935亿元。这是2026年上半年中国具身智能赛道拿到的新钱。按IT桔子发布的统计口径，这个数字比去年同期翻了5倍，已经是去年全年的1.6倍。同一时间，北京物联网智能技术应用协会给出市场规模判断，2025年中国具身智能广义市场已达9150亿元，2026年预计突破1.09万亿元。

钱来得远比故事跑得快。可赛道上横着两道坎，融资追着算法与本体跑，卡住落地的，却是数据与仿真这最不起眼的一层。

这恰恰是具身智能与数字AI最根本的差别。数字AI可以靠近乎无限的免费数据训练，产品60分就能推到用户手里，出错只是一次低成本的重迭代。机器人不行。一台机器人在现实里做错一个动作，代价可能是设备、产线，甚至是安全。真实世界的数据不是免费的，采集一小时可训练的数据，和从互联网扒一段文本，成本不在一个量级。

这道坎究竟有多大，行业给过一笔粗略的账。据测算，头部具身公司每年需要的优质数据在100万小时量级，自己一年只能自产十几万小时，缺口接近10倍。数据不够，模型就训不出来。容错率低，模型就落不了地。实验室好用、现场难落地，这句行业里反复出现的判断，正在被越来越多的试点项目印证。

也正因为这两道坎，具身智能的投资逻辑正在悄悄转向。

01 万亿赛道，钱先于落地到位

具身智能是当下最热的投资赛道，几乎不需要再论证。2026年上半年国内融资322起、总额935亿元，同比增长5倍，这样一个爆发速度，让投资人很难不把它当作下一个确定性机会。

但热度与落地之间的落差，恰恰藏在数字里。资本市场给出的是对未来终局的定价，而产业要回答的是今天怎么让一台机器人稳定地干完一件活。当钱把估值推上去之后，真正决定谁能兑现的，已经不是谁的故事更宏大，而是谁先把数据、仿真、部署这条链路走通。

这就是为什么行业开始把目光从算法与本体，移到它们脚下的地基。

02 两道坎，压住整个行业的下半场

具身智能最核心的两道坎，一是数据稀缺，二是容错率低。

数据是这条赛道真正的命门。数字AI的训练数据天然存在，互联网每天产生近乎无限的内容，训练成本随时间持续走低。物理AI的数据却要一台一台去真实世界采集，成本高、标准不统一，大量原始数据甚至无法直接用于训练。一个项目采集到的数据，换一个本体、换一个场景往往就要重来，沉淀不下来就构不成资产。头部具身公司年需求约100万小时高质量数据，自产只有十几万小时，这个10倍的缺口，就是行业普遍念叨的数据荒。

理解这两道坎，要用产业的尺度，而不是实验室的尺度。实验室里一台样机可以反复调试，错了重来，成本可控。可一旦站上商业化的台阶，数据要按小时计价、按场景复用，容错要以交付为标准，这两道坎就从工程问题变成了商业模式问题。

容错率是另一道更硬的约束。数字AI生成结果出错，可以低成本重新迭代，用户也接受一个85分的初稿。机器人一旦决策失误，作用于的是真实物理世界，试错成本高到几乎不允许在路上反复纠正。于是整个行业普遍卡在能演示、难作业的阶段。

这两道坎共同推高了落地成本，也让从技术验证到规模应用之间，始终横着那一公里。谁能把这个距离缩短，谁就握住了下一阶段的定价权。

03 投资逻辑变了，基础设施层的价值被重估

早期市场追捧终端应用与算法团队，几乎每一轮融资都在为新的本体、新的模型买单。如今产业进入深水区，一个更朴素的判断浮出水面，物理AI竞争，正在从单一算法转向数据、基建、场景的全生态竞争，而基础设施层，恰恰是这片生态里最缺、也最晚被价格发现的环节。

五一视界的稀缺性在于，它是国内物理AI软件层少数具备模型、仿真、数据三位一体闭环能力的厂商。这种全栈能力的价值，在于会形成正向循环的飞轮。下游场景越多，积累的数据越丰富。数据越丰富，仿真的精度越高。仿真精度越高，能服务的场景就越多。一圈一圈转下去，后来者几乎无法用某一项单点技术追平。

这个飞轮还解释了另一件事，为什么越早进场的人在基建生意里越有优势。单点技术的代差可以被追赶，可数据资产的累积速度和场景覆盖的广度，是时间堆出来的护城河，几乎不存在弯道超车的窗口。资本近两年对基础设施层的估值反复波动，本质上正是在为这个判断定价，谁手里握着已经转起来的飞轮，谁就值得更高的确定性溢价。

当资本从追算法转向押基础设施，具身智能的下半场，才有了真正可以下注的抓手。

04 把数据做成一门生意，是这一步的关键

五一视界给出的解法之一，是把数据采集本身做成一门可规模化的生意。

它与联合影像成立战略合资公司，专注具身数据基础设施，首发AperEgo与AperOS软硬一体的采集系统，实现从采集到训练端到端的闭环。据发布会上披露，经过软硬一体处理后的交付数据，轨迹物理一致性达到99%，采集成本效率比传统真机遥操作提升10倍以上。首代产品发布即开售，首发价5100元一套。

价格本身带有明显的卡位意味。把采集设备的价格压到几千元量级，是把数据采集从专业团队的工程，变成更广人群可以参与的事。五一视界创始人李熠在发布会上给出一个更长的判断，具身想要获得海量、持续的数据，一定要像车一样，人人驾驶、人人采集、人人分享。数据采集的成本与效率达不到汽车行业的水平，就很难走向AGI。

配套的商业设计也在变化。五一视界计划联合行业头部合作伙伴推出物理AI工厂，把软件、数据、算力打包成服务，推动商业模式从软件付费转向按价值付费。收入结构从一次性授权转向持续性服务，对一家基建型公司而言，意味着现金流从波动走向可预测。

而只有当数据闭环和商业闭环这两个飞轮开始转动的时候，具身的AGI之路才会越走越宽。

05 商业闭环，让机器人从能演示走到能作业

数据解决的是第一步，商业闭环解决的是最后一步。

工信部今年提出了一个让产业都意识到难度的目标，要真正做到一万台机器人真实上岗，不是表演，是到真实作业场景里持续干活。五一视界给自己认领了其中的10%，也就是1000台，并把它写进自己的技术路线兑现承诺。

承接这一目标的AperOne，覆盖重建、训练、评估、部署、运营全流程。先在仿真里重建真实场景建立数字副本，让机器人在虚拟副本里反复后训练，再测评、再部署到现实，作业数据回流继续迭代。这套逻辑和自动驾驶早年最成熟的仿真测试一脉相承，也正是五一视界最擅长沉淀下来的能力。

目前已落地的验证覆盖园区、场馆、电站、矿山及工厂等多类通用与特种场景。从能演示到能作业，表面是一句话，背后是一整套闭环的工程体系。

能不能把机器人从能演示变成能作业，才是这场竞争的终局问题。

06 这条路，自动驾驶已经替它验证过一次

五一视界的这套范式并非第一次提出，它刚从智驾赛道搬运过来，并已跑出商业结果。

在智驾领域，其仿真产品51Sim市占率达到53.5%，2026年上半年实现545.2%的同比增长。更重要的是，这验证了一个反直觉的商业模式，当仿真覆盖足够多的场景、服务足够多的客户，基础设施本身就能形成可售卖、可盈利的生意，而不只是研发的辅助工具。

自动驾驶与具身智能共享同一套物理AI底层，却有着截然不同的数据禀赋。自动驾驶把车卖给消费者之后，消费者每天开车的过程，本身就在为它生产近乎免费的训练数据。具身智能没有这样的免费来源，每一小时数据都要重新投入采集，这也是它比自动驾驶晚十年成熟、却必须更早补齐数据底座的原因。

五一视界创始人还点出一个产业规律，几乎所有科技产品，无论是硬件还是软件，往往要到第三、第四代才会进入规模商业化。自动驾驶已经走到第三代，明年将有L3、L4级别的强制性标准落地，距离现在只有11个月。标准一旦确定，整个产业链，从车企到保险到检测机构，都会沿着同一套语言向前推进，这比任何技术讨论都更能决定行业的节奏。

在技术演化之外，还有一条隐线值得留意，世界模型正在成为物理AI的兵家必争之地，而它当下的成熟度还远没有收敛。这条赛道上的玩家，正等着用一个技术共识，把自己的能力沉淀进行业标准。五一视界把十年的仿真积累作为底牌，赌的正是在世界模型收敛之前，先用自己的数据与仿真闭环把位置占住。

自动驾驶是物理AI的第一站，具身是第二站，而第一站即将到来的标准与法规，正为整条赛道打开确定性。

07 站在枢纽上，不和任何人竞争

把智驾积累的三位一体能力向具身复用，五一视界给自己的定位，是生态里的枢纽而不是终点。

它的生态半径很大。智驾领域，客户覆盖全球TOP20车企中的55%、中国TOP20车企中的60%，国内六大国家级权威检测机构100%与其合作。具身领域，已与云深处、银河通用、七腾机器人、北京人形机器人创新中心、高仙机器人、极佳科技、一目科技、BeingBeyond智在无界、仙工智能等头部厂商建立合作，共同朝向2030年上亿具身机器人走进物理世界的目标。

对初创公司而言，成熟基础设施出现意味着分工的精细化。创业者不再需要重复造轮子，可以把精力集中在核心算法与场景理解上。比如矿井、化工厂这类特种作业场景，可以直接使用现成的数据闭环与商业闭环，快速完成产品验证与落地。这大幅降低了创业门槛，也让更多垂直场景的创新成为可能。

这也反过来解释了基建生意的规模逻辑。当越来越多垂直玩家基于同一套地基生长，地基本身服务的场景边界就被不断撑大。车企、检测机构、特种作业、园区服务，每多一个行业接入，物理AI的可及面积就扩一圈。基建的价值不以单点产品计价，而以它支撑起来的整个生态的容量计价。

08 从具身到空天，物理AI的中场与终局

五一视界的蓝图，把物理AI排成一段清晰的时间表。自动驾驶是第一站，具身智能是第二站，再往上是空天探索。空天并非遥远的叙事，它同样依赖仿真与数据底座。低空飞行需要重新建立立体空间的训练环境，卫星回传的数据可以直接在云端算力中心处理再回传结果，火星与地球之间超过20分钟的通讯延迟，恰恰让自主与仿真成为刚需中的刚需。

它与影石Insta360、环天智慧、深空探测实验室展开合作，规划低空、太空、深空三层布局。这些方向暂时看不到立即可见的商业规模，但它把物理AI的战略边界拉到了行业想象力之外，也同时验证了那条主线，无论载体是车、是机器人还是卫星，底层都是同一套仿真、数据与算力的组合。

把视角拉回当下，2026年正是产业卡位的关键期。投资人需要识别真正具备底层能力的平台型公司，创业者需要找到与基础设施协同的差异化定位。而五一视界这场发布会的价值，也不只在产品本身，更在于它把具身智能被反复讨论却迟迟没有答案的问题，数据从哪来、容错由谁来兜底，第一次明确地放到了基础设施层的账本上。

当数据、仿真、部署这条地基被真正打牢，具身智能才可能跨过那道横亘多年的最后一公里。

基础设施层会比应用层更早成熟，这是物理AI最反直觉、也最确定的产业规律。