您當前的位置 ： 
本網綜合 Laurie Chen and Eduardo Baptista 報導 經過數年研發，中國企業造出能夠奔跑、跳舞、完成後空翻的人形機器人；眼下，行業資源正投向全新賽道：開發人工智慧，讓這類機器可在更多工作場景落地應用。
這場轉型帶動具身人工智慧領域投資熱潮。該賽道聚焦軟體開發，使機器人能夠感知周遭環境、自主學習陌生任務並動態適配，無需針對每項任務單獨編寫程式。
數據研究機構ITjuzi統計，2026年上半年，中國具身人工智慧企業完成322筆融資交易，募資總額935億元人民幣（折合130億美元），規模為上年同期五倍。資金除流入硬體廠商，也越來越多地投向專攻機器人智能的軟體開發商。
上海科技諮詢機構ZenGen Labs創始人德莫特・麥格拉斯（Dermot McGrath）稱，硬體價格在競爭驅動下持續下行，機器人廠商已經“達成共識：利潤不在硬體，而在機器人的‘大腦’。”
這一新興賽道，正在中美科技競爭中開闢新戰場。本文採訪五家中國機器人企業創始人、高管及行業分析師後獲悉：美國企業在部分前沿機器人AI系統上保持領先；中國開發者則希望依託自身製造能力與真實場景訓練數據，向美方對手發起挑戰。
哪一方能更好融合AI與實體機器人，就有望在工廠、物流自動化領域搶佔優勢，重塑工業生產力與全球機器人市場格局。
“大腦，確實是整個機器人技術棧裏最薄弱的一環。”Spirit AI聯合創始人高陽表示。
智能競賽
Physical Intelligence、Skild AI、Generalist等美國初創企業，正在研發軟體，目標是讓機器人無需大規模重訓練，即可掌握多種技能。
Generalist稱，其GEN-1.5模型觀看3至12秒演示視頻後，可完成約60%的簡單任務。中國企業X Square發佈的研究顯示，機器人僅需觀看一段人類操作視頻，就能習得操作技能，不必為每項任務重新訓練模型。
“美國頂尖實驗室樹立了極高標杆，尤其是在機器人學習、複用技能的速度方面。”機器人行業顧問喬治・斯蒂勒（Georg Stieler）評價，同時他認為國內頭部初創公司已是不容小覷的競爭者。
美國研發團隊受益於成熟AI研究體系，獲取高性能計算晶片也更為便利；而中國企業的優勢在於可與機器人製造商、工業客戶深度協作，在真實場景測試迭代系統。
根據企業披露資訊，X Square、Galaxea、Spirit AI等國內頭部初創企業，估值均達到約30億美元。
“我們希望機器人從代碼驅動，轉向常識驅動。”X Square聯合創始人兼首席運營官楊倩表示。
傳統硬體廠商也在加大投入。港交所上市企業優必選（UBTech）發佈首席科學家崗位招聘，負責人工智能模型研發，薪酬最高可達1.24億元人民幣（折合1800萬美元），包含股權與各項福利。知情人士透露，杭州的宇樹科技（Unitree，全球出貨量領先的人形機器人廠商之一）組建約30人的研發團隊，研發可預判物體行為的人工智慧。
宇樹科技未回應置評請求。
訓練競賽
聊天機器人依託海量互聯網文本完成學習，與之不同，機器人需要實體交互樣本：從抓取物件，到操作柔性線纜。
國內企業採集這類數據的路線各有不同：部分雇傭人員演示操作，部分採用電腦模擬，也有企業將兩種方式結合。賽道競爭激烈，目前尚無企業建立絕對領先地位。
高陽介紹，Spirit AI已雇傭約1000人錄製日常及工業場景操作。ACE Robotics借助可穿戴感測器，在商超、酒店場景採集工人動作與抓握力度數據。
螞蟻集團旗下機器人業務Robbyant稱，利用16萬小時訓練素材（含5萬小時人工引導機器人動作數據）訓練模型；同時軟體適配17個品牌、20種機器人硬體配置，目標實現同一套AI系統跨機型複用。
DexForce選擇另一條路徑，依託電腦生成虛擬環境訓練機器人。首席運營官楊妮可介紹，該企業可在6至8小時內完成部分工業任務的部署準備，特定精密操作場景下成功率超過99.9%。
但專注AI訓練仿真環境研發的空間智能企業Manycore Tech的傑裏・王指出，仿真環境無法完全複刻真實物理交互。
“相比數據規模，數據品質、數據多樣性更為關鍵。”X Square的楊倩表示。
中國機器人行業仍面臨多重挑戰：美國出口管制帶來高端英偉達晶片供給緊張；監管層擔憂估值泡沫、賽道擁擠，企業IPO融資管道承壓。
JoyIn Technology機器人AI研發負責人朱明軒認為，隨著機器人性能持續提升，高端晶片短缺會成為國內具身AI行業的突出難題。
從訓練到落地
JoyIn與其他開發者正在測試軟體能否讓機器人自主處理從未見過的新問題。
朱明軒介紹一項實驗：一臺機器人多次嘗試把耳機放到無法直接夠到的儲物櫃內，屢次失敗。
隨後研究人員向它播放人類完成該任務的演示視頻，機器人隨即推動一個箱子到櫃邊，嘗試站在箱子上完成任務。
“每一次，它都在探索不同行為策略。”她說。
而在中國的工業落地場景中，不允許即興試錯。電池廠商寧德時代（CATL）表示，其中州工廠的電池組檢測工位，Spirit AI機器人負責接駁柔性線纜，插入成功率超99%。Robbyant介紹，其機器人已在上海兩家藥房處理訂單，藥品出庫前由人工復核。
但長期價值，在於一套軟體無需大量調參即可學習全新任務。成敗的核心，是同一套AI系統在不同客戶、不同車間場景中穩定工作；這需要企業依託高端晶片，訓練規模更大、能力更強的模型。
國內企業正通過更高效的模型、合成數據、仿真環境降低算力需求；華為等本土晶片廠商也在研發英偉達硬體的替代方案。這些舉措能多大程度緩解晶片缺口，目前尚不確定。
“ChatGPT時刻”
宇樹科技創始人王興興上月稱，公司已在機器人硬體上測試OpenAI的GPT-6，測試結果令人鼓舞。
他表示，如果GPT-7於明年推出，或將為機器人行業帶來屬於自己的“ChatGPT時刻”——一次能力躍升，類似2022年ChatGPT問世，將生成式AI推向大眾與商業主流應用。
王興興提出，當機器人接收語音指令，能在80%陌生環境中完成80%任務，才算跨過這道關鍵門檻。
不過行業顧問斯蒂勒提醒，演示場景取得突破，不等於機器人可以大規模商業化落地。
“如果只看模型能不能在演示裏處理各類陌生任務，樂觀派的觀點或許成立。”他說，“但如果要看客戶什麼時候願意真正信任這套系統，我認為還需要數年，而非數月。”
