6 月 29 日，兩傢俱身智能企業在同一天宣佈估值突破 200 億元人民幣，兩份新聞稿用了一模一樣的說法： “大灣區首個估值突破 200 億的具身智能企業”。 這就像一場馬拉松比賽，同時出現了兩個冠軍。
回看 2026 年上半年的具身智能賽道上，這種事情不算稀奇。過去 6 個月，該領域拿走了超過 460 億元人民幣，百億獨角獸到了 25 家， 其中， 15 家是今年新增的，差不多每 12 天一家。至少 8 家突破了 200 億，這個俱樂部裏目前有宇樹、智元、千尋、銀河通用、星海圖、酷哇，以及同日撞線的自變量和智平方。就在這幾天，宇樹還拿到證監會 IPO 註冊批文，對應估值 420 億元。而在前面這 8 家後面，還有 17 家在 100 億到 200 億之間排隊。
有公司 3 個月幾輪融資幾十億元，有公司 2 個月估值翻倍，有公司成立不到 1 年估值破百億元，還有公司 1 年融了十幾輪。而且出錢的常常是同一批人：幾家頭部機構的名字在不同公司的股東名冊上反覆出現，Club Deal（俱樂部式抱團投資）在這條賽道上成了慣例。錢還在加速進場，但這條賽道的終局是什麼樣，沒有人能描述。
4 月份，來自全國各廠商的人形機器人還在亦莊進行戶外長距離的耐力比賽，考驗其自主導航能力、能源管理、關節散熱和步態控制等技術先進性。而在看不見的戰場上，融資額則是另外一個記分項。
在這場以融資額爲核心 敘事 要素的比賽中，獨角獸是參賽門檻，200 億會是賽點嗎？
圖丨中國具身智能“200 億俱樂部”（來源：DeepTech 製圖）
歷史經驗告訴我們， 每一次平臺轉型的早期，大家往往還不知道該用什麼指標描述它，於是每個人都會選擇最能證明自己正在變大的那組數字。
互聯網時代用“點擊數”；社交網絡時代從註冊用戶捲到 MAU（月活躍用戶），再捲到 DAU（日活躍用戶）；前 AI 應用時代普遍要聊 ARR（年度經常性收入） 。每個玩家都會挑最能讓自己好看的指標。
具 身智能賽道也有自己的核心指標。在商業層面，機器人的應用和部署還很遙遠，融資額和估值是僅剩的可在同業中明晰競爭身位的數據。“幾個月 XX 億”“X 個月估值翻倍”“成立 X 個月估值 XX 億”，如今已是行業標配。
所以結論顯而易見， 當一個行業裏跑得最快的指標是錢本身的時候，在某種程度上也說明，大家還沒有找到其他更好的東西來衡量這個行業的進展。 這個錢有兩層內涵，即是市場對過去技術積累和團隊實力的認可，也是參與未來競爭的血包。誰的錢越多，誰的血條越厚，誰就會在終局之戰中擁有更多勝算。
那麼，市場瘋了嗎？一家公司覺得自己技術路線有獨特優勢，要趕在窗口關閉前拿夠錢，這是個好事啊。一個投資人因爲 2023 年錯過了大模型頭部項目、不想再錯一次，這也是個好事。一家大廠砸錢進來，想在未來的物理 AI 生態裏提前卡住身位，這更是個好事。
引用前 a16z 合夥人 Benedict Evans 在分析 AI 泡沫論時的論述，生態系統裏每一個參與者的行爲，單獨看都是理性的，但所有人加在一起，就有了泡沫的結構。288 筆交易、460 億資金、25 家百億獨角獸在 6 個月內同時出現，大概就是這種“個體理性、集體瘋癲”的樣子。
從這一點而言，除了資金體量水漲船高外，具身智能並體現出其獨特性。這一幕曾在互聯網時代發生過不止一次。
全球來看，PitchBook 數據顯示，今年一季度全球人形機器人領域的 VC 投資已經超過 50 億美元，打破了去年的紀錄。每投入機器人賽道的 4 美元裏，就有 1 美元流向了人形機器人。
美國也是熱鍋蒸螞蟻，硅谷明星企業 Figure AI 投後估值已達到約 390 億美元。作爲對比，高盛預測全球人形機器人市場到 2035 年大概也不過 380 億美元。這家公司的估值提前 9 年就超過了整個行業的遠期預期，但它去年的出貨量只有大約 150 臺。
Physical Intelligence 也很典型。這家公司團隊約 50 人，沒有商業產品，據 Bloomberg 報道，此前按約 110 億美元估值洽談新一輪融資。a16z 引用 PitchBook 數據稱，2026 年第一季度，全球機器人和 Physical AI 領域 VC 投資達到約 160 億美元，是 2021 年至 2025 年均值的 4.5 倍。10 年前，Robotics 在私募市場前 100 家公司的估值分類裏還不存在，現在已經超過金融科技，成了第二大品類。
圖丨今年一季度全球機器人與物理 AI 領域的 VC 投資達到歷史新高（來源：DeepTech 製圖）
Cybernetix Ventures 的合夥人 Fady Saad 在接受 PitchBook 採訪時直言：沒有什麼強有力的理性原因能解釋當前的投資水平。他說，投資人對人形機器人有一種“psychological attachment or obsession”，即一種心理上的迷戀。
但 Saad 可能只說對了一半。迷戀是真的，但迷戀的對象不是機器人本身，而是機器人背後那個“無限 TAM（Total Addressable Market，總體可尋址市場）”的故事。 專用機器人的經濟價值，被它所服務的那個具體市場限死了；但人形機器人在理論上什麼都能做：修你的電腦、給你做飯、幫你造車，都由一臺機器完成。從投資人的角度看，可觸達的市場幾乎沒有上限。摩根史丹利給出的遠期預測是，2050 年全球人形機器人市場可達 7.5 萬億美元。
7.5 萬億美元，這個數字大到足以讓任何一筆當下看起來離譜的估值都變得合乎情理。只要時間線拉得足夠遠，今天很多看起來離譜的估值，都能找到一個宏大的解釋，比如剛剛讓馬斯克成爲地球首富的 SpaceX。
大摩把這個數字背後的邏輯提煉成了一個等式： 人形機器人的需求 = 勞動力短缺 × AI 能力加速，而這兩個變量恰好在同時變大： 勞動力確實在減少，AI 確實在進步。高盛的數據也顯示，人形機器人的單臺製造成本在 2023 年到 2024 年間下降了 40%，遠超預期的 15% 至 20%。
如此看來，這個故事聽起來還是可以成立的？然而就目前而言，具身智能在實際應用場景的表現似乎遠無法匹配人們對它的期待。
voxos.ai 今年一份綜述裏提到，當前人形機器人的電池續航大約 90 到 120 分鐘，工業場景需要 8 到 20 小時。實驗室裏 95% 成功率的策略，放到真實部署環境中通常會掉到 60% 左右：光照、紋理、相機角度的微小變化都會破壞表現。
生產環境需要 99.9% 的可靠性，而 95% 的準確率意味着一臺倉庫機器人每天會失敗大約 50 次。Nvidia 自己的機器人團隊負責人也承認，很多 demo 是從大量失敗裏挑出來的最好結果。
甚至在造人形機器人的公司內部，對行業當前的進展和熱度的看法也沒有外界想的那麼一致。根據我們與許多業內人士的交流，具身智能公司和投資人都認爲這個領域被過度炒作了。有投資人在公開場合表示，先上車最重要，要反省爲什麼沒有上車，泡沫是後面的事。
所以，我們現在就看到了這樣一個奇特的疊加態：長期需求是真實的（勞動力在減少、AI 在進步、國家在加註），短期的估值和技術之間的缺口也是真實的（電池撐不住一個班次；成功率不夠生產級；最先進的公司也還沒有穩定的商業收入），這兩件事同時爲真。
這種複雜性體現在中美兩邊，形成了兩種相似而不完全一致的局面。美國是幾家公司拿到天文數字般的估值，可以不談收入、不談產品時間線，用一個足夠宏大的終局敘事來支撐一切。中國則是幾十家公司以驚人的密度同時湧入百億級，同一天撞個“首個”都來不及互相知會，而在這一側，估值裏還要疊加機器人對中國作爲製造業大國的轉型的價值期許。
而中國這一側，還有一個很少出現在融資新聞稿裏的變量。無論哪條路線勝出，殊途同歸的一點是都要堆算力，預訓練和後訓練的 Scale Up 繞不開這一點，這在大語言模型上已經被驗證過一次，代價也被驗證過一次。對國內公司來說，先進算力的獲取本身受限，訓練側也沒有類似 TPU 那樣成熟的自研芯片生態可以依靠。國產芯片產業與具身模型更像一對患難兄弟，彼此都需要對方先成熟起來，彼此又都等不起。生態破局，難上加難。
約束歸約束，資本繼續湧入的底層邏輯並沒有變。 AI 正在從比特走向原子，a16z 給這個趨勢起了個名字，叫 Atoms > Bits。 機器人讓 AI 有了手和腳，能碰到軟件碰不到的物理任務。全球的勞動力正在減少，一些國家和地區的製造業非常缺人，護理、倉儲、物流、巡檢這些場景都對於機器人都有着真實需求。
圖丨 AI 正在從比特走向原子（來源：DeepTech 製圖）
而且，跟純軟件的 AI 不同，機器人是物理的：它需要被造出來，需要本土供應鏈，需要部署在你自己的工廠和倉庫裏。這不是一個可以靠買 API 解決的問題。誰掌握了機器人的製造和部署能力，誰就在勞動力持續萎縮的未來鎖定了生產力的主動權。
這讓具身智能從產業話題變成了經濟安全話題，從經濟安全話題變成了地緣話題。當一項技術同時被當作經濟引擎和戰略籌碼來對待的時候，估值裏就不只有市場定價了。
在某種程度上， 這輪熱潮裏，我們真正需要警惕的可能是整個市場過早進入了終局定價，而非底層技術及商業本身。 就算最終大規模落地的不是雙足行走的人形機器人，這波熱潮正在催熟的那套 AI 感知和控制技術、正在被搭建起來的傳感器和執行器供應鏈、正在被訓練出來的具身大模型，也不會因爲人形機器人的退潮而消失。它們會以別的形態、在別的場景裏找到自己的位置。從這個意義上說，460 億砸下去，不全是在燒錢，也是在給整個物理 AI 的基礎設施交學費。
高築牆、廣積糧、急稱王。率先撞線的已奔走相告，後進者不免自亂陣腳。肉眼可見，具身智能 200 億估值比賽極有可能是個半程賽，甚至是 1/4 馬拉松，被繼續上強度，參賽選手越來越多，直到有人暈厥退賽。
參考資料：
1.https://pitchbook.com/news/articles/the-limits-of-vcs-humanoid-bet
2.https://merics.org/en/report/embodied-ai-chinas-ambitious-path-transform-its-robotics-industry
3.https://www.ben-evans.com/benedictevans/2025/6/9/generative-ais-metrics-question
4.https://www.ben-evans.com/
5.https://www.a16z.news/p/charts-of-the-week-cycles-different
6.https://kraneshares.com/humanoid-robotics-in-2026-the-race-from-pilot-to-platform/
運營/排版：何晨龍
注：封面/首圖由 AI 輔助生成