具身智能泡沫争议，投资人分歧凸显行业早期挑战

随着技术从能力展示向具体验证迈进，具身智能领域正面临资本市场的重新审视。机器人能够完成哪些任务、需要多少人工介入，以及距离稳定承担真实工作还有多远，这些正在成为衡量行业进展的关键指标。

"你不一定能从Demo上判断它是智能的进步还是工程的完备。"峰瑞资本副总裁颜黔杭在交流中指出，当前机器人展示的动作水平难以直接反映其智能本质，尤其是在插数据线、给手机打包装盒等单项操作之外，更复杂场景下的泛化能力和自主性才是关键。然而，制约这种能力提升的因素既包括数据积累不足，也涉及训练方法尚未成熟。

九合创投投资总监赵福珩估计，当前具身数据总量可能还不到100万小时，这一规模远未达到支撑大规模预训练的要求。"这样的数据体量是否足以支撑具身领域的大规模预训练，仍需要前沿企业投入算力与科研人员探索。"他同时指出，行业对于哪些数据更有效仍未形成明确共识，这与大语言模型领域已经相对清晰的数据判断标准形成鲜明对比。

世界模型也成为多家机构关注的方向。BAI Capital AI领域投资负责人冯甜表示，这一领域仍然处于早期阶段，定义和技术路径尚未完全收敛，哪种基础框架能够胜出还需要更长时间观察。

在商业化优先级方面，投资人的看法存在显著差异。中科创星AI投资人王超倾向于投资具有产业经验的团队，重点关注两类公司：一类是系统能力较强、能够推动落地的企业；另一类则是能够持续突破具身智能能力上限的创新者。而颜黔杭则认为，"今天具身智能谈落地为时尚早"，他以早期自动驾驶为例，指出技术尚未达到商业化所需的基本成熟度时，很难准确判断最终的应用边界。

对于行业是否存在泡沫，几位投资人的判断也略有不同。王超认为，行业存在局部泡沫，但若希望数据和模型两侧同时取得突破，目前整体资金投入仍然不足。"局部有泡沫，但是整体来看资金量是少的。"在他看来，局部泡沫与行业投入不足可以同时存在。颜黔杭则认为，部分泡沫感来自过高的预期，"外界希望大量资金投入迅速换来类似大语言模型的能力跃升，但具身智能的早期爬坡需要时间。"赵福珩将泡沫分为两类：一类是高估具身智能最终能够创造的商业价值，另一类是高估能够成长起来的优秀企业数量。

尽管对泡沫和落地节奏看法略有不同，几位投资人仍计划继续投入具身智能。王超表示，中科创星将持续关注能够推动落地和突破技术上限的团队。颜黔杭则认为，技术路线尚未确定，早期投资者仍有机会找到新的思路和研发效率更高的团队。

在技术范式尚未收敛的情况下，具身智能领域的资金投入仍显不足。九合创投认为，具身模型训练远未达到大模型那样的收敛程度，各公司探索路径分散；中科创星投资人甚至表示，若要实现数据与模型双突破，每家公司拿的钱整体仍不够，当前热钱并未过度。

此外，投资人对于赛道的判断正在变得更加具体。以AI应用为例，峰瑞资本副总裁颜黔杭认为，能够独立于模型之外存在的，具备比较好体验的产品，才是他们认为有一定存在价值的AI应用公司。BAI Capital的冯甜也同意这一观点，对于To C（用户）应用，主要看是否有新的交互方式；对于To B（企业）产品，则主要看能否解决特定问题并具备后训练能力。

总体而言，具身智能领域正处于技术探索与资本博弈的交汇点，各方在追求长期价值与应对短期泡沫之间寻找平衡点。