Figure AI创始人Brett Adcock刚官宣Figure 03是“地球上最先进的人形机器人”的时候，具身智能算法工程师林林的公司刚准备把训练服务器给卖了。

而同一时间内，银河通用官宣融资25亿元、星动纪元估值破百亿、宇树科技完成上市辅导。

同一个行业，有人在高歌猛进，有人在变卖“家当”。

“现在投资人问的第一个问题不是‘你们技术怎么样’，而是‘你们估值多少，上一轮谁投的’。”林林说，“如果不是‘百亿俱乐部’的，连上桌的资格都没有。”

外行看热闹，内行看门道，2026年的具身智能行业，正在进入淘汰赛。

估值百亿，才能坐上具身智能的「牌桌」

透视近期完成巨额融资的具身智能企业，一道隐形的行业入场门槛已然成型：估值过百亿才能“上桌”。

3月官宣完成10亿元融资的星动纪元，估值突破百亿；还有银河通用，在完成25亿元新一轮融资后，估值超过200亿元；以及宇树科技，最新估值超过120亿元，并且已经完成上市辅导，计划通过IPO广开融资渠道。

虽然如今国内真正突破百亿估值的具身智能企业还不多，但每家头部企业几乎都在朝着这个目标努力，因为百亿估值本身不仅代表着融资能力，更是技术实力、量产能力和商用落地等一系列综合能力的体现。

从本源来看，在“自我造血”暂时没有跑通之际，具身智能主要通过融资来提高估值。更多的资金意味着企业有更多弹药进行更复杂的数据训练和产品研发、招募真正专业的技术人才。

企业的综合实力和曝光度不断提升之后，必然会吸引包括风投机构、互联网大厂和国家产业基金等更多投资者。久而久之，有限的资源大量向头部集中，腰尾部企业能获得的资金必然越来越少。

来自投中研究院的数据显示，2025年下半年，国内具身智能赛道行业融资事件数量同比下降31.7%，但单笔融资额均值同比上涨46.8%。

大资金涌向行业头部，投资者也期待有实力活下来的企业最终能为自己带来财务回报，而看似“务虚”的估值额，最终不仅形成入场门槛，更成为具身智能淘汰赛中的重要风向标。

残酷的淘汰赛已经在海外发生。估值曾达到5000万美元的K-Scale，在去年11月宣布倒闭，原因正是其A轮融资失败，资金链断裂，最后账面仅剩40万美元。

反观国内，2026年或许也会有具身智能企业因为新一轮融资未能完成，和K-Scale一样退出历史舞台。

不难理解，有AI大模型加持的具身智能作为前沿科技，消费级市场需要更长的周期来接受并推广，而短期内摆在企业面前一个更严峻的问题是：研发非常烧钱，但产品还不够赚钱。

根据“人形机器人第一股”优必选的财报显示，其2024年研发投入达4.78亿元，占到营收的近四成（36.6%）；去年上半年研发投入达2.18亿元，也占到营收的35.1%。但从2020年到2025年上半年，优必选的累计亏损已经超过54亿元。

因此，在短期，融资可以成为具身智能的资金“血包”；但长期来看，量产才是检验技术落地的试金石，只有在规模化生产中证明稳定性与良率，具身智能企业才有资格叩开消费市场的大门。

量产爬坡背后的技术长期主义

纵观国内的具身智能行业，量产突破千台乃至5000台以上的企业其实并不少。

根据市场研究机构Omdia的数据，目前智元机器人的出货量为5168台，优必选的出货量为1000台；而宇树科技曾官宣2025年人形机器人出货量超5500台、本体产量下线超6500台。

对具身智能企业而言，生产一台或数台用于Demo演示“花招”的机器人并不难，这是2025年让外界惊艳的点；但到了2026年，具身智能企业能否量产上千台良率较高的人形机器人，能否在复杂场景中展示智能性、在广泛的生活展现适用性，这是新的难点和挑战。

量产背后，实际上是对具身智能企业技术实力的拷问。

从技术层面理解，具身智能机器人由“大脑”负责指令判断、“小脑”负责行为执行，量产的第一关就是研发出高度适配场景的大模型，比如杯子从桌边掉落时应该及时接住。

宇树科技的王兴兴就曾直言：“谁能率先做出真正适配机器人的大模型，谁就会成为全球顶尖的AI和机器人公司！”

当然，今天一些企业的解决方法是基于VLA模型（视觉-语言-动作）自主研发“大脑”，再匹配开发一些主要应用于细分场景的大模型，解决人形机器人的适用性问题。

比如银河通用便是自研“银河星脑 AstraBrain”，让机器人更接近“边看、边想、边做”的实时决策；同时研发了多款实用性的具身智能模型，比如具身抓取基础大模型和端到端导航大模型等。

技术路线的攻克虽难，但很多国产具身智能企业已经迈出了第一步。

不过，困扰更多具身智能企业的难题，或许是数据训练的规模、成本和真实性。正如人类是通过学习书本知识来逐渐认识世界，机器人则是通过学习大量真实使用场景中人类行为的数据来提升智能性、变得更像人类。

具身智能创企它石智航的创始人陈亦伦曾表示，具身智能如果要真正可用，至少需要1000万小时级别的数据量。而银河通用团队则判断，所需数据规模或达到万亿级。

因此，很多企业都会在数据收集、清洗、训练等一整套的方案上投入巨大成本，毕竟这是让机器人更智能的关键一步。比如智元机器人在上海投建超4000平米的数据采集工厂，日均可产出3万-5万条高质量数据；它石则自研了一套数据采集设备用于收集真实人类操作视频。

无论是自建工厂还是自研设备，具身智能企业砸下真金白银就是为了人形机器人能拿出更稳定、更智能的产品表现，在此基础上大规模产出的产品，才是真正的量产，才有被规模化使用、被大面积投入消费市场的可能性。

所以，在跨过量产千台、万台的门槛之后，具身智能企业也几乎来到了这场淘汰赛的最后一场：最终的商用落地和自主盈利。

最后的关卡：商用落地与盈利拷问

如果仅看目前已经上市的人形机器人公司财报，透视它们的盈利数据，得出的结果也一定是惨淡的。

2024年底上市的越疆科技，在2025年上半年亏损4087万元，从2022年到2024年其归母净亏损分别为5247.7万元、1.03亿元、9536.3万元。

更值得关注的是，上市之后，越疆科技的期末现金已经从8.84亿元，下滑到2025年上半年的1.64亿元，各项现金流净额均为负数，同期流动负债达到1.92亿元，同比增长24.86%。

更不用说优必选的表现，截至2025年三季度，其当年净亏损总额已达到5.8亿元。

提及主要具身智能企业的亏损，并非是看衰行业，这也是新兴科技行业面世之初的必然规律，但问题在于，谁能在烧钱竞赛中撑到最后。

依托于国产新能源和智能制造供应链的快速发展，具身智能机器人实际上已经在工业领域得到广泛运用，比如千寻智能的小墨机器人与宁德时代合作、优必选工业机器人WalkerS与蔚来的合作等。

不过，有业内人士指出，如今具身智能行业大多数的工业订单是示范性采购，真正独立操作、独立创造价值的商业场景依然稀缺。大多数场景下，机器人需要“人+机”协同作业才能完成。

这意味着具身智能企业不仅要持续提升模型水平和技术能力，更关键的是广泛寻找或者打造能够独立实现商用化的实用场景。

一些企业已经迈出了这一步，比如魔法原子退出无人咖啡、无人奶茶店，目前正在多城开展试点，计划两年内覆盖1000城、落地10000家门店；另有企业计划进军家居市场，在家政服务、老年陪伴等细分场景推广具身智能产品。

但这些场景能否支撑自主盈利，仍是未知数。零售行业本身的净利率就很低，具身智能必须用规模化优势来替代高昂的人力成本；而在家庭场景，动辄上万乃至数十万元的单品价格，让普通消费者望而却步。

林林公司也曾试图切入餐饮场景，做了三台样机，在一家奶茶店试运行了两个月。“效果还行，但投资人觉得场景太窄，规模起不来，不愿意投。”

淘汰赛之后：谁在牌桌上，谁在牌桌下?

春节前，林林他们公司创始人最后一次见投资人，对方问了一个让他至今难以回答的问题：“如果头部企业开始打价格战，你们能撑几个回合？”

这个问题，指向了具身智能行业正在形成的核心逻辑：这不是一场“谁能做出机器人”的比赛，而是一场“谁能活到商业化真正爆发那一天”的生存游戏。

移动互联网时代，每一个新兴赛道都会经历同样的周期：技术狂热期→资本泡沫期→残酷出清期→寡头格局期。共享单车、在线教育、社区团购，无一例外。

具身智能正在经历这个周期的中间阶段。2023年到2025年，是“技术狂热期”和“资本泡沫期”的叠加，只要有Demo、有团队、有故事，就能拿到钱。2026年，行业开始进入“残酷出清期”——泡沫退去，裸泳者现身。

这一轮出清是从“技术叙事”到“商业叙事”的切换。

过去两年，投资人听的是“我们做出了能跑能跳的机器人”“我们的团队来自清华”。这些是技术叙事，打动的是FOMO情绪。

但现在，投资人开始问：“你的机器人在什么场景下能替代人？”“客户愿意付多少钱？”这些是商业叙事，考验的是真实价值。

两种叙事之间有一条巨大的鸿沟。林林所在的公司，就卡在了这条鸿沟里。

行业正在形成一个新的共识：具身智能的未来，不属于技术最强的公司，也不属于融资最多的公司，而属于最早找到可持续商业模式的公司。

谁能率先跑通一个场景——哪怕只是奶茶店、仓储搬运——让机器人真正替代人力、创造利润，谁就能拿到下一轮融资的“船票”，形成正向循环。而那些找不到场景的公司，即使技术再炫酷，也会在资金耗尽后无声退场。

上周，林林公司那几台二手服务器被买走了，“如果公司没了，我就去头部公司面试。至少……他们还活着。”

Figure 03的新闻又出来刷屏，评论区里，有人赞叹“技术太酷了”，有人预测“人形机器人要改变世界了”。

“我不知道Figure 03有多先进，我只知道，在一个被忽略的角落里，一家小公司的服务器正在被装车运走，几个年轻人的机器人梦想，暂时搁浅了。”林林感叹到。

潮水正在退去，谁在裸泳，很快就能看清。2026年的具身智能行业，淘汰赛已经开启。考题只有一道：能不能在钱烧完之前，找到有人愿意为之买单的真实场景？