2026.11.13

本文字数：2935，阅读时长大约5分钟

作者 | 第一财经 刘佳

封图 | AI生成

“我们现在做仿真测试，需要世界停下来，等我示范完了再动，这在真实世界不可能。”

在2026百度世界大会上，上海交通大学副教授、RhOS.ai创始人李永露用一个测试细节，描述了当前大模型进入物理世界时面临的尴尬。

他提到，在仿真评测中，将GPT-6作为“慢系统”、自家模型作为“快系统”，可以较轻松地超越现有模型。但如果放到真机操作上，一个简单的抓、拿、放任务可能需要15至20分钟甚至更久。

过去两年，从打网球到叠衣服、冲咖啡，机器人的能力不断刷新外界的认知，具身智能也成为一级市场最受关注的赛道之一。但当这些机器人走出实验室、展厅和运动会赛场，进入真实生产生活场景，企业面临的却是另一套考题。

一个动作能不能稳定地重复上千次？换一个环境，机器人需要重新学习多久？昂贵的数据采集和模型训练投入，又如何转化为企业的收入？从业者们开始算起具身智能走向规模化应用过程中不容忽视的账。

其中一个数字格外引人关注。李永露透露，据他了解，北美一家较强的具身智能模型公司上一代模型的迭代成本约为2.5亿美元，国内头部公司迭代一轮模型的成本也在10亿元人民币左右。

“这是一个非常贵的行业。”他说。

百万小时数据背后，壁垒在哪儿？

与大语言模型相比，具身智能的昂贵，首先体现在数据上。

“具身数据需要从地里种出来，不是把船开过去，把数据捞起来洗洗就可以了。”李永露这样形容两者的差异。

目前具身行业7B参数的模型能“吃掉”约100万小时数据；若要练出1000万小时有效数据，背后可能需要1亿小时原始数据清洗出来。

百度百舸具身行业高级技术专家史南胜算得更细：每新增1万小时第一视角数据，仅相机位姿计算一项，就需要消耗3.7万至11.4万卡时；在数据采集端，一名工作人员采集8小时数据，最终可能只有约3.5小时能够用于训练。

元点科技联合创始人兼首席科学家蒙新泛则提到，即便一些企业称采集到百万小时数据，但经过数据流水线层层筛选，最终真正进入训练阶段的可能只有几万小时。当前行业还没有到讨论数据规模和质量如何平衡的阶段。

如果采集一小时低质量数据，企业可能需要花费百倍的成本，才能通过后续训练和测试判断它没有价值。李永露观察到，一些公司从四五家供应商采购了百万小时数据，存放在云端，却不知道如何有效处理，也不舍得删除，因为已经投入了大量资金。

为了避免这样的沉没成本，具身智能企业需要在采集之前就考虑任务分布、数据缺口和采集剧本，在采集过程中进行质量监控，并在训练前后评估数据的价值。

甚至数据采集人员的激励机制，也是行业需要解决的问题。李永露表示，采集人员不一定关心数据的多样性，企业需要想办法让采集人员的利益与数据质量对齐。

“我们希望让一个保洁阿姨可以采到专家级别的数据。”他说。

高昂的数据和模型研发投入，能否真正形成具身智能公司的竞争壁垒？随着GPT-6-Astra在多项具身智能相关评测中表现出色，业界担忧：未来大模型公司会不会“吃掉”具身智能公司的模型层？

潜界科技创始人兼CEO胡钰承认为，在具身智能最上层的任务规划领域，目前难有具身智能公司认为自己的模型比通用大模型更强。未来，通用大模型与具身操作模型可能长期共存，但在智能能力的上限上，前者也有可能超过后者。

真实世界对机器人的要求并不只是智能水平，还有实时交互能力。

李永露表示，目前部分模型的响应频率可能只有零点几赫兹至1赫兹，而VLA（视觉语言动作模型）通常需要20至30赫兹的控制频率。要保证人形机器人不摔倒、完成切菜、拉面等精细交互，底层控制频率可能需要达到几百甚至上千赫兹。即便大模型的响应速度提升十倍，也未必能够满足这些要求。

蒙新泛则推演，如果大模型公司真的能够覆盖整个具身智能模型层，那么它所面对的市场可能比今天的OpenAI、Anthropic还要大。但越往底层走，技术和应用场景的分化就越严重，一家公司很难将从模型、硬件到实际部署的所有环节全部做完。

不必等到“ChatGPT时刻”

昂贵的投入能否收回，最终要过客户这一关。

地瓜机器人销售副总裁江舟在论坛上分享了一个行业变化：可能在半年前，大部分具身智能公司工程师最重要的工作，还是帮老板完成发布会和展会上的算法Demo。但到了今年下半年，随着投融资和应用场景变得更加冷静，企业开始冲刺真实场景中的部署与可复制化。

换句话说，客户只为价值付费。昆腾动力CTO赵春明讲述了一个已经交付的跨境物流包裹分拣案例。机器人需要从传送带上拿起不同形态的包裹，无论是软包还是硬包，都要完成翻面、配合扫码、称重，再根据业务结果进行分拣。这个岗位的劳动强度较大，人员流失率较高。尤其每逢“双11”“618”“黑五”等高峰，物流企业还需要提前招聘人员、增加工位，高峰过后又要调整人员规模，带来额外的管理成本。

对这类客户而言，机器人的价值不只在于节省人工，还在于降低招聘、排班等管理成本。客户关注机器人能否真正替代这个工位，成功率能否达到人的水平、能否超过新手。

赵春明认为，接下来具身智能企业需要关注的几个问题包括：能否进入真实的主流客户场景，能否实现接近7×24小时的稳定运行，人工接管和纠错的数据能否高效回流，以及从一个场景迁移到另一个场景的成本能否足够低。如果每进入一个新场景都需要重新投入大量研发资源，那么即使跑通了单个客户的商业模式，也未必能够实现规模化复制。

节卡机器人CTO刘博峰表示，对于工业客户而言，成本、节拍和工艺性能始终是采购设备的重要依据。当前一些头部企业愿意尝试具身智能，一方面是担心在新技术发展中落后，另一方面也是为了提前积累自身生产环境和工艺中的数据。也就是说，现阶段具身智能企业获得的订单，既有实际生产需求，也有技术探索和战略储备的性质。

商业化还有另一重价值：通过真实场景中的数据回流，推动模型持续迭代。

银河通用联合创始人兼大模型负责人张直政认为，具身智能不必等到自己的“ChatGPT时刻”才开始商业化。相反，商业部署本身能够加速这一时刻的到来。例如，对于便利店等具体场景，机器人并不需要掌握所有人类技能，只要能够可靠地完成客户需要的任务，就可能具备商业价值。

张直政认为，行业真正需要回答的问题，不只是机器人能够学会多少个任务，而是学会第一个任务之后，能否让学习第二个任务更加容易；当机器人学会100个任务之后，能否改变学习第101个任务的方式。

商业化进程的变化，也正在影响资本市场对具身智能企业的评价。

中金研究院执行总经理、创新经济团队负责人周子彭引用Dealroom数据称，2026年以来，中国在具身智能领域的整体融资规模已经超过美国。不过，今年7月以来，行业融资总额出现一定程度下滑，市场开始重新审视估值与商业化进展之间的关系。从结构上看，今年融资额排名前20家的企业占比已接近60%，但种子轮融资事件的占比仍相对稳定。

他预计，2027年具身智能一级市场整体仍将保持相对活跃，但企业的融资规模、估值及融资条款，将更加依赖真实订单和正向现金流。

微信编辑 | 苏小

·联系我们

线索爆料：bianjibu@yicai.com

商务合作：business@yicai.com

推荐阅读

高盛，再度大砍黄金目标