Verkörperte Intelligenz: Von der „Zukunftsindustrie“ zum „neuen Wachstumspunkt“, wie man das „Tal des Todes“ des Billionen-Yuan-Sektors überquert

Am 26. August 2026 hat das Ministerium für Industrie und Informationstechnologie auf der Pressekonferenz der Reihe „Der 15. Fünfjahresplan beginnt mit einem guten Start“ des Staatlichen Informationsbüros der Volksrepublik China ausdrücklich erklärt, dass es „die zukünftigen Industrien wie Quantentechnologie, biologische Fertigung, Wasserstoffenergie und Kernfusionsenergie, Gehirn-Computer-Schnittstelle, verkörperte Intelligenz und die sechste Generation der mobilen Kommunikation (6G) zu neuen Wirtschaftswachstumspunkten entwickeln wird“.

In der Liste der sechs aufstrebenden Säulenindustrien und sechs zukünftigen Industrien nimmt die verkörperte Intelligenz eine einzigartige Position ein – sie wird nicht nur als „zukünftige Industrie“ eingestuft, sondern ist auch diejenige, die die Schwelle zu einem „neuen Wachstumspunkt“ am nächsten erreicht.

Dies ist keine zufällige Bevorzugung durch die Politik, sondern eine unvermeidliche Reflexion der industriellen Realität. Im Jahr 2026 wird die weltweite Auslieferungsmenge von humanoiden Robotern voraussichtlich 62.500 Einheiten erreichen, was einem Anstieg von etwa 247 % gegenüber dem Vorjahr entspricht, wobei chinesische Hersteller mehr als 80 % der weltweiten Lieferungen ausmachen; der Marktwert der verkörperten Intelligenz im weiteren Sinne wird voraussichtlich im Jahr 2026 1 Billion Yuan übersteigen; im ersten Halbjahr belief sich das gesamte Finanzierungsvolumen der inländischen Branche auf 93,5 Milliarden Yuan, was einem fünffachen Anstieg gegenüber dem Vorjahr entspricht.

Zahlen lügen nicht – die verkörperte Intelligenz steht an einem historischen Wendepunkt, an dem sie von der „technischen Validierung“ zur „groß angelegten kommerziellen Nutzung“ übergeht. Der Weg von der „Zukunft“ zum „Wachstum“ ist jedoch kein ebener Weg.

Drei Kämpfe auf dem Trillionen-Yuan-Markt

Wenn die verkörperte Intelligenz im Jahr 2025 noch darum konkurrierte, „wer aufstehen und laufen kann“, hat sich der Wettbewerb im Jahr 2026 vollständig zu drei parallelen Kämpfen weiterentwickelt.

Der erste Kampf: Der Kampf um das „Gehirn“. In der Branche bildet sich ein Konsens heraus: Der Wettbewerb um die verkörperte Intelligenz verlagert sich von „dem Wettbewerb um Hardware“ zu „dem Wettbewerb um Modelle und Daten“. VLA (Visuell-Sprach-Aktionsmodell) und Weltmodell werden zu zwei Haupttechnologierichtungen, und immer mehr Unternehmen erkennen, dass die beiden keine Alternative zueinander sind, sondern einen deutlichen komplementären Raum aufweisen.

Zum Beispiel hat Keenon Robotics KOM 3.0 veröffentlicht, die weltweit erste VLA-Architektur für Dienstleistungsbranchen, die das latente Raum-Weltmodell integriert, sodass Roboter vor der Ausführung von Aktionen die physikalischen Ergebnisse intern durchdenken; Magic Atome hat das allgemeine große Modell für verkörperte Intelligenz Magic-VLA K02 vorgestellt, das einen technischen geschlossenen Kreislauf von „Szenario stellt Fragen – Modell löst Probleme – Daten gibt Rückmeldung“ aufbaut.

Aber das „Gehirn“ ist immer noch ein knappes Gut. Branchendaten zeigen, dass die durchschnittliche Erfolgsrate der führenden Modelle in Simulationslisten nur 8,80 % beträgt, und die in den Listen für echte Geräte nur 12,8 %. Das bedeutet, dass selbst im Labor die überwiegende Mehrheit der Aufgaben von allgemeinen Modellen nicht zuverlässig erledigt werden kann. Das Team von Professor Yu Chao von der Tsinghua-Universität hat im Juli das Harness VLA veröffentlicht, das versucht, das Problem des Zurücksetzens nach Fehlern von VLA bei berührungsintensiven Steuerungen durch die Einführung einer Harness-Schicht zu lösen – was genau zeigt, dass die aktuellen VLA-Modelle noch weit von der „Zuverlässigkeit“ entfernt sind.

Der zweite Kampf: Die Veränderung der „Gliedmaßen“. Das „Gehirn“ holt auf, aber die „Gliedmaßen“ sind bereits im Laufen. Seit Anfang 2026 ist der Lokalisierungsgrad der drei Kernkomponenten – Reduzierstück, Servosystem und Steuergerät – auf 75 % bis 90 % gestiegen. Die Harmonischen-Reduzierstücke von Green Harmonik, die selbst entwickelten Steuergeräte und Servosysteme von ESTUN werden bereits in großen Mengen an große in- und ausländische Unternehmen geliefert. Der Anteil der selbst entwickelten und selbst hergestellten Kernkomponenten von Unitree Robotics hat 90 % überschritten. Chinas Fertigung entwickelt sich von dem „Skalenbonus“ zum „Technologiebonus“.

Aber die „Gliedmaßen“ sind nicht ohne Sorgen. Praktische Probleme wie das Ungleichgewicht zwischen Angebot und Nachfrage von kompletten Geräten und Komponenten, die unzureichende Umwandlung von technischen Ergebnissen und die Barrieren bei der Verbindung von Industrie und Kapital sind nach wie vor ausgeprägt. Die durchschnittliche Ausfallabstandszeit von Gelenkmodulen liegt immer noch hinter der von traditionellen Industriegeräten zurück, und die Temperatursteigerungskontrolle ist nach wie vor ein technisches Problem. Obwohl die Kosten für einen kompletten humanoiden Roboter aus chinesischer Fertigung auf das Niveau von 100.000 Yuan gesunken sind, zeigt ein Blick auf seine Kernkomponenten – Reduzierstück, rahmenloses Drehmomentmotor und Kraftsensor – eine Realität: Der Rumpf ist bereit, aber das „Gehirn“ wartet noch.

Der dritte Kampf: Der Kampf um die „Szenarien“. Wenn die ersten zwei Kämpfe bestimmen, „ob man es machen kann“, dann bestimmt der dritte Kampf, „ob es Nachfrage gibt“. Auf der Weltroboterkonferenz 2026 ist ein klares Signal hervorgekommen: Die Branche entwickelt sich von der „Vorstellung von Fähigkeiten“ zur „Überprüfung von Werten“. Im Vergleich zu den Demonstrationen wie Kleidung falten und Kaffee zubereiten, die die Unternehmen im letzten Jahr gezeigt haben, haben die meisten Unternehmen in diesem Jahr echte Bestellungen oder POC-Ergebnisse vorgelegt.

Einstein Robotics hat angekündigt, dass es als Erstes das PMF (Produkt-Markt-Anpassung) in der Logistikbranche realisiert hat und bereits mit SF Express und China Post in mehr als 10 Logistikzentren in 5 Provinzen einen regulären Betrieb realisiert hat; die radgestützten humanoiden Roboter von Magic Atome übernehmen in der intelligenten Fertigungsfabrik von Dreame echte Produktionsaufgaben wie Materialtransport und Be- und Entladen; JD plant, in den nächsten 5 Jahren 3 Millionen Roboter zu beschaffen. Die spezielle Aktion für praktische Ausbildung, die gemeinsam vom Ministerium für Industrie und Informationstechnologie und dem Staatsvermögen verwaltet wird, zielt darauf ab, bis Ende 2026 mehr als 100 hochwertige Anwendungsszenarien zu bilden und die Fähigkeit zur groß angelegten Implementierung von 10.000 Einheiten zu fördern.

Die Branche wechselt schnell vom „Forschungs- und Entwicklungsstadium“ zum „Implementierungsstadium“.

Wo liegt das Problem?

Obwohl die drei oben genannten Kämpfe lebhaft verlaufen, steht die gesamte Branche vor einem gemeinsamen Problem, das die Entwicklung behindert: Daten.

Dies ist kein gewöhnlicher „Datenmangel“. Die digitale KI verfügt über nahezu unbegrenzte Text-, Bild- und Videodaten im Internet für das Training, aber die verkörperte Intelligenz benötigt Interaktionsdaten aus der echten physischen Welt – wenn ein Roboter einen Becher greift, eine Schraube dreht oder ein Kleidungsstück faltet, ist hinter jeder Aktion eine komplexe Kopplung aus visuellem Verständnis, räumlicher Positionierung, Berührungsbeurteilung und Bewegungssteuerung involviert. Diese Daten sind „unersetzlich“ und unterscheiden sich grundlegend von den Sprach- und visuellen Daten im Internet.

Wie groß ist die Lücke? Daten zeigen, dass die aktuellen konformen Daten aus echten physischen Interaktionsszenarien im Inland nur 500.000 Stunden betragen, während die kommerzielle Nutzung von Robotern mehrere zehn Millionen Stunden an Daten erfordert, was einer Lücke von über 99 % entspricht. Dies ist eine Lücke im Größenordnungsbereich von „zehntausend“ zu „zehn Millionen“.

Die Kosten für die Datenerfassung sind ebenfalls erstaunlich hoch. Die Erfassungskosten für eine 30-Sekunden-Datenoperation mit echten Geräten betragen 10 bis 15 Yuan; die Erfassung einer Stunde kostet etwa 1000 Yuan, und das Sammeln von 200.000 Stunden erfordert mehr als 200 Millionen Yuan. Wenn das Vortraining von einer Million Stunden an Daten von echten Geräten abgeschlossen werden soll, werden die Investitionskosten das Niveau von 1 Milliarde Yuan erreichen. Wang Xingxing, Gründer von Unitree Robotics, sagt offen, dass die unzureichende Generalisierungsfähigkeit derzeit das größte Hindernis für die verkörperte Intelligenz ist – „ähnliche Probleme werden mehrmals gelöst“, aber wenn das Szenario gewechselt wird, muss das Training neu durchgeführt werden. Er bezeichnet dies als „das größte Hindernis für die verkörperte Intelligenz weltweit“ – es ist kein technischer Mangel eines einzelnen Unternehmens, sondern ein gemeinsames Problem der gesamten Branche, das durch das Fehlen einer einheitlichen Datenbasis verursacht wird.

Die uneinheitlichen Datenstandards führen auch dazu, dass eine große Menge an Rohdaten nicht direkt für das Training verwendet werden kann, und die gesamte Branche steht vor einer schweren „Datenknappheit“. Im ganzen Land wurden mehr als 70 Trainingsplätze für verkörperte Intelligenz gebaut, aber sie stehen vor gemeinsamen Herausforderungen wie der Homogenität von Szenarioaufgaben, der begrenzten tatsächlichen Datenproduktionskapazität sowie der unzureichenden Vielfalt und Zirkulation von Daten. „Die Größe der erfassbaren Daten“ ist nicht gleichbedeutend mit „der Größe der trainierbaren Daten“.

Der Weg zur Lösung – drei wichtige Signale

Die Datenprobleme sind nicht unlösbar. Im Jahr 2026 verändern drei wichtige Signale die Spielregeln.

Das erste Signal ist die spezielle Aktion für praktische Ausbildung. Im Juni 2026 haben das Ministerium für Industrie und Informationstechnologie und das Staatsvermögen verwaltet gemeinsam die „spezielle Aktion für praktische Ausbildung von humanoiden Robotern und verkörperter Intelligenz“ gestartet. Die Aktion konzentriert sich auf wichtige Szenarien in Bereichen wie Industrie, Dienstleistungen und Spezialbereichen, und umfasst 6 wichtige Aufgaben wie den Aufbau von praktischen Ausbildungsräumen, die Gründung von Konsortien für innovative Anwendungen und die Bewältigung von praktischen Arbeitsfähigkeiten. Sein Kernlogik lautet: Lassen Sie die Roboter in echten Szenarien „arbeiten“, sammeln Sie Daten, iterieren Sie Modelle und validieren Sie Produkte während des Arbeitsprozesses.

Die Bedeutung dieser Aktion geht über die politische Unterstützung hinaus. Durch intensiv gebaute, standardisierte verwaltete und ressourcenfreigebende Ausbildungsräume können die wiederholte Konstruktion von Szenarien und die Ressourcenverschwendung wirksam vermieden werden, die effiziente Wiederverwendung von Szenarien, Daten, Rechenleistung und technischen Ergebnissen gefördert und die Versuchskosten von Unternehmen erheblich gesenkt werden. Von „nutzbar“ zu „gut nutzbar“ ist die praktische Ausbildung ein entscheidendes Mittel für den Sprung.

Das zweite Signal ist die Erkundung des Mechanismus für gemeinsame Datennutzung und gemeinsamen Datenaufbau. Die Branche erwacht. JD hat angekündigt, innerhalb von zwei Jahren mehr als 10 Millionen Stunden an menschlichen Daten aus echten Szenarien und gleichzeitig mehr als 1 Million Stunden an Daten von Robotern selbst zu erfassen; Shanghai Seer Intelligence hat eine Tochtergesellschaft für Daten der verkörperten Intelligenz gegründet und baut eine Dateninfrastruktur für die echte Welt auf der Grundlage von mehr als 500.000 Stunden an Daten von echten Geräten auf. Xie Shaofeng, Vorsitzender der OpenAtom Open Source Foundation, ruft dazu auf, „eine einheitliche Datenbasis aufzubauen“, um das Problem der Dateninseln zu lösen, die durch die Heterogenität von Datenformaten verursacht werden.

Der Weg, der von Fan Haoqiang, Mitbegründer von Force Intelligence, vorgeschlagen wurde, ist sehr repräsentativ: Der zentrale Durchbruchspunkt ist „geschlossener Datenkreislauf von echten Geräten + ursprüngliche Architektur für verkörperte Intelligenz + Interaktion zwischen Simulation und synthetischen Daten“ – auf der Grundlage von hochwertigen Daten von echten Geräten wird das physikalische Intuitionsvermögen aufgebaut, und die Physik-Engine wird verwendet, um eine große Menge an extremen Szenarien zu erzeugen, um die Langschwanzdaten zu ergänzen, sodass die Roboter zuerst in echten Szenarien „in Betrieb gehen“ und kontinuierlich Feedback aufnehmen, um sich selbst zu iterieren.

Das dritte Signal ist, dass der politische geschlossene Kreislauf des „15. Fünfjahresplans“ zunächst gebildet wird. Von der speziellen Aktion für praktische Ausbildung im Juni bis zu der ausdrücklichen Erklärung auf der Pressekonferenz des Staatlichen Informationsbüros im August ist das politische Signal sehr klar: Die verkörperte Intelligenz ist nicht mehr nur eine „vorausschauende Anordnung“, sondern ein „neuer Wachstumspunkt“. Xin Guobin, stellvertretender Minister für Industrie und Informationstechnologie, betonte auf der Pressekonferenz gleichzeitig, dass man „vorreitende Technologien wie gehirnähnliche Intelligenz und Weltmodell bewältigen und die Iteration von intelligenten Endgeräten wie humanoiden Robotern und Gehirn-Computer-Schnittstellen vorantreiben wird“. Von der technischen Bewältigung bis zur Implementierung von Szenarien, von der Datenerfassung bis zur groß angelegten Bereitstellung bildet sich der politische geschlossene Kreislauf allmählich.

Wenn man eine Zusammenfassung ziehen möchte, dann lautet sie – die Geschichte der verkörperten Intelligenz im Rahmen des „15. Fünfjahresplans“ ist im Wesentlichen eine Geschichte darüber, wie eine Industrie das „Tal des Todes“ überquert.

Das sogenannte „Tal des Todes“ bezieht sich auf die gefährlichste Phase, in der neue Technologien vom Labor zum Markt gelangen – die Technologie ist noch nicht ausgereift, die Kosten sind noch nicht gesunken, der Markt ist noch nicht akzeptiert, und zahlreiche innovative Unternehmen scheitern in dieser Phase. Die verkörperte Intelligenz befindet sich genau an diesem Punkt: Die technischen Richtlinien sind noch nicht konsistent (VLA oder Weltmodell?), die Kosten sind noch nicht auf den wirtschaftlichen Wendepunkt gesunken (Berechnungen zeigen, dass der Gesamtpreis des kompletten Geräts unter 400.000 Yuan fallen muss und die Arbeitseffizienz über 75 % liegen muss, um eine Gesamtwirtschaftlichkeit zu erreichen), und das Geschäftsmodell ist noch nicht erfolgreich erprobt (Hardware-Verkauf oder Software-Abonnement?).

Aber alle Anzeichen im Jahr 2026 zeigen, dass die verkörperte Intelligenz dieses Tal des Todes beschleunigt durchquert. Die Auslieferungsmengen steigen, die Kosten sinken, die Szenarien öffnen sich und die Politik wird verstärkt. Nach Prognosen des China Business Industry Research Institute wird die Auslieferungsmenge von humanoiden Robotern in China im Jahr 2030 voraussichtlich 38.000 Einheiten erreichen und der Marktwert 20 Milliarden Yuan übersteigen. Der Markt für verkörperte Intelligenz im weiteren Sinne ist bereits zu einem Markt im Trillionen-Yuan-Bereich geworden.

Der Durchbruch der verkörperten Intelligenz bedeutet nicht nur, dass es eine weitere aufstrebende Industrie gibt. Sie ist die einzige Industrie, die die drei technischen Systeme „Gehirn (KI-Modelle)“, „Kleinhirn (Bewegungssteuerung)“ und „Gliedmaßen (Präzisionskomponenten)“ umfasst. Ihr Durchbruch wird direkt die kooperative Modernisierung mehrerer Säulenindustrien wie integrierte Schaltkreise und intelligente Roboter fördern. Wie Xu Xiaolan, Vorsitzender der Chinese Institute of Electronics, betonte, hat die verkörperte Intell