具身智能正在从能力展示走向更具体的验证。机器人能完成哪些任务、需要多少人工介入，以及距离稳定承担真实工作还有多远，正在成为衡量行业进展的重要问题。

伴随这些变化，资本也面临新的判断。技术路线尚未明确，企业已经需要回答收入、估值与退出问题。对长期市场空间的期待，如何转化为对当下投资价值的判断？

在外滩大会上，多位持续布局具身智能的投资人向巴伦中文网等媒体谈到了这组矛盾。他们普遍认为行业仍处于早期，但对商业化的优先级，以及当前资金究竟投多了还是投少了，给出了不同答案。

演示难以衡量智能，数据与训练范式仍待突破

机器人展示出来的动作，究竟有多少来自智能水平提升，又有多少依赖特定条件下的工程设计，是外界评价行业进展时的一道难题。近期的机器人赛事，为观察技术进展提供了一个窗口。

“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表示，比起插数据线、给手机打包装盒等单项操作，他更期待同一个模型能够完成相对复杂、跨越多个场景的任务，表现出一定的泛化能力与自主性。

制约这种能力提升的因素，既包括数据，也包括训练方法。

“具身数据甚至今天大家把所有的相关数据拿出来，可能这个时间点都没有到100万小时。”九合创投投资总监赵福珩在交流中估计。他随即提出，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。

除了积累还不充分，行业对于哪些数据更有效，也没有形成足够明确的共识。赵福珩认为，大语言模型领域对于优质数据的判断已经相对清晰，具身智能尚未达到这样的技术收敛程度。

此外，从扩大采集到提升机器人能力，中间仍有需要验证的环节。赵福珩期待，有企业能够证明，增加预训练投入可以有效推动具身智能水平提升。一旦这样的规模化规律得到充分验证，其他企业才更容易沿着清晰的方向跟进。

世界模型也是几家机构共同关注的方向。中科创星、峰瑞资本和BAI Capital均在交流中提到世界模型布局。BAI Capital AI领域投资负责人冯甜同时指出，这一领域仍然早期，定义和技术路径尚未完全收敛，哪种基础框架能够跑出来，需要更长周期观察。

因此，演示效果之外，更值得关注的进展，是企业能否建立一套可持续提升能力的研发方法。颜黔杭认为，行业从数据、预训练、后训练，到部署和真机强化学习的研发流程正在逐渐清晰，但这些积累还需要转化为更显著的智能突破。

局部估值有泡沫，长期研发投入却未必充足

当技术仍需持续探索，资金应该优先支持什么？

中科创星AI投资人、执行董事王超的选择更偏向产业落地。他表示，中科创星倾向于投资具有产业经验的团队，关注两类公司，一类系统能力较强，能够推动落地；另一类能够持续突破具身智能的能力上限。

颜黔杭则认为，“今天具身智能谈落地为时尚早”。

他以早期自动驾驶作类比，认为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。过早围绕局部场景投入大量精力，可能面临后来者凭借更强技术能力赶超的风险。

两种侧重点，对应着不同的投资判断。重视落地，是希望团队能够把技术组织成可交付的系统；优先突破模型能力，则更看重未来技术跃迁可能带来的竞争优势。对企业而言，这也意味着有限资源需要在研发、场景适配和客户交付之间作出取舍。

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。”

在王超看来，局部泡沫与行业投入不足同时存在。他认为，要让具身模型取得更好的效果，需要数据和模型两侧同时突破，而支撑这些探索，目前企业获得的资金仍然不够。

颜黔杭认为，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。在他看来，如果调低预期，考虑到技术仍在逐步推进，行业泡沫并不明显。不过，部分具身模型公司在技术拐点尚未到来时就开始谈论上市，容易引发市场对泡沫的质疑。

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。他举例说，当前的投资热情，仿佛期待中国能出现100家实力很强的具身智能公司，但最终可能只有10家以内。两者之间的差距，也是泡沫的一种体现。

对于前一类泡沫，他认为，技术范式尚未收敛，目前很难证实或证伪。对于后一类，他认为一定程度上已经存在。

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。（作者｜蔡鹏程，编辑｜刘洋雪）

更多对全球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问 Barron's巴伦中文网官方网站