步入2025年，具身智能领域仍在奋力完成从理论研究迈向产业应用的关键一跃。
得益于大模型在环境理解与决策规划层面的飞跃，加之国家级战略资源的集中投入，这一跨越取得了实质性进展。然而，在供应链重塑、复杂应用场景的有效验证以及构建可持续盈利模式等方面，行业依然面临严峻挑战。
回顾这一年，从宇树科技的机器人在春晚舞台的精彩演出，到具身智能首次被写入政府工作报告并纳入国家“十五五”规划建议，该领域获得了政策与资本的空前关注。随着工信部人形机器人及具身智能标准委员会的成立，再到机器人在北京亦庄的马拉松赛事中竞相奔跑，这些钢铁身躯的每一次迈步，都映照着整个行业加速前进的缩影。
2025年，无疑是量产规模初步形成的一年，是资本竞相追逐的一年，更是市场幻想与现实激烈碰撞的一年。
资本与产业：资源汇聚与市场分化的并行趋势
2025年，具身智能在一级市场的表现，呈现出资金大规模涌入与投资结构显著分化的复杂特征。
融资额度的飙升，直观反映了行业的火热程度。依据IT桔子统计数据，2025年中国在具身智能及机器人领域的投资事件总计325起，涉及总金额高达398.32亿元人民币。这一数据与2024年相比实现了数倍的增长，充分展现了资本市场对该赛道的高度关注。一个颇为典型的案例是，松延动力在短短一年内完成了6轮融资，迅速推进至Pre B+轮阶段，其速度之快令人咋舌。
然而，在表面的热潮之下，隐藏着一个与以往时期显著不同的结构性变化。与过去由财务型风险投资主导的模式不同，2025年的投资主体中，产业资本的占比有了显著提升。互联网平台企业不再仅仅充当旁观者，而是开始立足于自身战略发展需求，进行深度的产业布局。
根据《中国企业家》的统计，阿里巴巴和美团在具身智能产业链上合计投资了至少13家公司；腾讯与字节跳动旗下的资本也至少参与投资了11家；京东仅在2025年一年内就连续投资了7家相关企业。
从这些投资的具体方向不难看出，行业巨头的布局思路带有强烈的业务导向性，均旨在依托自身核心业务面临的挑战，进行战略性的产业链补充。美团密集投资于无人配送车和末端物流机器人，意在应对即时配送网络中人力成本持续攀升与运力不足的矛盾，以此弥补潜在的骑手数量缺口；京东则更侧重于移动机械臂与仓储自动化领域，力图整合产业链上下游资源，打造更为智能化的物流仓储体系，从而提升整体供应链效能。
此外，以宁德时代及各大汽车主机厂为代表的制造业巨头的积极参与，更进一步表明，具身智能已被视为下一代工业基础设施体系中的关键组成部分，而非仅仅是财务层面的投机游戏。
在资金总量扩张的同时，资源分配的不均衡现象也愈发突出。位列行业前10名的头部企业，其融资总额占据了全行业的近41%。智元机器人、银河通用、宇树科技等具备全面技术开发能力的独角兽公司，其市场估值迅速攀升至百亿级别。
与之相对，大量处于行业中下游、缺乏核心技术壁垒或清晰应用场景的初创团队，则面临着融资难度显著加大的困境。
“别再播放视频了，现在的真实机器能不能当场把这瓶矿泉水拧开递到我手里？”在深圳南山一场非公开的项目路演中，一位投资人直接打断了创业者的幻灯片展示。这在某种程度上揭示了投资机构风险评估标准的变化：关注的重点已经从“评估团队背景”转向了“验证实际交付能力”。
业内普遍认为，该行业正在经历一轮由于市场过度共识所引发的估值调整阶段，市场正等待着第一批无法实现商业价值兑现的明星企业退出市场。
在产业应用层面，中国的供应链展现出了令人瞩目的爆发力。得益于江苏、浙江等地的产业集群效应，国产无框力矩电机、谐波减速器以及高精度编码器的成本相较于2023年下降了大约45%。也正是在这一年，全行业的出货量成功突破了1.5万台的关键门槛。智元机器人成功运行起千台级别的生产线，标志着人形机器人领域进入了类似于“2014年前后新能源汽车”的批量试生产阶段。
但在产业发展中也出现了供给与需求不匹配的现象。IDC报告指出，2025年全球人形机器人出货量约为1.8万台，尽管中国厂商占据了主导份额，但其内部结构性问题较为突出：优必选和宇树科技的全年订单金额虽然分别接近14亿元和12亿元，然而大部分订单流向了人工智能教育示范项目或数据采集中心，真正进入工厂生产线并形成二次采购的比例依然有限。包括汽车制造商和3C产品制造工厂在内的潜在工业用户，对机器人的运行稳定性、操作精确度以及投资回报周期仍持相当谨慎的态度。
“试用者多，重复购买者少”的现状，反映出当前具身智能产品在工程化可靠性方面与严格的工业标准之间，依然存在不小的差距。
技术演进：算法层面的突破与硬件执行能力的非同步发展
抛开资本层面的热度，从技术发展的成熟度曲线来审视，2025年具身智能领域最值得关注的特征在于：认知能力的进步显著超前于执行能力的提升。
在认知层面，视觉-语言-动作大模型的成熟是过去一年中最重大的技术变量。基于Transformer架构的强大泛化能力，机器人得以实现对自然语言指令的语义理解和任务分解，真正“听懂”了人类的语言。
这带来了两个层面的根本性变革：其一，在环境感知方面，多模态大模型极大地增强了机器人对周围环境的语义理解水平，使其能够识别从未见过的物体，并能推断其基本属性。其二，在人机交互方面，机器人不再仅仅依赖于工程师预先编写好的、确定性的代码来执行任务，而是能够理解较为模糊的指令，并自主规划出一系列连续的动作序列。
谷歌DeepMind与OpenAI相继发布的具身模型，实现了从“识别图像并描述”到“理解图像并执行操作”的本质飞跃。当你对它说一句“我渴了”，它便能领会你的意图，识别出桌上的苹果不是水，并准确地抓起水杯递给你。这种从单纯“执行指令”到真正“理解意图”的跨越，是过去一年中最重要的技术进展之一。
然而，视觉-语言-动作大模型也并非尽善尽美，它仍然面临三大核心痛点：由终端侧算力限制导致的推理延迟、在毫米级精密装配任务中的精度不足，以及在处理长时序复杂任务时出现的幻觉问题。
在运动控制层面，2025年是本体运动控制技术取得核心突破的一年。如果说2024年各家企业主要比拼的是“谁能走得更稳”，那么2025年竞争的焦点则转向了“谁的环境适应能力更强”。基于强化学习的全身动力学控制方法成为主流技术路径。
通过大规模的仿真训练，人形机器人不再需要预设复杂的步态算法，而是自主涌现出类似人类的本能平衡能力。在北京亦庄的机器人马拉松比赛中，不少参赛机器人已经能够自主应对上下坡、草地碎石等非平整路面，甚至出现了具有一定抗冲击性的跑酷动作。
这场马拉松比赛中的一段视频在网络上广为流传：一个机器人被路边观众的横幅绊倒后，并未像前两年那样直接停止工作，而是通过调整重心，以一种略显笨拙的姿态翻滚起身，重新站稳后继续向前奔跑。这段视频在抖音平台上的播放量达到了上亿次。
2025年同样是“灵巧手”技术发展的重要分水岭。在此之前，大多数机器人的手部只能完成简单的抓取和释放动作。而在这一年，以帕西尼感知为代表的企业成功实现了阵列式触觉传感器的大规模配套应用。这些传感器赋予了机器人“盲操作”的能力，即使在视觉受阻的情况下，机器人也能通过手指尖感受到的压力分布，来感知物体的纹理、硬度和大致形状。
与此同时，具备12至22个自由度的灵巧手在2025年成为了旗舰机型的标准配置。在执行如人类打结、撕开包装袋这类精细操作时，其成功率已从2024年的30%显著提升至85%。在去年的世界人工智能大会上，来自云百生的手术机器人使用其机械臂成功剥离了鹌鹑蛋壳，且蛋壳下的薄膜完好无损。这标志着机器人真正具备了处理复杂精细操作任务的潜力。
尽管取得了上述进展，但在物理执行层面，机器人依然面临不少挑战。虽然国内通过国产替代大幅降低了成本，并实现了5000台级别的小批量量产交付，但在非结构化环境中的实际作业能力仍显不足。
其核心痛点在于，机器人普遍缺乏对物理世界的基本常识认知，且运动控制的鲁棒性有待提高。在复杂的工厂环境中，光照变化、油污干扰、柔性物体的形变等因素，都可能导致机器人操作的成功率下降。目前的机器人尚不具备类似人类的本能物理直觉，例如无法预判玻璃易碎、液体会流动等，这使得它们在面对各种罕见或不常见的场景时，泛化能力较弱，难以将实验室中的成功表现平滑地迁移到真实的生产线上。
为了解决上述问题，自2025年起，行业主要在以下两个方向加大了投入力度：
第一，着力发展世界模型与虚实迁移技术。业界逐渐认识到，数据的质量远比数量更为关键。鉴于采集真实世界物理数据成本高昂且效率低下，构建高保真的虚拟仿真环境已成为行业共识。银河通用等企业通过在虚拟仿真环境中生成数以亿计的合成数据，来训练机器人的决策网络，随后再将这些策略迁移至真实机器人身上。
这一技术路径正逐渐成为解决训练数据匮乏问题的关键手段。腾讯等头部企业也开始着手构建能够预测物理世界未来状态的视频生成模型，期望让机器人在其内部运算中预先推演自身动作可能带来的后果，从而减少在实际操作中的试错成本。
第二，大力推进标准化与国产化替代进程。2025年12月26日，工业和信息化部人形机器人与具身智能标准化技术委员会正式成立，这标志着行业进入了标准化建设的新阶段。该委员会致力于统一不同产品间的接口协议、通信标准与安全规范，以期降低系统集成的复杂性，减少行业内因标准不一而导致的“重复开发”所带来的资源浪费。
根据行业内的测算，零部件通用化率每提升10个百分点，单台机器人的制造成本便可下降8%至10%，同时产品适配周期可缩短40%以上。
展望2026：回归理性，聚焦落地
可以说，进入2026年，具身智能行业将正式从单纯的技术竞赛阶段，转向以商业价值实现为核心的新阶段。整个行业正处在一个从技术可行性验证向规模化应用过渡的关键窗口期。投资回报率将成为衡量企业价值的核心标尺，产业的区域布局也将发生结构性的调整。
2026年，具身智能成功落地的关键在于能否通过严格的成本效益分析。
在工业应用场景上，参考开普勒机器人提供的测算模型：在长三角等制造业密集地区，一名熟练工人的年度综合成本约为8万到10万元。考虑到工厂普遍采用轮班或两班倒的工作制度，单个工位全年的劳动力支出大约在20万至30万元之间。
如果一台机器人的售价为3万美元，年度维护费用为0.5万美元，并且能够替代1.5个人力，那么其投资回收周期可以压缩至1.5至2年。基于此，汽车总装线、3C精密装配等领域或许会成为首批实现商业上可行的应用场景。
不过，机器人进入总装生产线的设想已被提及多年，但在2025年并未实现大规模的岗位替代。诸如对柔性部件的精细操作、适应非标准化的作业场景，以及确保人机协作的安全性等问题，仍然是新的一年需要着力攻克的难关。机器人进入工厂，将长期处于一个从“能够完成动作”到“真正好用的工具”的痛苦磨合过程之中。
而在特定的服务场景，例如无人智慧药店，机器人即服务的商业模式有望率先迎来爆发。特别是DarkEQA基准测试方法在解决低光照环境下的感知难题方面取得突破，使得机器人在黑暗环境中的适应能力大幅提升，实现了全天候不间断的操作能力。
尽管单台设备的初始投入成本可能较高，但在夜间值守这类人力成本高、工作强度大的场景中，机器人的综合效率优势便凸显出来。它不需要照明，不消耗供暖，也永远不会疲劳，堪称最可靠的“守夜人”。
在区域发展格局上，2026年，以深圳为核心的珠三角地区，凭借其在硬件供应链整合与制造响应速度方面的既有优势，有望继续在机器人本体制造领域保持领先；而长三角地区则将依托其丰富的人才储备和多样的工业应用场景，在算法研发与系统集成方面维持其优势地位。资源将进一步向这两个核心产业集聚区集中。中西部地区凭借其完善的傳統制造业基础，以及相对较低的土地与人力成本，或许也能在某些细分领域获得发展机遇。
在资本投资逻辑上，2026年同样将迎来行业格局的分化关键点。随着资本市场情绪回归理性，那些缺乏核心技术积累、过度依赖开源方案或无法有效解决工程化难题的企业将面临严峻的生存考验，被淘汰的风险显著增加。企业间的并购与整合将成为常态，资源将进一步向那些具备完整技术栈能力和量产实践经验的头部企业集中，行业洗牌在所难免。
正如出生于1995年后的投资人崔轲迪在接受媒体访谈时所指出的：“我们都在等待着第一批明星企业倒下的那个‘经典时刻’的到来。”
这，正是一个行业走向成熟的开始。只有当泡沫被逐渐挤净，那些最具竞争力的“中国智造”才能真正脱颖而出，浮出水面。
———— END ————
灵思极智旗下“极智系列”三款AI智能应用
关注后，两步置顶服务号，可第一时间收到灵思极智推文！
