现在业内有个共识，具身智能，就是通用人工智能通往物理世界的关键路径。简单说，想让AI真正走进现实、融入我们的生活，具身智能是绕不开的一步。

不过它跟我们常听说的大语言模型不一样，大模型处理的都是压缩后的文本信息，相对单一；但具身智能得实时去感知、理解，还要预测高维连续的物理环境——就比如机器人走路时，要随时判断路面是否平整、有没有障碍物，这种复杂的实时应对，意味着它对算力的需求，是呈指数级往上跳的，比大模型耗算力多了。

ASC26具身智能赛题专家，在会后接受财联社记者专访时就说了，现在整个行业最关心的，不是成本高低的问题，而是这项技术能不能用、能不能落地的问题。毕竟连可用都做不到，谈成本根本没意义。

大家也能感觉到，2025年人形机器人算是迎来了爆发期，特斯拉Optimus Gen-2、Figure 02这些产品都陆续亮相，看着特别酷炫。但说实话，它们的商业化一直卡壳，核心问题就是“大脑”能力不够。现在的机器人，大多还是靠预设的动作库，要么就是靠人远程操控，根本没有自主规划任务的能力，算不上真正的“智能”。

而具身世界模型，就是解决这个“大脑”短板的核心关键——它能让机器人在“脑海”里，先模拟出自己动作的后果，比如伸胳膊够东西会不会碰倒杯子，走路时抬脚太高会不会摔倒，这样就能实现类人的决策闭环，不用再依赖预设和遥控。但遗憾的是，这项关键技术，目前还停留在实验室阶段，离真正落地还有不小的距离。

虽然现在还没有哪家机构，能给“具身智能硬件”定一个统一的市场规模标准，但从各种信源能看出来，这个赛道已经在快速升温，越来越受关注。IDC之前预测过，到2029年，全球机器人市场规模会超过4000亿美元；而根据行业汇总的数据，2025年全球具身智能及相关人形机器人领域，融资额已经突破了40亿美元，足以说明资本对它的看好。

不过有个现象很有意思，资本明显更偏爱硬件本体。不管是Figure拿到超过10亿美元的融资，还是国内不少本体厂商，陆续斩获亿元级别的订单，都能看出来，投资者更倾向于“能实实在在交付的产品”。而底层算法、世界模型这些软件层面的东西，目前还是以大厂的战略投入为主，商业化的路径还在慢慢探索，没找到太成熟的模式。

这次ASC26的具身智能赛题，就精准踩中了行业痛点——聚焦在让机器人生成动作预演视频。赛题专家也解释了，现在想生成一段10秒的动作预演，可能得花上10分钟，这跟机器人实际执行任务时，需要的秒级决策时间，差了2到3个数量级，相当于慢了上百倍、上千倍。想让这项技术真正用在机器人身上，计算效率必须提升百倍乃至千倍，这是绕不过的坎。

这也直接戳中了人形机器人产业的要害——从实验室演示，到真正走进现实应用，最大的卡点就在这。过去一年，机器人在运动控制方面，比如跑步、跳舞这些“小脑”负责的事情上，进步特别快，看得人眼前一亮。但要完成复杂任务，比如做家务、帮人取东西，需要的认知和决策能力，也就是“大脑”的能力，还是个巨大的短板。

深究原因，还是算力不够。处理高维、连续的物理世界信息，需要的算力实在太庞大了，远比处理文本的大语言模型耗资源。就像我们人类一边走路一边思考，大脑要快速处理视觉、触觉等各种信息，机器人要做到这一点，需要的算力支撑可想而知。

一位硬科技领域的投资人，跟财联社记者说过一句很实在的话：“算力效率的提升，直接定义了商业落地的时间表。”这话一点不假，如果机器人做一次决策、“思考”一次，就要花上10分钟，那它永远只能待在展厅里，当一个用来观赏的演示品。谁能率先把这个“思考”时间，压缩到秒级，谁就能拿到打开家庭和服务市场大门的钥匙。

资本市场其实已经用真金白银，给出了自己的判断。二级市场上，机器人板块虽然一直受关注，但资金一点不盲目，明显往那些有核心零部件、有明确应用场景，或者在运动控制上有突破的公司集中。而一级市场的投资者，就更审慎了，问的问题都直指核心：“你的算法效率在行业里是不是领先？单次训练的成本到底多少？”

现在行业里已经形成了共识：算力效率瓶颈的突破，将会是划分企业估值的核心标尺。谁能先解决效率问题，谁就能在这场具身智能的竞争中，占据绝对的优势；反之，就算前期炒得再热，也很难走到最后。毕竟，能落地、能实用，才是具身智能真正的价值所在。