近期，具身智能領域熱度持續攀升，但行業內部卻暗流涌動，商業化困境與產能泡沫的爭議不斷發酵。金沙江創投合伙人朱嘯虎在公開場合直言，人形機器人雖備受資本追捧，但商業路徑仍不清晰，其團隊已批量退出相關投資。這一觀點引發行業震動，也折射出多數企業面臨的生存壓力——技術突破與市場落地的雙重挑戰下，稍有不慎便可能被淘汰。

全球范圍內，機器人企業倒閉潮已現端倪。硅谷明星公司K-Scale Labs耗盡400萬美元融資后宣布關停，美國兒童陪伴機器人企業Embodied直接終止服務，導致員工集體失業。更具標志性的是，法國機器人先驅Aldebaran因供應鏈成本高企、產品競爭力不足，在虧損2900萬美元后破產，最終被中國企業收購。這些案例揭示，即便擁有技術積累，若無法解決商業化難題，企業仍難逃敗局。

中國機器人供應鏈企業則走向另一極端。高盛調研發現，9家核心供應商基于行業爆發預期，已規劃年產10萬至100萬臺機器人的龐大產能，但實際訂單規模遠未匹配。數據顯示，2025年上半年國內人形機器人訂單中，75%來自高校、科研機構，企業訂單多為數百至數千臺，且交付周期長、應用場景模糊。例如，特斯拉與PharmAGRI簽署的萬臺Optimus V3部署意向書，因缺乏資金匹配與量產證據，被質疑為“泡沫信號”。業內專家警告，過度營銷正透支行業信任，需通過完稅數據、交付量等硬指標核實企業真實能力。

盡管如此，工業場景正成為機器人落地的突破口。相比家庭場景的復雜需求，工廠環境任務單一、標準化程度高，更適合技術尚不成熟的具身機器人。目前，走到B輪及后續融資的企業普遍具備兩大特征：一是聚焦細分場景，如物流倉儲、工業巡檢；二是實現小批量交付，年營收超5000萬元。例如，智元機器人2024年營收達1.2億元，成為少數具備造血能力的企業。

但工業場景落地仍面臨多重技術壁壘。通用型機器人因需適應多任務，硬件冗余度高、成本居高不下，而客戶更傾向“專機專用”的定制化方案。以汽車裝配線為例，機械臂需達到毫米級精度（±0.3mm）和微秒級響應速度，且在動態環境中（如傳送帶速度波動）仍需保持穩定。某頭部企業測試顯示，其產品在靜態環境下成功率達98%，但引入干擾后驟降至67%。工業場景對穩定性的要求近乎苛刻——六西格瑪標準下，缺陷率需控制在每百萬次不超過3.4次，而當前生成式AI訓練的抓取動作成功率僅80%-90%，遠未達標。

依柯力信息科技在行業沙龍中進一步指出，現有具身機器人硬件負載能力處于初級階段，速度比工業機器人慢5倍，且大模型生成的代碼精度無法滿足工業需求，尤其在斷網場景下性能進一步下降。權威人士分析，若企業年度出貨量超5萬臺，成本與行業認可度將迎來質變，但目前僅有物流機器人接近這一目標，通用型機器人仍看不到拐點。不過，在工業細分領域，高效、低成本的垂直解決方案或許能率先突圍。

高盛報告的警示雖引發爭議，但短期內具身機器人替代人工仍不現實。頭部制造企業的訂單更多出于戰略布局與自動化試錯需求，而非成熟商業模式。不過，歷史經驗表明，技術革命中的適度泡沫往往能加速產業迭代。當前行業需警惕的是，如何在資本狂熱與技術理性間找到平衡，避免重蹈覆轍。