（来源：东四十条资本）

新年刚过，英伟达CEO黄仁勋就有大动作。近日，在CES展上，黄仁勋抛出了标志性观点：“机器人的ChatGPT时刻正在到来”，并认为“没有真实世界的数据，具身智能只能是幻觉。”

这一表态，瞬间引爆行业。一个明确的信号开始显现：机器人产业将告别“单一任务编程、真实数据依赖”的低效阶段，迈入以物理AI为核心的通用化爆发期。

此前，国内资本早已嗅到这场变革。从国内具身智能发展来看，如果2024年关键词还是“本体”，那么到了2025年下半年，赛道已然变成“本体+数据”，或者“数据×模型×本体”的范式升级。

再加上黄仁勋的入局，一场“持续获取高质量交互数据，以驱动模型迭代”的基础设施之争，开始打响。

黄仁勋也来卷具身智能了

在这次CES展上，黄仁勋正式发布了专为机器人打造的新一代具身智能基础模型NVIDIA Isaac GR00T，并同步推出支撑物理AI开发的NVIDIA Cosmos平台，以开放模型、海量数据集与工具链，为机器人通用化落地搭建核心技术底座。

作为全新技术方案的演示载体，在演讲现场，黄仁勋带来了一位特殊“嘉宾”——Reachy Mini。由于该机器人外形酷似《机器人总动员》里的瓦力，因此也被称作“瓦力机器人”。

在与“瓦力”的互动中，黄仁勋让“瓦力”通过在仿真环境中，学习、观察、模仿人类的动作，然后理解动作—结果—反馈之间的关系，并将这些能力迁移到真实世界中。

视频画面显示，“瓦力”在仿真虚拟环境中，经过训练后，成功在真实木地板上完成了“摔倒-爬起”的动作，并保持平衡。黄仁勋的这一演示，被外界视为物理仿真平台可帮助机器人快速学习复杂物理交互，以缩小数字孪生与现实世界的差距。

在仿真环境+世界模型的作用下，黄仁勋表示，这相当于把“训练场”搬进了“数字世界”。他认为，这样不仅可以规模化构建训练场，而且还能约束、校准模型生成的情境有“物理”可信度，而这些物理可信度包括光照、材质、场景等组合。

总之，黄仁勋认为，AI的未来不仅关乎超级计算机，更要与物理世界紧密结合，而虚拟仿真是打破数据瓶颈的关键。

这一观点，让黄仁勋快速在具身智能领域发力。在CES展上，黄仁勋宣布已经与Apptronik、Agility Robotics、Figure、Boston Dynamics、Sanctuary AI等多家美国本土机器人公司合作。其中，与Sanctuary AI的合作是，英伟达为Sanctuary AI提供计算平台、仿真工具等技术支持，共同推进通用人形机器人的研发。

因此，在赢下“算力之争”后，英伟达正试图在具身智能领域，再造一个“CUDA”。

中国玩家突围的胜负手

这场由硅谷点燃的火种，也在东方迅速燎原。与英伟达押注“高保真仿真+通用模型”不同，中国玩家更倾向于“真实场景驱动+垂直闭环”的务实路径。

2025年10月，工信部发布《具身智能数据采集与标注规范（征求意见稿）》，首次对物理交互数据的格式、质量、安全提出指导性框架，这意味着“数据标准化”已上升至国家战略层面。对此，已有不少具身智能公司展开行动。

其中，智元机器人发布了首个大语言模型驱动的开源仿真平台——GenieSim3.0，涵盖200余项任务、上万小时的仿真数据集开源。尽管其推出开源仿真平台，但智元机器人依然强调真机数据的核心地位，并认为真实世界数据是模型训练的基础。同时，利用仿真数据作为补充，用于早期测试和工程迭代。

银河通用则以合成数据驱动具身大模型的研发，提出包括硬件层、技能层和顶层大模型的“三层级大模型系统”。在银河通用看来，合成数据与真实数据的协同很重要。一方面，仿真数据用于大规模基础能力学习；另一方面，真实数据用于验证和提升模型在实际场景中的适应性，确保模型既能快速学习又能精准落地，以形成“仿真预训练→真实数据微调→模型优化”的闭环。

它石智航聚焦的是人类视频数据方向，通过大规模人类行为视频拓展语义覆盖。

作为“具身智能数据四小龙”之一的鹿明机器人，选择了“轻量化手持夹爪”的方式，进行数据采集。

鹿明机器人创始人喻超认为，之所以采取这种方式，源于仿真可以生成千万种场景，但真实世界的灰尘、油污、材料老化，只有真机才能感知。在喻超看来，过去，行业受困于真机数据采集的死循环，即“高成本、低效率、低适配”。以传统遥操作为例，一小时仅能采集30-35条数据，成本高昂；同时，不同品牌、型号的机械臂数据无法互通，采集一次只能适配单一本体，造成大量资源浪费。

在此背景下，鹿明自研了FastUMI Pro系统，通过统一夹爪接口、力控模块与视觉标定方案，让不同品牌机械臂的数据可直接复用。这意味着，一台在汽车焊装线训练的模型，稍作微调即可用于3C装配或物流分拣。

喻超认为，其核心价值在于，能够摆脱对特定机器人硬件的依赖，快速适配市场上数十种机械臂和夹爪，真正打破数据孤岛，实现跨平台数据复用。而相较于传统数采技术，FastUMI Pro的效率提升5倍，成本降至五分之一，精度达到1-3mm的行业高水平。

面对数据采集关键一环，一位投资人表示，“具身智能投资的精髓在于，胜率上既要有保障，赔率上又留有足够多的想象空间。”

就具身智能目前的玩家来看，各路玩家的胜率在于，选择足够务实的点，进行切入。简单来说，就是聚焦工业场景客户付费意愿强、任务边界清晰、ROI可量化的领域。比如，3C电子、物流仓储与搬运，质量检测与缺陷识别等场景。

“这一点，从玩家们发力垂直领域就可看出。对于鹿明机器人而言，其与三菱产线节拍压缩60%的结果，也能说明其技术已通过真实商业验证，不再是实验室Demo，这是最基础的胜率保障。”喻超说。

而赔率的想象空间则是，从“本体+数据”或者“数据×模型×本体”的范式来看，一旦某家具身智能公司的数据采集方案被行业广泛采用。那么，其价值就不再取决于卖出了多少台机器人这类硬件载体，而是有多少台机器人在其数据生态上运行和迭代。

“从方向上来看，鹿明的FastUMI Pro正朝着具身智能‘USB接口’的方向奔去。”对此，喻超表示，“我们不是在做单纯的机器人，而是在做具身智能的基础设施。鹿明的目标很明确，通过真机在场景中运营积累数据，训练更好的模型，为行业提供数据和硬件两大基础设施，推动行业共建通用的本体和生态。”

最火融资赛道的前夜

如果说，谁是2025年最火融资赛道？那么，答案可能非“具身智能”莫属。数据显示，过去一年，国内行业水温持续走高，年内融资事件达到298笔，同比增长144%；融资总规模达到329亿元，同比增长291%。

这背后，既得益于资本对具身智能赛道的“浓厚”兴趣，也是出于“AI+物理交互”这一新兴事物崛起的押注。过程中，产业资本持续押注，成为该赛道最活跃的投资力量之一。

以京东为例，其一天之内出手过3家具身智能公司，分别是千寻智能、逐际动力、众擎机器人，同时又在2025年“盯上”RoboScience和帕西尼。这些战略投资的目的也明确，通过投资，京东覆盖了从整机到关键零部件的多个环节，构建具身智能生态的同时，推动技术在物流、仓储、工厂巡检等场景的应用。

宁德时代，作为动力电池领域的龙头企业，也将目光扫至该领域。通过投资，其渗透到产业链环节，为机器人提供动力解决方案，推动机器人在工业、物流等领域的应用。

再者，美团从2020年起，就切入机器人赛道，至今投资了10多家机器人和具身智能公司，其中不乏头部企业。通过投资，美团构建起本地生活服务、配送、分拣等应用场景的探索，提升服务效率和用户体验。

面对最火融资赛道，上述投资人最直接的感受是：2025年明显向两端靠拢，即“投早投小”与“投强投优”。

一方面，在“投早投小”中，种子轮、天使轮及A轮融资事件合计占总数的74%，大量资本像淘金者一样，在早期撒网，押注下一个潜在独角兽；另一方面，在“投强投优”中，B轮及以后轮次占比达到15%，这意味着头部企业获得大额融资的能力进一步增强，投资人普遍将“数据获取能力”“场景落地验证”列为尽调核心指标。

截至目前，上述被称作“具身智能数据采集四小龙”的公司，尽管他们在数据采集时的技术和路径不同，但都试图通过打通一个高频、刚需、可规模化的落地场景，承接底层技术的红利。

来自高工机器人产业研究所（GGII）的报告显示，2025年，全球市场规模预计达63.39亿元、中国占比超50%，预计到2030年，全球人形机器人市场销量将接近34万台，市场规模有望突破640亿元。

这使得在人形机器人市场爆发的前夜，数据而且是高质量的交互数据，成为人形机器人规模化落地的关键，是行业内必须要走通的一环。