在做2025年具身智能总结时，我们想找出除“繁荣”外其他的关键词，或者是更“落地”一点的形容。
但很遗憾，我们很难用单一的词汇去总结2025年具身智能。
长期活跃在创投或科技产业的人士一定有同感，过往的历史经验中难以找出任何一个能和2025年具身智能相提并论的产业。这是一个极度期待和极度落空交织的年份；这是一个资本比入场时间的竞速年份；这又是一个改写历史的重要年份。
在多种情绪交织的今天，有人担心具身泡沫“迷人眼”，也有人害怕具身长坡厚雪“蹄痕浅”。
因此我们不能再以“认知依赖”去做对比xx产业的偷懒式判断，也不能不尊重技术发展泛泛而谈假大空的未来。
本文试图做的，正是以非情绪的态度，穿越技术周期的表层波动试图做些预测，我们无意对“5000 天后的世界”进行远眺式想象，而是选择将目光收敛在接下来约 300 天的时间窗口内：基于过去一年产业真实行为的变化、企业资源配置的迁移，以及资本与政策的实际取向，对具身智能在 2026 年可能呈现出的关键趋势进行经验外推。
基于上述逻辑，我们认为，2026 年具身智能行业将出现几条清晰而克制的变化路径：资源配置将明显向数据侧倾斜，数据开始被当作长期基础设施而非短期工程；消费级产品进入真实市场检验期，企业之间迎来第一轮围绕“可用性与价值感”的近身竞争；产业供应链逐步走向成熟，专业分工更加明显，“小作坊”将走向“集约产线”；与此同时，具身智能的量产与商业化开始形成规模化轮廓，并与供应链演进互为因果，行业首次真正站上成本、交付与 ROI 的系统性考场。
还有一条不得不说的观点：具身智能留给第三梯队的时间不会太多。
01 警言部分
全球领先的技术研究与咨询公司Gartner提出了一个新兴技术成熟度曲线，在机器人赛道也值得参考借鉴。这条曲线包含五个阶段：技术萌芽期，概念引发关注；期望膨胀期，媒体炒作推高预期；泡沫幻灭期，实际效果低于预期；复苏期，务实应用逐渐成熟；生产力稳定期，技术价值被广泛认可。
当前的具身智能正处在多个周期叠加、阶段错位的复杂状态中。如果把具身智能看作机器人学的延续，这一周期在沉默几十年后，随着AI的爆发，开始从成熟期走向新复苏。如果从AI衍生视角来看，具身智能刚刚进入技术萌芽期，引发广泛关注。
一方面，部分头部企业已经跨过概念验证，开始触碰量产、交付与商业回报的真实边界；另一方面，更大数量的企业仍停留在技术萌芽与期望膨胀之间，在融资、Demo 与叙事中反复横跳。
这意味着，行业既不存在全面泡沫破裂后的“出清完成”，也尚未迎来稳定扩张的黄金阶段，而是进入了一个试错成本急剧上升、路径选择开始不可逆的关键窗口期。在这样的现实条件下，任何一次战略误判、资源错配，都会被迅速放大为生存风险。以下警言，正是基于这一“已不再宽容”的行业现状提出。
重复造轮子会收敛
过去一年，在资本与关注度快速涌入的推动叠加技术的周期性瓶颈，导致大量企业选择了几乎相同的技术路径与产品形态、硬件架构、演示能力甚至是公关叙事。这种同质化在早期并未被严肃审视，是因为行业仍处在“能不能做出来”的阶段，而非“谁能长期跑下去”。
但更深层、也更隐蔽的重复，正在基座模型与数据体系中集中爆发。当前部分企业，在技术底蕴、人才密度、资金储备并不具备优势的前提下，仍然选择自研通用型基座模型，试图在模型层面“另起炉灶”。与此同时，各家又在高度相似的场景中，重复投入人力与资金搭建各自的数据采集系统：遥操平台、仿真环境、传感器方案、标注流程几乎如出一辙，却彼此割裂，甚至数据之间都难以存在统一标准无法复用，更遑论形成规模效应。
这种“模型各练各的、数据各采各的”的状态，本质上是一种资源的低效内耗。
顶层相关表述中明确释放出信号：我国目前已有超过150 家人形机器人相关企业，其中半数以上为初创或跨界入局。数量本身并非问题，但当高度相似的产品、模型与数据管线密集出现，研发空间被迅速压缩，边际创新成本陡增，行业必然迎来收敛与筛选。
2025 年，这一问题尚未集中暴露，是因为机器人主要停留在实验室与科研教育市场。这一市场对性能边界、成本结构与长期稳定性的要求相对宽松，得以并行存在，也弱化了正面竞争的烈度。但进入 2026 年，随着领头企业在工业、服务业及 C 端场景的真实落地，市场将不再为“路径重复”买单。
尤其是在面向消费者的C 端市场，竞争将迅速转化为典型的买方市场。企业不仅要回答“技术是否先进”，更要回答“是否值得被选择、是否可以长期交付”。这要求企业在技术、产品、供应链与服务之间形成清晰分工与取舍，而不是在所有层面全面铺开、全面自研。
可以预见的是，未来真正具备竞争力的企业，未必是自研内容最多的那一批，而是最早完成取舍、最早避免无效重复的那一批。在基座模型层面选择协同而非一定是对抗，在数据层面推动共享、复用与标准化，将成为行业从碎片化走向规模化的前提条件。
收敛并不意味着机会消失。恰恰相反，当重复造轮子的阶段结束，真正的差异化才会显现。体现在工程能力、产品理解、交付效率与用户信任之中。筛选越残酷，留下来的空间反而越大。在《创新的窘境》里，作者描述了一种窘境“技术供应可能不等同于市场需求”。放在这轮具身产品收窄中，这意味着或许某种差异化的、直达用户痛点的产品反倒能够引爆市场？
守好现金流
2025年，我们目睹了多家机器人公司的破产，硅谷明星公司K-ScaleLabs一年内连融3轮却还是资金链断裂；成立了20年之久的知名人形机器人公司Aldebaran也宣布清算。
图片来源：K-Scale Labs
虽然前辈的经验不能拿来套用，但确实为产业注入了思考角度。在这个软件硬件都是资金焚烧炉的赛道，“守好现金流”是重中之重。相比于所有人都在沉醉于行业的喧嚣与狂热之下，如出货量攀升、价格到了“甜点区”、薪资水平创新高，企业应该时刻注意这一热流涌动中，暗藏着足以吞噬初创企业的财务暗礁。所有躬身入局的创业者，必须将守好现金流刻入企业的生存信条。
2026年的融资市场，很可能不是雨露均沾的沃土，而是向头部聚拢的虹吸场。资本的嗅觉愈发谨慎，资源会加速向技术壁垒高、商业化路径清晰的头部企业倾斜。对于多数初创公司而言，融资难或将成为桎梏。当融资周期拉长、条款愈发苛刻时，账面现金流就是企业的生命线，它决定了你能否撑过黎明前的黑暗，等到技术突围和市场爆发的那一天。
更致命的陷阱，是“落地即亏损”的规模化魔咒。不少企业满心欢喜地将机器人推向市场，却陷入“卖一台亏一台”的怪圈。一部分，是刻意为之，具身研习社了解到有企业面临“亏本”或者“利润很低”的出货阶段，这里有制造业普遍利润低的共性原因，也有企业自身想先发制人占领用户心智的选择。另一部分是，很多团队在产品定价上，只盯着硬件BOM成本，却低估了具身智能产品从“能用”到“好用”的隐性成本。
于是，一个残酷的现象可能在2026年上演：企业订单量节节攀升，看似前景大好，实则每多卖出一台机器人，就多背上一份亏损的包袱。售后维护的压力指数级增长，场景定制化的投入永无止境，最终陷入“卖得越多，亏得越惨”的规模化陷阱。
当营收的增长跑不赢成本的扩张，当账面现金流被持续的亏损吞噬，再光鲜的订单数据，都只是压垮企业的最后一根稻草，这在太多领域中都有案例。
倘若认为2025的具身智能叙事靠的是想象力与勇气，那么从 2026 年开始，行业真正要开始思考交付问题，机器人不再只是技术理想的投射物，而正在成为一种需要被反复验证、反复算账、反复打磨的“工业存在”。在新的一年征程中，有人可能继续沉迷于浪潮的声势中，有人或许开始低头修船、校准航向，而最终抵达彼岸的，从来不是喊得最响的那一群，而是最早意识到陷阱并规避掉的那群务实者。
02 前瞻部分
2025具身智能像是在完成一整套“实验”，从模型架构到整机制造，从场景探索到商业化闭环，已初步得到验证。
2026年具身智能企业将不再小试牛刀，规模应用与真实商战或将上演。
数据卡点问题将集中发力解决
业内现存在一种观点，即行业下半场的竞争围绕着“数据采集-模型训练-规模化扩展-模型迭代”的循环演进展开。也就是说，模型不再是唯一“决胜赛点”，数据也不是该单独拎出来讲的事情，而是基石中的基石。（上半年部分人并不这么认为）
在数据采集环节，具身研习社文章#具身智能无共识，就是最好的共识#里曾表示，“用什么数据”行业没有统一答案，由于不同数据类型各有优劣，目前主流解决方案为：遥操真机数据采集、仿真数据。
二者采集方式，本质上是在依据自身技术路线与场景需求，平衡一个“真实性、规模化、低成本”不可能三角。但不可否认的是这二者都存在一定的局限性。例如，仿真数据海量成规模，但存在Sim2Real的GAP，数据生成的成本是否低廉也需要打个问号。真实数据的真实性不必赘述，在精细操作领域，模型更青睐这类数据，但问题在于成本较高，难以成规模。
这是2025年最大的争论点，甚至形成了唯一的共识“数据的不可能三角正成为制约产业发展的重要因素。”但好在步入年末，产业不再陷入二元对立，而是转身思考“第三条路”。
一方面，“不可能三角”在数采技术的迭代中，正不断全维度缩小“雷达图”面积。例如，以鹿明机器人、Generalist AI、Sunday这类UMI数据范式和戴盟DE-EXton2、穹彻智能AirExo-2外骨骼高效数采方式，采集相对真实的数据。此外，还有它石智航为代表的“以人为中心”的数据采集范式，在不改变人类操作方式、不额外搭建采集环境的前提下（降低采集成本），持续记录真实、高质量的操作行为（提高采集质量）。
