信用风险决策参考 2026-08-04
信用风险决策参考 2026-08-04
分析结论：
在AI的加持下，具身智能正在加速迈入量产前夜。资本加速涌入、技术迭代提速、市场日趋成熟，共同推高了具身智能行业的发展预期，也推动了行业加速进入优胜劣汰、分化升级的高质量发展新阶段。客观而言，具身智能要跨过三道关键门槛，集齐技术、成本、大众接纳三重条件，产业才会迎来爆发的“奇点时刻”。唯有政企产学研用国际多方合力，补齐数据、仿真、标准底层短板，打通从实验室样机到工业化量产完整闭环，持续释放具身智能新质生产力，才能在全球新一轮科技产业竞赛中巩固独有产业优势。全国政协委员、工信部原副部长王江平提出了五大长期产业战略，为行业发展划定清晰路径：一是聚焦真实长远需求，着力解决产业与社会发展的痛点和难点问题；二要强化数据要素核心支撑，加速具身智能技术的迭代；三是要加强仿真能力的建设，积极拓展合成数据的应用；四是要加强标准规范和生态建设，提高具身智能的泛化能力和安全可信水平；五是要深化产教融合与人才培育，为具身智能发展提供人才支撑。(LQY)
分析过程：
近日，在江苏常熟召开的“2026智算产业生态大会”上，工信部电子第五研究所副所长王蕴辉公开表示，“具身智能产业存在行业多场景训练数据根基薄弱、技术研发和真实场景落地存在巨大鸿沟、核心部件与整机成本高昂、产业链上下游难以互信等问题。”在她看来，构建具身智能产业中试枢纽是破局关键。
众所周知，数据是训练智能体的燃料，也是优化机器人行为的一个催化剂。全国政协委员、工信部原副部长王江平指出，当前的具身智能发展面临严峻的数据荒。与文本数据相比，具身智能所需要的多模态物理交互数据在数量上与文本数据存在巨大缺口。据悉，英伟达人形机器人训练数据90%以上来源于仿真合成数据。
反观国内，具身智能所需的高质量物理交互数据严重匮乏。全球真正在人类工作场景中运行的机器人可能不足1000台，真机数据采集成本极高且难以复用。企业各自采集工况数据形成“数据孤岛”，设备故障、极端环境等稀缺样本难以共享，导致实验室训练的模型在真实环境中误差偏大。对于这一现状，王江平强调，要加快标准规范与生态建设，建立健全算法审查与应急干预机制，倡导“敏捷治理”“沙盒监管”，搭建开放平台，打通从“技术攻关、中试验证到产品落地、市场拓展”的全链条闭环，全面提升具身智能的泛化能力与安全可信水平。针对“数据荒”问题，他指出，一方面要加快高质量数据集构建，建立公共数据平台，促进共享与开放；另一方面要加强仿真能力建设，积极拓展合成数据应用，降低创新成本并覆盖边缘场景。
“面对具身智能产业发展痛点，构建具身智能产业的中试枢纽是破局关键。”王蕴辉介绍，该平台是衔接实验室原型与规模化生产的核心桥梁，能够打通技术落地的最后一公里，构建研发、生产、应用的全链条价值循环。首先，中试平台可补齐产业数据短板，通过汇集、清洗、标注海量数据，为企业技术迭代提供数据支撑；其次，能够统一行业标准，打破各主体技术参数“自说自话”的无序局面，扫清规模化应用障碍；再者，加速技术迭代，形成从概念验证、产品试制到检测成熟的完整闭环，全方位核验产品性能，解决“样品好用、产品难用”的工程化难题；最后，中试平台可以整合上下游产业生态，实现产业资源高效配置与优势互补，全方位助推产业规范化、规模化发展。到目前为止，通过省级审核的中试平台有2000余家，其中储备的中试平台有1800家，重点培育的中试平台有300余家，国家级的制造业中试平台有21家。
行业正加速进入优胜劣汰、分化升级的高质量发展新阶段。未来三年是具身智能从实验室走向工厂的关键时期。《报告》指出，预计到2028年，全球工业场景的人形机器人保有量将达到10-15万台，其中中国将占据50%以上份额。具身智能产业政策有望在以下方向持续深化：一是从“支持研发”向“支持规模化”转变，政策重点将从技术攻关转向产业化推广和市场培育；二是从“供给端”向“需求端”延伸，通过政府采购、应用场景开放等方式拉动市场需求；三是从“国内循环”向“国际循环”拓展，支持中国企业参与全球竞争和标准制定；四是从“硬件补贴”向“生态建设”升级，建设国家级具身智能数据平台、训练基础设施和测试认证体系。同时，也需要高度关注政策“过热”带来的潜在风险。多位专家指出，国内超150家具身智能企业中，半数以上为初创或跨界入局企业，大量资源集中在基础行走、表演演示等表层功能研发。各地扎堆布局可能加剧同质化、低端重复建设，出现产品扎堆上市、核心技术研发空间被挤压的问题。
