從人形機器人的靈活操控到工業(yè)機械臂的精準作業(yè)，從服務機器人的場景適配到邊緣設備的算力升級，無不預示著“物理AI”時代的加速到來。

2026年開年以來，具身智能領域的市場熱度與資本活躍度持續(xù)攀升，投融資事件密集落地，同時春晚舞臺上多家頭部具身智能領域公司的產(chǎn)品集中亮相，更讓這一賽道從產(chǎn)業(yè)端走向大眾視野，直觀展現(xiàn)了這一年技術發(fā)展的快速發(fā)展。

當前，具身智能正從概念熱潮向產(chǎn)業(yè)攻堅過渡，邊端側計算設備則作為其落地的核心載體，迎來架構迭代與性能突破的關鍵期。與單純的虛擬AI不同，具身智能要求實體設備具備“感知-理解-決策-執(zhí)行-反饋”的完整閉環(huán)，能夠通過執(zhí)行器改變物理世界并形成動態(tài)調整，這一特性決定了其對算力、實時性、可靠性的多元需求，也推動著邊端側計算從“通用化”向“異構化”“定制化”轉型。

從概念到落地，具身智能產(chǎn)業(yè)進入新周期

當生成式AI的熱度逐漸沉淀，具身智能憑借“連接虛擬與物理世界”的獨特價值，成為AI產(chǎn)業(yè)下一階段的核心增長點。據(jù)國務院發(fā)展研究中心?預測，中國具身智能2030年達4000億元人民幣，2035年突破萬億元。與此同時，中國信通院?《具身智能發(fā)展報告（2025年）》中，首次將具身智能納入國家未來產(chǎn)業(yè)重點，2025年全球市場規(guī)模195.25億元人民幣。

但熱鬧的市場背后，是產(chǎn)業(yè)落地的諸多現(xiàn)實瓶頸。英特爾研究院副總裁、英特爾中國研究院院長宋繼強明確指出：“當前具身智能的發(fā)展，正處于‘提升能力上限’與‘保障能力下限’的雙重攻堅期。大家都在展示機器人的智能能力，但很少有人關注它表現(xiàn)不佳時該怎么辦——這正是產(chǎn)業(yè)化必須跨越的鴻溝”。

當前具身智能的產(chǎn)業(yè)現(xiàn)狀呈現(xiàn)“熱度高、落地難、痛點集中”的特點，而異構計算作為破解痛點的核心思路，逐漸成為行業(yè)共識。

具身智能的核心是將智能能力與實體設備結合，讓設備能夠感知外界、理解環(huán)境、做出決策，并通過執(zhí)行器改變物理世界，最終形成“決策-執(zhí)行-反饋”的閉環(huán)。在宋繼強看來，如果只是播放視頻、發(fā)送語音，這些不算具身智能，“具身智能的核心必須能對物理世界產(chǎn)生實際影響。”宋繼強強調。

這一定義清晰劃分了具身智能與傳統(tǒng)AI的邊界：傳統(tǒng)AI多局限于虛擬場景的信息處理，而具身智能則強調“物理交互”與“閉環(huán)能力”。例如，一輛能將人從A點運到B點的自動駕駛汽車、一臺能完成物流分揀的移動機器人、一架能實現(xiàn)物資運送的無人機，都屬于具身智能的范疇；而單純的語音助手、圖像識別系統(tǒng)，則不屬于這一領域。

近年來，隨著多模態(tài)大模型、視覺-語言-動作模型（VLA）、世界模型等技術的突破，具身智能的產(chǎn)業(yè)熱度持續(xù)攀升。根據(jù)Gartner 2024年發(fā)布的《新興技術成熟度曲線》報告，?生成式AI已越過“期望膨脹期”頂峰?，而?自主AI系統(tǒng)?（Autonomous AI）作為其延伸方向，正推動人形機器人、具身智能體等進入該階段的中后期。

熱錢之下

2026年開年以來，具身智能領域的市場熱度與資本活躍度持續(xù)攀升，投融資事件密集落地，同時今年春晚舞臺上宇樹科技、松延動力、魔法原子、銀河通用等多家頭部具身智能領域公司的產(chǎn)品集中亮相，更讓這一賽道從產(chǎn)業(yè)端走向大眾視野，直觀展現(xiàn)了技術落地的階段性成果。

從投融資動態(tài)來看，2026年以來具身智能領域融資熱度持續(xù)升溫，資本布局呈現(xiàn)“大額融資集中、頭部企業(yè)凸顯、多資本類型參與”的特點。

2月24日，具身智能頭部企業(yè)千尋智能宣布連續(xù)完成兩輪近20億元融資，創(chuàng)下2026年以來該領域融資新高，投資方涵蓋云鋒基金、混沌投資等一線機構，TCL創(chuàng)投等產(chǎn)業(yè)資本，以及重慶、杭州等地國有資本，老股東也持續(xù)加碼，本輪融資后其估值突破百億元，將重點投入具身基礎模型與真實數(shù)據(jù)體系建設。在此之前，月23日，全球機器人基礎模型龍頭企業(yè)智平方完成B輪超10億元融資，估值超百億，投資方包括百度、中國中車等多方力量，近一年內該企業(yè)已累計完成12輪融資，成為全球融資節(jié)奏最快的具身智能企業(yè)。

此外，2月11日星海圖完成近10億元B輪融資，2月10日商湯科技旗下大曉機器人完成天使輪融資，據(jù)不完全統(tǒng)計，2026年1月份全球具身智能及人形機器人領域融資事件超20起，披露融資總額超160億元，同時埃斯頓、宇樹科技、樂聚機器人等企業(yè)正籌備IPO，計劃2026年沖刺資本市場，資本的持續(xù)注入為產(chǎn)業(yè)技術攻堅提供了有力支撐。

盡管產(chǎn)業(yè)熱度高漲，但當前具身智能的落地仍面臨諸多痛點，其中準確性、可靠性、數(shù)據(jù)孤島三大問題最為突出，成為制約其從“演示”走向“實用”的關鍵瓶頸。

首先是準確性不足的問題，這也是當前VLA模型的核心短板。VLA作為具身智能的核心技術之一，能夠實現(xiàn)“視覺輸入-語言理解-動作輸出”的端到端映射，但目前其性能仍有較大提升空間。對此，宋繼強表示，當前主流VLA模型的任務準確率僅為60%-70%，離工業(yè)級可用的99%以上準確率還差幾十個點。而且它的泛化能力很差，視覺場景發(fā)生輕微變化——比如物體顏色、形狀、相對位置的改變，如果沒有在訓練數(shù)據(jù)集中出現(xiàn)過，就很難外推到位。

其次是可靠性與安全性的雙重挑戰(zhàn)。具身智能設備多在與人、工業(yè)環(huán)境交互的場景中運行，其可靠性與安全性直接關系到人員安全與生產(chǎn)效率。宋繼強告訴筆者，具身智能的可靠性，至少體現(xiàn)在三個層級：第一，規(guī)劃決策是否可信賴；第二，動作執(zhí)行是否可信賴；第三，系統(tǒng)出錯時整體是否仍可靠，“當前很多具身智能設備，在這三個層級都存在短板?！彼卫^強指出。

具體來看，在規(guī)劃決策層，基于神經(jīng)網(wǎng)絡的大模型、VLA模型存在“黑盒問題”與“幻覺問題”，難以保證決策的可解釋性與準確性。例如，機器人可能會因為模型幻覺，將“拿起杯子”的指令誤解為“打碎杯子”；在動作執(zhí)行層，當前很多機器人的運動控制精度不足，難以完成高精度作業(yè)——比如讓機器人往左走15cm，實際可能偏差3-5cm；在系統(tǒng)容錯層，大部分具身智能設備缺乏完善的安全機制，一旦出現(xiàn)硬件故障或軟件錯誤，就可能陷入癱瘓，甚至引發(fā)安全事故。

此外，具身智能的安全性還面臨“傳統(tǒng)信息安全+AI安全+物理安全”的三重威脅。宋繼強解釋道，“以前的智能設備，只需要關注傳統(tǒng)的信息安全問題；但具身智能設備引入了AI模型，就需要應對針對AI的攻擊——比如模型投毒、對抗樣本攻擊；同時，它與人、環(huán)境交互，還存在物理安全問題，比如機器人操作失誤傷人、設備故障導致生產(chǎn)中斷等。更關鍵的是，安全都是額外成本，如何在安全級別與成本之間找到平衡，也是行業(yè)需要解決的問題?！?/p>

第三是數(shù)據(jù)孤島與數(shù)據(jù)短缺問題。具身智能的發(fā)展高度依賴數(shù)據(jù)——VLA模型、世界模型的訓練，都需要大量的場景數(shù)據(jù)、動作數(shù)據(jù)、交互數(shù)據(jù)，但當前行業(yè)面臨著“數(shù)據(jù)采集難、數(shù)據(jù)不標準、數(shù)據(jù)孤島嚴重”的困境。對此，宋繼強表示，數(shù)據(jù)是當前具身智能發(fā)展的首要問題，尤其是對VLA+世界模型這條路徑而言，“VLA與環(huán)境、動作場景、機器人本體都密切相關，需要專門的數(shù)據(jù)支撐訓練，但現(xiàn)在的數(shù)據(jù)采集面臨很多難題?！彼卫^強補充道。

具體來看，數(shù)據(jù)采集的難點主要體現(xiàn)在四個方面：

• 一是數(shù)據(jù)定義不統(tǒng)一，比如VLA訓練需要視覺數(shù)據(jù)、語言數(shù)據(jù)，有的廠商還會加入觸覺數(shù)據(jù)，但行業(yè)內尚未明確“什么樣的數(shù)據(jù)是完整的”；
• 二是精度與頻率缺乏標準，不同廠商對動作精度、控制頻率的要求不同，導致采集的數(shù)據(jù)難以復用；
• 三是機器人本體不統(tǒng)一，人形、輪臂式、機器狗等不同形態(tài)的機器人，其動作數(shù)據(jù)差異巨大，難以形成統(tǒng)一的數(shù)據(jù)集；
• 四是視角差異，VLA模型高度依賴視覺數(shù)據(jù)，攝像頭裝在機器人頭部、胳膊上，采集到的視角不同，數(shù)據(jù)的可用性也不同。

面對準確性、可靠性、數(shù)據(jù)短缺等多重痛點，行業(yè)逐漸形成一個核心共識：異構計算是具身智能落地的核心基石。對此，宋繼強強調：“具身智能一定落在物理實體之上，這個實體包含感知、理解與決策、推動執(zhí)行、反饋觀察的完整閉環(huán)，不同環(huán)節(jié)對計算能力的要求不同——有的需要高通量算力，有的需要低時延響應，有的需要高精度浮點運算，很難用同一種硬件解決所有問題，底層必然需要異構計算?！?/p>

所謂異構計算，就是將不同架構的計算單元（CPU、GPU、NPU、AI ASIC、神經(jīng)形態(tài)加速器等）結合起來，根據(jù)不同任務的需求，分配相應的計算資源，實現(xiàn)“算力適配任務”的最優(yōu)效果。與傳統(tǒng)的同構計算相比，異構計算具有能效比高、實時性強、靈活性好等優(yōu)勢，能夠完美匹配具身智能多環(huán)節(jié)、多需求的算力要求。

從具身智能的任務鏈路來看，不同環(huán)節(jié)對算力的需求差異顯著，這也決定了異構計算的必要性。針對此，宋繼強提出了“系統(tǒng)2-系統(tǒng)1-系統(tǒng)0”的三層決策鏈路，并詳細闡述了各層的算力需求：

系統(tǒng)2是“慢系統(tǒng)”，主要負責場景理解與任務規(guī)劃，與語言邏輯抽象層相關，輸出語義層級更高、準確度更高的結果，比如VLM模型（視覺語言模型）就屬于這一層。這一層需要處理高通量的視覺輸入與語言輸入，對算力的吞吐量要求較高，GPU是最適合的計算單元——例如英特爾酷睿Ultra處理器中的GPU，能夠高效處理多模態(tài)數(shù)據(jù)，支撐大模型的推理與訓練。

系統(tǒng)1是“動作專家”（Action Expert），主要負責將系統(tǒng)2的規(guī)劃任務，映射到具身設備的執(zhí)行器（關節(jié)電機、輪子等），生成控制指令，輸出頻率約為200Hz。這一層對實時性、低功耗的要求較高，同時需要支持矩陣向量運算，NPU（神經(jīng)網(wǎng)絡處理單元）是最優(yōu)選擇。宋繼強透露：“英特爾酷睿Ultra處理器內置的NPU，能夠實現(xiàn)11TOPS@~2W的能效比，在PTL平臺上更是能達到50 TOPS，完全能夠滿足系統(tǒng)1的算力需求?！?/p>

系統(tǒng)0是傳統(tǒng)的MPC控制器（模型預測控制），主要負責將系統(tǒng)1的控制指令，提升到更高的頻率（超過1000Hz），實現(xiàn)動作的平滑、精準執(zhí)行，解決動作頓挫的問題。這一層對實時性與浮點計算精度的要求極高，CPU是核心計算單元——英特爾酷睿Ultra的CPU，能夠實現(xiàn)10us以內的實時響應，滿足高精度運動控制的需求。

“在具身智能的任務鏈路中，CPU、GPU、NPU各司其職、協(xié)同工作，才能實現(xiàn)最優(yōu)的性能與能效比?！彼卫^強表示，“比如‘拿起筆，把它插進筆帽里’這個簡單的任務，系統(tǒng)2的VLM模型理解指令（GPU支撐），系統(tǒng)1的Action Expert生成動作軌跡（NPU支撐），系統(tǒng)0的MPC控制器將動作頻率提升到1000Hz（CPU支撐），三者協(xié)同，才能完成精準、平滑的操作?！?/p>

除了任務鏈路的適配，異構計算還能解決具身智能的可靠性與可擴展性問題。智能體的構建的是通過編排器自動完成的，而不是預先編程，這就需要編排器能夠調用不同的智能體功能，而異構框架能夠提供靈活的資源調度能力，支撐多智能體系統(tǒng)的運行。同時，異構計算能夠隔離不同的計算任務，比如將實時性要求高的運動控制任務，與實時性要求低的AI推理任務隔離開來，避免相互干擾，提升系統(tǒng)的可靠性。

從概念熱潮到產(chǎn)業(yè)攻堅，從技術驗證到小規(guī)模落地，具身智能的發(fā)展，正迎來前所未有的機遇與挑戰(zhàn)。邊端側計算設備的異構集成、工業(yè)級升級與邊端云協(xié)同，為具身智能的落地提供了堅實的算力支撐；異構計算的普及、AI模型的優(yōu)化與軟件生態(tài)的完善，為具身智能的技術突破提供了核心動力；而場景驅動、生態(tài)協(xié)同、標準統(tǒng)一，則為具身智能的規(guī)模普及指明了清晰的路徑。（文｜Leo張ToB雜談，作者｜張申宇，編輯丨蓋虹達）