20岁的大学生做创始人，招18岁员工，再被年轻人投资。
这不是一句玩笑话，而是现在AI和具身智能行业的人才新现状，今年的感知尤为明显。
比如，前有北大天才少年、今年22岁的逆矩阵联合创始人兼CRO（首席研究官）陈博远，第一笔公司估值超过10亿美元。
后有出生于2000年，本科毕业于重庆大学明月湖科创实验班（师从李泽湘教授），后于清华大学攻读研究生的“零次方机器人”创始人、CEO闵宇恒，首笔融资数亿元。
甚至还有2001年出⽣、正在清华⻋辆与运载学院读博的具身数据采集公司OriginFlow（渊澈太初）创始人秦深涛，刚刚拿到超5亿元融资，引发行业关注。
值得一提的是，这次WAIC参展的企业中，2001年出生、灵初智能的联合创始人兼强化学习负责人陈源培，师从斯坦福大学李飞飞和 Karen Liu 教授，以及北大杨耀东教授，堪称00后创业者中的“顶配”。
很显然，在每日一变的具身智能行业中，00后非常年轻的创业者已经成为“主导者”，而80后、90后似乎要和这些“新登”的PK竞争局。
今年世界人工智能大会（WAIC 2026），首次将具身智能提升为与智算并列的核心赛道，参展企业从去年的80多家飙升至200多家，208款具身智能终端、超300台真机同台亮相。
7月18日下午，百度智能云宣布与OriginFlow、零次方机器人两家00后创⽴的具身智能新锐企业进⾏战略签约。
通过模型、算力、数据、开发平台及行业生态合作，百度智能云已经形成从数据采集、训练到应用部署的完整链路能力，并形成AI基础设施+具身智能产业生态。IDC最新报告显示，百度智能云以29.55%的市场份额位居中国具身智能云行业第一，持续领跑。
百度集团执行副总裁、百度智能云事业群总裁沈抖多次谈到，百度把十年自动驾驶积累的数据服务能力迁移到了具身智能场景，提供大规模的数据采集和标注，以及提供从算力、平台工具链、数据服务、语音交互、安全等全栈能力，并且即将推出“规模化训练-评测-反馈的闭环系统”，从而帮助具身智能企业构建物理AI（Physical AI）的 Scaling 能力和模型训练迭代。
一面缺数据一面商业化，
200家机器人公司开始分化
本届WAIC，所有具身智能创始人都有一个共识：
现在具身智能行业缺大量有用的数据。无论是以人为主的真实数据，还是仿真或合成数据，都缺。
“在我看来，当前最大瓶颈是真实场景数据，我们尚未形成完整的数据飞轮。目前多数数据都采集于实验室并用于模型训练，但这类数据无法覆盖现实里各类复杂工况，模型落地后极易遇到从未见过的场景条件。”零次方机器人负责人告诉智能纪元AGI。
北京大学数学学院教授、壹零壹壹科技首席科学家杨超则指出，过去大语言模型技术的飞速发展，离不开 Scaling Law 的成立。迈入物理 AI 领域，数据是摆在行业面前的首要难题，高质量数据更是极度稀缺。
“不同于大模型训练所用的通用语料数据，物理 AI 需要具备真实物理属性的专属数据，唯有依托这类数据，AI 才能真正跳出虚拟计算机场景，落地现实世界、完成真实环境交互。也正因如此，行业首先面临的就是数据体量不足的问题：年初众多企业还在布局百万小时级别的数据集，如今行业布局节奏快速升级，各大厂商已纷纷着手规划千万小时级的数据储备。”
所以，现在很多企业面临的是，一面缺数据，导致模型和机器人智能水平不够“灵敏”，另一面企业需要快速商业化，所以开始做舞台展演、汽车和工业，也有发力拿药拿货零售场景，甚至有进家庭、进厨房、叠衣服、拿垃圾桶这些新“工种”。
大晓机器人董事长、商汤科技联合创始人王晓刚却直接表示，很多惊艳的机器人Demo仍是在预先设置好的特定任务中完成的，一旦进入真实生产生活场景，机器人就会遇到大量从未见过的情况。
这句话隐含的是，机器人在场景落地中的复杂性难以想象。
北京大学数学学院教授、壹零壹壹科技首席科学家杨超认为，物理AI核心瓶颈是高质量物理属性数据不足，存在数量、质量、数据结构等问题。仿真数据优势显著，可通过多维度优化缩小虚实误差，破解落地难题。
技术落地的瓶颈叠加复杂的市场环境，让国内机器人行业格局迎来剧烈重构，200余家机器人企业正式进入分化洗牌阶段。
纵观当前赛道玩家，具身智能与人形机器人企业主要可划分为四大类型。
第一类，宇树、优必选等企业以本体硬件自研与自有小模型为主，锁定自有机型闭环。其中，像宇树、众擎可能更偏重于运动控制层面，展览商演成为关键的收入来源。
第二类，80%以上的国内企业都涌进具身大脑赛道，要么做VLA模型、做世界模型，再联合产业链公司做一些本体、定制灵巧手，先To B做做合作，找投资人把资金变多，慢慢部署、慢慢修正，形成所谓具身智能AI的闭环。
第三类，非常明显的一类公司，想做具身智能“Tier 1”（一级供应商），要么做生态，要么做芯片做算力，或者做数据采集和训练等，如地瓜机器人、以及一些云厂商，就是做To B、交朋友，服务好现在这些具身智能客户。
第四类，是跨界拓展的传统机器人企业。原本深耕灵巧手研发、AGV设备制造的企业，如极智嘉、原力灵机等，正积极突破原有业务边界，围绕客户多元化需求，延伸业务链条，布局一站式具身智能与人形机器人整体解决方案。
目前，机器人与具身智能技术虽已在工业场景逐步落地应用，但行业尚未形成统一的商业化落地共识。大量企业仍持续探索家庭场景、世界模型的商业化落地路径，且赛道暂无100%绝对的龙头企业，未形成固化的行业垄断格局，市场竞争依旧激烈。
资本先行：半年融资935亿，增长3倍
正是这种分散且火热的竞争态势，推动资本持续加码赛道，也让200家机器人企业的行业变局愈演愈烈。
IT桔子数据显示，2026年上半年，国内具身智能行业融资额达到935亿元，较2025上半年提升了5倍；融资事件数量达到322笔，同比增长137%。
根据公开信息，智能纪元AGI发现，今年上半年具身智能估值百亿独角兽企业至少已有22家，2025年时有三家。部分企业融资节奏迅速，如自变量机器人宣称连续完成四轮融资并全部完成交割。下场押注的国家队、产业资本、顶级VC等机构资金也显现出“抱团”趋势。
据多家研究机构测算，国内整个具身智能市场规模从2018年的约2133亿元到2026年预计的1.09万亿元，年均复合增长率为22%至23%。
但高增长、高融资的火热态势背后，赛道泡沫化隐患也愈发凸显。
当前具身智能市场体量虽持续扩容，但行业容量已难以持续承载大量同质化企业，赛道拥挤、产能过剩、估值虚高的问题持续凸显。参考大模型行业从“六虎”迭代收缩为“四小龙”的洗牌历程，一旦行业资本泡沫破裂、热度回归理性，基础模型赛道将开启残酷的淘汰赛，而具身智能赛道也将复刻这一发展路径，迎来新一轮行业出清与格局重塑。
“任何行业发展都伴随着泡沫，或者任何新事物发现都是泡沫，是人们对一个事物发展无法做出精准预测，所以有的时候给出了过高的阶段性估计，然后这个估计大于结果的时候就是大家认为的泡沫，这事一定会出现。我们时时刻刻去关注着资本市场什么时候会有下行，什么时候大家对这个事要开始验成果了，这件事一定会发生。”星海图CEO高继扬最近对智能纪元AGI表示。
高继扬指出，商业化规模大小是相对概念，核心要遵循产业发展客观规律，违背规律的商业化就是拔苗助长。对于还未成熟的生产力场景，超前落地会导致客户体验不佳、供应链压力大、团队内耗严重，需要坚持遵循行业发展规律，做符合当下阶段的正确选择。
“数据层面的差异，会逐层传导：先造成模型能力的差距，再体现在产品演示、落地应用效果上，最终反映在商业价值与市场表现上。这是一条完整的传导链路，未来一到两年，行业内企业的差距会逐步显现。”高继扬称。
总体来说，如今，00后的本科生、硕士生、博士生，以及大学教授、导师开始主导具身智能赛道，但是这个行业已难以持续承载大量同质化企业，企业自身的具身模型能力还没有通用和泛化，另一面却面临巨大的融资泡沫和商业化诉求，不得不让行业陷入了越来越内卷和焦虑的趋势。
多位投资人告诉智能纪元AGI，当前具身智能行业热潮呈现出明显的“资本先行、落地滞后”特征，并没有成熟的商业化营收和稳定的落地场景进行支撑。当下行业的高融资、高估值状态并不具备长期持续性，随着市场逐步回归理性。
上述投资人强调，资本会快速向拥有核心技术、落地场景和盈利能力的头部企业集中，缺乏技术壁垒、依赖融资续命的尾部企业将加速被市场淘汰，行业分化的差距会进一步拉大。
30%份额，具身智能开始首选百度智能云
除了数据，具身智能算力层面也有很多的锚点。
杨超谈到，大语言模型其实经历过“大炼模型”阶段，动辄数万张计算卡，而物理 AI 大概率也要走这样一条路，但是这条路的过程可能会略有不同，对算力的需求可能会发生一些变化，对底层Infra能力的要求也会同步提升，尤其是仿真Infra、推理层面的高吞吐和低时延能力。
杨超给出了一组数据，机器人相机采集、机器人执行的要达到数十到数百Hz以上，但即便是2倍的英伟达卡，推理效率仅达到6.7Hz，对于算力需求很大。而且，这种算力需求并非端侧能够解决，更多还是需要上云进行模型训练和优化迭代。
当机器人竞争进入“大模型时代”，比拼的早已不仅是机器人本身，而是其背后的AI云能力。这也是越来越多具身智能企业选择与百度智能云合作的重要原因。
7月17日，IDC发布《中国具身智能云市场份额报告，2025》，2025年百度智能云以29.55%的市场份额位居第一，持续领跑中国具身智能云市场。
在此之前，Omdia发布的《中国具身智能AI云市场，1H25》报告显示，百度智能云以 35% 的市场份额位居中国具身智能AI云服务市场第一，阿里云与腾讯云分别占据17%和16%，其余份额由华为云、火山引擎及部分垂直云厂商构成。
据了解，百度智能云不仅服务了包括北京、上海创新中心在内的具身智能“国家队”，也在为智元、星海图、智平方等产业链上超过40家重点具身企业，提供全栈AI云技术支撑，获得具身企业的广泛信任和支持。
在这背后，不仅是一个简单的市场竞争和数据份额，本质上还是具身智能企业对于百度智能云的一种“信任”。
实际上，百度智能云团队从2023年下半年开始深⼊具身智能赛道。
面对具身智能⾏业的关键发展阶段，产业发展空间巨⼤，但同时在技术研发、应⽤落地等多⽅⾯，仍⾯临诸多挑战，百度智能云的定位是提供智能时代的基础设施，具体是两个⻆⾊定位：⼀是技术赋能者，⼆是场景链接者。
其中，在技术赋能⽅⾯，重点围绕具身企业在具身⼤脑、运控⼩脑、具身数据集建设、整机本体研发这四⼤重点⽅向上，百度智能云结合在AI基础设施、⼤模型、数据采标服务、语⾳交互和安全等⽅向的优势技术和⽅案积累，助⼒企业在具身智能关键技术和产品研发⽅⾯更快、更好地出成果。
例如，百度智能云与北京⼈形机器⼈创新中⼼合作，后者发布的具身世界模型、跨本体VLA模型等技术，底层就是采用百度百舸算力，不仅提供⼀站式⾼效能云端开发IDE，⽀持中⼼全场景、全流程的研发⼯作，实现了两倍提效，而且全⾯适配主流开源具身VLA模型、并在WM世界模型和VLM模型上提效，近期百度百舸更是率先完成强化学习开源框架RLinf v0.3适配，成为国内首家支持该版本的云厂商。
在场景链接⽅⾯，百度智能云在各⾏业有多年深耕的AI落地场景积累，可以通过链接场景资源和⽣态合作，⽀持具身智能机器⼈探索出可复制、可规模化的价值场景。
如今，具身智能行业已经达成共识：无论是世界模型，还是具身智能大脑，具身AI智能体是进⼊物理世界的代表形态。
⽆论是软件Agent还是机器⼈，最终竞争的都不是模型调⽤量，⽽是能否在真实场景中持续执⾏任务、交付结果，而要实现这种结果交付，依靠的不是单点模型能⼒，⽽是芯⽚、云、模型、智能体、数据和场景的全栈协同。
对于百度来说，Agent矩阵是百度“AI体系”水上的一部分。在水下，由昆仑芯（芯片算力内核）、百度智能云（云基础设施）、文心大模型（模型基座）组成，并与Agent最终构成了百度的“芯、云、模、体”四层结构。
从昆仑芯到百舸AI计算平台，从⽂⼼⼤模型到百度千帆大模型平台，百度的各层之间联合优化，已经让“芯云模体”新全栈AI云，不断解决具身智能⾏业的数据、模型、本体问题，并最终服务于智能体和机器⼈在真实场景中的规模化运⾏。
今年5⽉Create大会上，百度创始⼈李彦宏提出，AI时代的度量衡可能是“⽇活智能体数”（Daily Active Agents，简称DAA），与移动互联⽹最通⽤的度量衡“⽇活⽤户数”（DAU）相对应。
沈抖近期对外表示，百度从未将Token消耗量设为内部考核指标，因为Token本质上反映的只是算力资源消耗，并不能准确衡量大模型的实际应用价值。传统的DAU（日活跃用户）指标同样存在一定局限，容易引导行业扎堆大众通用市场。相比之下，DAA更关注AI在不同场景中的实际调用和应用情况，能够引导行业深耕此前被忽视的垂直小众场景与碎片化场景，真实反映大模型普惠落地的整体进程。
2026 年初内部会议中，李彦宏明确提出，行业发展不能只深耕大模型基础能力，更要全力推动全场景智能体规模化落地，DAA 评估体系也顺势成型。目前百度内部所有研发规划、行业项目布局，均以可落地、可运行的活跃智能体数量作为统一对齐标准。
在李彦宏看来，当⼈类进⼊智能体时代，衡量⼀个平台和⽣态的繁荣，更应该关注DAA这个指标，关注有多少Agent在给⼈类⼲活，并交付结果。这⽐⽆谓的Token消耗，更接近价值，也更接近本质。
那么，到底什么时候，具身智能行业会出现共识，且迎来智能涌现的GPT时刻？
王晓刚指出，一旦未来两年积累千万小时量级、以人为中心的数据，2027年前后，具身智能将会迎来智能涌现的时刻。
简智机器人联合创始人朱雁鸣认为，目前具身智能行业目前仍处于探索期。
“我们做开源的初衷，是降低全行业创新与技术探索门槛，加速赛道整体发展。从长期视角看，数据建设无法一蹴而就。开源只是帮助行业快速理解、使用数据的基础手段；模型迭代始终需要海量、高品质数据，且随着模型演进，覆盖的模态会持续扩充。基于这个逻辑，我们将和百度智能云深度协同，持续规模化生产 Token 满足模型迭代需求，双方联合输出完整数据服务能力。”朱雁鸣称。
具身智能的突破绝非偶然的技术跃进，而是海量真实场景数据长期沉淀、循序渐进的结果。
不同于通用大模型的快速迭代，扎根物理世界的具身智能，每一次能力跃升都需要场景数据作为支撑，再层层传导，真正掌握高质量物理交互数据、具备数据沉淀与迭代能力。
而具身智能的终极竞争，归根结底是数据、算力、本体、模型、交互能力同时具备且长期深耕，唯有持续深耕场景、积累优质数据，才能在行业GPT时刻到来时抢占先机。
©本文为原创内容
未经授权，禁止转载
热门跟贴