中國具身智能與人形機器人產業正在經歷關鍵的技術架構演進，視覺-語言-動作（VLA）模型與世界模型的加速融合正推動行業向商業化現實邁進，但高質量、真實世界數據的稀缺依然是制約大規模部署的核心瓶頸。

據追風交易台消息，據高盛分析師Jacqueline Du等人在走訪14家中國機器人企業後發布的報告指出，行業討論已超越單一的VLA框架，轉向以執行為導向的多模態AI堆棧。模型參數規模正迅速擴大至400億至800億區間，業界愈發認同，建立可擴展且以人類為中心的數據獲取架構，是實現技術突破的決定性因素。

對投資者而言，這一技術演進直接重塑了市場的商業化預期。報告指出，儘管應用場景正在向工業和物流領域拓展，但目前絕大部分項目仍停留在概念驗證（POC）階段。市場普遍預計，只有在基於可部署模型並積累數千萬小時高質量數據後，行業的大規模商業化部署纔會在2027年至2029年間真正落地。

儘管面臨短期挑戰，高盛對該領域的長期投資前景依然保持高度樂觀。多模態AI堆棧的進步與精密數據採集體系的建立，表明行業距離廣泛應用已近在咫尺。但高盛也提醒投資者需保持耐心，企業在從概念驗證向大規模商業化過渡的複雜過程中，保持質量穩定與持續降本將是核心里程碑。

據高盛報告，行業在具身智能模型架構上的共識正在發生顯著轉變。企業已不再侷限於傳統的單一VLA模型，而是迅速轉向VLA或視覺-觸覺-語言-動作（VTLA）與世界模型的結合。在這一新架構中，世界模型不再作為一個獨立的類別存在，而是作為動作模型旁的功能層，通過預測下一狀態、在執行前驗證動作來增強真實世界中的規劃能力和魯棒性。

以Galaxea，Galbot，Spirit AI和One Robotics為代表的企業，均已明確將VLA/VTLA與世界模型的結合作為下一步發展方向。在此背景下，模型訓練規模正從以往的個位數級十億參數，向400億至800億參數的龐大區間攀升。多位業內人士向高盛強調，在這些多模態堆棧達到可部署且質量一致的標準前，仍需經歷多輪迭代。

此外，PaXini等企業則強調了觸覺（VTLA）在物理交互中的重要性，計劃推出以觸覺為主導的模型，以彌補純視覺路線在力控任務中的不足。

高質量、多維度的真實世界數據仍是當前阻礙實際部署的最大瓶頸。高盛觀察到，行業的焦點已從泛泛的「數據配方」爭論，轉移到如何構建能夠可靠產出高質量數據的可擴展架構上。

在數據採集中，以人類為中心和以自我為中心的採集方式（如通用操作接口UMI及第一人稱視角可穿戴設備）日益成為首選，尤其是當企業需要保留自然運動、豐富接觸交互以及實現跨機體遷移時。在具體投資上，行業呈現出兩條不同的路徑：一部分企業傾向於在政府支持下建設集中式的數據工廠，例如PaXini目前在全國運營着5座數據工廠；另一部分如Galaxea，Spirit AI和One Robotics，則更傾向於通過已部署系統、VR和客戶端採集來構建分佈式的部署循環。

數據本身正在成為一項重要的盈利來源。報告指出，多家企業預計到2026年，數據相關收入在總營收中的佔比將顯著提升，其中UBTech預計政府對數據工廠的需求將保持強勁，從而支撐其收入和數據積累。

目前，人形機器人的商業化正逐步覆蓋工業搬運、物流工作流以及部分結構化的商業場景。據高盛報告，近期的核心機遇主要集中在分揀、物料搬運、取放、檢測等標準化或半結構化流程中。

工業領域的採用嚴格遵循分階段路徑。企業通常需要經歷3至6個月的概念驗證（平均2至3輪），隨後進行每批次少於50台的小批量測試，並經過約12個月的驗證期後，才能進入每位客戶約50至100台規模的試點部署階段。在物流領域，Geek+等企業強調了「場景優先」的理念，將複雜任務分解為具有明確邊界的子任務，在當前階段將可靠性置於通用性之上。

在硬件形態與降本路徑上，市場展現出強烈的務實傾向。高盛指出，出於模型能力限制和成本考量，衆多廠商當前更傾向於採用「輪式底盤+兩到三指夾爪」的組合，該形態目前足以覆蓋70%至90%的工業應用場景，而雙足加五指靈巧手的終極形態仍需時日。

降本路徑：規模效應主導，硬件形態趨於務實

在激烈的市場競爭中，降本主要依賴於規模效應以及企業對架構、零部件和部署形態的定製化選擇。對於全尺寸人形機器人玩家而言，全棧研發控制依然是最普遍的成本控制手段。

在產業鏈各環節，企業正在確立各自的競爭優勢。Linkerbot表示其在全球高自由度靈巧手市場已佔據領先份額，並通過自研關節模塊實現了顯著低於海外競品的定價。Mech-Mind則聚焦於工業場景下的3D視覺系統，其核心客戶集中在汽車及電池製造領域。而在傳統工業機器人領域，Estun Automation的管理層強調，公司戰略已從單純追求市場份額與出貨量，大幅轉向優先提升產品組合、盈利能力與增長質量，以應對國內日益激烈的價格競爭。