本文来自微信公众号： IT时报 ，作者：沈毅斌，原文标题：《人形机器人降至万元级！上半年具身智能融资超460亿元》
2026年世界杯激战正酣，就在数十亿球迷为梅西、姆巴佩、C罗等足坛巨星喝彩时，一场同样关于足球的较量在上海新国际博览中心刚刚落幕，只不过这些球员变成了一群泛着金属光泽的人形机器人。
哨声响起，一个银白色的人形机器人稳稳走到点球点，左右踱步、前后观察，后退几步后，起跑、加速、推射。“球进啦！”观众掌声雷动。八支国内机器人战队轮番上阵，两两对决，这是MWC26上海最具看点的现场比赛之一。
然而，人形机器人点球大赛传递出的信号远不止一场秀，更是具身智能的“物理图灵测试”。从足球场上的瞬间决策，到工厂产线上的精密操作，具身智能产业拐点将至，行业正从“会动”走向“会干活”。
当世界杯的狂欢与MWC的科技浪潮在这个夏天交汇，硅基与碳基，第一次在同一片绿茵场上，共同定义未来。
为什么是点球？
如果经常穿梭于全球各大科技展会，会发现一个有趣的现象：从世界人工智能大会到MWC巴塞罗那再到MWC26上海，几乎每一场重量级展会的机器人展区，都少不了点球大战环节。硅基球员在罚球点前摆腿射门的画面，仿佛成为跳舞之后又一“标准动作”。
为什么偏偏是点球？
足球拥有40多亿粉丝，是“世界第一运动”。今年恰逢世界杯，GSMA大中华区技术总经理刘鸿表示，从1997年深蓝击败国际象棋冠军，到2016年AlphaGo战胜李世石，AI的里程碑事件都以智力竞技为突破点。而足球这样的综合性体育竞技，可作为物理AI的“图灵测试”，它考验的不仅是计算，更是具身智能在真实物理世界中的全方位能力。
首先是感知，机器人要识别足球位置、追踪目标、判断守门员站位；然后是决策，计算射门角度、规划动作路径；最后是执行，全身协同发力、精准射门。
中国移动具身智能产业创新中心产品经理王开乐表示，赛前团队让机器人学习了足球运动员的踢球视频，对推射、抽射、捅射等动作进行了模拟、重建与骨骼重定向。上场后要独立完成环境观察、追踪足球、计算角度、全身协同射门等“观察——决策——控制”闭环流程，每个环节都依靠自主智能在约10毫秒内完成闭环。
当然，这些“硅基球员”并非百发百中。有的力度方向不准，球滚向场边裁判；有的角度不错却擦柱而出；还有的不小心被球绊倒，缓缓爬起来“再接再厉”，草坪摩擦力、灯光阴影、足球气压等真实赛场上的变量，才是考验模型泛化能力的关键。
杭州千寻机器人负责人李蕾坦言，完成单次射门或许可以媲美专业运动员，但若放在整场比赛中，涉及无数从观察到决策的流程，对具身智能仍是巨大挑战。
刘鸿希望通过足球运动测试人形机器人能否“为我们的物理世界很好地建立模型”。这需要大量算力支持，需要高性能、快速、稳定的网络将机器人采集的各类信息上传云端，并在云端做出决策。
换句话说，点球大战背后，是整个通信、算力基础设施与具身智能的协同检验。
“会干活”的产业拐点已至
近两年，人形机器人最擅长的是跑步、跳舞、翻跟头、点球，但今年具身智能产业的变化，或许将突破这些展示内容。
AI百人会秘书长高艳慧在MWC期间指出，2026年是具身智能的关键转折点，机器人不再依赖预设程序，而是通过“观察”与“思考”预判球路；人形机器人单价已从百万元级跌至十万甚至万元级。硬件成本拐点正在将实验室成果推向商业化前夜。
数据印证了这一判断。IT桔子统计显示，2026年上半年国内具身智能及机器人领域共发生288起融资事件，涉及226家企业，披露融资额超460亿元。具身智能投资热潮依然未减，但投资逻辑已经从“看团队、看Demo”转向“看交付、看数据闭环”。
融资反映了资本预期，头部企业的动作则证明产业正在加速落地。智元联合创始人、总裁兼CTO彭志辉在MWC主题演讲中提出一个关键概念：“部署态”。
当产业进入务实阶段，标准化的滞后就成为新的掣肘。中国人工智能产业发展联盟具身智能组组长张蔚敏从另一个维度看到了变化的契机，赛事规则中的紧急停止、速度限制、无尖锐物设计，正在形成人形机器人安全标准的雏形。这些脱胎于赛场竞技的规则，将推动电池、伺服电机、轻量化材料等产业链加速迭代，也让公众第一次真实感知具身智能的能力边界。
这也意味着，赛场上“被迫”解决的每一个可靠性问题，都将一点点打磨成产业标准化“手册”。这场点球比赛不是商业化之前的热身，它就是商业化进程本身的一部分。
从绿茵场
到工厂的“最后一公里”
足球场上的点球再精彩，终究是表演。具身智能真正的价值出口，在工厂、车间里那些重复、繁重、危险的劳动岗位上。
西门子数字化工业集团工厂自动化负责人Nicholas Hansen在具身智能峰会论坛上表示，目前全球工业场景中，只有20%的数据被实际使用。与此同时，工厂正从自动化走向自适应，再走向完全自主的“熄灯工厂”，在这一进程中，机器人必须从“基于规则”转向“基于目标”，不再依赖预设程序，而是通过实时感知环境来自主决策。
Nicholas Hansen在现场展示了一段对比视频：右侧的传统机器人按固定程序抓取标准化零件，左侧的具身智能机器人则面对形状不一的杂物，未经编程便完成了分拣任务，“这不是编程的结果，是感知的结果，这才是工厂未来的方向。”
华为无线网络产品线副总裁赵东则从基础设施层面回应了这一愿景。他指出，具身智能要真正进入工厂，网络必须完成一次根本性升级。过去的通信网络为人类的信息获取服务，未来的网络将为具身智能提供智能分发服务。大上行带宽、低时延高可靠、广覆盖，网络要像“具身的经络”一样，将云端大脑的决策实时分发到每一个物理实体。
愿景之下，挑战同样真实。上海科技大学副校长虞晶怡在论坛上直言，过去AI的成功建立在数据驱动之上，但数据驱动能否直接迁移到物理模型，“是一个巨大的问号”。以触觉为例，人类抓取物体时，视觉只是起点，触觉才是纠正错误的最后防线，而这类多模态数据在当前的具身智能研究中“极其缺失”。
更让他担忧的是学术生态，“越来越少的人去深挖问题本身，而是停留在快速变现上。学生和老师都希望快速产业化、快速发论文，很多真正困难的问题反而被忽略了。”
苏度科技CEO韩铮则从产业协同角度补充道，模型和硬件的迭代速度往往不同步，模型侧的新需求有时会倒逼硬件重新设计，“两边的节奏怎么匹配，是规模化前必须解决的工程问题”。