具身智能单轮迭代约10亿元，客户究竟为啥买单？

“我们现在做仿真测试，需要世界停下来，等我示范完了再动，这在真实世界不可能。”

上海交通大学副教授李永露在2026百度世界大会上讲了这番话。

他说，仿真评测里把GPT-6当“慢系统”、自家模型当“快系统”，超越现有模型并不太难。可一放到真机上，抓、拿、放这么简单的动作，可能要花15至20分钟甚至更久。

过去两年，机器人打网球、叠衣服、冲咖啡，本事一再刷新外界的认知，具身智能也成了一级市场最热的赛道之一。但走出实验室、展厅和运动会赛场，进入真实的生产生活场景，企业要答的是另一套题。

一个动作能不能稳定重复上千次？换个环境，机器人要重新学多久？数据采集和模型训练砸下的大笔投入，又怎么变成企业的收入？从业者开始算这笔账，算的是具身智能走向规模化应用绕不开的成本。

有个数字很扎眼。李永露透露，据他了解，北美一家较强的具身智能模型公司，上一代模型迭代成本约2.5亿美元；国内头部公司迭代一轮模型，成本也在10亿元人民币左右。

“这是一个非常贵的行业。”他说。

百万小时数据背后，壁垒在哪儿？

跟大语言模型比，具身智能的贵，先贵在数据上。

“具身数据需要从地里种出来，不是把船开过去，把数据捞起来洗洗就可以了。”李永露这样形容两者的差别。

目前具身行业

百度

元点科技联合创始人兼首席科学家蒙新泛也提到，即便有些企业号称采集了百万小时数据，可经过

采一小时低质量数据，企业后面可能要花上百倍的成本，通过训练和测试才能判定它没价值。李永露观察到，有的公司从四五家供应商手里买了百万小时数据，堆在云端，却不知道怎么有效处理，也舍不得删，因为钱已经砸进去了。

为了避免这样的

连数据采集人员的激励，也是行业要解的题。李永露说，采集人员未必关心数据多样性，企业得想办法让他们的利益和数据质量对齐。

“我们希望让一个保洁阿姨可以采到专家级别的数据。”他说。

高昂的数据和模型研发投入，真能变成具身智能公司的竞争壁垒吗？随着

潜界科技创始人兼CEO胡钰承认为，在具身智能最上层的任务规划领域，眼下难有具身智能公司敢说自己的模型比通用大模型强。往后通用大模型和具身操作模型可能长期共存，但就智能能力的上限而言，前者也有可能超过后者。

真实世界对机器人的要求，不只在智能水平，还有实时交互能力。

李永露表示，目前部分模型的响应频率可能只有零点几

蒙新泛推演，如果大模型公司真能覆盖整个具身智能模型层，它面对的市场或许比今天的OpenAI、Anthropic还大。不过越往底层走，技术和应用场景分化越厉害，一家公司很难把模型、硬件到实际部署的所有环节全包下来。

不必等到“

昂贵的投入能不能收回来，最后还得过客户这一关。

地瓜机器人销售副总裁江舟在论坛上谈到了行业的一个变化：具身智能公司的工程师们，半年前大多还在忙着替老板撑发布会和展会的场面

换句话说，客户只为价值掏钱。昆腾动力CTO赵春明讲了一个已经交付的跨境物流包裹分拣案例。机器人要从传送带上拿起不同形态的包裹，软包硬包都得翻面、配合扫码、称重，再按业务结果分拣。这个岗位劳动强度大，人员流失率高。尤其赶上“双11”“618”“黑五”这些高峰，物流企业还得提前招人、加工位，高峰一过又要缩人员规模，管理成本又多出一截。

这类客户买机器人，省人工只是一头，另一头是招聘、排班这些管理开销能压下来。他们真正盯的是：机器能不能顶住这个工位，成功率追不追得上人，能不能高过新手。

赵春明觉得，往后具身智能企业要盯几件事：能不能扎进真实的主流客户场景，能不能做到接近人的水平——原稿在这里截断，后续内容未给出。

节卡机器人CTO刘博峰提到，工业客户看的是成本，以及成本之外的其他因素——原稿在此处截断，后续内容未给出。

商业化还带来一层好处：真实场景里跑出来的数据回流过来，模型就能一轮轮接着迭代。

银河通用联合创始人兼大模型负责人张直政的看法是，具身智能未必要等自家那套“—原稿引语在此截断，后续内容未给出。

张直政还提出，行业要回答的不光是机器人能学会多少任务。学会第一个任务以后，学第二个能不能更省劲；等它拿下100个任务，第101个任务的学习方式会不会跟着变，这些才是关键。

商业化推进的节奏一变，资本市场给具身智能企业的打分方式也在跟着变。

中金研究院执行总经理、创新经济团队负责人周子彭引了Dealroom的数据：2026年以来，中国具身智能领域的整体融资规模已超过美国。但今年7月以来，行业融资总额有所下滑，市场开始重新掂量估值和商业化进展之间的关系。结构上，今年融资额排前20的企业占了近60%，种子轮融资事件的占比则还算稳。

他判断，2027年具身智能一级市场整体还会比较活跃，可企业的融资规模、估值和融资条款，会更多看真实订单和正向现金流说话。