11月14日，第二十七届中国国际高新技术成果交易会（以下简称“高交会”）在深圳国际会展中心开幕。本届高交会以“科技赋能产业融合共创未来”为主题，汇聚了全球100多个国家和地区的5000多家知名企业及国际组织，集中展示了5000余项前沿科技创新成果。
《每日经济新闻》记者在现场了解到，具身智能机器人成为展会焦点，几乎每家参展的机器人企业均有人形机器人进行现场演示。
值得关注的是，作为高交会的核心论坛之一，“大模型赋能具身机器人创新峰会投资对话”（以下简称“峰会”）吸引了来自凯联资本、融创投资、达晨财智、优必选科技等机构和企业的嘉宾。与会者围绕具身智能行业融资泡沫争议、赛道格局、技术落地及创业方向等核心议题展开深度对话，为行业发展与投资决策提供了参考视角。
图片来源：每经记者甄素静摄
格局未定抑或泡沫显现？业界激辩具身智能投资机遇
随着高交会现场人形机器人演示的密集亮相，具身智能赛道的融资热度与泡沫争议成为行业关注的焦点。有观点认为，当前具身智能融资市场异常火爆，已出现泡沫堆积现象，且赛道格局基本确定，尤其是在核心技术领域。但本次峰会的与会嘉宾普遍认为，这种判断过于片面，赛道仍存在大量投资机会。
达晨财智主管合伙人傅忠红表示，具身智能赛道格局远未确定，每天都有新的商业模式涌现，不少跨赛道玩家从其他领域切入，头部科技企业的入局更是让赛道竞争充满变数。“当前行业内的企业规模普遍较小，应用场景多集中在生活训练、教育等领域，距离真正的主战场还有较大差距，创新企业仍有广阔的发展空间。”
“现在具身智能相关企业数量已有上百家，但真正能赚钱的场景和渠道并不多。人工智能有非常好的前景，但此时我们又需要冷静。”融创投资创始合伙人赵俊峰结合自己20余年在融创投资的投资经验指出，具身智能行业的核心痛点在于成本高企，开发成本、验证成本、批量实验成本及营销成本层层叠加，导致多数企业盈利困难。作为财务投资机构，融创投资采取了更为稳健的策略，重点布局设备、材料、底层算法等产业链配套领域。
高交会现场的具身机器人图片来源：每经记者甄素静摄
“我们更关注进口替代机会，比如减速器、电控系统、控制芯片、核心线路板等关键零部件，这些领域技术壁垒高，市场需求稳定，是当前阶段更具确定性的投资方向。”赵俊峰透露，尽管人工智能前景广阔，但行业内实现盈利并成功上市的企业仍属凤毛麟角，资本需保持冷静，避免盲目跟风。
凯联资本董事总经理姚宁波认为，技术进步为行业带来了新的机遇，但成本与落地问题仍是制约行业发展的关键。姚宁波结合自己曾在英特尔工作的经历分享道，十年前就参与过智能机器人的开发，当时因人工智能技术尚处于计算机视觉阶段，行业发展未形成气候。如今随着技术的迭代，行业对智能机器人项目的投资热情高涨。
作为产业端代表，优必选科技投资者关系负责人陈建全从企业发展视角给出了不同维度的观察。他表示，优必选作为人形机器人行业的早期参与者和见证者，在天使轮至IPO（首次公开募股） 阶段获得了多轮资本支持，上市后已开始布局产业上下游投资。对于初创企业，陈建全认为，技术体系的成熟度是核心考察指标；而对于已有一定技术发展的企业，技术转化的工程化落地能力更为关键。
技术路线趋同，行业迎“脱离遥控器”关键拐点
在讨论具身智能技术发展趋势时，“脱离遥控器” 成为与会嘉宾的共识性目标，而技术落地与场景拓展也是具身智能绕不开的命题。
傅忠红在峰会上表示，当前具身智能的技术路线已呈现大同小异的特征，行业正迎来关键拐点，预计明年或明年底就会有企业发布脱离遥控器的产品，其投后企业也正处于这一技术突破的关键节点。
“但续航问题仍是核心制约因素，机器人要实现真正的自主运行，必须解决续航难题，谁能在这一领域取得突破，谁就可能占据行业先机。”傅忠红强调，尽管技术路线暂时趋同，但未来不排除出现新的技术方向，资本将密切关注相关创新企业。
姚宁波从行业观察者角度分析认为，边缘计算技术的发展为具身智能提供了新的可能。将部分运算任务从云端转移至边缘端，能够有效解决延迟和带宽问题，这是机器人实现自主决策的重要技术支撑。“真正的具身智能不是单纯依靠遥控器操控的机械装置，这需要技术、数据和场景的长期磨合。”
高交会现场的具身机器人图片来源：每经记者甄素静摄
陈建全从产业实践角度出发，对通用智能的实现路径提出了更为审慎的判断。他表示，现阶段通用智能无法脱离应用场景单独存在，无论是硬件技术还是垂直领域模型，都尚未成熟到支撑全场景泛化的程度。
“目前我们在为大客户提供的无人物流方案中，非人型自动化已达到90%，但剩余10%的衔接工作仍需人工完成，短期内难以被预编程机械臂以及协作机器人等替代，这正是人形机器人等具身智能机器人的切入点。”陈建全表示，这时候就可以尝试用双足或轮式机器人在该场景进行简单泛化应用，但是轮式机器人在使用场景上相对双足人形机器人较为受限，受限于芯片算力、AI模型等成熟能力，场景泛化范围需要从小做起。
对于技术落地的时间预期，陈建全给出了具体判断：在工业场景，当机器人落地规模达到500至1000台时，优必选有望通过真实场景数据的积累实现质变，率先在工业场景实现模型泛化解决能力；而在工业、汽车等更复杂的全场景应用中，数据需求量将呈指数级增长，预计需要十年左右的时间完成从简单场景泛化到通用复杂场景泛化的技术沉淀与落地。
“在商业化落地的过程中，机器人本身必须成为数据采集载体，通过自主选择最优路线，每天产生有效数据集用于模型训练，仅靠视频数据和合成数据无法支撑技术的商业化落地。”陈建全解释道。
睿迎网提示：文章来自网络，不代表本站观点。
