具身智能万亿赛道遭遇“数据饥渴”：资本狂热涌入，但“大脑”模型仍陷短时序任务困境

通用人工智能的焦点正从文本图像转向物理世界，具身智能成为全球科技竞赛的下一个关键战场。然而，与语言模型时代“数据天然存在”的繁荣不同，具身智能的“大脑”模型正陷入一场前所未有的“数据饥渴”。训练一个能在复杂、长时序任务中泛化的智能体，需要的不是万亿级文本Token，而是高质量、多模态、时空对齐的“人类行为数据”。这背后是一场从硬件架构、数据采集到处理范式的系统性革命。

资本正以加速度涌入这条赛道。据国务院发展研究中心预测，中国具身智能市场规模2030年将达4000亿元，2035年突破万亿元。2026年仅前三个月，国内该赛道融资规模已近300亿元，同比增长63%。光轮智能斩获超5亿美元融资，创下国内纪录；逐际动力完成2亿美元B轮融资，估值超10亿美元。然而，与赛道火热相对的，是产业化进程的显著瓶颈。英特尔中国研究院院长宋继强指出，当前发展正处于“提升能力上限”与“保障能力下限”的双重攻坚期，产业必须跨越机器人“表现不佳时该怎么办”的鸿沟。

尽管宇树科技、银河通用等“本体”制造商已能造出完成翻跟斗、跳舞等表演的机器人，但这些动作多依赖预编辑程序。简智新创联合创始人朱雁鸣坦言，当前所有具身智能公司模型化的能力，仍停留在“叠衣服、倒水、拿杯子”等非常短时序的简单任务上。演示惊艳，但实用尚远。这些精心设计的演示在受控环境下完成，距离应对家庭、工厂、物流等真实场景中复杂、多变、长链条的任务要求，仍有巨大差距。产业关注的焦点，已从发达的“小脑”转向如何让机器人通过自主思维执行指令，更具“活人感”。