具身智能仍是今年最热的 AI 投资方向之一，但行业的兴奋情绪正被现实问题拉回地面：机器人硬件在进步，真正能稳定完成有价值工作的“脑子”还没有成熟。

TechCrunch报道称，这一反差近期表现得很明显。中国机器人公司宇树科技上市后一度带动市场热情，但股价随后大幅回落。分析人士认为，机器人的动作能力提升很快，但离可靠、可商业化的任务执行仍有距离。

行业热度继续升高

上周举行的 Actuate 大会聚集了大量机器人 AI 开发者。主办方 Foxglove 表示，这场会议自 2023 年启动以来，规模已扩大到原来的 3 倍，今年参会人数达到 1500 人。

但热度背后，行业最核心的瓶颈并没有消失。多家从业者提到，机器人 AI 目前最缺的是高质量训练数据。无论是想做通用机器人，还是针对单一任务做端到端训练，现阶段都还难以交付稳定、可重复的商业表现。

数据和算力仍是瓶颈

Antioch 创始人 Harry Mellsop 形容，当前具身智能还处在“GPT-2 时代”。他的判断是，这个阶段离真正突破还差更多数据和更多算力，尤其是适合高保真仿真的 GPU。

从现状看，自动驾驶公司走得更靠前。一方面，车辆天然能持续采集真实道路数据；另一方面，自动驾驶的核心任务更多是避障，而不是直接操控复杂物体。这使得自动驾驶在数据基础设施、仿真系统和机器学习运维方面，已经形成较成熟的方法。

自动驾驶公司切入机器人

这也是为什么不少自动驾驶企业开始把已有工具迁移到机器人方向。特斯拉已在推进 Optimus，Wayve 和 Uber 也已设立机器人实验室，研究人形机器人形态。

Wayve 首席执行官 Alex Kendall 认为，现在还不适合过早押注单一硬件平台，因为传感器和零部件仍在快速变化。他表示，数据基础设施、仿真和 ML Ops 工具会有较高共通性，但不同机器人形态仍需要各自的后训练和世界模型适配。

不过，也有人主张软硬件协同设计。Genesis AI 首席执行官 Théophile Gervet 表示，行业还太早，仅靠“机器人大脑”策略未必足够，硬件与 AI 联合设计仍有很大空间。

通用人形仍未走出实验室

在商业化路径上，行业已经出现分化。面向具体任务的机器人开始进入真实场景，例如 Gritt 参与太阳能电站建设，Agility 在工业场景部署机器人，Bedrock 则推进挖掘机自动化。相比之下，通用型人形机器人仍大多停留在实验室阶段。

Gervet 直言，客户并不需要一个成功率只有 80% 的通用机器人。如果没有明确场景，产品很难创造实际价值。但如果只做很窄的垂直任务，又可能在下一代更强模型出现后失去优势。

围绕数据管理，Foxglove 本周还发布了一款新产品，基于英伟达 Cosmos 开源世界模型，允许工程师用自然语言检索视觉和激光雷达数据，以更快完成评估、排障和仿真构建。

至于具身智能何时迎来类似 ChatGPT 的转折点，行业内部并没有统一答案。有人期待低成本高自主性的产品先在消费端普及，也有人认为机器人不会出现软件那样的爆发式分发时刻，而会更像个人电脑早期那样缓慢进入家庭和产业场景。