文｜潮汐商業評論

Figure AI創始人Brett Adcock剛官宣Figure 03是「地球上最先進的人形機器人」的時候，具身智能算法工程師林林的公司剛準備把訓練服務器給賣了。

而同一時間內，銀河通用官宣孖展25億元、星動紀元估值破百億、宇樹科技完成上市輔導。

同一個行業，有人在高歌猛進，有人在變賣「家當」。

「現在投資人問的第一個問題不是‘你們技術怎麼樣’，而是‘你們估值多少，上一輪誰投的’。」林林說，「如果不是‘百億俱樂部’的，連上桌的資格都沒有。」

外行看熱鬧，內行看門道，2026年的具身智能行業，正在進入淘汰賽。

01 估值百億，才能坐上具身智能的「牌桌」

透視近期完成鉅額孖展的具身智能企業，一道隱形的行業入場門檻已然成型：估值過百億才能「上桌」。

3月官宣完成10億元孖展的星動紀元，估值突破百億；還有銀河通用，在完成25億元新一輪孖展後，估值超過200億元；以及宇樹科技，最新估值超過120億元，並且已經完成上市輔導，計劃通過IPO廣開孖展渠道。

雖然如今國內真正突破百億估值的具身智能企業還不多，但每家頭部企業幾乎都在朝着這個目標努力，因為百億估值本身不僅代表着孖展能力，更是技術實力、量產能力和商用落地等一系列綜合能力的體現。

從本源來看，在「自我造血」暫時沒有跑通之際，具身智能主要通過孖展來提高估值。更多的資金意味着企業有更多彈藥進行更復雜的數據訓練和產品研發、招募真正專業的技術人才。

企業的綜合實力和曝光度不斷提升之後，必然會吸引包括風投機構、互聯網大廠和國家產業基金等更多投資者。久而久之，有限的資源大量向頭部集中，腰尾部企業能獲得的資金必然越來越少。

來自投中研究院的數據顯示，2025年下半年，國內具身智能賽道行業孖展事件數量按年下降31.7%，但單筆孖展額均值按年上漲46.8%。

大資金涌向行業頭部，投資者也期待有實力活下來的企業最終能為自己帶來財務回報，而看似「務虛」的估值額，最終不僅形成入場門檻，更成為具身智能淘汰賽中的重要風向標。

殘酷的淘汰賽已經在海外發生。估值曾達到5000萬美元的K-Scale，在去年11月宣佈倒閉，原因正是其A輪孖展失敗，資金鍊斷裂，最後賬面僅剩40萬美元。

反觀國內，2026年或許也會有具身智能企業因為新一輪孖展未能完成，和K-Scale一樣退出歷史舞台。

不難理解，有AI大模型加持的具身智能作為前沿科技，消費級市場需要更長的周期來接受並推廣，而短期內擺在企業面前一個更嚴峻的問題是：研發非常燒錢，但產品還不夠賺錢。

根據「人形機器人第一股」優必選的財報顯示，其2024年研發投入達4.78億元，佔到營收的近四成（36.6%）；去年上半年研發投入達2.18億元，也佔到營收的35.1%。但從2020年到2025年上半年，優必選的累計虧損已經超過54億元。

因此，在短期，孖展可以成為具身智能的資金「血包」；但長期來看，量產纔是檢驗技術落地的試金石，只有在規模化生產中證明穩定性與良率，具身智能企業纔有資格叩開消費市場的大門。

02 量產爬坡背後的技術長期主義

縱觀國內的具身智能行業，量產突破千台乃至5000台以上的企業其實並不少。

根據市場研究機構Omdia的數據，目前智元機器人的出貨量為5168台，優必選的出貨量為1000台；而宇樹科技曾官宣2025年人形機器人出貨量超5500台、本體產量下線超6500台。

對具身智能企業而言，生產一台或數台用於Demo演示「花招」的機器人並不難，這是2025年讓外界驚豔的點；但到了2026年，具身智能企業能否量產上千台良率較高的人形機器人，能否在複雜場景中展示智能性、在廣泛的生活展現適用性，這是新的難點和挑戰。

量產背後，實際上是對具身智能企業技術實力的拷問。

從技術層面理解，具身智能機器人由「大腦」負責指令判斷、「小腦」負責行為執行，量產的第一關就是研發出高度適配場景的大模型，比如杯子從桌邊掉落時應該及時接住。

宇樹科技的王興興就曾直言：「誰能率先做出真正適配機器人的大模型，誰就會成為全球頂尖的AI和機器人公司！」

當然，今天一些企業的解決方法是基於VLA模型（視覺-語言-動作）自主研發「大腦」，再匹配開發一些主要應用於細分場景的大模型，解決人形機器人的適用性問題。

比如銀河通用便是自研「銀河星腦 AstraBrain」，讓機器人更接近「邊看、邊想、邊做」的實時決策；同時研發了多款實用性的具身智能模型，比如具身抓取基礎大模型和端到端導航大模型等。

技術路線的攻克雖難，但很多國產具身智能企業已經邁出了第一步。

不過，困擾更多具身智能企業的難題，或許是數據訓練的規模、成本和真實性。正如人類是通過學習書本知識來逐漸認識世界，機器人則是通過學習大量真實使用場景中人類行為的數據來提升智能性、變得更像人類。

具身智能創企它石智航的創始人陳亦倫曾表示，具身智能如果要真正可用，至少需要1000萬小時級別的數據量。而銀河通用團隊則判斷，所需數據規模或達到萬億級。

因此，很多企業都會在數據收集、清洗、訓練等一整套的方案上投入巨大成本，畢竟這是讓機器人更智能的關鍵一步。比如智元機器人在上海投建超4000平米的數據採集工廠，日均可產出3萬-5萬條高質量數據；它石則自研了一套數據採集設備用於收集真實人類操作視頻。

無論是自建工廠還是自研設備，具身智能企業砸下真金白銀就是為了人形機器人能拿出更穩定、更智能的產品表現，在此基礎上大規模產出的產品，纔是真正的量產，纔有被規模化使用、被大面積投入消費市場的可能性。

所以，在跨過量產千台、萬台的門檻之後，具身智能企業也幾乎來到了這場淘汰賽的最後一場：最終的商用落地和自主盈利。

03 最後的關卡：商用落地與盈利拷問

如果僅看目前已經上市的人形機器人公司財報，透視它們的盈利數據，得出的結果也一定是慘淡的。

2024年底上市的越疆科技，在2025年上半年虧損4087萬元，從2022年到2024年其歸母淨虧損分別為5247.7萬元、1.03億元、9536.3萬元。

更值得關注的是，上市之後，越疆科技的期末現金已經從8.84億元，下滑到2025年上半年的1.64億元，各項現金流淨額均為負數，同期流動負債達到1.92億元，按年增長24.86%。

更不用說優必選的表現，截至2025年三季度，其當年淨虧損總額已達到5.8億元。

提及主要具身智能企業的虧損，並非是看衰行業，這也是新興科技行業面世之初的必然規律，但問題在於，誰能在燒錢競賽中撐到最後。

依託於國產新能源和智能製造供應鏈的快速發展，具身智能機器人實際上已經在工業領域得到廣泛運用，比如千尋智能的小墨機器人與寧德時代合作、優必選工業機器人WalkerS與蔚來的合作等。

不過，有業內人士指出，如今具身智能行業大多數的工業訂單是示範性採購，真正獨立操作、獨立創造價值的商業場景依然稀缺。大多數場景下，機器人需要「人+機」協同作業才能完成。

這意味着具身智能企業不僅要持續提升模型水平和技術能力，更關鍵的是廣泛尋找或者打造能夠獨立實現商用化的實用場景。

一些企業已經邁出了這一步，比如魔法原子退出無人咖啡、無人奶茶店，目前正在多城開展試點，計劃兩年內覆蓋1000城、落地10000家門店；另有企業計劃進軍家居市場，在家政服務、老年陪伴等細分場景推廣具身智能產品。

但這些場景能否支撐自主盈利，仍是未知數。零售行業本身的淨利率就很低，具身智能必須用規模化優勢來替代高昂的人力成本；而在家庭場景，動輒上萬乃至數十萬元的單品價格，讓普通消費者望而卻步。

林林公司也曾試圖切入餐飲場景，做了三台樣機，在一家奶茶店試運行了兩個月。「效果還行，但投資人覺得場景太窄，規模起不來，不願意投。」

04 淘汰賽之後：誰在牌桌上，誰在牌桌下?

春節前，林林他們公司創始人最後一次見投資人，對方問了一個讓他至今難以回答的問題：「如果頭部企業開始打價格戰，你們能撐幾個回合？」

這個問題，指向了具身智能行業正在形成的核心邏輯：這不是一場「誰能做出機器人」的比賽，而是一場「誰能活到商業化真正爆發那一天」的生存遊戲。

移動互聯網時代，每一個新興賽道都會經歷同樣的周期：技術狂熱期→資本泡沫期→殘酷出清期→寡頭格局期。共享單車、在線教育、社區團購，無一例外。

具身智能正在經歷這個周期的中間階段。2023年到2025年，是「技術狂熱期」和「資本泡沫期」的疊加，只要有Demo、有團隊、有故事，就能拿到錢。2026年，行業開始進入「殘酷出清期」——泡沫退去，裸泳者現身。

這一輪出清是從「技術敘事」到「商業敘事」的切換。

過去兩年，投資人聽的是「我們做出了能跑能跳的機器人」「我們的團隊來自清華」。這些是技術敘事，打動的是FOMO情緒。

但現在，投資人開始問：「你的機器人在什麼場景下能替代人？」「客戶願意付多少錢？」這些是商業敘事，考驗的是真實價值。

兩種敘事之間有一條巨大的鴻溝。林林所在的公司，就卡在了這條鴻溝裏。

行業正在形成一個新的共識：具身智能的未來，不屬於技術最強的公司，也不屬於孖展最多的公司，而屬於最早找到可持續商業模式的公司。

誰能率先跑通一個場景——哪怕只是奶茶店、倉儲搬運——讓機器人真正替代人力、創造利潤，誰就能拿到下一輪孖展的「船票」，形成正向循環。而那些找不到場景的公司，即使技術再炫酷，也會在資金耗盡後無聲退場。

上周，林林公司那幾台二手服務器被買走了，「如果公司沒了，我就去頭部公司面試。至少……他們還活着。」

Figure 03的新聞又出來刷屏，評論區裏，有人讚嘆「技術太酷了」，有人預測「人形機器人要改變世界了」。

「我不知道Figure 03有多先進，我只知道，在一個被忽略的角落裏，一家小公司的服務器正在被裝車運走，幾個年輕人的機器人夢想，暫時擱淺了。」林林感嘆到。

潮水正在退去，誰在裸泳，很快就能看清。2026年的具身智能行業，淘汰賽已經開啓。考題只有一道：能不能在錢燒完之前，找到有人願意為之買單的真實場景？