事件
深圳具身智能公司星塵智能（Astribot）在三個月內完成超 10 億元 B 輪融資，估值突破百億元。這並非純粹的融資新聞——而是標誌著具身智能賽道的競爭邏輯發生了質變。
根據報導，「行業告別側重舞台預設演示的粗放比拼，轉而直面真實物理環境下的複雜落地難題」。
這句話是關鍵。它暴露了具身智能領域的一個隱藏的階段轉換。
表面 vs 深層
表面上看，星塵智能的融資節奏很順：一家 2022 年創辦、3-4 年內融資額超 10 億、估值破百億，背後投資方包括騰訊、阿里、字節等大廠加國家級基金。這些數字代表市場對「具身智能」這個賽道的集體看好。
但更重要的信號藏在商業化部分：「千台級工業及商業服務訂單」「文旅酒店場景」「應用創新中心」。
這些都不是概念驗證（POC）——這是真金白銀的落地訂單。而且數字不小（千台級意味著批量化生產與部署）。
為什麼這個轉換這麼重要？
### 第一層：演示 vs 真實
過去兩年，具身智能領域的競爭邏輯很簡單： - 誰的人形機器人舞蹈視頻更流暢？ - 誰能在發佈會上做出最複雜的單臂操作？ - 誰的演示場景最豐富（做菜、打掃、端茶）？
這些都是「舞台預設演示」——環境被精心設計、障礙物被移除、任務被簡化成可重複的動作序列。
但工廠、酒店、商場不是舞台。這些地方： - 環境是未知的、動態的 - 同一個任務的變體可能有 100 種 - 機器人故障的成本被直接計算（產線停工、客人投訴） - 可靠性要求從「90% 正確率」變成「99.9% 可用性」
### 第二層：技術路線分化
報導明確提到：「技術路線尚未收斂，各家廠商基於對落地路徑的不同理解，在傳動方案、模型架構、數據策略等維度做出了差異化探索。」
這意味著什麼？
在軟件 AI 時代（ChatGPT 式競爭），大家都在用差不多的 Transformer 架構、GPT-scale 的參數量、類似的訓練數據，競爭收斂到「微調細節」。
但具身智能不同： - 傳動方案：線性馬達 vs 氣動 vs 液壓，各有成本-功率-精度的三角權衡 - 模型架構：端到端神經網絡 vs 分模塊（感知+規劃+控制），對現實鯊魚皮噪聲的容忍度完全不同 - 數據策略：用模擬數據 vs 真實機器人採集，對「sim-to-real gap」的解決方案各異
這些選擇沒有絕對的「最優」——只有「對某個特定應用場景最優」。
### 第三層：護城河的重建
軟件 AI 的護城河是資本（訓練成本）和數據規模。
具身智能的護城河完全不同： - 製造經驗：懂得如何在流水線上可靠製造 1000 台同樣的機器人 - 應用Know-how：知道工廠/酒店的真實痛點、能快速定製任務 - 失敗反饋迴圈：機器人在現場故障 → 收集數據 → 改進模型 → 重新部署，這個迴圈的速度和質量決定了競爭力
這意味著：先進入、先收集失敗數據的玩家，會形成難以超越的優勢。
為什麼星塵智能被看好
從創始人背景看：「來杰在 AI 與機器人領域擁有超 17 年研發設計經驗，曾任騰訊機器人實�室 1 號員工、百度小度機器人團隊負責人」。
這不是軟件創業者——這是懂製造、懂工程化、懂商業化的機器人專家。
從融資方看：騰訊、字節這些大廠不是為了財務回報（具身機器人短期內不會是百億美元市場），而是為了搶佔工業應用的入口。未來工廠自動化、酒店機器人、物流機器人，誰能先佔住客戶，誰就掌握了定價權。
對整個賽道的啟發
具身智能的估值邏輯從「能做什麼」（capability）轉向「能商業化什麼」（deployability）。