乱世求存，泡沫与非共识托举起的「具身智能」
百花齐放的具身智能公司，和它们的路子。
AI 正在把很多熟悉的东西拆开重组，谁会因此获得新的杠杆？
「AI 找工图鉴」栏目将为你拆解 AI 浪潮下的新信号和新范式，第一期我们先打开「AI 找工地图」上的「具身智能」板块。
💡 Good to Know
本期「AI 找工图鉴」聚焦「具身智能」类别，你会看到：
高薪泡沫下的迷茫与狂欢：和薪资一同在涨的「行业迷茫与狂欢」
还没到 GPT-1：高质量真实数据严重匮乏，仍在燥候「ChatGPT 时刻」
各有各的叙事，各有各的排位：VLA、世界模型、真实数据…… 每隔两年换一个主角
00 后小天才，和 Ta 们对机器人的想象力
百花齐放的具身智能公司，和它们的路子
全栈、卖铲子、垂直场景…… 祝你能在「AI 找工地图」找到你感兴趣的那支「具身智能」队伍～
高薪泡沫下的迷茫与狂欢
在涌动的乱世中，最先感知到水温的是身处其中的从业者，这是一个既享受泡沫又略显迷茫的群体。
最直观的体现是薪资的暴涨。对于高校具身智能实验室的研究生而言，一两年前他们的年薪还在 30-40 万徘徊，今年已经飙升至 70-80 万。即便是实习生，一家机器人公司的实习生日薪可以开到 600 元，谈判能力稍强的，甚至能拿到 1000 元及以上。
一边是高薪的诱惑，一边是对技术成熟度的担忧。在这种令人目眩的狂欢背后，从业者们仍然对商业化担忧、怀疑行业未来。
还没到 GPT-1 时刻
同样的撕裂，方向相反地在资本中呈现。
2024 年，国内机器人创业企业融资总额约 500 亿元，是前一年的 2.5 倍 。投资人一边疯狂砸钱，一边心里清楚技术还差得远。
到 2026 年，智元机器人合伙人姚卯青说「具身智能到底到 GPT 几了？其实 1 都没到呢」。 他的判断是现阶段真机采集的数据量和真正支撑基座模型涌现所需的数据规模，还差四五个数量级。
一个具体的参照系是：一个人从出生到成年，除睡觉以外与真实世界的交互数据大约是 10 万小时。要训练出一个具备成人水平的机器人大脑，业内估计至少需要百万小时量级的高质量真实数据。而整个行业从 2025 年才开始上规模地积累数据，目前最激进的公司也刚刚迈入这个门槛。
如果拿大模型的发展来类比，具身智能目前更像是 Transformer 出现之前。没有收敛的架构，没有 Scaling Law，没有「ChatGPT 时刻」的苗头。
各有各的叙事和排位计算方式
作为非从业者人员，如果问「具身智能」的技术路线是什么，你会得到不同的答案。
过去几年，行业的技术叙事每隔一两年就会换一个主角。2022 年前后，VLA（视觉-语言-动作模型）是最热的方向：让机器人能「看懂」环境、「听懂」指令，然后输出动作。但 VLA 的训练数据主要来自互联网上的人类操作视频，这是一种「第三人称」的旁观视角数据。
这就会存在根本性的矛盾：大语言模型的预训练数据是文本，推理输出也是文本，输入和输出在同一个模态里，模型的「思考」和「表达」是一致的。但「具身智能」不同，训练数据是视频，执行输出是物理动作，两者之间存在一道模态鸿沟。
这个问题推动了下一个叙事，世界模型。让机器人在「脑子里」先模拟未来，预判环境变化，再输出动作。
2024 年前后，世界模型成了新的热词，各家开始把 VLA 和世界模型做融合，出现了分层解耦、统一自回归、协同迭代闭环等多种架构路线 。
到了 2026 年， 行业里正在形成一个新的共识 —— 数据的质量和来源比架构更重要，真实数据优于仿真数据。而真实数据里，质量也有金字塔之分：用遥操作机器人本体采集的数据，比用夹爪手套采集的数据质量更高；用第一人称头盔记录的人类操作数据，又比纯视频数据更接近机器人真实的感知视角。
相比于仿真数据，通过人类遥操作采集的高质量真实物理交互数据，正成为训练机器人「大脑」的关键壁垒。图片来源｜RAI Institute
低质量数据不只是没用，「Garbage in, Garbage out」，意味着它会直接拉低模型的智力水平 。
技术路线的分化，直接投射到了商业化路线上。
有公司选择把软硬件耦合做到极致，认为本体的精度和可靠性是一切的前提，没有好身体，大脑再聪明也没用；
有公司只做具身大脑、不做硬件，走「卖铲子」的路线，仙工智能已经成为机器人大脑第一股，也证明了这条路的商业可行性；
「智元机器人」走全栈闭环，从模型、数据到硬件全链路打通，提出「358 战略」，用完整的闭环能力建立护城河；
「灵初智能」则靠领先的模型版本登顶摩根士丹利全球人形机器人研报，把技术作为壁垒。
没有哪条路是绝对正确的，正是这些彼此矛盾的「非共识」，共同托举起了这个「泡沫」。
00 后小天才，和 Ta 们对机器人的想象力
从业者的迷茫来自技术进化未达预期和泡沫高涨的现实之间的割裂，创始人的多元化与年轻化，让这个行业进入了一个更为丰富的阶段。
聚光灯打向更年轻的一代，00后「小天才」们大多师出名门 —— 有人从斯坦福李飞飞实验室走出，全球首次实现双臂长程灵巧操作；有人高考前还在打游戏，却通过 RoboMaster 结缘机器人，跨界成为强化学习前沿学者。不到一年，小天才们就能拿下数亿元融资。
资本和行业热潮托举下的小天才们更有胆识，也更有想象力。
机器人具备人类无法直接感知的能力：红外线探测、Wi-Fi 信号解析、心率监测等。通过算法将物理世界信息转化为对用户生活状态的洞察，比起通用机器人，这样的互动场景更有趣、更贴近人。
这些物理感知的能力，能给用户创造「认知降维、能力升维」的惊喜。
技术的加速让使命感更早被触发，资本的加持让「年少有为」不再只是一句鼓励。更重要的是，他们对机器人的理解和上一代人不太一样。
上一代人更多从工业效率、替代劳动力的视角去想机器人；这一代年轻人是伴随互联网和智能设备长大的，更自然地把机器人理解为某种延伸。
百花齐放的具身智能公司，和他们的路子
在「AI 找工地图」里，我们收录了一批「具身智能」方向的团队，路线各异，每一家背后都有值得了解的故事：
全栈闭环路线
自变量机器人 是国内最早走完全端到端路径的公司之一，已在国内率先推动机器人常驻家庭的真实应用；
Genesis AI 由 CMU 机器人博士周衔创立，最新的 GENE-26.5 模型 demo 让整个行业震动。
卖铲子 / 基础设施路线
新形态 / 垂直场景路线
鹰瞰智翼 由 00 后交大博士陈奕创立，做全球首款具身智能仿生扑翼飞行机器人；
微分智飞 的目标是让飞行机器人进入千行百业；
PongBot 庞伯特 期望用 AI 发球机器人解决全球 1 亿乒乓球爱好者的练球需求。
还有很多有趣的具身智能 AI Startup 公司在「AI 找工地图」里，你可以按领域（具身智能、机器人、AI 硬件等）、城市、团队规模筛选 💡
每家公司的页面，都有 Founding Team 成员信息和 ta 们的社交平台、融资情况、媒体报道，帮助你更全面地了解这间公司，其中大部分都有在招职位～
热度比技术快，资本比落地快。具身智能行业的技术还没有收敛，但热钱和人才已经涌入。公司在用自己的方式押注未来，从业者也在迷雾与现实之间寻找自我的生态位。
也许，这正是一个行业最有意思的时刻。
