近年來，具身智能領域在資本與技術的雙重推動下熱度持續攀升，但估值泡沫與商業化進展緩慢的問題逐漸浮出水面，引發投資界的廣泛關注。高盛近期發布的行業報告指出，當前具身智能行業正面臨“訂單荒”的困境，同時Figure公司對優必選相關視頻涉嫌AI合成的質疑，進一步將行業推向輿論的風口浪尖，暴露出其在訂單落地與技術真實性方面的雙重挑戰。

針對這一現象，某投資機構董事總經理梁穎從投資人視角深入剖析了行業當前面臨的困境與未來投資方向的轉變。作為在該領域深耕十余年的資深投資者，她所在的機構不僅曾參與多家明星機器人企業的早期投資，還孵化了一批具有代表性的科技企業。梁穎指出，當前行業核心問題在于，許多產品尚未形成有效的商業閉環，客戶端實際使用情況與宣傳存在差距。她進一步強調，行業面臨的挑戰不僅限于AI能力不足，機器人本體在穩定性、功耗、負載能力等硬件層面仍存在顯著瓶頸。

在梁穎看來，具身智能不應被簡單等同于雙足人形機器人。她認為，人形機器人或許是行業發展的終極目標，但商業落地的關鍵在于場景適配而非形態模仿。以工業場景為例，當前自動化與機器人的組合已替代大部分可標準化的人工操作，剩余難以替代的工作往往涉及復雜環境或高精度需求，這正是機器人技術需要突破的方向。她舉例稱，特斯拉布局機器人產品正是基于其工廠近乎無人化的現狀，但仍存在少量人工無法替代的操作環節。

談及技術瓶頸，梁穎坦言，當前機器人大腦算法與硬件本體均未達到大規模商業化成熟階段。許多創業公司出身于AI算法背景，認為機器人本體已成熟，只需通過AI大模型加持即可實現突破。然而現實是，本體硬件仍存在諸多問題：穩定性差、功耗過高、無法長時間工作，甚至需要依賴遠程操作。她以近期某機器人展會為例，指出多數參展產品雖能完成基礎動作，但距離自主運行仍有很大差距，一個機器人往往需要兩名工程師陪同調試。

對于人形機器人是否陷入“技術堆砌難落地”的怪圈，梁穎表示，要實現與人比肩的靈活性，人形機器人需搭載至少50個自由度關節，但這會直接導致成本飆升、小型化受阻，并伴隨功耗過高、穩定性不足等問題。她觀察到，許多企業初期宣稱要打造“全場景多任務人形機器人”，但最終不得不轉向科研市場尋求突破，真正能落地實用的成熟產品寥寥無幾。她認為，行業應避免過度執著于人形概念，而是聚焦具體場景需求，例如工廠場景中固定位置的機械臂可能比移動平臺更高效。

在商業落地路徑上，梁穎提出“模塊化設計”的思路。她認為，具身智能機器人可拆分為機械臂與移動平臺兩部分，形態（雙足、輪式或四足）應根據場景需求決定。例如家庭場景需要穩定、安全且空間適配性強的設備，而工業場景可能更注重效率與成本。她強調，核心在于找到合適的應用場景，使機器替代人的經濟模型成立，而非追求技術完美。她以某企業案例說明，若機器人售價10萬元卻需兩人專門維護，則缺乏商業價值。

針對行業“訂單荒”現象，梁穎指出，關鍵在于驗證客戶端是否真正使用已采購的機器人。她觀察到，部分企業產品尚未成熟，但行業危機感促使客戶愿意嘗試新技術。她認為，應鼓勵這種嘗試，通過實踐發現問題并逐步解決，而非期待機器人一次性解決所有問題。她建議企業先聚焦一兩個應用場景，再逐步拓展功能。

當被問及未來投資方向時，梁穎透露，該機構早期已布局30余家機器人企業，涵蓋從1.0到2.0階段的項目。但到2026年，隨著機器人本體企業估值偏高且優質創業團隊已基本入場，投資邏輯將從聚焦本體轉向產業鏈上游的核心部件領域。她同時表示，將持續關注已投企業的商業化落地，協助其找到切入點。

在商業化突破口方面，梁穎認為，具身智能應優先解決降本增效問題，場景選擇不宜過于復雜。她指出，危險、污染環境或需要24小時工作的場景（如巡檢、維護）具有強剛需性，且不一定需要人形形態。她強調，技術應用應以需求為導向，有時需做減法而非加法，避免功能堆砌。她觀察到，當前行業從業者多出身科研背景，傾向于從技術出發思考問題，但更應優先明確需求，再評估技術可行性。