机器人行业：冰与火之歌

进入2026年，资本市场的热情持续升温。IT桔子数据显示，仅2026年1-3月，中国机器人赛道就发生207起融资，其中人形机器人融资133起，115家公司拿到钱。银河通用完成25亿元B+轮融资，投后估值225亿元；松延动力B轮近10亿元；灵初智能Pre-A轮20亿元，估值80亿元；帕西尼B轮10亿元，星动纪元战略融资10亿元。智元机器人第10000台通用具身机器人已量产下线，从5000台到10000台仅用三个多月。

在美国，资本的疯狂程度同样惊人。Figure AI在2025年9月完成10亿美元融资，估值达到390亿美元——一年内翻了15倍，投资方包括英伟达、高通、英特尔、OpenAI等几乎半个硅谷。1X Technologies正在寻求10亿美元融资，估值目标超100亿美元。Apptronik目标新一轮5亿美元融资。特斯拉Optimus预计2026年年底前量产，马斯克的计划是未来年产100万台。

但冰同样刺骨。

翻看各家的财报，营收数字确实好看。优必选2025年营收20.01亿元，同比增长53.3%；极智嘉2025年营收31.71亿元，首次实现盈利4382万元；宇树科技2025年营收17.08亿元，净利润2.88亿元；卧安机器人2025年营收9亿元，经调整净利润1276万元。从增速看，这是一个正在高速增长的赛道。

然而，大多数企业仍在亏损。优必选全年亏损7.9亿元，越疆亏损8404万元，云迹亏损2.95亿元。更值得关注的是应收账款的隐忧——优必选应收账款高达18.42亿元，占营收的92%，坏账准备5.39亿元，计提比例接近29%。

这并非中国企业独有的困境。硅谷同样在经历洗牌。Arrivo放弃商业化寻求收购，Realtime Robotics申请破产保护，更多初创公司在融资失败后悄悄解散团队。

如果只看到中国市场的融资热潮，就会忽视一个关键事实：拿到钱的只是极少数玩家。中国已有人形机器人整机企业超140家，发布产品超330款，但真正拿到融资的不过115家。换言之，超过20家企业颗粒无收。

这些没融到资的企业在做什么？大部分在从事低技术含量的竞争——四足机器狗、简单的教育机器人、玩具级的消费产品。它们的存在让市场看起来热闹，但并没有真正触及行业核心的技术突破。

如果只看到美国一些公司倒下，就断言行业遇冷，也是一种误读。Figure AI的390亿美元估值、1X的家庭机器人预售、Apptronik的7.77亿美元融资——这些数字背后是资本市场对具身智能赛道长期价值的认可，只是这份认可目前集中于少数头部企业。

行业正在经历的不是"冷或热"，而是"分化"。

翻看头部企业的财报，结构问题比总量更值得关注。

先看中国企业。宇树科技2025年营收17.08亿元，同比增长335%，扣非净利润6亿元，毛利率60.27%——这是目前行业唯一真正盈利的企业。但盈利建立在特殊结构上——科研教育客户占七成以上，产品单价从2023年的59.34万元降至16.76万元。极智嘉首次盈利4382万元，高度依赖海外高毛利市场（收入占比75.3%，毛利率46.6%）。优必选的1079台全尺寸人形机器人交付看似亮眼，但年化产能已超6000台，产能利用率仅18%——卖不出去的问题比产能不足更严重。

再看美国企业。Figure AI的营收数据并不好看——年营收约130万美元，与390亿估值之间隔着巨大的鸿沟。但这家公司拿到的是10亿美元级别的融资，投资人买的不是当下的收入，而是Helix模型展示的端到端训练能力和通用机器人前景。1X的Neo家用机器人定价2万美元预售，2026年预期交付。

这揭示了一个根本性的差异：中国企业在硬件和工程化上领先，美国企业在AI模型和软件层更强。

过去一年，中国机器人企业在硬件上取得了显著进步。宇树的G1、Unitree H1等产品，在运动能力、续航、负载等指标上已经做到全球领先。极智嘉的仓储机器人、优必选的Walker系列，在硬件规格上与国际巨头难分伯仲。供应链端，中国企业已经实现了核心零部件的国产化替代，成本控制能力远超海外对手。

硬件的天花板正在显现。一个最直观的例子：目前主流人形机器人的硬件规格已经足够支撑绝大部分应用场景，但软件能力却严重滞后。机器人可以完成预设的固定动作，却无法自主理解任务、规划路径、处理意外。一个简单的"把桌子上的水杯拿到厨房"任务，需要人类提前完成复杂的编程和环境配置，机器人本身无法理解这个任务。

这背后反映的是一个根本性瓶颈：具身智能与通用人工智能之间，还横亘着巨大的鸿沟。

所谓具身智能（Embodied AI），是指智能体通过身体与环境交互而产生的智能。当前的技术路线让机器人具备了"身体"——可以行走、抓取、执行动作——但"智能"部分仍然停留在弱人工智能阶段。

问题是数据。全行业有价值的物理交互数据不足3万小时。这个数字听起来可能不够直观，但对比一下就明白问题所在：大语言模型在互联网上的训练数据以万亿token计，自动驾驶领域的corner case数据以百万公里计，而机器人领域的物理交互数据，迄今为止积累的可用样本不超过3万小时。

数据不足的直接后果是泛化能力差。机器人在实验室环境下可以完成的任务，一旦转移到真实场景，往往表现急剧下降。一个在春晚舞台上完美表演的机器人，到了工厂流水线可能连基本的质检动作都做不好。

企业已经开始转向。宇树科技IPO募资42亿元，其中20.22亿元投入具身大模型研发，占比接近一半。优必选2026年研发预算预计7亿元，重点方向也是AI大脑和运动控制算法。Figure AI的Helix模型正是通过端到端训练展示了更强的泛化能力，这也是投资人愿意给出390亿估值的核心原因。

未来两到三年的竞争，本质上是一场数据资产的争夺战。

谁能积累更多高质量的物理交互数据，谁能把"小脑"和"大脑"真正融合，谁就能在这一轮洗牌中活下来。

问题是，这场等待智能降临的时间，会是三年，五年，还是更长？

越疆管理层在财报沟通中判断：做世界模型所需的数据量需要千万乃至过亿级别，需要拉开3~5年的时间来看。优必选的判断类似：2026-2028年将是商业化的关键期，行业将进入"淘汰赛"阶段。

对投资人和从业者来说，这意味着：Robot（机器人）≠Roi（投资回报）。

过去两年市场给予的高估值，很大程度上建立在对技术奇点的乐观预期上。但如果这个预期被证伪，或者需要更长时间才能实现，估值泡沫就会破裂。从财报数据来看，大部分机器人企业还远未达到自我造血的程度，一旦融资环境收紧，行业洗牌将不可避免。

但行业仍有希望。正因为问题足够清晰，方向足够明确，那些真正在数据和算法上建立壁垒的企业，反而会获得更大的竞争优势。

在这场马拉松中，比拼的不是谁跑得更快，而是谁更能熬。