7 月 30 日，香港大学北京中心联合华映资本举办 2026 具身智能夏季 Demo Day，多家创新企业同台展示技术方案，学界、产业从业者与投资人围绕行业发展阶段展开深度探讨。当下具身智能硬件本体方案逐步收敛，但模型路线尚未达成统一，全行业形成一项核心共识：高质量物理交互数据供给严重不足。同时，移植自文本领域的大模型架构面对真实物理世界根基不稳，行业需要重新寻找适配物理交互的技术范式。

　　一飞智控创始人齐俊桐提出，脱离物理载体的大语言模型缺少物理锚定，没有经过真实物理交互检验与改造，难以直接用于机器人。他将智能划分为三个层级，数据智能仅处理二维逻辑关系；机器智能拓展至时空维度；而具身智能还需要处理力反馈、物体交互、刚度感知等复杂关系，是前两代智能体系无法完整覆盖的范畴。华映资本董事总经理刘天杰进一步阐释底层矛盾，语言模型擅长处理离散信息，现实物理世界却是连续、非离散的，架构先天差异造成通用大模型落地机器人时存在难以弥合的鸿沟。

　　数据匮乏成为制约行业发展的核心瓶颈。齐俊桐以自动驾驶作为参照，自动驾驶更多规避障碍物交互，无需区分物体软硬轻重；但机器人作业必须和环境持续交互，需要海量交互数据支撑，而这类数据集当前十分稀缺。他梳理出三条破局路径：依靠海量数据训练的大模型路线、类似自动驾驶边作业边采集数据的迭代路线，以及依托领域知识引导训练的范式，同时倡导充分利用人类积累的物理常识辅助模型训练。港大李弘扬认为规模法则终将在机器人领域生效，海量开放高质量数据是实现前提，全身智能 WBI 路线具备长期潜力，开放环境常态化数据采集能够丰富数据多样性。

　　数据缺口催生全新赛道机遇，第三方真机数据服务商迎来发展空间。灵御智能定位为独立数据供给方，面向缺少硬件载体、需要训练世界模型的企业输出标准化数据集。企业不只是原始数据采集，而是交付可直接用于模型训练、经过清洗筛选的数据资产。其运营模式是向真实场景投放十万至十五万元级机器人，依托云端调度系统，在完成业务作业的同时自动采集交互数据。按照规划，企业今年将积累十万小时真机数据，未来两年冲击千万小时数据储备，构筑数据壁垒。

　　产业层面，越来越多从业者放弃一步实现全自主机器人的激进目标。齐俊桐判断，当前具身智能整体发展水平甚至不及 1995 年的自动驾驶行业，现阶段不存在能够实现极低人工接管率的 L4 级自主机器人。相比追求完全无人化，从 L0、L2 人机混驾逐步迭代是更加务实的选择，中长期内通用机器人更适合定位为人机协同的智能工具。

　　在场景选择上，投资机构形成清晰判断。刘天杰直言，短期人形机器人难以全面替代人力，过度强调通用人形替代，只会拉长商业化周期。华映资本更加看好人类难以抵达、作业成本极高的特殊场景，已经完成海陆空多领域布局；对于标准工业场景，受制于成本与节拍约束，投资态度相对审慎。各方对于三年内能够跑通的落地场景预期出现分化，家庭高频轻任务、传统工业难以解决的特殊工位、AI 视觉辅助巡检方案被视作最有可能率先实现规模化应用的方向。长期来看，行业商业模式也将迎来重构，告别单一机器人适配单一任务的模式，向着一机适配多任务的柔性方案演进。随着产业链成熟，机器人零部件成本将持续下行，硬件构型持续收敛，为规模化量产创造条件。

　　资本市场如何看待赛道热度，同样引发讨论。刘天杰并不认同赛道已经出现巨大泡沫，他区分 “泡沫” 与 “水分”，水分可以通过估值回归或者业务增长消化。人力替代需求细分场景众多，沿途存在大量落地机会，不存在等待泡沫出清再入场的窗口期，可以类比新能源车产业发展历程。在标的筛选标准上，机构不再单纯关注榜单成绩与单点技术突破，更加看重团队长期技术判断力、工程化落地能力、差异化技术路线以及面对行业变化快速调整的敏捷性。团队坚持长期技术方向、具备独特竞争壁垒、能够根据产业周期灵活调整策略，成为重点考察指标。

　　综合产业各方观点，具身智能正处在理想与现实的分水岭。硬件方案逐步定型，但模型底层架构、数据供给、商业化路径仍有大量待解难题。放弃激进的全自主幻想，补齐数据基建，优先挖掘细分垂直场景价值，循序渐进推进人机协同落地，将会成为未来一段时间行业的主流发展方向。