高h各种肉辣文|免费在线亚洲|最新**网页未删减版|男女视频在线观看网站,变形金刚5在线观看免费完整版电影,91精彩视频,caowo88国产欧美久久

產業(yè)觀察:具身智能加速“進廠”融資“井噴”

來源:人民網

點擊:1246

A+ A-

所屬頻道:新聞中心

關鍵詞:具身智能 機器人

    具身智能加速簽單“進廠”,相關融資超去年全年,機器人半馬超越人類極限……今年以來,具身智能市場表現熱鬧非凡。


    然而,市場火熱的背后,如何加快規(guī)?;瘧茫嵘白晕以煅蹦芰?,對于具身智能產業(yè)仍然是一場長跑。


    具身智能加速“進廠”

    近日,一份具身智能產品“采購清單”引發(fā)市場關注。公開報道顯示,國家電網計劃在今年投資68億元采購8500臺機器人,包括四足巡檢機器狗、人形帶電作業(yè)機器人、雙臂巡檢機器人等產品。


    龐大市場和豐富場景,正在成為具身智能產品迭代升級的“練兵場”。從扭秧歌、跑馬拉松到化身“搬運工”“巡檢員”,具身智能正在從科研展示走進工業(yè)流水線。


    去年9月,北京人形機器人創(chuàng)新中心的具身天工2.0、天軼2.0進入福田康明斯發(fā)動機工廠,進行料箱搬運環(huán)節(jié)的落地調試。今年4月,優(yōu)必選與本田貿易攜手,探索具身智能人形機器人、無人物流車等在工業(yè)制造、倉儲物流等場景中的應用可能性……


    與此同時,“萬臺交付”正在成為頭部企業(yè)的共同選擇。公開報道顯示,今年以來,包括松延動力、宇樹科技、優(yōu)必選等越來越多的企業(yè),都將人形機器人產能目標指向萬臺級。


    研究機構Counterpoint Research預測,到2027年,約72%的人形機器人將用于倉儲物流、汽車行業(yè)和制造業(yè),真正的大規(guī)模商業(yè)化,將首先發(fā)生在工業(yè)場景。


    市場融資規(guī)?!熬畤姟?/span>

    市場普遍認為,以人形機器人為代表的具身智能產業(yè)正處于從技術突破邁向規(guī)?;?、商業(yè)化的關鍵時期。在市場、技術和政策的加持下,具身智能站上風口,融資規(guī)模呈現“井噴”之勢。


    銀河通用25億元、千尋智能近20億元、它石智航4.55億美元Pre-A輪……今年以來,10億元及以上規(guī)模的融資事件已達十余起。


    數據來源:IT桔子(截至2026年4月24日) 制圖:王震


    IT桔子數據顯示,2025 年具身智能領域共發(fā)生投融資事件達到358起,總融資金額超過444億元,分別較上年增長308.6%和443.3%;今年相關融資事件已發(fā)生191起,融資金額已超過去年全年,達到525.34億元。


    具身智能相關企業(yè)數量也在快速增長。企查查數據顯示,2025年,我國具身智能相關企業(yè)注冊量為388家,同比增長115.6%;截至4月27日,2026年新注冊具身智能相關企業(yè)已達131家,現存相關企業(yè)已達2861家,其中華東和華南地區(qū)最集中,占比分別達44.0%和21.1%。


    “造血”能力仍待驗證

    風口之下,國內具身智能企業(yè)的業(yè)績表現,與市場的熱鬧表現形成反差。


    目前,A股上市公司年報已陸續(xù)披露。據同花順iFinD數據,申萬行業(yè)機器人分類有20家上市公司,從已披露業(yè)績的15家公司來看,整體喜憂參半:營業(yè)收入有8家增長7家下滑,凈利潤7家增長8家下滑,同時有6家公司出現虧損。


    數據來源:同花順iFinD(截至2026年4月28日) 制表:王震


    機構分析認為,具身智能產業(yè)發(fā)展,距離真正的商業(yè)化閉環(huán),仍有很長的路要走。


    從市場看,出貨量增長并不等于開始大規(guī)模應用。以頭部企業(yè)宇樹科技為例,2025年前三季度,其四足機器人和人形機器人產品,來自科研教育領域的收入占比分別為31.58%和73.60%。這說明,目前行業(yè)的主要“飯碗”還是靠賣設備給高校和科研機構做研究,而非在工廠里創(chuàng)造實際價值。


    從技術上看,數據和模型仍是具身智能的“軟肋”。


    “跟訓練大語言模型用的海量互聯網數據相比,我們差了3至5個數量級。”近日,智元創(chuàng)始人鄧泰華在合作伙伴大會上直言,當前具身智能發(fā)展最核心的短板是缺數據。


    興業(yè)證券研報指出,人形機器人目前尚未實現大規(guī)模應用,主要原因或非硬件能力不足,而是大模型存在瓶頸。當前階段的具身大模型已具備認知、推理與規(guī)劃能力,不足之處在于難以可靠處理復雜物理世界的不確定性,同時泛化能力明顯較弱。

    (審核編輯: 光光)

    聲明:除特別說明之外,新聞內容及圖片均來自網絡及各大主流媒體。版權歸原作者所有。如認為內容侵權,請聯系我們刪除。