前言（核心内容总结）

一、行业拐点：从"演示态"迈向"部署态"

甲子光年于2026年7月发布的这份报告，核心判断是：2026年是具身智能从实验室演示走向规模化部署的关键拐点年。AI技术经历了深度学习、大语言模型、生成式AI、AI Agent四个阶段后，正加速向"物理AI"（Physical AI）演进——即AI不再仅处理数字信息，而是通过机器人本体感知、理解并操控真实物理世界。具身智能（Embodied AI）与物理AI的概念正在深度融合，成为AI产业化的下一个主战场。

二、技术路线：VLA与世界模型双轮驱动

报告重点剖析了当前具身智能的两大核心技术路线：

• VLA（视觉-语言-动作模型）：以Physical Intelligence的π0系列为代表，将视觉感知、语言理解与动作输出端到端打通，优势在于泛化能力强，但面临物理推理深度不足、对真实数据依赖度高等挑战。
• 世界模型/WAM（世界动作模型）：以NVIDIA的Cosmos、国内多家企业为代表，通过构建物理世界的内部表征来预测和规划动作，优势在于物理一致性强、可利用仿真数据大规模训练，但面临Sim-to-Real（仿真到现实）迁移的难题。

报告认为，VLA与WAM并非替代关系，而是互补融合——VLA擅长快速泛化，WAM擅长深度物理推理，未来趋势是两者结合形成更强大的具身智能系统。

三、数据飞轮：产业竞争的核心壁垒

报告将数据基础设施视为具身智能产业链中最关键的环节。数据采集（遥操作、人类示教、第一人称视频、仿真生成）、数据管理（多模态对齐、质量控制）、数据驱动模型训练的闭环"数据飞轮"，正在成为企业竞争的核心壁垒。国内已涌现多家专注于具身智能数据平台的企业，覆盖从数据采集硬件到仿真引擎再到模型训练的全链条。

四、产业图谱与商业化落地

报告绘制了完整的具身智能产业图谱，涵盖算力芯片、数据仿真、模型算法、本体硬件、核心零部件（减速器、传感器、电机）、应用场景六大层级。

在商业化落地方面，报告指出：

• 工业制造是当前最成熟的落地场景，汽车、3C电子、物流仓储等领域已有规模化部署；
• 人形机器人在2026年进入量产元年，但真正交付超千台的企业仍屈指可数；
• RaaS（机器人即服务） 模式正在兴起，降低客户初始投入门槛；
• 商业化的核心挑战在于ROI验证——企业需要证明机器人在真实场景中的投入产出比优于传统方案。

五、资本与政策：双轮驱动下的狂飙与隐忧

2026年上半年，中国具身智能领域融资事件达322起，融资金额约934.7亿元，同比大幅增长。国家及地方层面密集出台支持政策，从产业规划、资金扶持到场景开放形成合力。但报告也警示：行业存在"PPT机器人"、估值泡沫、技术夸大宣传等乱象，投资者需警惕概念炒作风险。

六、核心判断

报告的最终判断是：具身智能正处于"技术突破期"向"产业爆发期"过渡的关键阶段。数据能力、工程落地能力和场景理解能力将取代单纯的模型参数规模，成为决定企业成败的关键变量。中国凭借制造业场景丰富、供应链完整、数据规模庞大等优势，有望在这一轮全球竞争中占据重要位置，但前提是必须跨越从"Demo"到"量产"、从"融资"到"盈利"的鸿沟。