问题： 当前，具身智能产业呈现“高热度、低落地”的鲜明特征。尽管资本持续涌入，企业纷纷展示技术成果，但实际应用中仍存诸多痛点。英特尔研究院副总裁宋继强指出，行业普遍聚焦于“能力上限”的突破，却忽视了“能力下限”的保障，导致技术演示与规模化应用之间存在鸿沟。 原因： 具身智能的核心在于实现“感知-决策-执行”闭环，其技术要求远超传统虚拟AI。一上，实体设备需实时处理多模态数据并作出物理反馈，对算力与延迟提出极高要求；另一方面，不同场景对硬件架构的差异化需求，使得通用化计算方案难以满足实际应用。此外，资本过热导致部分企业追逐短期成果，忽视底层技术积累。 影响： 技术瓶颈直接制约产业商业化进程。以服务机器人为例，尽管实验室环境下可完成复杂任务，但在真实场景中常因环境干扰或算力不足而失效。另外，资本集中流向头部企业，加剧行业分化。2026年初，千寻智能完成20亿元融资，估值超百亿，而中小型企业则面临资源短缺困境。 对策： 异构计算被视为破局关键。通过定制化芯片架构与边缘计算结合，可针对性提升设备的环境适应性与能效比。政策层面，中国信通院已将具身智能列为未来产业重点，《具身智能发展报告（2025年）》预测其2030年国内市场规模将达4000亿元。企业需协同攻关基础模型与真实场景数据闭环，避免技术“空中楼阁”。 前景： 短期来看，工业自动化、物流分拣等领域或率先实现突破；长期而言，随着多模态大模型与世界模型技术的成熟，具身智能有望在医疗、家庭服务等场景形成规模化应用。Gartner报告显示，自主AI系统正推动该领域进入技术成熟曲线中后期，但需警惕资本泡沫风险。
具身智能连接虚拟智能与物理世界，既承载对未来生产生活方式的想象，也考验产业对安全、可靠与成本的务实能力。当前的热度是动员资源、加速创新的契机，更是倒逼产业把“能用、好用、耐用”做实的关口。面向下一阶段，只有以异构计算等关键底座为突破口，持续补齐工程化短板、建立可验证的安全体系，具身智能才能从“走红”走向“走稳”，真正成为新质生产力的重要增量。