高盛最新报告定调具身智能：告别“人形崇拜”，数据与ROI成试金石

来源：新财富

当市场仍在为特斯拉Optimus的行走姿态或Figure 01的拟人手指惊叹时，一份来自高盛的权威报告，正将行业焦点拉回商业本质。

近日，高盛分析师团队在走访14家中国机器人企业后发布报告指出，行业在具身智能模型架构上的共识正从单一VLA模型转向以执行为导向的多模态AI堆栈。报告明确了两大核心判断：其一，当前适配工厂场景的机器人并非必须是人形，适应性形态足以覆盖当前70%-90%的工业应用；其二，高质量真实世界数据的稀缺是最大瓶颈，而商业化落地能力与投资回报率（ROI）已成为检验企业质量的黄金标准。

在这轮理性回归的浪潮中，一家即将登陆港交所的中国公司——微亿智造，正以“物理AI与空间智能的工业践行者”的独特标签，成为资本市场的稀缺锚点。

空间智能是让AI“看懂”三维世界——感知物体的位置、距离、形状；物理AI是让AI“动手”在真实世界里干活——理解力学规律并执行动作。前者是感知基础，后者是行动延伸。微亿智造所做的，正是将这两者深度融合到工业机器人中，让机器人在产线上“看懂、想清、做对”。

01

数据之役：物理 AI 大脑驱动产品进化

高盛的报告多次强调，行业瓶颈是获得高质量、多维度的真实世界数据。行业的焦点已从泛泛的“数据配方”争论，转移到如何构建能够可靠产出高质量数据的可扩展架构上。

这也正是微亿智造最深的根基所在。根据灼识咨询资料，2024年多数具身智能公司拥有少于5TB源自真实工业场景的非结构化、精细标注数据，而微亿智造依托其独特的 “快慢思考”与“人类在环”原则，已积累了由真实工业场景产生的、业内规模最大的非结构化精标数据库，数据量超过23TB，包含超过16亿条精标记录，覆盖质检、打磨、装配、上下料、运动轨迹等核心场景。

近期微亿智造董事长兼CEO张志琦在接受极客公园采访时进一步解释了这一逻辑：“公司利用过往项目类似工艺中积累的海量精标数据及模型，生成高效的预训练模型，可以大幅缩短新项目AI模型的训练时间及成本，将部署周期从传统模式下的数月压缩至数周。”他同时强调，工业场景中的技术工种（如打磨、焊接、检测）并不依赖当前热门的VLA大模型，“它可能基于规则引擎、目标对象理解、轨迹规划和执行纠偏，模型参数百亿级就能解决问题。不是所有场景都需要最大的模型。”

02

商业实证：ROI驱动的“部署态元年”收割者

高盛指出，市场普遍预计，只有在基于可部署模型并积累数千万小时高质量数据后，行业的大规模商业化部署才会在2027年至2029年间真正落地。而ROI 是客户落地决策的硬指标，也是企业能否穿越周期的关键。

微亿智造恰恰是这一论断的最佳注脚。当多数同行在攻克五爪抓取、分拣、走路稳定性时，微亿智造深耕工业场景，摒弃人形执念，以适应性形态（机械臂等）匹配工厂需求。

高盛在报告中表示，近期行业的核心机遇主要集中在分拣、物料搬运、取放、检测等标准化或半结构化流程中。微亿智造的工业具身智能机器人（EIIR）已部署于全球超过25家世界500强企业的产线，承担着缺陷判断、自主打磨、柔性上下料等核心生产任务。

据了解，一个产线工人的年综合成本约为10万元。传统自动化改造需花费百万元但仍无法满足柔性需求。微亿智造的方案能帮客户实现1-2年回本——以某全球头部新能源车企的一体化压铸件检修场景为例，整体生产效益提升50%以上，人工成本降低80%以上。

张志琦对此的表述更为直接：“在ROI可计算的情况下能不能完成，这是最基本的工业第一性原理。”其透露，微亿智造的客户每年持续复购，并且不断拓展新场景，“客户会觉得原来这个很好用，就会问这个新场景还有一堆人，能不能换。我们跟着客户的需求再往前推进。”

目前，微亿智造的商业化成果已在一线落地。以某全球头部新能源车企的一体化压铸件检修场景为例，微亿的“检修一体”机器人，能自规划检测与打磨轨迹，无需人工调试并能精准识别0.2毫米级瑕疵，综合漏检率低于0.6%，驱动整体生产效益提升50%以上，人工成本降低80%以上。在数字能源领域，其上下料机器人使产品良率提升至99.75%，产线效率提升超30%。

这些数字转化为财务表现，使得微亿智造成为行业内罕见的“盈利型具身智能标的”。其总收益从2023年的4.34亿元增至2025年的7.96亿元，复合年增长35.4%；更在2024-2025年连续两年实现盈利，2025年经营性现金流转正，净流入1.41亿元，证明了“AI+机器人”在工业场景中可以是一门健康、可持续的生意。

当资本市场不再相信炫技的视频演示，转而寻找能产生确定性现金流的“商业锚点”时，微亿智造凭借其深厚的真实数据资产、可验证的ROI模型以及务实的非人形产品策略，已在这场具身智能的长跑中，抢占了最坚实的身位。

无论是Figure AI高达390亿美元的估值，还是特斯拉对Optimus的百亿押注，最终都需要回答同一个问题：这些机器人能在真实的物理世界中创造多少现金流？在2027年至2029年规模化部署的关键窗口期之前，能够像微亿智造一样，在工业物理AI场景中积累真实数据、跑通ROI闭环并实现自我造血的企业，将更有机会在下一阶段的竞争中占据主动。