核心判断

2026年的具身智能与端侧AI， 处在一个容易被误读的位置上：出货数字在涨、融资额在涨、参数在涨， 但真正决定产业能否跨越“演示—交付”鸿沟的那些指标，几乎没有一个在同步改善。信通院《具身智能发展报告（2026年）》给出的定性是“预期前置与能力滞后的矛盾”，产业“正处于期望膨胀期， 未来两至三年将通过市场竞争完成首轮行业出清”。

端侧AI的情况类似， 但约束的性质不同：具身智能卡在数据、泛化与商业闭环，端侧AI卡在功耗、带宽与实时性的物理铁律上，而两者交汇处——机器人端侧大脑——则是当前系统级工程难度最高的节点。本报告不试图论证“前景广阔”，而是逐层拆解弊端与难点。

具身智能：四重结构性矛盾

3.1“出货不等于上岗”：订单含金量与开机率的真实落差

2026年上半年全球人形机器人出货突破2.2万台，同比增长接近300%，数字本身具有标志性。但信通院报告拆开了这个数字的内部结构：文娱商演和科教数采合计占比六成以上，智能制造仅占13%， 仓储物流仅占5%；相当比例设备月均开机天数不足10天， 表演租赁日租金跌去八至九成， 二手工控样机残值缩水近九成。

更深层的问题在订单定义上。如果将“真正的商业化订单”限定为客户基于生产需求购买、已交付验收且能在无工程师持续干预下稳定工作， 则按行业估计至少八成的所谓订单并不符合这一标准（此为估算值，非统计数据）。品牌展示单为客户的话题价值付费， 试点验证单为“不掉队”付费， 战略合作单为PR价值付费——为生产力付费的订单， 在总量中占比很低。整机价格仅占全生命周期成本的40%～60%， 意味着即便硬件售价看起来在下降， 部署、运维、集成、停机的隐性成本仍然把真实拥有成本推得很高。

3.2数据：不是“不够多”，而是“不够有用”

具身智能的数据缺口是一个被广泛引用但容易被简化的数字：全球合规可用的真实物理交互数据约50万小时，而训练通用具身模型需要千万小时级， 缺口超过99%（注：该数字在不同报道中存在“全球”与“国内”两种统计口径， 引用时需注明）。但2026年下半年数据采集赛道热度明显降温， 揭示出的问题比“缺口大”更棘手：供给的质量结构出了问题。 以第一人称视角采集为例,头戴采集设备一天可产出数小时数据， 几万人同时采集就能堆出数万小时， 但“几万小时的重复数据意义有限”。行业里普遍存在的“数据竞赛”式宣传， 堆出来的是数字，不是有效训练信号。

成本机制同样值得补充：真机遥操作数据报价约为每小时500—1000元， 操作节拍约每小时800次， 且低于机械臂每小时1200次的物理上限——靠真机遥操作“堆”出千万小时级数据在经济上不可行。行业因此把可用数据分为三层金字塔：塔尖是真机数据（精度高、供给稀缺）， 塔身是仿真合成数据（可规模化、需过sim-to-real迁移关）， 塔基是互联网视频与人类行为数据（量大、泛化强、需大量清洗与动作对齐）。三层缺一不可。

仿真到真机的迁移鸿沟同样没有被跨越：纯真实数据采集“已越来越不切实际”，而仿真数据虽可规模化， sim-to-real的域差距仍然是“formidable challenge”。数据标准、仿真与真机数据的可信度标定、数据权属与收益分配机制， 均处于缺失状态。一个值得注意的判断来自产业界 ：未来两到五年，数据总量可能不再是核心矛盾，真正的难点会转向样本筛选与定向补采——这恰恰说明，当前的数据困境本质上是结构化效率问题，而非单纯的数量问题。

3.3泛化：换一个场景，成功率就掉下来

“大脑滞后于身体”在2026年已是行业共识，而“滞后”最集中的表现就是泛化能力不足。机器人在固定场景里可以把成功率训练到90%以上， 但换一个物品、换一种光照、换一个作业位置，表现就会明显下降。长尾问题的特征是单次发生概率低、种类却极其庞杂：长毛地毯缠绕轮组、异物卡阻传感器、视觉遮挡导致抓取失败——每一个都不难单独解决， 但它们的组合构成了一个训练数据永远无法穷尽的开放集合。

工厂部署研究中记录的VLA失败模式具有代表性：配件留在产品上方、一次抓起多个袋子、抓取不稳、袋子未完全放入盒中——这些不是“模型不够大”的问题，而是视觉—语义—控制之间的接地精度在真实工况下不够用（注：原文将此类失败模式归于西门子工厂部署研究， 公开渠道未能独立核实原始出处， 谨慎引用）。信通院的判断更为直接：前沿模型闭源导致产业可获得能力与前沿水平存在“约两代断层”，而数据效用限制着模型能力上限。泛化不是一个可以通过单一技术突破解决的瓶颈， 它同时受制于数据覆盖、模型架构和物理世界的开放性。

3.4商业闭环：ROI算不平，资本退潮先于产业成熟

技术、成本、场景被概括为具身智能的“三座大山”， 但三者本质上是同一个问题的不同侧面 ：ROI无法算平。人形机器人BOM成本目前仍在每台3万至15万美元区间，低于2万美元被视为大众市场的长期门槛，而规模效应的启动又需要产量先上去——这是一个典型的鸡与蛋的循环：低产量→供应商不愿投资专用产线→成本高企→需求受限→产量上不去。

资本市场已经在用行动定价这一矛盾。2026年9月成为转折点：监管通过非正式"窗口指导"放缓部分人形机器人企业上市进程；主营机器人关节减速器的环动科技因公司与保荐机构主动撤

回申请，成为年内科创板首单终止审核的机器人IPO项目；融资端明显退潮——8月行业融资91起、313.23亿元，10月上半月仅19起、49.34亿元， 即便折算成整月也不足8月的三分之一。"具身项目根本卖不动"成为FA的普遍反馈。

企业层面的出清信号更直接：达闼机器人（广州）有限公司被法院裁定受理破产清算（其北京子公司已于2025年10月先行进入破产程序）；无境动力在公司成立约8个月后停工、实控人失联，而其不久前（6月）刚披露了近10亿元订单；盈合机器人、深兰科技等一批公司相继破产。

即便是最赚钱的整机厂宇树，上半年扣非净利也同比下降19.34%——增收不增利是整机层的普遍状态，而零部件厂反而在满产交货，利润集中在产业链上游，整机层尚未证明自己能够靠"干活"赚钱。与此形成对照的是两个标志性退出信号： 国内人形机器人公司创下惊人的IPO首日定价，而李飞飞创办的World Labs则在9月底被AMD以约82亿美元全股票收购——最热的时候，已经有头部玩家在安排退路。

3.5安全与可靠性：物理世界的容错率不允许"演示级"工程

具身智能的安全风险与数字AI有本质区别：一个hallucination在文本对话中可以被纠正，在物理力矩指令中被翻译出来则可能造成人身伤害。VLA模型的大参数规划器存在"固有不可预测性"，"当被翻译为物理扭矩命令时构成严重安全风险"。低频规划器与高频执行器之间的异步操作引入延迟，任务目标的抽象化则制造了"语义—控制鸿沟"， 这两者在演示中可以被工程师的现场干预掩盖， 在无人值守的部署中则是系统性隐患。

2026年公开的几起事故指向的不是偶发失误，而是结构性的能力错配。宇树H2-X在侧空翻演示中落地失衡、小腿从关节连接处脱落， 技术分析指出：宣传片中"踢凹车门"展示的是主动施加力量的能力，而落地缓冲考验的是被动吸收冲击的柔顺控制能力， 两者是不同性质的工程问题 ,高扭矩输出不等同于高冲击吸收能力。更早的G1机器人在表演中踢中6岁男童的事故， 则暴露了人机共处场景下安全边界的缺失。需要准确引用的是：OSHA重伤报告数据显示超过60%的

机器人相关工伤源于"意外激活"， 但该统计覆盖全部工业机器人（以固定机械臂为主）， 说明的是"机器在不该动的时候动了"这一共性风险，不能直接等同于人形机器人的安全画像。ISO

25785-1（行走机器人安全标准）仍在制定过程中，而部署已经在发生。

标准缺失不止于安全。核心零部件接口不统一、具身大模型能力无量化标准、整机性能无分级规范、跨厂商软硬件无法兼容，被明确列为"严重制约产业规模化落地与成本下探"的因素。部分整机厂商因缺乏统一交互与接口标准，被迫采取全链条自研的封闭模式， 最终"面面俱到却难以做精做深"。

端侧AI：被物理铁律锁住的能力天花板

4.1功耗红线是硬约束，不是可以"优化掉"的工程问题

端侧AI与云端AI最根本的区别在于：云端追求算力上限，端侧在功耗、散热、空间、成本的四重边界内求最优解。大量测试显示，超过六成的端侧AI芯片在被动散热条件下5瓦功耗红线内跑不动70亿参数以上的大模型（原文写作"6瓦"， 经核对应为5瓦） ；要么速度不可用， 要么发

热和续航失控。被动散热设计仍然是嵌入式边缘设备的主流工程前提， 这意味着TDP被严格限制，不是"加个风扇"就能解决的。

更深层的问题在内存带宽。大模型推理时"八成的时间花在把数据从内存搬进计算单元上"，传统方案一旦提速，功耗就飙到三四十瓦。量化与压缩可以缓解存储压力 （EntroLLM等工作在7B模型上实现相比uint8最高30%的存储节省）， 但压缩本身引入精度损失， 且内存带宽限制的是那些每次只处理少量token的阶段——在VLA推理中， 去噪步骤恰恰属于这一类， 带宽瓶颈无法通过"把模型做小"来消除。端侧AI的竞争核心已经从峰值算力转向"每瓦Token数"， 这一转向本身就承认了：在功耗墙面前，绝对算力的堆砌已经失效。

4.2端云协同是工程妥协，不是架构理想

端云一体在2026年成为主流叙事， 讯飞给出的"60%本地、30%协同、10%云端"分工是一个清晰的工程参照。但这一架构的难点恰恰在于路由判断本身：什么任务可以留在端侧、什么必须上云、敏感信息如何在脱敏后上传， 每一个判断节点都是潜在的错误来源。端云路由准确率

96.1%听起来很高， 但放到机器人实时控制的语境下，4%的错误路由可能意味着一个需要毫秒级响应的避障指令被送上了云端。

隐私安全的改善是真实的：端侧执行使数据不出域， 敏感信息本地脱敏后再上传， 从源头降低了泄露面。但这也意味着端侧模型必须承担起原本由云端安全机制覆盖的那部分责任，而端侧设备的物理可访问性远高于云端服务器。端侧AI的安全模型需要同时应对模型窃取、对抗样本和物理侧信道， 这些攻击面在云端集中式部署中相对可控， 在数以亿计的端侧设备上则呈指数级放大。

4.3功能安全认证：端侧AI进入物理世界的真正门槛

当端侧AI从手机、PC进入机器人， 它必须面对一个在消费电子中不存在的约束：功能安全认证。ISO 13849、IEC 61508等标准要求实时控制链路具备确定性的安全机制， 包括认证过的紧急停止（E-Stop）能力。当前的努力集中在将LLM安全代理与符合ISO的感知—计算—控制架构结合， 目标达到Category 3 / PL d等级别， 但这一路径仍处于早期实践阶段。

核心矛盾在于：大模型推理的时序行为本质上是非确定性的，而功能安全认证要求的是可验证的确定性边界。NVIDIA Halos、QNX Safety OS等方案试图通过在确定性微内核上统一部署实时控制与AI推理来弥合这一鸿沟， 但这要求AI推理被严格限制在安全架构的"非安全相关"层，或者其输出必须经过独立的、可认证的安全监控器仲裁。前者限制了AI在关键决策中的参与深度， 后者则增加了系统复杂度和成本。端侧AI在机器人中的功能安全， 远未到"已解决"的程度。

交汇处的系统级陷阱：当VLA跑在机器人端侧芯片上

5.1结构性错配：VLA的时序需求与边缘芯片的架构假设

VLA模型的动作生成环节具有强时序依赖性和频繁数据访问需求，而现有边缘AI芯片的架构假设——面向视觉推理或轻量NLP优化——并未为此设计。VLA-HWBench对18个开源VLA模型在Jetson AGX Thor和AMD Ryzen AI Max+ PRO 395上的系统评测揭示了一个反直觉的结论：动作生成策略比模型大小更能决定延迟， 参数数量最多只能解释15%的延迟方差；

token-by-token解码无法跟上控制频率，而少量流匹配步骤生成长动作块的策略才能维持闭环。这意味着， 简单地“把更大的模型塞进端侧”不仅无效，而且方向错误。

更严重的是资源干扰。具身LLM系统在Jetson等统一内存边缘平台上将延迟关键的机器人管线与计算/内存密集的LLM推理共置运行，实验显示实时任务的截止期错过率在LLM推理并发时可以达到很高水平（该实验设置下公开数值为72.78%，极端情形接近全部错过）。根因不在于CPU或GPU算力饱和，而在于两者共享统一内存子系统，内存控制器容量成为隐藏瓶颈。即使采用MCSched这样的调度器将错过率降低83%， 它仍然是一个“缓解”而非“消除”方案——在统一内存架构下， LLM推理与实时控制对内存带宽的竞争是结构性的。

5.2“大小脑融合”的工程复杂度被低估

行业提出的“大小脑单芯片融合”方向在概念上是合理的：将高级认知决策与实时运动控制集成于单颗芯片，以减少片间通信延迟。但这一架构同时把功能安全隔离的难度推到了芯片设计层面。实时控制链路需要确定性时序和可认证的安全完整性等级，VLA推理则天然具有非确定性和可变延迟。在单芯片上共存这两者， 要求硬件层面提供时间隔离、空间隔离和故障隔离机制，而这些机制的面积、功耗和验证成本， 在当前端侧芯片的功耗预算下是严峻的约束。

5.3一个被回避的事实：当前端侧“智能”的任务覆盖度仍然很窄

讯飞星火X2.6-4B的智能体任务覆盖度为41.9%， 这已经是端侧模型中的领先水平，而目标是在下一步提升到60%以上。这意味着，当前最先进的端侧模型能够独立完成的任务，仍然不到通用任务集合的一半。在手机或PC上， 剩余任务可以无缝路由到云端；在机器人上，云端往返的延迟和断网风险使得“路由”本身就是一个可靠性问题。端侧AI的能力天花板不仅限制了机器人在离线状态下的可用性， 也决定了机器人在网络边缘场景（工厂车间深处、户外、家庭隐私敏感区域）的真实自主程度。

综合判断与需要盯住的变量

具身智能的核心弊端不是某一项技术不够强，而是“演示能力—工程可靠性—商业可持续性”三者之间的传导链太长且每一环都在漏。数据不足导致泛化不够，泛化不够导致部署需要工程师持续干预， 持续干预推高全生命周期成本， ROI算不平又反过来抑制产量和场景开放，产量不足则进一步制约数据回收和成本下降。打破这个循环需要一个外生冲击——要么是数据效率的数量级提升（而非数据量的堆砌）， 要么是某个场景的ROI率先跑通并形成可复制的部署模板。信通院判断行业出清将在未来两至三年完成， 但2026年9月以来的种种信号表明，资本退潮的速度已经快于产业成熟的速度。

端侧AI的核心弊端是物理约束的不可谈判性。功耗、散热、内存带宽、成本， 这四者构成的边界不会因为模型架构的进步而消失， 只会移动。能力密度定律（芯片时效算力密度约每3.5个月翻一番，业内称“密度定律”）提供的是“同等功耗下更多智能”的加速度， 但它同时也意味着今天在4B模型上验证的任务覆盖度，不能直接外推到更小模型上的可用性——压缩有精度代价，而机器人场景对精度损失的容忍度远低于文本生成。

最需要盯住的变量，不是出货量，也不是融资额，而是三个更“硬”的指标：第一，真实生产力订单在总订单中的占比——它决定商业闭环是否在形成；第二，机器人月均开机天数在无人干预条件下的提升曲线——它决定“上岗”是否真实发生；第三，端侧VLA推理在功能安全框架下的认证进展——它决定机器人能否从“有人在旁”的场景进入“无人值守”的场景。这三个指标中任何一个出现实质性改善， 都比又一个参数更大的模型或又一笔更大的融资更有信息含量。

表2 比出货量与融资额更有信息含量的三个观察指标

附录：主要资料来源

一、中国信通院人工智能研究所等：《具身智能发展报告（2026年）》，2026年10月发布（中新经纬等媒体转述口径已交叉核对）。

二、VLA-HWBench： Where the Time Goes When VLA Models Run on Edge Hardware （arXiv 2610.34717），18个开源VLA模型在Jetson AGX Thor与AMD Ryzen AI Max+ PRO 395上的七阶段推理评测。

三、具身LLM与实时管线共置的边缘平台实验研究（Jetson统一内存平台， 截止期错过率72.78%及以上；MCSched调度器降低83%）。

四、科大讯飞星火X2.6-4B端侧模型能力发布（智能体任务覆盖度41.9%、端云路由准确率96.1%、端云60/30/10分工）。

五、IT桔子2026年具身智能投融资统计（上半年国内融资约935亿元、 同比增约5倍；8月与10月上半月对比数据）。

六、企业公开信息：宇树科技2026年上半年财务数据、达闼机器人破产清算法院受理信息、无境动力停工与订单披露的公开报道、AMD收购World Labs公告（约82亿美元全股票交易）。

七、标准与安全：ISO 25785-1（行走机器人）制定状态、ISO 13849 / IEC 61508功能安全框架、 OSHA机器人相关重伤报告统计（意外激活占比超60%，覆盖全部工业机器人）。

八、成本与供应链：麦肯锡等机构人形机器人BOM成本测算（3万—15万美元区间）、舍弗勒/博世/软银（收购ABB机器人业务）/三星SDI/LG新能源等供应链重组公开信息。

免责声明：本报告仅供参考，不构成任何投资建议。投资者应根据自身风险承受能力和投资目标做出理性决策。

欢迎加微信：xiangchirou 交流

华商金合资产价值投资组合

华商金合资产净值以基金净值数据模式，采用基金净值走势图进行公示，以价值投资为主。待净值突破0.5元后再公示。