2026 年春晚舞台上中国机器人产业的 " 全景展示 " 后，具身智能赛道的热度再次升温，不仅具身智能密集落地，产业内投融资亦步入爆发期。及至正在召开的全国两会上，具身智能也成为热议的话题。
十四届全国政协委员、天娱数科（002354.SZ）董事长贺晗就表示，具身智能正成为继大模型之后的新一轮产业 " 主赛道 " ——它把算法能力从屏幕世界带入物理世界，面向制造、物流、安防巡检、应急救援、养老照护等场景，形成 " 会感知、能决策、可动手 " 的新质生产力。
不过，在贺晗看来，具身智能作为 AI 与物理世界交互的终极载体，正面临比通用大模型更严峻的发展瓶颈。首当其冲的便是 " 数据荒 "。他在调研中发现，与通用大模型可借助海量互联网数据不同，具身智能需要大量 " 任务级、过程级 " 的交互数据，比如抓取、装配、搬运、开门、叠衣等，数据获取成本高、标注难。国内各研究机构和企业的数据采集平台、传感器接口、数据格式各自为战，形成了大量 " 数据孤岛 "，缺乏具有行业共识的高质量、大规模具身智能开源数据集。
全球知名中文 IT 技术交流平台 CSDN 的数据显示，具身智能需要数百 PB 级物理交互数据，当前存量缺口超 99%。而根据行业调研，目前优质灵巧手数据的供给量不足实际产业化需求的 10%。
与此同时，具身智能 " 大脑 " 泛化的能力不足。" 比如能做演示，不一定能上岗；能在 A 工厂跑通，不一定能迁移到 B 工厂。" 贺晗直言，目前我国多数企业仍采用针对特定任务的定制化算法，缺乏真正意义上具备强泛化能力的具身智能基础大模型。
" 制造、物流、商服、养老等领域的真实需求巨大，但落地常见‘场景碎片化、验收口径不一、预算与迭代机制不足’，导致企业在‘项目制交付’与‘产品化复用’之间反复摇摆。" 贺晗还谈到，目前场景的牵引力不强，" 示范应用 " 难自然长成 " 持续采购 "。
此外，虽然 2026 年 2 月我国发布了首个覆盖人形机器人与具身智能全产业链、全生命周期的国家标准体系，但产业仍面临 " 多赛道拥挤、差异化不足 " 的结构性风险。
针对这些瓶颈和不足，贺晗提出了一套系统性的破题思路，核心是以 " 数据—模型—部件—整机—场景—标准 " 一体化思路，尽快补齐短板，把 " 热闹的展厅 " 变成 " 可复制的工位 "，把 " 单点突破 " 变成 " 系统胜利 "。
一是以国家级 " 具身数据要素工程 " 破题：建公共数据底座、统一格式与权属规则。建设若干 " 国家级具身智能数据采集与预训练中心 "，面向典型任务（搬运 / 装配 / 分拣 / 巡检 / 护理）形成可复用数据集。统一数据标准：动作轨迹、力觉 / 触觉、视觉语义、工位工艺参数等数据格式与元数据规范，推动跨企业、跨平台复用。明确数据权属与合规边界：对涉及个人隐私、工厂商业秘密的数据建立分级脱敏、可信计算与授权机制，形成 " 可用不可见、可控可计量 " 的共享模式。
二是大力发展具身基础大模型。支持头部 AI 企业与顶尖高校联合研发多模态具身通用大模型。重点突破端到端控制算法和 Sim-to-Real 迁移技术，提升机器人的常识推理能力和未见环境下的泛化操作能力。
三是以 " 场景牵引 + 政府采购 / 首台套保险 + 央国企带头应用 " 拉动规模化上岗。建立国家级 " 人形机器人上岗清单 "：优先选择收益可量化、环境相对结构化的场景（3C 装配、仓储搬运、质检巡检、危化 / 电力巡检等）先形成规模。推行 " 首台套 / 首批次 " 风险分担：用保险、性能担保、分阶段验收与租赁（RaaS）降低企业采购门槛。用央国企做 " 锚定客户 "：以 "AI+ 制造 " 为抓手，形成真实工位数据回流与持续迭代机制，带动中小企业进入配套生态。
四是做强软件栈与开源生态，用开放接口降低重复研发、提高产业协同效率。推动控制中间件、仿真平台、数据工具链、评测基准开源（或开放标准），形成类似 " 通用底座 + 行业插件 " 的生态。政府采购与示范项目设置 " 开放接口与可迁移性 " 要求，避免锁死在单一厂商。鼓励 " 模型—控制—硬件 " 解耦，提高跨平台复用，降低中小企业进入门槛。（文｜公司观察，作者｜苏启桃，编辑｜曹晟源）
