宇树科技陈立:机器人目前难以大规模落地，核心瓶颈是具身智能大模型不成熟
2026年7月3-4日亚布力中国企业家论坛第十二届创新年会，宇树科技联合创始人陈立发表行业判断，核心观点:当前
机器人无法大面积商用普及，首要制约因素不是硬件，而是具身智能大模型尚未成熟。陈立认为:目前
机器人硬件(电机、减速器、传感器、机身结构)工程化、国产化已达到较高水平，硬件已经走在AI大脑前面，大模型拖慢整体落地节奏。陈立给出行业爆发拐点清晰定义:
机器人能在80%从未见过的陌生场景里，仅靠一段语音/文字自然指令，自主完成80%日常、工业通用任务，才算具身智能真正成熟，行业会迎来爆发式落地。
这就等于说。如果想要机器人完全进入生活和工厂必须要经过 实用场景的训练， 比如如果机器人进入家庭养老，那么在机器人到达使用者之前 要经过各个服务老人的场景训练比如 从床上起身， 倒水 喂药
扶起来走路等等。这些复杂的场景必须都训练并牢记于机器人大脑，再比如机器人在港口装卸，要给机器人创造各个 港口场景和 突发情况 以便给机器人训练并 随时产生应对策略，如果没有这些，机器人生产出来也是废铁，最多只能做些机械性动作，毫无实用性可言。
所以当前最最最重要是
场景训练。 当前A股涉及场景训练的个股如下。有可能是下一周期的核心资金关注对象。
第一梯队：核心瓶颈解决端逻辑共性：直接攻克「陌生场景泛化、仿真训练、虚实迁移、自然语言自主任务」四大模型卡点，是行业爆发的核心底座。1.
凡拓数创 301313｜空间全真仿真+虚实训练闭环（本轮核心稀缺标的）弥补传统物理仿真短板，主打
超大场景空间孪生+Sim2Real虚实迁移，精准匹配宇树陈立核心拐点逻辑（80%陌生场景自主作业）。自研FTE三维孪生引擎+DDM解剖动力学训练框架，可1:1复刻工厂、城市级陌生复杂场景，批量生成海量训练数据，解决真实场景采集成本高、场景样本不足的行业核心痛点。搭建「虚拟仿真训练+实体训练场评测+数据反哺迭代」全闭环，大幅提升
机器人陌生场景任务迁移准确率，是国内少数具备全栈具身训练能力、适配
机器人通用场景泛化需求的核心标的。2.
索辰科技 688507｜底层物理世界模型A股稀缺
可微分多物理场CAE仿真引擎，是具身大模型训练的数学底层核心。可精准模拟重力、摩擦、形变、碰撞、柔性交互等真实物理规则，解决
机器人陌生环境动力学适配难题。所有
机器人智能迭代、陌生场景自主作业，都需要依托其物理仿真内核做千万次强化学习，是模型成熟、行业规模化落地的刚需底层工具，无替代竞品。与
凡拓数创形成「空间场景建模+物理规则仿真」的完美互补组合。3.
科大讯飞 002230｜通用具身VLA大模型国产头部
视觉-语言-动作闭环具身大模型，完美匹配核心拐点标准：支持自然语音、文字指令直接转化为
机器人动作逻辑。无需预设程序，可自主理解陌生场景任务、自主规划作业路径，是
机器人摆脱人工编程、实现通用智能化的核心AI大脑，服务工业、服务
机器人全品类智能化升级。4.
华如科技 301302｜工业专用具身仿真聚焦工业场景数字孪生与物理仿真，主打工厂、工业设备、流水线专属场景建模训练，针对性解决工业
机器人陌生工位、非标场景自主作业难题，是工业端具身模型落地的核心配套平台。5.
中科创达 300496｜
机器人软硬适配底座
机器人操作系统核心厂商，打通
具身大模型与底层硬件的适配壁垒，解决AI大脑和电机、传感器、控制器的协同问题，让自然语言指令可以精准落地为
机器人实际动作，是模型落地硬件的关键中间层底座。第二梯队：算力底座逻辑共性：具身大模型、世界模型持续迭代，海量场景训练+
机器人端侧实时推理，带来算力刚性增量。1.
寒武纪 688256｜国产端侧推理芯片龙头思元系列芯片适配人形、四足
机器人本地端侧具身模型推理，实现
机器人离线陌生场景自主决策，摆脱海外芯片依赖，是国产
机器人智能化算力核心。2.
海光信息 688041｜云端训练算力核心国产高端GPU主力，承接具身世界模型、多场景
海量数据云端大规模训练任务，模型迭代越快，算力需求越高。3.
瑞芯微 603893｜轻量化端侧算力标配RK3588等SoC芯片广泛应用于中小型
机器人，支撑轻量化具身模型实时推理，是
机器人普及型算力硬件。第三梯队：感知层逻辑共性：硬件已成熟，但
是大模型感知陌生场景的唯一数据来源，模型智能化落地后感知需求同步爆发。1.
奥比中光-W 688322｜宇树核心3D视觉供应商独家配套宇树
机器人深度视觉设备，为
机器人提供空间测距、环境建模、障碍物识别、物体定位数据，是大模型理解陌生空间、自主避障抓取的核心“视觉五官”。2.
柯力传感 603662｜
机器人六维力传感龙头提供高精度触觉、力觉反馈数据，让大模型完成柔性抓取、自适应力度作业，解决
机器人复杂交互、陌生物体操作的核心感知难题。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。