8月19日至23日，2026世界机器人大会在北京亦庄举行，主题是“人机共生，产需共融”。大会上展示的不再是机器人翻跟头、比跑酷的炫技，而是烤披萨、搬货、分拣、甚至是机器人组装机器人的真实作业。
长城战略咨询发布的《GEI中国独角兽研究报告2026》显示，2025年具身智能赛道有19家独角兽，覆盖从大脑、具身本体再到灵巧手的产业链图景。
当“能干活、能交付、能成交”取代能走能跳成为产业新标尺，一个问题被推到台前，具身智能究竟走到哪一步了？VLA vs 世界模型，谁是下一个战略高地？
《GEI中国独角兽研究报告2026》显示，2025年具身智能赛道共有19家独角兽企业，其中12家是新晋独角兽，占比高达63%；更有10家企业在成立不到三年内就跻身独角兽行列。这些企业凭借模型与数据能力在极短时间内完成资本与产业的突围。
“身”：具身本体独角兽企业共11家，占比58%。这是数量最多的细分赛道，代表企业包括银河通用、云深处科技、众擎机器人、逐际动力等。
具身本体赛道的独角兽最多，背后是硬件长周期、重资产的产业特性，造一台能稳定行走、负重作业的人形机器人，本身就是一场烧钱又漫长的马拉松。
但一个显著的变化是，具身本体企业的竞争焦点已从比运动能力转向比场景交付。
宇树科技以2.99万元起售价的Unitree R1拉动消费级市场，银河通用的重载机器人已在宁德时代产线实现7×24小时常态化运行，众擎、逐际动力则在整机通用化、多形态适配上各自寻找差异化切口。
具身本体赛道正在去同质化，胜负手从外观与步态，悄然转向多形态适配与场景闭环。
“脑”：算法与具身数据独角兽企业共5家，占比26%。代表企业是星海图、千寻智能、智平方、自变量机器人、光轮智能。
这是19家独角兽里AI原生基因最浓的一批，也是距“ChatGPT时刻”叙事最近的一批。其共同主线高度一致，端到端具身大模型+仿真/真机数据闭环。
千寻智能的Moz1已能完成客厅整理这样的长程任务，星海图则在世界机器人大会上展示了机器人组装机器人的前置仓应用。自变量机器人、光轮智能则在数据合成、仿真引擎等数据基础设施层面构建壁垒。
当具身本体企业还在比拼谁走得稳，这批“最强大脑”已经在试探模型能力的涌现边缘。
“手”：具身智能软硬件独角兽企业共3家，占比16%。这一细分赛道数量最少，却是最关键的“卡脖子”环节。地瓜机器人做机器人专用芯片，帕西尼感知科技攻坚触觉传感，灵心巧手则聚焦灵巧手的量产。
具身智能要真正规模化，“最后一毫米”的精细操作能力是绕不过去的坎，而灵巧手、触觉与专用芯片，正是这道坎上的三道关。值得注意的是，电子皮肤等前沿方向全球同步探索，中国具备弯道超车基础，3-5年的产业化窗口期正是战略布局的黄金期。
“身、脑、手”产业链已具备，但能力重心正在不可逆地从“身”向“脑”迁移，这也正是世界模型会成为下一个高地的根本原因。
具身智能技术范式，正从机械进化转向智能进化。2026年行业最大的技术争论是“VLA vs 世界模型”，但权威共识已清晰，这不是替代关系，而是融合进化。
VLA（视觉-语言-动作）仍是主航道，但正在经历三代进化。第一代端到端VLA已实现感知、理解、行动的统一建模；第二代增强型VLA将世界模型深度内融，实现“行动前预测”；第三代类脑VLA则构建“大脑（认知）+小脑（运动）+躯干（执行）”的分层协同架构。2026年4月，智平方发布的NeuroVLA成为全球首个类脑VLA架构，标志着这一路线进入新阶段。
世界模型（World Model）是2025-2026年最关键的技术突破。李飞飞教授将其定义为空间智能的核心，需具备生成性、多模态、交互性三项能力。英伟达机器人负责人Jim Fan在2026年红杉AI Ascent大会上提出WAM（World-Action Model）新范式，预测2-3年内机器人将通过“物理图灵测试”。
世界模型的核心价值在于让机器人具备“物理想象力”，即在执行动作前预判结果，这正是VLA体系中最缺失的环节。
与此同时，本能驱动/物理自适应路线在工业场景快速崛起。这条路线不依赖海量数据预训练，而是通过力觉、触觉、本体感知构建毫秒级物理交互闭环，实现“零样本冷启动”。在工业柔性制造、非标作业等场景中，其落地速度显著快于纯VLA路线。
以上路线将形成“认知规划+本能执行”的分层协同架构，VLA负责“看得懂、听得懂”，世界模型负责“想得远、预判准”，本能驱动负责“抓得稳、干得久”。
2022年11月，ChatGPT的发布让大语言模型一夜之间从学术概念变成全民应用。具身智能是否也在等待这样一个爆点？如果有，它距离我们多远？
具身智能的“ChatGPT时刻”不会是一个单一事件，而是一场分层引爆。
大语言模型的ChatGPT时刻之所以震撼，是因为文本是数字原生的、数据近乎无限、错误成本极低、部署边际成本趋近于零。
但具身智能面对的是物理世界，数据稀缺、错误有真实代价、硬件成本刚性、安全门槛极高。这意味着，具身智能的“ChatGPT时刻”不可能像ChatGPT那样一夜爆红，而会更像智能手机的演进，iPhone 2007年发布，但真正的全民普及是在4G网络和App生态成熟之后。
工业制造、仓储物流等结构化场景，最有可能率先迎来具身智能的“临界点”。或许不是一款现象级产品，而是一个可量化的商业拐点，当单台人形机器人的综合使用成本低于同等产能的人工成本，且任务完成率达到99%以上时，规模化采购将自发发生。
当前，头部企业的工业场景验证已进入“7×24小时常态化运行”阶段。按照当前成本下降曲线和技术迭代速度，2027-2028年，汽车制造、3C装配、仓储分拣等场景有望跨越成本-效能临界点。届时，我们看到的将不是一款机器人登上热搜，而是某家制造业巨头的年报里，“机器人作业班组”成为标准产能单元，这种静默的爆发，恰恰是B端技术革命的典型特征。
家庭场景对失误零容忍，且任务高度非标、环境极度复杂。当前，即便是千寻智能Moz1这样领先的长程任务模型，完成的仍是客厅整理这类相对结构化的任务。要让机器人在家庭环境中安全地照顾老人、陪伴儿童、完成烹饪清洁，需要跨越三重门槛。
一是安全准入门槛。欧盟已率先发布具身智能安全互操作性技术标准草案，要求超过20自由度的人形机器人必须通过三级安全认证。家庭场景的准入审查将更为严格，任何纯端到端"黑箱"模型都难以通过。
二是成本门槛。当前人形机器人硬件成本仍在数万元至数十万元区间，而家庭服务机器人的心理价位天花板远低于此。只有当核心零部件（尤其是高端丝杠、减速器、力矩传感器）实现大规模国产替代，整机成本降至万元级，消费级市场才可能启动。
三是泛化能力门槛。当前具身模型仍高度依赖场景特定的数据训练，跨家庭、跨文化、跨任务的通用泛化，需要世界模型、VLA、本能驱动三层架构的深度融合，以及百万小时级的真实物理交互数据积累。
距离ChatGPT时刻还有多远，取决于三个关键变量的突破速度。
变量一：物理数据的ImageNet时刻。计算机视觉的爆发始于ImageNet数据集，NLP的爆发始于互联网文本。具身智能尚缺一个同等量级的开源物理交互数据集。2026年，头部企业数据积累已达数十万小时，但行业级的开放数据生态尚未形成。谁先构建起“物理世界的ImageNet”，谁就可能定义下一个时代。
变量二：仿真到真实的迁移鸿沟。英伟达Omniverse、智元仿真平台等正在缩小这一鸿沟，但仿真环境与真实物理世界之间仍存在现实差距（Reality Gap）。世界模型的成熟将部分解决这一问题，让机器人在“想象”中学习，再迁移到现实。
变量三：安全与伦理框架。不同于数字AI，具身智能的每一个错误都可能造成物理伤害。2026年6月落地的国内首个《具身智能基准测试方法》行业标准，以及欧盟的安全互操作性技术标准草案，标志着行业从野蛮生长进入规范发展。标准体系的完善速度，将直接决定技术商业化的天花板。
回到文章开头的问题，具身智能究竟走到哪一步了？19家独角兽的出现，证明中国具身智能已经跑通了从0到1的技术验证和资本闭环。
2026年世界机器人大会的主题是“人机共生，产需共融”。这恰恰揭示了具身智能从独角兽榜单走向产业爆发的终极路径，不是技术单点的惊艳，而是人与机器在真实生产、真实生活中的共生共融，是需求牵引、场景验证、商业闭环的扎实生长。
当“能干活、能交付、能成交”取代能走能跳成为产业新标尺，具身智能的“ChatGPT时刻”就会到来，这将比任何一次数字革命都更深刻地改变人类与物理世界的关系。
长城战略咨询成立于1993年，是国内较早的民营咨询机构和社会智库之一，总部位于北京，在郑州、宁波、武汉、深圳等20余个城市设有分支机构，拥有近400人的专职咨询团队，在科技园区发展、新兴产业、高成长企业、创新创业等方面的咨询和服务具有较强实力和突出优势。
长城战略咨询是中国率先研究瞪羚、独角兽企业发展理念及规律的机构，已经联合科技部火炬中心连续发布6期《国家高新技术产业开发区瞪羚企业发展报告》；并连续发布10期《GEI中国独角兽企业研究报告》、连续发布7期《GEI中国潜在独角兽企业发展报告》，连续发布2期《GEI世界独角兽企业发展报告》等年度报告，研究成果受到各界持续关注。
