具身智能商业化困局,量产元年已至,但钱仍在产业链内打转
具身智能行业正经历产能快速扩张,2024年整机产量有望破十万台,但商业化闭环尚未形成。当前收入高度依赖融资与科研教育预算,工业场景中真正由生产效益驱动的付费仍属少数。资金在工具、数据、本体等环节内部循...
2024年被业内称为具身智能的‘量产元年’:工信部预计全年整机产量将突破十万台,‘十五五’规划将其纳入国家未来产业,多家头部企业宣布订单增长与出货提速。然而,在一片繁荣表象之下,一个关键问题持续被业内人士私下追问:机器人到底怎么赚钱?
这一问题并非出于质疑技术进展,而是源于商业现实的紧迫性。一位长期服务于具身智能基础设施领域的从业者指出,他向几乎所有能坐下来详谈的创业公司反复提出该问题——因为其上游业务的可持续性,直接取决于下游客户能否在产业端实现稳定营收。
图:具身智能资金流困境的视觉隐喻——机器人在由钞票构成的环形跑道上奔跑,却始终未能走出闭环。
量产≠商业化:入场券不等于盈利证
公开报道中频繁出现“人形机器人进入汽车厂产线”“某型号完成百台交付”等消息,容易让人误以为商业化已闭环。实则不然。进入工厂仅意味着设备通过了初步验证,获得一张“入场券”,但无法证明其创造的价值高于成本。
关键判据在于:这笔支出从客户的哪个预算科目列支?若来自研发预算、创新基金或战略合作经费,则属于投资行为;只有当费用计入生产运营成本,并能明确量化节省的人力或提升的良率时,才构成真正的商业化起点。
据多方访谈与公开数据交叉验证,当前具身智能整机公司的收入结构呈现明显偏斜:头部企业超七成收入来自高校、科研院所及教育机构,直接由工业生产效益驱动的订单占比仍低。上游的工具链、仿真平台、数据服务等供应商,其客户几乎全是具身智能创业公司,而后者主要依靠新一轮融资维持采购——资金在产业链内部循环,尚未触达终端产业客户。
图:具身智能行业资金流向图解。资本从一级市场流入本体/方案公司,部分转化为产品出货,另一部分用于采购上游能力;整机产品进入科研教育市场后,收入再反哺融资估值,形成闭环内循环,终端产业客户尚未实质性接入。
稳定性瓶颈:不是动作做不了,而是环境一变就失效
技术层面,具身智能已能在高度结构化环境中完成抓取、装配、搬运等动作。问题不在于“能不能动”,而在于“变数来了还能不能稳”。
当物体形态、摆放位置、光照条件、表面摩擦系数或来料批次发生变化时,机器人任务成功率常出现显著下滑。这并非模型能力不足,而是泛化能力与工业需求之间存在根本错位:传统自动化追求确定性——用专用机构换取高节拍、高一致性;而人形或通用具身系统主打泛化能力,牺牲了对单一任务的极致优化。
产业客户要的不是“什么都能试一下”,而是“在我们产线条件下连续跑三个月不出故障”。他们关心的是公差是否可控、节拍能否跟上产线节奏、换一批物料后是否仍能作业、连轴运转三班次是否会累积误差——这些才是真实产线的考核指标。
渐进路径:有限泛化+服务化模式或为破局关键
面对通用能力尚未成熟的现实,业内开始转向更务实的策略:不等待“GPT时刻”,而是聚焦“有限泛化”场景——空间固定、时间固定、任务边界清晰的窄场景。
例如,在多品种、小批量、频繁换型的柔性产线环节,传统刚性自动化因换线成本高而经济性不足,恰是具身智能可切入的缝隙市场。中科大背景的初创公司白泽通境即采用此思路:其开发的溯因式世界模型(AWM),能在视频输入下快速学习物体运动与交互规律,仅需约2000条轨迹即可在Push-T任务中达到75%成功率,远低于同类方法所需的14,728条,大幅降低落地数据成本。
更重要的是商业模式的调整。单纯售卖硬件本体易导致能力冻结于交付日,客户关系与数据反馈随之中断。参考云迹科技的实践——其AI数字化系统订阅客户一年增长925%,收入同比增长57.3%——服务化(如按任务量、使用时长或效果分成)更契合具身系统持续迭代的特性,也便于构建数据飞轮。
图:已在酒店场景落地的服务型机器人,承担送物等标准化任务。此类封闭环境、流程固定的场景,是当前具身智能最易实现稳定交付与ROI验证的突破口。
资本转向:智驾老兵成新锐主力,但筛选更严
一级市场热度仍在,但逻辑已变。2024年下半年以来,具身智能领域融资事件中,创始人背景多来自华为、理想、地平线等智驾体系——昆仑行机器人成立不到90天即完成3轮融资、估值破十亿美元;费莫一科技、墨奇智能等团队亦由自动驾驶“老炮儿”领衔。
资本关注点从“通用智能”的宏大叙事,转向垂直场景落地能力、量产经验与真实数据闭环。同时,受IPO政策收紧与退出不确定性影响,资方对早期项目筛选趋严,重点考察团队工程化能力、场景定义深度与资本结构健康度。
值得注意的是,尽管华为、蔚小理等巨头具备资金、算力与场景优势,短期内尚无全面下场迹象——技术路线未收敛、规模化营收缺失,使其更倾向以生态合作方式参与。这为创业公司留出了关键窗口期:必须在巨头入场前,于特定场景建立数据壁垒与时间护城河。
具身智能的产业化之路,正从“能否动起来”的演示阶段,迈入“能否稳下来”的工程攻坚期。量产能力的提升只是第一步,真正的考验在于:当融资潮退去,谁的产品能持续从工厂的生产预算里挣到真金白银。
