新式系统集成商，正在打通具身智能落地的“最后一米”

【摘要】2026年一季度，具身智能赛道持续火热，截至5月26日，国内机器人领域一级市场融资434起，融资金额达746亿元，单笔超10亿元的就有十余起。

然而，走高的市场预期与商业化落地困境形成鲜明反差。

由于海量真实交互数据获取成本高，主要应用场景仍集中于实验室、高校科研、文化娱乐及各类政府示范项目，具身智能落地的“最后一米”，成为了关键瓶颈。

而银河通用与智平方等“新式系统集成商”，在自研大模型的基础上直连现实场景，试图弥合这一鸿沟。

以下是正文：

01

万亿蓝海背后，“最后一米”落地难

2026年被称为“具身智能元年”。

据包括第一财经、IT桔子在内的多方统计，截至5月26日，国内机器人领域一级市场融资434起，融资金额达746亿元，单笔超10亿元的就有十余起。其中，122起融资公开披露了具体金额，累计规模约345亿元。

出手的投资方中频频出现“国家队”的身影，也有不少实体产业资本与头部风险投资机构的参与。这充分说明了国家战略层面与市场对这片万亿蓝海的一致看好。

然而，尽管行业预期持续走高，但具身智能行业大规模的商业化落地仍处于一个不确定的发展阶段。

在第20届中国投资年会上，海松资本CEO陈立光就曾以数据警示这一新兴赛道的泡沫风险：2025年1月至10月，中国具身智能领域一级市场融资总额超500亿元，而第一梯队所有公司全年营收总和不足100亿元。

截止至2026年，已经产生销售行为的具身智能，主要应用场景仍集中于实验室、高校科研、文化娱乐及各类政府示范项目，工业与商业场景部署都相对有限。

那么，究竟是什么阻碍了具身智能的落地进程？

首先，“稳定性”与“成本”的考量，始终牵动着下游制造业的决策神经。具身智能要在物理场景中真正落地，就必须具备长尾场景适应性，即在面对低频、边缘化或未曾预料的特殊情况时，仍能准确识别并妥善处理的能力。

目前，尽管极佳视界的GigaWorld世界模型、星动纪元的ERA-42原生端到端具身大模型等在内的大模型，已经发展到一定水平，但泛化和长程任务等能力仍有待提升。解决这一瓶颈的关键，在于获取海量基于现实物理世界交互的训练数据。这既意味着极大的研发成本和时间，也需要通过在具体工作场景中的试错和分析完成进一步的优化迭代。出于投入产出比的权衡，下游企业对具身智能往往“不敢用、不愿用”。

其次，传统产业链的分段协作模式，在上下游之间制造了壁垒：上游的通用本体厂无法彻底了解具体业务场景的落地难点，而下游的应用企业需要特殊定制的算法“大脑”。二者之间，需要一个既懂业务又懂软件，能将通用硬件转化为实用工具的“翻译官”。

因此，具身智能走向落地的“最后一米”，成为了一道关键的鸿沟。

而以银河通用、智平方等为代表的“新式系统集成商”，正在慢慢追平这道鸿沟。

02

跑通“大脑”，资本更愿意买账

在具身智能赛道百亿估值独角兽不断扩容的背景下，银河通用与智平方两家企业尤为受瞩。

银河通用首次广泛进入大众视野，是在马年春晚的出色亮相。

作为晚会指定的具身大模型机器人，银河通用Galbot机器人独立完成了串烤肠、叠衣服及盘核桃等高难度、非标准化的操作。这些动作的执行，均由银河通用自主研发的集成大脑、小脑与神经控制于一模的全身全手端到端大模型 AstraBrain（银河星脑）实时决策。

银河通用的研发壁垒，得益于创始团队的技术背景。创始人王鹤长期从事端到端具身大模型研究，创立了国内首个专注于具身智能的学术实验室，引领团队深耕底层技术研究十余年。

2026年第一季度，银河通用宣布完成新一轮25亿人民币融资。成立三年以来，银河通用融资已接近70亿人民币，估值超过200亿人民币，稳居具身智能独角兽之首。

跑通“通用大脑”，被业内普遍认为是抢占市场份额的重要筹码。而想要训练出“聪明”的大脑，数字基建必不可少。

凭借“以合成仿真数据为主、真机数据为辅”的虚实融合训练范式，银河通用在少样本甚至零样本条件下，实现了对新场景、新物体的泛化能力。据人民网等主流媒体报道，其数据训练效率相较业内头部公司高出1000倍，模型成功率达到99%，在全球范围内都处于领先水平。

基于此，银河通用打通下游产业链，在工业、零售、医疗等场景中实现了商业闭环。

工业制造领域，银河通用Galbot S1已在宁德时代电池工厂全自主作业，并获得与德国博世、丰田汽车等全球工业龙头客户的合作机会，真正将技术优势转化为了可视化的生产优势。

银河通用也致力于打入零售领域，实现更广泛的场景应用。

今年4月，Galbot机器人正式“入职”北京中关村的一家全家便利店，从起初专注迎宾工作，到能够为消费者抓取部分商品，其智能化水平在“实习”中不断进阶。此外，其应用还拓展至文旅新消费、智慧零售药店、医疗康养等领域。

与此同时，另一家科技企业智平方也正成为资本竞逐的目标。

继2025年半年内连续完成七轮数亿级融资后，这家成立于2023年的科技企业，又在今年2月完成超十亿元人民币B轮系列融资，公司估值正式超百亿。一年累计完成12轮融资的速度，让智平方成为当下全球融资节奏最快的具身智能企业。4月9日，智平方完成股份制改造，业内普遍将其视为加速IPO进程的关键节点。

据公开报道，智平方本轮资金将重点投入GOVLA具身大模型的研发，以及AlphaBot（爱宝）系列机器人的迭代与产线扩容。

2025年，智平方推出全球首个输出快慢系统融合的端到端大模型GOVLA，首次实现全身控制与运动轨迹联合输出，支持全场景下全身协同与自主交互作业。

目前，AlphaBot系列机器人已应用于生物科技、半导体面板、汽车制造及显示面板等工业场景，并依托统一技术框架可实现跨场景的高效迁移与复用。

商业层面，智平方已拓展至机场服务、智慧零售等领域，覆盖广东全省以及北京、上海、江苏、浙江等省市，构建起覆盖多个垂直行业的完整商业闭环。

两家企业的融资进程，是具身智能赛道持续火热的缩影；它们作为新式系统集成商的快速商业化落地，则成为领跑竞争的关键筹码。

03

新式系统集成商，正在破解产业链断层困局

在具身智能传统产业链中，上游供给端普遍面临着脱离真实场景的现实鸿沟。

上游具身本体及软硬件企业通常采用基于各自技术路线的标准化进行产品开发，难以满足下游真实用工场景中动态、高频等非标准化的需求；而另一方面，高校与科研机构的研发成果又基本依托仿真或实验室环境完成训练，变量往往可控或被大幅简化，泛化能力受限。

同时，传统的集成商依然采用“交钥匙”式的交付模式，根据客户需求完成软硬件组装与调试验收后，项目即宣告结束。

这类传统集成商既无自研大模型能力，也无力承担后续的数据采集与模型迭代。当交付场景出现新需求时，往往难以及时响应，影响整体的运行稳定性。

而智平方与银河通用的独特优势，在于其新式系统集成商的全新定位。

在自研大模型的基础上，这类企业直接对接下游终端产业，连接应用场景，并在落地过程中采集真实数据、持续迭代算法模型，形成可持续的数据闭环与技术优化。

区别于传统集成商与特定硬件深度绑定的“死代码”，新式系统集成商能实现软硬件解耦，其自研模型能够灵活适配各类机器人本体，支持跨行业、跨场景的快速迁移，大幅压缩了产品的落地成本与调试周期。

正是凭借数据闭环与软硬解耦，智平方与银河通用等新式系统集成商有望彻底破解“最后一米”难题，加速具身智能从万亿蓝海走向真实商业价值的落地。

04

尾声

银河通用与智平方的突围，标志着具身智能行业已从早期的“技术PPT”阶段，逐渐迈向“场景落地”的交付周期。

这类“新式系统集成商”的诞生，本质上是在尝试跑通一条从实验室Demo到工厂产线的可行路径，为具身智能的规模化落地提供切实可行的商业落地及规模化案例。

但现阶段，行业发展仍存在明显短板：场景泛化稳定性有待突破，真正意义上可复制、可盈利的规模化商业模式尚未跑通。

银河通用与智平方的探索给出了解题的起点。不过，具身智能要走向成熟的商业闭环，仍需旷日持久的攻坚。