黃仁勳一句話，掀起下一波熱潮。

新年剛過，輝達 CEO 黃仁勳便有了重磅動作。在 CES 展會上，他丟擲了一個極具標誌性的判斷：“機器人的 ChatGPT 時刻正在到來。”同時他也強調，如果缺乏真實世界的資料，具身智慧不過是一種幻覺。

這一表態迅速引爆行業熱議。一個清晰的訊號正在浮現：機器人產業正準備告別“單一任務程式設計、過度依賴有限真實資料”的低效階段，邁入以**物理 AI（Physical AI）**為核心、更具通用能力的爆發期。

事實上，中國資本早已嗅到這一轉變的氣息。從國內具身智慧的發展脈絡來看，如果 2024 年的關鍵詞還是“本體（機器人硬體）”，那麼到 2025 年下半年，賽道的重心已經演進為“本體 + 資料”，甚至升級為“資料 × 模型 × 本體”的全新範式。

隨著黃仁勳的全面入局，一場新的競賽正在加速展開：圍繞持續獲取高質量互動資料、並以此推動模型更快、更緊密迭代的基礎設施之爭，已經打響。

黃仁勳加入具身智慧賽道

在 CES 上，黃仁勳正式釋出了專為機器人打造的新一代基礎模型 NVIDIA Isaac GR00T。與此同時，輝達還推出了支援物理 AI 開發的 NVIDIA Cosmos 平臺，將開放模型、大規模資料集與完整工具鏈整合在一起，旨在為機器人在真實世界中的通用化應用構建核心技術底座。

為了展示這一技術路徑，黃仁勳在現場帶來了一位特殊的“嘉賓”——Reachy Mini。由於外形酷似《機器人總動員》中的瓦力，這款機器人也被暱稱為“瓦力機器人”。

在舞臺互動中，黃仁勳演示了機器人如何在模擬環境中學習：通過觀察和模仿人類動作，建立起“動作—結果—反饋”之間的理解，再將這些能力遷移到真實世界。

演示影片顯示，機器人在模擬環境中完成訓練後，成功在真實木地板上完成了“摔倒 → 爬起”的動作，並保持身體平衡。外界普遍認為，這一演示證明了高保真物理模擬能夠幫助機器人更快學習複雜的物理互動，大幅縮小數字孿生與現實世界之間的差距。

在“模擬環境 + 世界模型”的加持下，黃仁勳將其形容為把“訓練場”搬進了“數字世界”。他認為，這不僅可以規模化構建訓練環境，還能對模型生成的場景進行約束與校準，使其具備物理可信度——包括真實的光照、材質和場景組合。

整體來看，黃仁勳反覆強調的核心觀點十分明確：AI 的未來不只是超級計算機，更必須與物理世界深度結合，而虛擬模擬正是打破當前資料瓶頸的關鍵手段。

這一理念也在重塑輝達的合作版圖。黃仁勳在 CES 上表示，輝達已與多家美國本土機器人公司展開合作，包括 Apptronik、Agility Robotics、Figure、Boston Dynamics 以及 Sanctuary AI。其中，在與 Sanctuary AI 的合作中，輝達將為其提供算力平臺和模擬工具，共同推進通用人形機器人的研發。

換句話說，在贏下“算力之爭”之後，輝達正試圖在具身智慧領域，再造一個機器人時代的 CUDA——一個所有玩家都會依賴的基礎平臺。

中國玩家突圍的關鍵變數

由矽谷點燃的火種，也正在東方迅速蔓延。但與輝達押注“高保真模擬 + 通用模型”不同，許多中國玩家選擇了一條更加務實的路線：真實場景驅動 + 垂直閉環。

2025 年 10 月，工信部發布了《具身智慧資料採集與標註規範（徵求意見稿）》，首次從國家層面對物理互動資料的格式、質量與安全提出指導性框架。這一舉措意味著，“資料標準化”已經上升至國家戰略層面，相關企業也隨之快速行動。

例如，智元機器人釋出了首個由大語言模型驅動的開源模擬平臺 GenieSim 3.0，覆蓋 200 餘項任務，並開源了累計上萬小時的模擬資料集。儘管推出了開源模擬基礎設施，智元仍強調：真實世界的真機資料始終是模型訓練的根基，模擬資料更多用於早期測試和工程迭代。

銀河通用則以合成數據驅動具身大模型研發，提出了涵蓋硬體層、技能層和頂層基礎模型的“三層級大模型系統”。在其看來，合成數據與真實資料必須協同：模擬資料用於大規模基礎能力學習，真實資料用於驗證和增強模型在實際場景中的適應性，從而形成“模擬預訓練 → 真實資料微調 → 模型最佳化”的閉環。

它石智航聚焦人類影片資料，通過大規模人類行為影片拓展模型的語義覆蓋。

而作為“具身智慧資料採集四小龍”之一，鹿明機器人選擇了“輕量化手持夾爪”的方式進行資料採集。

鹿明機器人創始人 喻超解釋道：模擬可以生成千萬種場景，但真實世界中的灰塵、油汙和材料老化，只有真機才能感知。在他看來，行業長期受困於真機資料採集的惡性迴圈——成本高、效率低、適配性差。以傳統遙操作為例，一小時只能採集 30–35 條資料，成本高昂；更關鍵的是，不同品牌、型號的機械臂資料無法互通，一次採集只能適配單一硬體，造成巨大浪費。

基於此，鹿明自研了 FastUMI Pro 系統，通過統一夾爪介面、力控模組和視覺標定方案，實現不同品牌機械臂之間的資料複用。這意味著，在汽車焊裝線上訓練的模型，只需少量微調，就可以遷移到 3C 裝配或物流分揀場景。

喻超認為，其核心價值在於擺脫對特定硬體的依賴，快速適配市場上數十種機械臂和夾爪，真正打破資料孤島，實現跨平臺資料複用。與傳統數採方式相比，FastUMI Pro 的效率提升約 5 倍，成本降至 五分之一，精度可達 1–3 毫米，處於行業領先水平。

在投資層面，一位投資人總結道：具身智慧投資的本質，在於同時追求更高的勝率與足夠大的賠率空間。

目前，“勝率”更多來自務實的切入點——即客戶付費意願強、任務邊界清晰、ROI 可量化的工業場景，如 3C 電子、物流倉儲與搬運、質量檢測與缺陷識別 等。

喻超提到，鹿明與三菱產線合作，將節拍壓縮 60% 的成果，正是技術已經通過真實商業驗證的體現，而非停留在實驗室 Demo，這是最基礎的勝率保障。

而“賠率”的想像空間，則來自“本體 + 資料”或“資料 × 模型 × 本體”這一新範式。一旦某傢俱身智慧公司的資料採集方案被行業廣泛採用，其價值將不再取決於賣出多少臺機器人，而在於有多少機器人執行並迭代在其資料生態之上。

喻超將 FastUMI Pro 形容為正走向具身智慧的“USB 介面”。他說，鹿明的目標並不是單純造機器人，而是打造具身智慧的基礎設施：通過真機在真實場景中運營積累資料，訓練更好的模型，為行業提供資料與硬體兩大基礎能力，推動共建通用本體和生態

最火融資賽道的前夜

如果要評選 2025 年最火的融資賽道，“具身智慧”無疑是最有力的候選之一。資料顯示，過去一年國內市場持續升溫，全年融資事件達到 298 起，同比增長 144%；融資總規模達到 329 億元，同比增長 291%。

這背後，既有資本對具身智慧賽道的高度熱情，也源於對“AI + 物理互動”這一新興方向的長期押注。其中，產業資本表現尤為活躍。

以 京東為例，其曾在一天內投資三傢俱身智慧公司——千尋智慧、逐際動力、眾擎機器人，並在 2025 年繼續佈局 RoboScience 和 帕西尼。其戰略目標十分清晰：覆蓋從整機到關鍵零部件的多個環節，構建具身智慧生態，並推動技術在物流、倉儲和工廠巡檢等場景落地。

動力電池龍頭 寧德時代 也將目光投向這一領域，通過投資切入產業鏈，為機器人提供動力解決方案，推動其在工業與物流場景中的應用。

美團則早在 2020 年便進入機器人賽道，至今已投資超過 10 家機器人與具身智慧公司，圍繞本地生活、配送和分揀等場景進行探索，以提升服務效率和使用者體驗。

一位投資人最直觀的感受是：2025 年的投資明顯向兩端集中——“投早投小”和“投強投優”。

一方面，種子輪、天使輪和 A 輪融資合計佔比 74%，大量資本像淘金者一樣在早期廣泛佈局；另一方面，B 輪及以後融資佔比 15%，顯示頭部企業獲得大額融資的能力持續增強，投資人也普遍將資料獲取能力和場景落地驗證列為盡調的核心指標。

截至目前，被稱為“具身智慧資料採集四小龍”的企業，儘管路徑各異，但目標高度一致：通過打通一個高頻、剛需、可規模化的落地場景，承接底層技術紅利。

高工機器人產業研究所（GGII）的報告顯示，2025 年全球市場規模預計達 63.39 億元，其中中國佔比超過 50%；到 2030 年，全球人形機器人銷量有望接近 34 萬臺，市場規模或突破 640 億元。

正因如此，在人形機器人市場爆發的前夜，資料——尤其是高質量的互動資料——正成為規模化落地的關鍵瓶頸，也是整個行業必須打通的一道核心關卡。