新式系統集成商，正在打通具身智能落地的“最后一米”

【摘要】2026年一季度，具身智能賽道持續火熱，截至5月26日，國內機器人領域一級市場融資434起，融資金額達746億元，單筆超10億元的就有十余起。

然而，走高的市場預期與商業化落地困境形成鮮明反差。

由于海量真實交互數據獲取成本高，主要應用場景仍集中于實驗室、高校科研、文化娛樂及各類政府示范項目，具身智能落地的“最后一米”，成為了關鍵瓶頸。

而銀河通用與智平方等“新式系統集成商”，在自研大模型的基礎上直連現實場景，試圖彌合這一鴻溝。

以下是正文：

01

萬億藍海背后，“最后一米”落地難

2026年被稱為“具身智能元年”。

據包括第一財經、IT桔子在內的多方統計，截至5月26日，國內機器人領域一級市場融資434起，融資金額達746億元，單筆超10億元的就有十余起。其中，122起融資公開披露了具體金額，累計規模約345億元。

出手的投資方中頻頻出現“國家隊”的身影，也有不少實體產業資本與頭部風險投資機構的參與。這充分說明了國家戰略層面與市場對這片萬億藍海的一致看好。

然而，盡管行業預期持續走高，但具身智能行業大規模的商業化落地仍處于一個不確定的發展階段。

在第20屆中國投資年會上，海松資本CEO陳立光就曾以數據警示這一新興賽道的泡沫風險：2025年1月至10月，中國具身智能領域一級市場融資總額超500億元，而第一梯隊所有公司全年營收總和不足100億元。

截止至2026年，已經產生銷售行為的具身智能，主要應用場景仍集中于實驗室、高?？蒲?、文化娛樂及各類政府示范項目，工業與商業場景部署都相對有限。

那么，究竟是什么阻礙了具身智能的落地進程？

首先，“穩定性”與“成本”的考量，始終牽動著下游制造業的決策神經。具身智能要在物理場景中真正落地，就必須具備長尾場景適應性，即在面對低頻、邊緣化或未曾預料的特殊情況時，仍能準確識別并妥善處理的能力。

目前，盡管極佳視界的GigaWorld世界模型、星動紀元的ERA-42原生端到端具身大模型等在內的大模型，已經發展到一定水平，但泛化和長程任務等能力仍有待提升。解決這一瓶頸的關鍵，在于獲取海量基于現實物理世界交互的訓練數據。這既意味著極大的研發成本和時間，也需要通過在具體工作場景中的試錯和分析完成進一步的優化迭代。出于投入產出比的權衡，下游企業對具身智能往往“不敢用、不愿用”。

其次，傳統產業鏈的分段協作模式，在上下游之間制造了壁壘：上游的通用本體廠無法徹底了解具體業務場景的落地難點，而下游的應用企業需要特殊定制的算法“大腦”。二者之間，需要一個既懂業務又懂軟件，能將通用硬件轉化為實用工具的“翻譯官”。

因此，具身智能走向落地的“最后一米”，成為了一道關鍵的鴻溝。

而以銀河通用、智平方等為代表的“新式系統集成商”，正在慢慢追平這道鴻溝。

02

跑通“大腦”，資本更愿意買賬

在具身智能賽道百億估值獨角獸不斷擴容的背景下，銀河通用與智平方兩家企業尤為受矚。

銀河通用首次廣泛進入大眾視野，是在馬年春晚的出色亮相。

作為晚會指定的具身大模型機器人，銀河通用Galbot機器人獨立完成了串烤腸、疊衣服及盤核桃等高難度、非標準化的操作。這些動作的執行，均由銀河通用自主研發的集成大腦、小腦與神經控制于一模的全身全手端到端大模型 AstraBrain（銀河星腦）實時決策。

銀河通用的研發壁壘，得益于創始團隊的技術背景。創始人王鶴長期從事端到端具身大模型研究，創立了國內首個專注于具身智能的學術實驗室，引領團隊深耕底層技術研究十余年。

2026年第一季度，銀河通用宣布完成新一輪25億人民幣融資。成立三年以來，銀河通用融資已接近70億人民幣，估值超過200億人民幣，穩居具身智能獨角獸之首。

跑通“通用大腦”，被業內普遍認為是搶占市場份額的重要籌碼。而想要訓練出“聰明”的大腦，數字基建必不可少。

憑借“以合成仿真數據為主、真機數據為輔”的虛實融合訓練范式，銀河通用在少樣本甚至零樣本條件下，實現了對新場景、新物體的泛化能力。據人民網等主流媒體報道，其數據訓練效率相較業內頭部公司高出1000倍，模型成功率達到99%，在全球范圍內都處于領先水平。

基于此，銀河通用打通下游產業鏈，在工業、零售、醫療等場景中實現了商業閉環。

工業制造領域，銀河通用Galbot S1已在寧德時代電池工廠全自主作業，并獲得與德國博世、豐田汽車等全球工業龍頭客戶的合作機會，真正將技術優勢轉化為了可視化的生產優勢。

銀河通用也致力于打入零售領域，實現更廣泛的場景應用。

今年4月，Galbot機器人正式“入職”北京中關村的一家全家便利店，從起初專注迎賓工作，到能夠為消費者抓取部分商品，其智能化水平在“實習”中不斷進階。此外，其應用還拓展至文旅新消費、智慧零售藥店、醫療康養等領域。

與此同時，另一家科技企業智平方也正成為資本競逐的目標。

繼2025年半年內連續完成七輪數億級融資后，這家成立于2023年的科技企業，又在今年2月完成超十億元人民幣B輪系列融資，公司估值正式超百億。一年累計完成12輪融資的速度，讓智平方成為當下全球融資節奏最快的具身智能企業。4月9日，智平方完成股份制改造，業內普遍將其視為加速IPO進程的關鍵節點。

據公開報道，智平方本輪資金將重點投入GOVLA具身大模型的研發，以及AlphaBot（愛寶）系列機器人的迭代與產線擴容。

2025年，智平方推出全球首個輸出快慢系統融合的端到端大模型GOVLA，首次實現全身控制與運動軌跡聯合輸出，支持全場景下全身協同與自主交互作業。

目前，AlphaBot系列機器人已應用于生物科技、半導體面板、汽車制造及顯示面板等工業場景，并依托統一技術框架可實現跨場景的高效遷移與復用。

商業層面，智平方已拓展至機場服務、智慧零售等領域，覆蓋廣東全省以及北京、上海、江蘇、浙江等省市，構建起覆蓋多個垂直行業的完整商業閉環。

兩家企業的融資進程，是具身智能賽道持續火熱的縮影；它們作為新式系統集成商的快速商業化落地，則成為領跑競爭的關鍵籌碼。

03

新式系統集成商，正在破解產業鏈斷層困局

在具身智能傳統產業鏈中，上游供給端普遍面臨著脫離真實場景的現實鴻溝。

上游具身本體及軟硬件企業通常采用基于各自技術路線的標準化進行產品開發，難以滿足下游真實用工場景中動態、高頻等非標準化的需求；而另一方面，高校與科研機構的研發成果又基本依托仿真或實驗室環境完成訓練，變量往往可控或被大幅簡化，泛化能力受限。

同時，傳統的集成商依然采用“交鑰匙”式的交付模式，根據客戶需求完成軟硬件組裝與調試驗收后，項目即宣告結束。

這類傳統集成商既無自研大模型能力，也無力承擔后續的數據采集與模型迭代。當交付場景出現新需求時，往往難以及時響應，影響整體的運行穩定性。

而智平方與銀河通用的獨特優勢，在于其新式系統集成商的全新定位。

在自研大模型的基礎上，這類企業直接對接下游終端產業，連接應用場景，并在落地過程中采集真實數據、持續迭代算法模型，形成可持續的數據閉環與技術優化。

區別于傳統集成商與特定硬件深度綁定的“死代碼”，新式系統集成商能實現軟硬件解耦，其自研模型能夠靈活適配各類機器人本體，支持跨行業、跨場景的快速遷移，大幅壓縮了產品的落地成本與調試周期。

正是憑借數據閉環與軟硬解耦，智平方與銀河通用等新式系統集成商有望徹底破解“最后一米”難題，加速具身智能從萬億藍海走向真實商業價值的落地。

04

尾聲

銀河通用與智平方的突圍，標志著具身智能行業已從早期的“技術PPT”階段，逐漸邁向“場景落地”的交付周期。

這類“新式系統集成商”的誕生，本質上是在嘗試跑通一條從實驗室Demo到工廠產線的可行路徑，為具身智能的規?；涞靥峁┣袑嵖尚械纳虡I落地及規模化案例。

但現階段，行業發展仍存在明顯短板：場景泛化穩定性有待突破，真正意義上可復制、可盈利的規?；虡I模式尚未跑通。

銀河通用與智平方的探索給出了解題的起點。不過，具身智能要走向成熟的商業閉環，仍需曠日持久的攻堅。