8月21日，A股市场震荡，机器人板块低开上冲后水面附近窄幅震荡，尾盘再度走强，截至14:25，机器人ETF汇添富（159213）标的指数涨超0.5%。

机器人ETF汇添富（159213）标的指数成分股涨跌不一，恒立液压涨近4%，三花智控、绿的谐波、拓普集团等涨超1%，石头科技等跌超2%，科大讯飞、大族激光等回调。

【机器人ETF汇添富（159213）标的指数前十大成分股】

截至14：27，成分股仅做展示使用，不构成投资建议。

消息面上，宇树将被纳入KraneShares旗下两只ETF：在纽交所和伦交所双重上市、追踪科创板的KSTR，以及在纳斯达克上市的KOID。后者是美国第一只、也是全球规模最大的人形机器人主题ETF。

近日，宇树科技正式登陆科创板，上市首日市值一度高达4449.06亿元，但首日热潮褪去之后，昨日宇树科技大幅回调，市值降到约2779亿元，和上市首日盘中最高点相比，两天时间，市值蒸发超过1600亿元。

【宇树4400亿市值狂欢之后，人形机器人板块迎来定价重估】

宇树科技发行市盈率本身已经达到了219.23倍，远超整个行业平均市盈率，上市首日开盘最高涨幅甚至摸到了629%，相当于用短短几个小时的交易，就把市场对宇树未来好几年的业绩增长空间直接反映在股价上。而热潮褪去之后，市场开始审视企业真实价值的定价。

过去两年，人形机器人已成为最炙手可热的科技"时尚单品"，从舞台表演到运动会跑步，在这些热闹的展示之后，市场最关心的是"机器人什么时候才能真正会干活？"

当前人形机器人商业化门槛仍然较高，前期资本投入高、ROI压力大。非标准化场景--医院、酒店、家庭--技术难度远超仓储、工厂，行业必须先跑通结构化场景才能谈规模；整机单价也需进一步下探，才能在B端、C端真正普及。

昨日在世界机器人大会上，王兴兴直言当前大模型文本推理能力较强，但落地真机极易失效，根源是缺少海量真实物理交互数据集，AI 无法适配真实世界微小误差，也就是产业常说的现实"最后一厘米"难题，哪怕几毫米动作偏差，都会造成任务失败。

在行业发展进程方面，王兴兴也提出了"未来快的话2年到3年，慢的话5年到10年时间，在80%的陌生场景中，通过语音或者文字指令，机器人能够顺利完成大约80%的任务，就差不多实现具身智能'ChatGPT时刻'，这就是未来真正产业临界爆发点。"

在宇树布局方面，他首次公开阐释宇树科技探索的"物理AI机器人自进化"概念。他表示，过去数年间AI已广泛应用于编程与各类开发，但在机器人领域的运用仍不足。为此，宇树科技正推动物理AI机器人模型自进化体系建设：依托前沿大模型，设定相应规则、经验约束与工具边界，由模型自主检索前沿论文、优质研究成果及开源方案，并自动生成机器人控制代码。

【具身智能尚未"智能"，瓶颈在哪？】

中银证券指出，当前大模型的泛化能力不足是阻碍人形机器人在开放、非结构化环境中可靠部署的核心障碍。以目前人形机器人展示出来的硬件水平来看，能够满足落地基本需求，阻碍人形机器人大规模商业化的瓶颈包括通用性和泛用性、成本等等，其中以"大脑"为核心的智能化能力水平仍偏低是最核心的障碍。根据乐聚智能招股说明书，从人形机器人功能实现的角度看，类比于智能驾驶，可以将人形机器人智能化技术的发展分为五个等级，当前全球大多数人形机器人产品的智能水平仅L1-L2阶段，可实现特定场景下的特定功能，满足结构化任务的需求，但泛化能力整体较弱，部分头部企业正在逐步向L3等级探索。2026年4月，斯坦福HAI发布的《AIIndexReport2026》中，机器人操作在仿真环境中的成功率高达89.4%，但在真实家庭场景中则骤降至12%。这种泛化能力的缺失，使得机器人难以应对非结构化场景中的微小变化，严重限制了可部署场景的范围。

此外，具身智能模型落地需要的高密度、高质量数据严重匮乏。伴随具身智能技术架构由手工编程转向数据驱动的端到端大模型，数据需求从低量单一模态数据逐步升级为海量、多模态、高精度和跨任务长程数据，无论是VLA还是世界模型，其能力提升均高度依赖大规模、高质量真实交互数据。根据银河通用的分类，具身智能数据集可以按照获取成本由高到低、可规模化程度由低到高大致分为真机自主作业回流数据、真机遥操作数据、合成仿真数据、人类行为数据以及互联网数据，其中真机数据的价值量高、获取难度最大，是具身智能落地的可靠数据源。根据亿欧智库的预计，要实现具身AI模型真正可用，需要至少1000万小时级别的真实场景交互数据，然而当前全行业高质量真实物理交互数据总量仅约50万小时，数据缺口高达20倍。数据规模和数据质量不足，会使模型难以从单一任务训练迁移到更复杂的真实作业流程。

【具身智能大模型多线并行，发展到哪了？】

目前具身智能大模型仍处于多技术路线并行探索阶段。传统人工智能更多处理文本、图像、语音等数字信息，能够完成识别、生成和推理等任务，但其能力主要停留在软件系统和虚拟空间中，具身智能的不同之处在于，它要求智能体拥有能够感知环境、理解任务并执行动作的"身体"，通过与外部世界的持续交互形成感知、决策、行动和反馈的闭环。根据焉知机器人，当下具身智能领域主流的模型包括LBM、VLA、世界模型和其他模型四大类，其中VLA试图将视觉、语言和动作统一建模，使机器人能够根据图像、指令和环境信息生成动作；世界模型侧重学习环境状态变化和动作后果，为任务规划和策略决策提供依据；行为大模型则通过学习大规模行为数据，提高技能复用和跨任务迁移能力。三类路线分别对应"理解-行动""预测-规划"和"行为复用"不同方向，但在精细操作、高频控制、物理一致性和跨场景泛化等方面仍存在不足。

相对成熟的VLA模型在泛化能力上存在一定瓶颈，世界大模型有望成为主流方向，但仍处于早期阶段。根据焉知机器人的统计，目前超过90%的具身智能落地项目都集中在相对成熟的VLA路线，其核心优势是依托成熟的大语言模型（LLM）和VisionTransformer，数据驱动强，上手快，短期能快速产生商业价值。但是VLA具身大模型的短板也非常明显，其在泛化能力、长时程任务与推理能力、响应速度、高质量训练数据等方面面临挑战。世界模型凭借在跨场景泛化、数据效率、长尾场景应对和决策闭环上的显著优势，有望成为接下来具身智能模型发展的主流方向，但是目前多用于模拟数据生成和策略评估，辅助VLA训练，部分前沿项目已尝试简单机器人任务，但整体仍处于早期。

全球科技巨头/新秀全面下场布局人形机器人，行业量产奇点已至！全面拥抱人形机器人大时代，布局万亿成长空间，认准机器人ETF汇添富(159213)，联接基金（A：024768，C：024769）跟踪中证机器人指数，人形机器人含量高达69%，该指数结构与产业链环节高度契合，为投资者提供一键布局机器人及其产业各环节的投资工具。