配资股票投资在一到两年内有效消化这部分泡沫

　　168元的门票，甚至场外兜售的600元黄牛票，也阻却不了公众对AI的蜂拥而至。据世界人工智能大会（WAIC）官方统计，WAIC2025的线下参观人数预估为35万人次，而一张张发布在朋友圈的宇树科技机器人格斗擂台照片，更直观地说明了拥挤程度。

　　超过150台人形机器人亮相WAIC2025，俨然绝对的主角，几乎渗透到每个角落。无论是主办方划定的机器人技能集中演示区域，还是具身智能初创公司、清洁和工业机器人公司、家电企业、大模型公司、互联网大厂、汽车厂商等的展区，都想从具身智能的盛宴中分一杯羹。

　　WAIC2025宇树科技展台，被观众围得水泄不通。

　　另一家“杭州六小龙”云深处的展位紧靠宇树科技，但由于只有几台机器狗表演，没带来其自研的人形机器人，人流量相形见绌。有其他厂商人士开玩笑说：“本来想靠近宇树，吸一点流量，没想到流量全被宇树吸光了。”云深处工作人员的解释是，人形机器人的商业化为时尚早，公司想在展台聚焦更有实际价值的产品。

　　尽管具身智能初创公司自我“造血”步履维艰，但和去年还在PPT上“画饼”相比，今年至少有了较为清晰的商业化落地雏形——不管是靠动作炫技和趣味交互提供情绪价值，抑或在具身智能模型加持下动手干活。

　　“去年的‘十八金刚’，你有见过它们走路吗？”智元机器人通用业务部总裁王闯提到WAIC2024上一块由18台人形机器人组成的静态展示区域，相较而言，他认为今年机器人本体的能力有了很大进步，外界对机器人干活的期望值一下子被拉得非常高。

　　在联想创投管理合伙人王光熙看来，融资凶猛的具身智能公司，只有凭借真正的商业化落地，才能消化好当前的估值泡沫。

　　熙熙攘攘的WAIC展览馆内，国产AI芯片创业公司、大模型初创企业等也在直面现实，或对标英伟达发布新款主力芯片，或开源性能更强的基座模型，无一不在传递着自己仍在追赶的信号，避免被“洗牌”下桌。

具身智能消化高估值

　　7月27日WAIC一场具身智能论坛上，智元请来了来自physical intelligence（Pi）、Sanctuary AI、英伟达、亚马逊等知名公司的相关从业者。

　　智元具身业务部总裁姚卯青和他们接触后却发现，美国具身智能初创公司尽管估值高，但研发节奏显得非常轻松，不像中国同行特别着急地在推进商业化。姚卯青认为这与不同市场的商业背景有关，“美国资本市场上的钱比较多，而中国市场其实很务实，很多时候是要去交作业的。智元有100多亿元的估值，投资人肯定要看是否具备商业化闭环”。

　　王光熙近期接受采访时分析，具身智能公司当前的高估值显然存在泡沫，需要通过业务的实际落地，在一到两年内有效消化这部分泡沫。如何在技术与产品层面拿出能够匹配估值预期的成果，是摆在这些创业公司面前的一大挑战。

　　7月28日光源资本举办的一场论坛上，银河通用创始人兼首席技术官王鹤也表示，未来一年最关键的任务是批量交付千台至万台机器人。若达成这一目标，将意味着具身智能泡沫的剥离。

　　不同创业公司的商业化“交卷”方式各异，但基本上都选择了短期能力有望支撑的场景，如货架取货、工厂搬运、物流线分拣、迎宾导购、文娱表演等等。若从技术路线来看，这些公司大体可分为“硬件先行派”“具身模型派”“软硬全栈派”。

　　宇树科技作为“硬件先行派”的代表，把机器人格斗表演带到现场，直观展示当前机器人运动控制和硬件能力。追觅孵化的魔法原子是宇树科技的追随者，不仅像宇树科技那样配齐全尺寸人形机器人、小尺寸人形机器人和机器狗的产品矩阵，也在展区演示起机器人“倒地起身”“下腰”等灵巧动作。

　　动易科技是WAIC上少有的凸显核心零部件差异化的人形机器人整机公司。和市场上以行星、谐波减速器为主的关节模组方案不同，动易科技的机器人搭载自研的摆线减速器关节模组。国信证券研报分析，摆线减速器方案（或升级迭代版本）减速比大、传动效率高、传动精度高、承载能力强、成本相对适中等特点，较行星精度更高、较谐波负载能力更强、较传统RV减速器体积重量更小。

　　“很多人可能会觉得，人形机器人的硬件方案已经基本定型，但我们认为仍未收敛。”动易科技的工作人员表示。

　　据记者了解，“硬件先行”不仅和创始团队硬件出身的背景有关，另一重要原因是具身智能模型“大脑”研发成本高。宇树科技创始人王兴兴去年8月时曾坦言，具身智能模型的技术路线不清晰，且太过烧钱，其公司选择谨慎投入。成本高直接体现在算法人才的招聘薪资上。一位人形机器人公司的创业者感慨，人形机器人算法工程师的用人成本高涨，一些情况下，月薪攀升至十几万元。另有业内人士抱怨，百万年薪都挖不到好的算法人才，有实力的算法人才也往往决定自主创业。

　　一些互联网大厂试图补足机器人硬件公司的“大脑”缺憾。WAIC期间，腾讯推出一款名叫Tairos的具身智能平台，其中包含多模态感知模型、规划大模型以及感知行动联合大模型，以模块化方式提供给机器人硬件公司。腾讯首席科学家、Robotics X实验室主任张正友对此解释说，他走访了全国大约六十多家机器人企业之后发现，中国的大量机器人企业在硬件方面具备较强能力，但受困于具身智能模型的高投入门槛。

　　在WAIC2025“技能大舞台”区域取货的银河通用轮式机器人。

　　“具身模型派”则拥有足够顶尖的算法工程师，比如银河通用、千寻智能等备受资本青睐的创业公司，背后都由顶尖海归算法人才带队。不过，“具身模型派”不意味着不涉足硬件，像美国Pi这样只做机器人“大脑”的公司，在中国并未成为主流。例如美团投资的自变量机器人，也从聚焦具身智能模型转向了软硬件一体，新推出一款轮式底盘人形机器人。

　　自变量机器人创始人兼CEO王潜向记者直言，机器人硬件供应商的产品，与具身智能模型的适配程度不够，不如自己下场做硬件。而且，和软件的技术难度相比，轮式底盘的机器人本体没那么难做。他透露，从着手做硬件到推出本体产品，只用了五个月时间。

　　王潜还认为，向整机厂商销售机器人“大脑”的模式障碍很大，因为具身智能模型当下还未解决跨本体的泛化能力。决定做硬件的另一层考虑在于，在产业链上，越是接近最终客户的环节，所能分到的“蛋糕”也越丰厚。自变量机器人的产品将面向服务业场景，采取B to C（企业对消费者）的商业模式，而非直接to C（面向消费者）。

　　王光熙亦在采访中提到，联想创投对纯机器人“大脑”的公司投资较少。他表示，完全脱离硬件做“大脑”难度高，软硬件融合具有必要性。

　　和“具身模型派”相比，以智元为代表的“软硬全栈派”在硬件层面的布局更为活跃，甚至有专门投资触觉传感器、电机等零部件公司。王闯介绍说，智元会把自研的机器人关节交给供应商代工，但人形机器人的产业链成熟度和汽车相比差距明显。起初，一些供应商的生产流程不规范，智元的团队为此提出大量优化建议，甚至帮供应商引进更好的上游供应商，手把手地协助开展关节研发和制造，进而把产业链带动起来。

　　具身智能一派欣欣向荣的表象之下，今年以来不断有声音预测，明年这一赛道或面临融资降温，提醒初创公司未雨绸缪。姚卯青就此向记者表示，具身智能行业的走势，很大程度上会取决于智元的进展。如果智元明年能够实现商业落地，为客户创造实际价值，那么这个赛道就有望孕育出千亿级市值的公司。但如果作为头部公司的智元也推进缓慢，大家可能会重新评估具身智能的现实难度和落地节奏，行业热度也可能因此趋于冷却。

　　姚卯青预测，明年将是具身智能行业梯队分化的关键节点。能够打通从硬件到实际应用场景、形成正向飞轮效应的公司，在市场上会更容易获得认可；相比之下，那些仅聚焦于硬件或算法的单一方向的企业，其市场关注度将越来越小。“行业一定会慢慢收敛成‘六边形战士’的赛道”。

基础模型争当Agent底座

　　和具身智能领域潜在的“洗牌”相比，基座模型赛道早已从“百模大战”完成两轮分化。

　　去年，大模型初创公司标杆还是由月之暗面、智谱、MiniMax、阶跃星辰、百川智能、零一万物组成的“六小虎”。如今，百川智能和零一万物掉队，其高管跳槽频繁见诸报道。百川智能直接缺席了今年的WAIC，零一万物两年均未参加。来参展的大模型友商不愿谈及百川智能等面临的处境，“我们不说友商坏话”。

　　其余留在“牌桌”的四家大模型创业公司，最近一段时间内相继发布并开源基座模型，纷纷宣称实现了SOTA（已知最佳）成绩，确保自己保留住第一梯队的席位。

　　7月28日晚，智谱发布并开源新一代旗舰模型 GLM-4.5，首次在单个模型中实现将推理、编码和智能体能力原生融合，以满足智能体应用的复杂需求。官方称，在最具有代表性的12个评测基准中，取得综合平均分全球模型第三、国产模型第一、开源模型第一的水准。

　　迭代基座模型的同时，智谱还在频繁地从地方国资获取融资和筹备上市，为公司研发和运营储备现金流。

　　而在WAIC的展台，智谱把注意力资源放在了即将迭代上线的手机智能体应用AutoGLM。这款应用于2024年11月发布，能自主调用手机上的第三方App执行任务。智谱CEO张鹏曾在发布会上通过语音指令，让AutoGLM在微信群中发放红包。此外，智谱还与荣耀开展了基于AutoGLM的深度合作。

　　虽然发布已久，但AutoGLM一直处于内测阶段。不过，一位智谱的工作人员透露，改版后的AutoGLM即将在8月初同步上线安卓端和苹果端。

　　智谱新版AutoGLM直接调用云手机上的App。

　　记者体验发现，新版AutoGLM最大的变化在于，无需索取手机终端的系统敏感权限来操作第三方App，而是向腾讯采购了云手机服务，直接调用从云端桌面上的App服务。这也意味着，AutoGLM自主点外卖或从事其他任务时，不再托管、占用手机终端的屏幕，用户可以同时在手机上操作其他事项。

　　智谱展台附近的月之暗面，几乎是知名初创公司中布展最朴素的一家：只有一块宣传大屏，三段公司的书面简介，以及一台与观众游戏互动的扭蛋机。“发了新模型，肯定要来。”一位月之暗面的工作人员说。

　　公司简介中，月之暗面用了超一半的篇幅来凸显Kimi K2模型的性能——一款具备更强代码能力、更擅长通用Agent任务的MoE架构基础模型，总参数1T，激活参数32B。在多个基准性能测试中，Kimi K2 均取得开源模型中的SOTA成绩。

　　Kimi K2自7月11日发布之后，在海外备受热捧，一定程度上扭转了DeepSeek火爆之后公司面临的不利局面。前述月之暗面的工作人员坦言，公司团队从DeepSeek的现象级“出圈”中认识到，“模型能力好就会有知名度，所以我们后来也暂停了投流”。

　　与智谱和月之暗面相比，MiniMax和阶跃星辰这两家上海本地的大模型“独角兽”拥有大得多的展区。它们不仅用来展示旗舰基座模型的性能，还热衷于呈现公司在B端商业化上的进展。

　　例如，MiniMax分门别类地罗列了AI眼镜、广告营销、智慧办公、智能座舱、AI玩具等领域的客户案例。据记者了解，MiniMax和智谱的B端商业模式差异较大，智谱会承接不少政务端等的定制化项目，但MiniMax只提供标准化的模型API接入调用服务。

　　基座模型初创公司不仅面临彼此之间的技术博弈，还有互联网大厂的虎视眈眈。王光熙表示，基座模型研发对技术的门槛要求非常高，很多公司在商业策略上虽走对了路，但如果技术性能落后，最终仍难以站稳。而模型能力依赖深厚的技术积累，同时也高度依赖资源——没有足够的资金来获取算力，技术团队再强也难以实现突破。

　　王光熙预测，市场上不需要许多的基座模型玩家，不像具身智能公司可以在不同垂类场景中百花齐放。基座模型领域未来将收敛为两三家大厂和两三家创业公司并存。

国产AI芯片玩家追赶英伟达

　　高投入、高估值和低营收的国产AI芯片公司，今年迎来实现自我“造血”的关键变量：DeepSeek带动模型推理算力的攀升。尽管在满足大模型训练需求方面，国产AI芯片和英伟达差距较大，但模型推理对芯片的技术要求相对较低，反而给了国产AI芯片追赶的契机。

　　“下一阶段对AI芯片的需求，将从训练转向推理。训练芯片追求极致的性能，而推理芯片追求性价比。因此创业公司仍有机会通过设计先进架构的推理芯片而占有市场，英伟达不会一家独大。”联想创投高级合伙人宋春雨日前表示。

　　燧原科技创始人、董事长兼CEO赵立东也观察到，基座模型训练规模越来越大，但玩家越来越少。与此同时，高能效推理正在成为主流。OpenAI、DeepSeek都需要更大规模、更高能效的推理算力支撑。DeepSeek等模型的开源以及后续产品迭代，也驱动着AI应用的爆发式增长。赵立东在WAIC期间预估，未来对推理算力的需求将是训练算力的百倍甚至千倍。

　　为抓住“造血”机遇，各家AI芯片公司今年以来纷纷宣布旗下产品适配DeepSeek等的推理模型，有的还推出DeepSeek一体机，以及参与建设万卡级的推理智算集群。

　　模型推理需求带动了国产AI芯片的出货量。例如，燧原科技2024年6月量产的S60推理芯片，目前已出货7万颗，在国产卡落地规模上进入前列。

　　天数智芯董事长兼CEO盖鲁江在WAIC前夕举行的阶跃星辰新模型发布会上表示，从芯片厂商的角度来看，2025年开年以来，芯片在大模型应用中的实际出货量确实呈现出快速增长的趋势。尤其是在一体机市场，整体呈现出快速发展、加速扩张的态势。这真正实现了芯片与大模型共同赋能实际应用场景，而来自场景的反馈数据和信息，又反过来推动了模型和芯片的持续迭代，形成正向循环。

　　然而，中国工程院院士、清华大学计算机系教授郑纬民在WAIC一场论坛上指出，DeepSeek、通义千问等国内外主流开源大模型的运行，借助于vLLM、SGLang等常用的海外推理引擎——专门用于高效运行大模型推理任务的软件系统，而这些推理引擎又高度依赖英伟达等的海外算力硬件生态，国产芯片适配困难。

　　为提升适配性，阶跃星辰在前述发布会上打出“国芯国模”的口号，寻求模型厂商与国产芯片的抱团合作。阶跃星辰在发布会当天联合近10家芯片及基础设施厂商发起“模芯生态创新联盟”，打通芯片、模型和平台全链路技术，提升大模型适配性和算力效率。该联盟首批成员包括华为昇腾、沐曦、壁仞科技、燧原科技、天数智芯、无问芯穹、寒武纪、摩尔线程、硅基流动等。

　　“阶跃星辰主动提出为国产芯片开发大模型，这也是我第一次听到大模型厂商这样说。”赵立东在这场发布上感慨。壁仞科技创始人、董事长兼CEO张文在同一场合表示：“国内大模型的发展，某种意义上牵动着国内芯片的设计发展。”

　　模型推理需求高涨之外，DeepSeek等也从训练侧带动国产芯片的设计演进。7月27日，燧原科技和沐曦同日分别新一代训推一体AI芯片L600和C600。值得一提的是，这两款主力AI芯片均支持DeepSeek模型在训练过程中使用到的FP8（8位浮点数）低精度——低精度可提升训练速度和降低计算成本。据记者了解，沐曦C600在FP8精度下的计算能力为1000 TFLOPS（每秒1000万亿次浮点运算）。