打开网易新闻 查看精彩图片

11月12日下午17点多,北京冬日的天黑了下来。

但在国家会议中心的一场会议室里,却出现一幕反转场景:现场几乎座无虚席,所有的人都认真听一场关于具身智能的圆桌,结束后纷纷跑到嘉宾面前加联系方式,呈现出火热的气氛。

这与当下具身智能融资从热转冷、外面7度的冰冷气温形成巨大的反差。

打开网易新闻 查看精彩图片

实际上,当前具身智能行业从业者开始“迷茫”。

一方面,大模型正在向具身智能和世界模型领域拓展,真实物理AI门槛也因此被重新抬高。

而另一方面,具身智能行业融资开始放缓,但热钱并没有完全退出,只是头部效应明显,而且随着具身智能行业热度降温、回归冷静期,企业慢慢开始算账、算价值了。

11月12日2026百度世界大会-具身智能分会场上,百度百舸具身行业高级技术专家史南胜提到了一组行业数据账单:

具身智能公司每新增1万小时Ego数据,仅相机位姿就要烧掉3.7万到11.4万卡时;而8小时采集的物理AI数据,其中仅有3.5小时可以用,如100万小时筛完,可能只剩几万小时,但这背后需要消耗千万级规模的算力卡。

百度智能云百舸行业产品研发组负责人毛忆南向智能纪元AGI讲了一个客户常问的问题:一家公司买了10台机器,训练任务排到下周,但老板问相关技术负责人,现在是两机16卡,能不能压到单机8卡,效果不变。

这并不是具身智能公司抠门,而是模型迭代成本越来越高,算力基础设施越来越贵,AI芯片供应越来越紧,省下来的费用并非电费,是真金白银,也是下一轮花费达10亿的模型迭代速度。

伴随着具身智能加速发展,行业将需要更大规模的算力基础设施,训练和更加复杂的真实场景应用。

打开网易新闻 查看精彩图片

百度集团副总裁侯震宇表示,物理智能的长期竞争力,来自真实场景中数据、模型与AI基础设施的共同进化,以及将这些能力系统化组织起来的工程体系。百度智能云将携手产业伙伴,持续完善面向真实具身场景的能力,推动技术创新与产业落地。

“我认为明年,只讲宏大叙事的公司容易被淘汰;具身智能公司如果把精力放在跟语言模型、大模型比拼智能上限,同样会走不通。真正踏实落地、能在真实场景里跑通商业化闭环的具身智能赛道公司,反而是明年的机会。”00后创业者、具身智能公司潜界科技创始人兼CEO胡钰承直言。

具身智能三笔账:

数据、算力、交付

具身智能的竞争,正在从模型能力转向单位成本,而数据、算力、交付,是三笔必须算清的账。

数据算转化率,算力算利用率,交付算可靠性,三笔账合起来,决定了一家具身智能公司能不能把技术变成可持续的生意。

打开网易新闻 查看精彩图片

具体首先看数据:沥出水分。

上海交通大学副教授。创智学院全时导师,RhOS.ai创始人李永露把具身数据和互联网数据做了一个区分。他认为,互联网数据是把船开过去,把数据捞起来洗洗,而具身智能数据需要从头开始。

李永露给了两个数字:行业最强的模型约7B,能吃下100万小时数据。而要做到这个级别的模型能力,可能需要1亿小时数据来洗。更麻烦的是,数据从采集到能训练,中间有15到20道工序,有的公司走了18个月,甚至有些公司需要做两年。

这意味着,百万小时数据,一层层筛完,真正能进训练的可能是几万小时,如果想要更优的数据,具身智能企业就需要付出庞大的资源能力。

史南胜算过另一笔账。一个采集员干8小时,真正能进训练管线的数据只有3.5小时,而1万小时数据就要3.7万到11.4万GPU卡时。

打开网易新闻 查看精彩图片

“Scaling趋势已被反复验证,瓶颈转向数据的转化效率。”史南胜展示了一张PPT数据,大量的算力,结合真实物理AI数据才可以交付真正的具身智能大脑。

这就要谈谈算力账:卡越贵,越要算利用率。

毛忆南提到,具身智能公司不会把所有GPU都买最贵最好的,卡越来越贵,供应越来越紧,很多客户可以选择没有NVLink,搭配弹性RDMA的国内主流GPU型号,让成本降下来,不断加速获得投资人的钱。

尤其大环境瞬息万变,融资也不好拿了,很难再有更多资源投到算力层面。

具身智能分会场上,中金研究院执行总经理、创新经济团队负责人周子彭给出了一组数据:

截至10月30日,国内具身智能VC/PE投资额约1618亿元,不仅超过2025年全年的约455亿元,而且是去年全年的3倍多,也远远超过美国具身智能行业。

然而其中,自下半年起,国内具身智能行业融资总额有一定程度下滑,尤其10月,具身智能行业月融资额不超过80亿元,环比下降40%以上。

打开网易新闻 查看精彩图片

“最近一段时间,大家体感上觉得融资是不是相对变冷了。我们从数据上也能看到,从7月份开始,我们整个的融资总额有一定程度下滑,前提是因为我们在2026年6月份之前,整体融资速度太快了。因此,产业结构层面,今年我们看到头部企业在加速,泡沫似乎出现了一些出清的苗头。”周子彭认为,具身智能技术可行性已经有一定论证,商业可行性基本没有太多异议,然而,行业存在一窝蜂抢项目、重复建设等问题,所以2026年增速太快,2027年行业不一定能维持同样的增速。头部企业的融资增速可能会受到高估值的限制。

史南胜表示,算子加速不等于管线加速,也不等于全栈加速,企业更看重整机效率和单位成本。

最后是交付账。

交付账是最容易被低估的一笔,你看到的Demo可以只成功一次,但真正要落地交付,就要成功一万次。

银河通用联合创始人兼大模型负责人张直政在论坛上表示,30分钟的家务,机器人可以零失误做完。但前提却是,机器人是在已经做过后训练的场景里干活。

这意味着,换个没见过的厨房,没见过的锅,没见过的油温,很难说机器人是否真的会成功交付。

张直政还讲过一个细节,右臂突然变重,机器人走不了直线,用世界模型建模自身变化后,200个迭代才能恢复。

交付的成本,藏在后面。李永露做过一次评测,100台机器人、100个任务,每个任务测3到4次,测了两个月,才把市面上主要开源模型测了一遍。

这意味着,具身智能行业还在早期阶段。大语言模型也好,仿真环境里的数据交互也好,都替代不了物理AI在真实世界中的交付,真实物理AI模型依然存在巨大的商业化市场。

交付账算到最后是一道很朴素的题:客户买的是24小时不停产、能给企业带来巨大收益的机器人,并非一段demo视频,也不是arxiv上发表的机器人技术论文,而是机器人能干活,客户才能付费。

如果人形机器人经常需要大量的人支援和救助,客户付的就是冤枉钱。

总结来说,这三笔账不是并列的,数据决定模型能学多少,算力决定学得多快,交付决定学完能不能收钱。任何一笔算不过来,另外两笔都会被拖下水。

周子彭认为,具身智能企业就必须拿出真实订单和正的现金流来证明自己,尤其企业表现与融资规模的相关性明年会明显变强,估值和条款将高度依赖经营结果。那么,估值不高的初创企业,2027年可能迎来一个比较好的时期。

节卡机器人CTO刘博峰强调,行业洗牌和公司出清每天都在发生,具身智能公司真正要反复确认的,是自己做的东西对客户有没有价值,没有就随时可能出局。只要有价值,做模型、做硬件、做交付都成立,赛道不是决定因素,潮水退去才知道谁在裸泳。所以关键不在你在哪一类公司,而在你创造的价值是否大于你消耗的价值。

70多家具身公司,为什么先选择百度智能云?

李永露认为,具身智能的单点突破都没用,硬件不升级,数据质量上不去;数据infra跟不上,scaling就是空转;而模型不大,硬件采回来的数据又喂不饱。三条线必须同一节奏迭代,飞轮才会自己加速。

当具身智能已进入下半场,技术方向开始纠错,正在从模型竞赛变成工程和落地竞赛。客户也开始挑性价比高的方案,热钱也没退,只是钱开始挑企业、挑人了。

曾有头部企业公开算过一笔账,具身智能研发成本里,「大脑」部分占80%,其中算力占40%-50%,数据约占30%。

如果说模型决定它能做什么,数据决定它做得多好,那么,基础设施决定它能不能赚钱、能否真正支撑具身智能公司发展。

在百度百舸看来,具身智能成本黑洞最典型的就是“算力错配”。当前,具身主流模型大多集中在10B-20B量级,高端训练卡专为超大规模模型的高强度并行通信设计,用在中小尺寸模型上,算力、显存、带宽三者根本无法同时打满,闲置的每一分性能,都是看不见的成本溢价,在此之前,没人愿意戳破这件事,因为用顶配卡永远正确,哪怕它性价比最低。

但现在,具身智能公司的资金开始一步步节省花销,如何用性价比高的算力落地具身智能模型身上,成为每个行业人士的新课题。

作为国内头部AI云厂商,百度智能云正加速切入具身智能赛道。目前其已经为70多家具身智能产业链企业提供全栈AI云服务,以29.6%的市场份额位居中国具身智能云市场第一,相关能力也在与客户的联合实践中持续迭代打磨。

这份成绩背后,是团队对模型落地全链路的持续投入。

一套具身模型从训练到部署,需要反复与数据、机器人本体和作业环境协同配合。百度智能云的全栈能力,正是围绕模型、数据、本体、场景四个维度展开。

首先,模型侧,百舸管训练、推理和算力调度。在开源框架上提供加速套件,优化VLA、世界动作模型等常用模型的训练吞吐。

以π0.5为例,单机8卡测试中,百度优化后的OpenPI PyTorch实现,吞吐达到JAX参考实现的2.37倍;千寻智能Spirit系列模型的训练中,平台把集群有效训练时长提升至98.8%,训练和推理效率分别提升30%和60%;星海图与百舸合作的Fast-WAM世界动作模型,10步推理延迟压到87毫秒。

打开网易新闻 查看精彩图片

数据侧,把采集、标注、管理和评测连起来。百舸提供手部重建、相机轨迹恢复、动作切分标注等算子,工作流编排执行,质检前置,并沉淀为参数化模板复用。在10段EgoLife视频测试中,相机位姿恢复环节的算力消耗从11.36降至6.48 GPU小时,减少约43%。数据用Lance宽表管理,视频、标注、评分分开保存,可单独更新,避免整批从头加工。评测结果再反哺下一轮采集。

本体侧,模型要适配机器人的交互和运行条件。百度智能云提供语音交互、安全和端云协同支持,与地瓜机器人结合旭日3、旭日5芯片,为AI陪伴设备提供多模态互动框架和端到端语音方案。端云协同按响应时延和机载算力分工,模型部署与本体软硬件条件一起考虑,安全要求纳入系统设计。

场景侧,检验任务稳定性,复制应用经验。通过训练场和中试平台,支持企业验证成功率、人工接管和运行成本,探索向更多场景复制,并结合行业资源帮企业找到适合验证的业务环境。现场问题反哺数据采集和模型训练,验证有效的方法进入下一轮部署。

模型更新靠数据,部署要适应本体,场景验证又为研发提供反馈。百舸正是顺着这条闭环,减少重复加工和训练等待,让同样投入支撑更多轮具身智能模型迭代。

因此,更简单来说,百度智能云的角色并不是单纯“卖铲子”,而是通过全栈AI云技术能力,帮具身智能客户算清每一条产线的账。

此外,在本次论坛上,百度智能云还与壹零壹壹、潜界科技、普渡机器人开展合作签约,进一步拓展产业合作。

周子彭把2027年分成三种情景,基准是政策与产业资金支持保持,商业化不大范围落地,一级市场仍然相对活跃;上行是任务节拍和成功率达到应用层级别,出现所谓GPT时刻;下行是真实场景完成度不及预期,叠加海外AI泡沫震荡。

这三种情景,其实都绕不开三笔账:数据转化率上不去,上行没有基础。算力成本下不来,基准撑不住。交付做不好,下行就会来。

所以2027年的分水岭,不是谁先做出通用机器人,而是谁先把单位成本打下来。

六角未来创始人贺潇认为,真正能为客户创造价值的公司会留下,离客户远的会被逐步淘汰。所以得先界定什么叫创造价值,在具身软硬件还不成熟、难以稳定交付收益的当下,价值不只有交付收益,还有数据收益。客户手里有老师傅、有自己的生产环境、有涂胶和拧紧这类工艺,他要的是一套RSI基建,里面既有机器人,也有模型,让他把多年经验在这套基建上转成价值,看见这一点的公司未来会做大。

2026百度世界大会上,百度集团执行副总裁、百度智能云事业群(ACG)总裁沈抖表示,从电力电机到计算机网络,再到今天AI时代的智能云,基础设施的发展总是与组织的进化相辅相成。百度智能云从开展业务的第一天就坚信人工智能的力量,始终坚持AI first。

打开网易新闻 查看精彩图片

这也呼应了李彦宏关于智能组织的判断:沉淀隐性知识,设计流程闭环,工程师在一次次实验中积累的方法,逐步沉淀为团队构建AI组织的工具和流程,让研发经验随着项目推进不断积累,形成一个不断学习和进化的“迭代闭环”系统,让创新速度加速,让企业的市场竞争力变得更强。