半年融资935亿元，中国具身智能争夺机器人“大脑”

思聪网 TechGG.com 报道 中国机器人企业正在将更多资源投入一个比奔跑和翻转更难展示、却直接影响商业部署的问题：机器人到了陌生环境，能否理解要求、学会新工作，并在情况变化后继续完成任务。

路透社近日报道援引IT桔子数据称，2026年上半年，中国具身智能企业完成322笔融资，融资规模达到935亿元人民币，约为去年同期的5倍。该数据覆盖整个具身智能领域，既包括机器人制造商，也包括智能软件等相关企业，不能直接等同于人形机器人整机融资额。

资本关注的，是换一项工作需要付出多少成本

机器人硬件提供了动作的可能性，智能系统则影响这些动作能否组合成有用的工作。

一套设备可以在固定位置反复抓取同一种零件，但换了物品、摆放方式或操作顺序后，往往还需要重新配置和调试。对采购方而言，这些适配工作也是部署成本的一部分。如果每增加一项任务都要进行大量开发，机器人承担的工作范围就很难迅速扩大。

具身智能基础模型希望将感知、指令理解与动作生成联系起来，使抓取、放置、推拉等技能能够在更多任务中复用。它所争取的商业价值，是减少每次部署都从头开发的工作量，让同一套软件与硬件组合覆盖更多场所。

星海图的产品路线提供了一个具体例子。公司介绍，其G0.5采用视觉—语言—动作架构，把任务推理和动作生成放进同一条生成流程：模型先产生子任务、目标位置等信息，再生成动作，并根据持续观察调整后续操作。公司将其目标描述为应对未见过的物品、布局和指令组合。

G0.5 动作标记器

这与单纯增加机器人动作库存在区别。动作库扩充的是已准备好的技能，基础模型还要尝试判断，在当前环境中应该调用和组合哪些技能。后者如果能够稳定工作，才可能降低客户扩展任务时的适配负担。

软件竞争离不开硬件和数据

机器人“大脑”并不能脱离本体独立成长。摄像头的视角、机械手的结构、关节能力和控制频率，都会影响模型能观察什么、执行什么。同一个动作意图，换一台机器就可能需要不同的控制方式。

因此，行业中的一条路线是同时研发硬件与模型。星海图成立于2023年，其产品从R1轮式双臂机器人扩展至机械臂和双足平台，并持续推出G系列模型。按公司披露，2026年2月完成10亿元B轮融资，4月又完成近20亿元B+轮融资，同期推出开发平台。这种布局将数据采集、模型训练和设备验证放进同一套产品体系。

另一项瓶颈是训练经验从哪里来。机器人需要学习真实接触过程，物体打滑、遮挡和柔性材料变形都可能改变结果。路透社报道，企业正在通过人工示范、仿真和两者结合积累训练数据；各条路线尚未出现明确胜出的方案。

从投资逻辑看，同时掌握场景、设备和训练反馈的企业，可能更容易形成持续迭代的条件。但这也意味着更长的研发链条：采到数据之后，还要证明它能改善模型，并让改善反映在客户现场。

能完成一次，与客户能依赖它，是两种要求

判断机器人智能，不能只看某段演示是否成功。一项工作由多个步骤组成，即使每一步都具有较高成功率，连续执行时仍可能积累失败；遇到错误后能否自行恢复，也会影响最终产出。

客户因此需要观察任务完成率、人工接管频次、连续运行时间，以及环境变化后的表现。基础模型在陌生任务上的研究进展，解决的是适应能力；进入工厂、仓储或服务场所后，还需要把适应能力变成可重复的工作结果。

935亿元融资说明资金仍在进入这一领域，尚不足以证明行业已完成从硬件向软件的全面转移。更准确的变化是：在本体制造继续推进的同时，决定机器人能承担多少工作的软件、数据和验证体系，正在获得更高权重。