业内分析认为，第一个卡点是数据稀缺。相比数字AI近乎无限的训练数据，真实世界的数据获取成本极高，导致具身智能的高质量训练数据供给严重不足。这使得具身智能距离人们想象中的高泛化性相去甚远。此外，数据采集成本高、标准不统一，也使大量原始数据无法直接用于训练，整个行业面临严重的“数据荒”。
其次是容错率低。数字AI生成结果即使出错，也可以低成本重新迭代，但机器人一旦出现决策失误，就可能作用于现实，导致难以挽回的结果，试错成本极高。这也导致整个具身智能产业普遍面临“实验室好用，但现场难落地”的困境。
从“拼融资”转向“比落地”，具身智能数据供给基础设施成为了具身智能领域的竞争焦点。毕马威在2026世界人工智能大会上发布的报告指出，未来具身智能企业的核心竞争力，将从硬件与单点系统交付，转向持续训练、验证、部署和运营的物理AI系统。
今年以来，多家巨头企业布局物理AI。五一视界创始人李熠认为，物理AI的竞争维度正从单一算法转向“数据+基建+场景”的全生态竞争。未来几年，物理AI将沿着“自动驾驶－具身智能－空天探索”的路径逐步展开，基础设施层会比应用层更先成熟，并持续向各个行业渗透。对应的市场空间，也将从千亿级迈向万亿级。(完)
本网站所刊载信息，不代表中新社和中新网观点。 刊用本网站稿件，务经书面授权。
[网上传播视听节目许可证(0106168)] [京ICP证040655号] [
京公网安备 201号] [京ICP备2021034286号-7] [互联网宗教信息服务许可证：京；京]
违法和不良信息举报平台举报邮箱：报受理和处置管理办法总机：86-10-87826688
