，仓储场景中任一步骤失败都可能导致整项任务失败，人可即时补救但机器人需事先覆盖异常分布[19] 技术演进与运动控制 - 今年至少五家公司展示乒乓球机器人，包括宇树机器人、动易科技、越疆科技、星源智机器人、超维动力等，乒乓球要求机器人在不到一秒内完成“看见—预测—决策—移动—击球—恢复平衡”，比跳舞跑步更接近闭环智能[20] - 开源是乒乓球机器人展示的重要推力：SpikePingpong降低感知与击球规划门槛→HITTER证明通用人形机器人能全身连续对打→HOPE把方案工程化标准化赛事化[20] - 自2024年起，模仿学习引导结合强化学习训练的范式成为主流路径，人形机器人全身控制能力实现质的飞跃，堪称全新技术革命，机器人跳舞、武术、打乒乓球、打网球都是这一技术飞跃的体现[21] 量产与供应链挑战 - 部分本体公司过去主要卖给高校和科研机构，今年开始增加商业客户，但科研采购、商业试用和工业量产是三个不同阶段，科研客户能容忍调试故障，工业客户要求稳定运行明确验收持续售后[22][30] - 千台之后供应链问题才会真正暴露，小批量可通过筛选零部件和工程师现场维护维持表现，进入千台万台规模后关节、减速器、材料、传感器和装配一致性问题会被放大，单台偶发故障转化为大量售后备件返工成本[30] - “量产一代、研发一代、预研一代”的产品节奏可能最合适，平台化是降低量产成本的前提，尽量自研核心软硬件减少对贴牌方案依赖[30] - 灵巧手与模型的耦合度可能被市场高估，最终仍要比质量、寿命、良率和价格，能规模化的灵巧手供应商不会很多，有制造经验（激光雷达、机械结构、减速器、智能工厂）的团队量产下限更高[24]