2026 年成为人形机器人行业一道关键分水岭。在此之前行业焦点集中在硬件本体，各家比拼运动能力、步态稳定性；进入 2026 年，竞争接力棒传递到模型层，比拼重点转变为机器人对物理环境的理解、自主任务执行能力，具身大模型成为赛道核心。资本快速向模型层倾斜，国内约 50 家相关企业推进股改、筹备 IPO，赛道热度持续走高。

  当前国内具身智能相关企业已经达到 370 余家，不断有新创业项目涌现。资金端热度更为突出，IT 桔子统计显示，截至 2026 年 7 月 30 日，年内具身模型领域共计发生 195 起融资，覆盖 108 家企业，累计融资 754.63 亿元，远超 2024、2025 全年水平。市场流传平均每天至少 5 亿元资金流入赛道，二十余家企业估值突破百亿元。资金呈现高度向头部集中的特征，20 笔十亿以上大额融资拿走接近八成总资金。千万级融资仅仅是入场券，租场地、搭建团队、配齐算力与数据体系，跑完首个 Demo 就基本消耗殆尽。到第二轮融资阶段，投资人开始追问真实客户落地的投入产出，残酷的头部卡位战已经开启。赛道涌入大量跨背景创业者，来自高校、自动驾驶、互联网、机器人产业链的人才齐聚，行业关键词从运动控制转向 VLA、世界模型、数据闭环。不少视频生成企业跨界入局，争夺机器人时代的智能底座入口。

  赛道喧嚣之下，具身模型面临系统性难题，并非单一软件模型，而是本体、模型、数据耦合而成的复杂系统。模型需要同时攻克空间推理、长时序任务、精细操作、实时控制、跨场景泛化，还要完成和硬件本体、安全系统、推理框架、业务场景的打通。多方观点认为数据是最大瓶颈，数据赛道也随之迎来资本追捧。一方面高质量具身训练数据供给稀缺，头部企业大多仅有几十万小时有效数据，行业判断可用通用模型需要百万至两百万小时规模；另一方面真机采集、人类示教获取真实数据成本极高，大规模投放机器人采集数据效率低下，想要积累百万小时数据周期漫长。

  行业正在探索多条破局路径，利用视频大模型生成仿真合成数据，以此降低对真机数据的依赖；通过少样本、测试时训练等技术方案提升数据利用效率；拓展触觉维度的数据采集，补齐灵巧抓取、精密装配所需的多维信息。但新的矛盾随之显现，触觉数据采集高度依赖高可靠性灵巧手，而灵巧手本身尚未完成大规模量产降本，上下游环节互相牵制。

  重重困难之下，2026 年资本依旧疯狂押注具身模型，核心原因在于 AI 优质投资标的稀缺，大语言模型赛道格局固化，物理 AI 成为承载万亿资本的新方向。模型处在产业链价值高地，具备跨硬件本体、跨场景复制的想象空间，市场远期空间被资本高度看好。赛道马太效应显著，资金、人才、数据向龙头集中，但技术路线试错风险依旧存在，即便技术基础扎实，资金链断裂也会导致企业无法熬到落地时刻。融资规模直接决定企业梯队位置，而抢占 IPO 窗口，拿到早期上市稀缺红利，是头部企业的重要目标。资本寄希望于上市实现退出，也进一步推高各家企业的融资竞赛。

  赛道提前被资本催熟，但行业依旧缺少统一、可横向对比的评测标准，泛化能力、故障恢复能力没有统一衡量口径，不同企业统计口径各不相同，真实能力很难直接对标。即便如此，行业仍在试错中向前推进。不只模型层企业受益，减速器、电机、六维力传感器等核心零部件国产进程，也在这一轮产业热潮中被持续拉动。对于尚处在早期阶段的行业，产业链上游零部件的进步，本身就是实实在在的产业进展。