2026年的具身智能：不再“講故事”，而是拼“分數”？

作者：劉致呈

編輯：Evin

審核：徐徐

出品：互聯網江湖

最近，具身智能行業發生了兩件大事:

一是行業標桿——宇樹科技要IPO了。

二是中國信息通信研究院聯合40余家單位共同起草的具身智能領域首個行業標準，正式發布了。

據了解，該標準聚焦于人工智能關鍵基礎技術和具身智能基準測試方法，同時還明確了具身智能系統框架和能力要求，從此具身智能評測進入了“有標可依”的新階段。

從表面看，這兩件事似乎關聯不大，但是別忘了，宇樹科技在當前機器人行業還有著特殊的風向標意義。

所以從這個角度看，無論是主動還是被動，兩者其實都做了一件事——劃標準線。

前者是在為當下火熱的人形機器人行業劃一條“價值標準線”，從商業化、資本市場維度提供一個參考標準，類似于現在AI領域的智譜、Minimax們所起到的標桿作用；

后者則相當于在技術層面，為具身智能行業劃定一條“能力標準線”。

那么大家都知道“標準”的意義是什么？

本質上就是錨點、參照物，是新興行業分化的開始。

所以當這兩條標準線同時確立，不管從品牌競爭市場，還是投融資市場上看，這往往就意味著馬太效應的到來……

冰火兩重天的機器人行業，再不上市就晚了？

先說具身智能測試標準的出臺，為什么可以推動整個行業分化？

因為劃下的這條能力標準線，本身也是選拔線、及格線。

就像應試教育一樣，雖然這個成績不能完全展示出學生的整體發展水平，但至少也是個關鍵判斷依據。

而恰好，現在具身智能賽道在資本熱錢的過度追捧下，本身又存在一定的投資泡沫。

據不完全數據統計，2026年開年至今，國內具身智能已披露融資超30起，融資總金額約200億元，遠超2024年同期的70億元和2025年同期的126億元。

甚至按照傅盛的說法，現在整個具身智能賽道已經火到，你去深圳花200萬搞一個人形機器人，打上自己LOGO，只要機器人能走上兩步，就有可能拿到融資的地步……

這種資金“上頭”表現，有FOMO情緒的影響，但更重要的還是，過去大家都缺乏一個可量化的能力標準線作為對比，也沒有一個被驗證的統一范式，所以整體投資邏輯高度分裂。

但現在不一樣了，此次具身智能測試標準的出臺，就像應試教育劃的分數線那樣，可以讓投資人們第一次憑借直觀測試成績，以及后續有沒有優化潛力進行粗篩判斷，從而對那些還在做Demo，又或是講不出更多差異化故事的初創企業，保持一個更加審慎的態度。

如此一來，在大面上，常規機器人玩家們的融資紅利期可能就會被不斷壓縮，更多資源將集中到以宇樹科技、智元和樂聚機器人為代表的頭部，乃至腰部的高分玩家身上，從而形成強者愈強的新格局。

能者上，平者讓，庸者下。

這就是具身智能測試標準在當前特殊時期所帶來的行業分化效果。

再來看宇樹IPO所劃下的這條價值標準線，雖然上市還沒有板上釘釘，但在商業化方面卻已經影響到了人形機器人行業的投資選擇。

從招股書和天眼查App來看，宇樹科技的業績表現不錯。

2025年營收預計超17億元，扣非凈利潤超6億元；人形機器人收入占比，兩年內從1.88%增長到51.53%；產銷率超過95%……

但具體而言，2025年前三季度，在宇樹人形機器人收入中，科研教育占比約73.6%，商業消費占17.39%，真正被寄予厚望的行業應用卻僅占約9.01%左右。

也就是說，現在宇樹的客戶主要是高校、科研機構和科技公司。

它們買機器人，更多是為了做開發、搞科研，而不是進入產線，去實現新的生產力革命……

所以現實是，這份成績只能證明具身智能的方向是對的，但離機器人的終極敘事——下一代生產力工具還很遙遠。

這一點，在“港股人形機器人第一股”優必選身上也得到了部分驗證。

主要表現為連續的增收不增利。

2021年到2024年，優必選的營收增速分別為10.4%、23.38%、4.7%和23.65%，整體表現不錯，但是對應的歸母凈利潤卻常年虧損，四年總計虧損約42.53億元。

那么在這樣一個背景下，投資人們該怎么選擇？

是繼續擲骰子式地盯著新初創企業，還是往相對領先且有更大確定性的頭部、腰部玩家們去下注？又或是干脆不跟？

答案不言而喻。

繼續順著這個邏輯看，如果未來機器人市場的商業模式遲遲得不到突破，那么隨著宇樹們的上市，是不是就有可能會讓后來者的路變得越來越窄？

因為任你故事再美好，業績表現也是實實在在的，所以再熱鬧的融資市場，最后也一定會冷靜下來。

從技術狂熱期到資本泡沫期，再到殘酷出清期、寡頭格局期，這樣一個發展周期在共享單車、在線教育和網約車等行業都曾得到過驗證。

所以現階段，做人形機器人的品牌企業們都需要抓住這一關鍵上市窗口期，越早上市就越有可能拿到一個好名次、好估值，越到后邊就越只剩下冷冰冰的理性判斷，可獲得的資本籌碼就越有限。

除非有后來者能夠實現DeepSeek、OpenClaw式的顛覆性創新，否則都會陷入一步慢，步步慢的成長困境中。

也正因此，2026年就成了機器人行業的一個上市大年。

比如當前估值在90億元左右的樂聚智能，也已經辦理過了上市輔導備案登記。

并且在產業表現方面，其和宇樹科技非常相像。

不僅都覆蓋了科研場景、商業服務和工業制造等多個領域，同時樂聚還通過投資、合資等市場化的方式，也串聯起一個自主可控的產業生態，對應的機器人零部件國產化率超95%，整體達到了車規級量產交付標準。

至于C端方面，去年2月，旗下的“夸父”機器人亮相-20℃的亞冬會火炬傳遞現場，在與火炬手們的揮手、擊掌互動中，憑借穩定可靠的關節控制與環境適應性也讓其一戰成名……

又比如估值在100億左右的云深處，也于2025年12月啟動了上市輔導，旗下的智能機器人更是廣泛應用于電力巡檢、應急消防、安防巡邏、工業運維等領域。

此外，還有智元機器人、上過春晚的銀河通用、松延動力，以及眾擎機器人、星海圖們也都完成了股改，想要在這場大分化時代里，提前完成IPO卡位之戰……

“數據供給”三國殺，誰能笑到最后？

當然，現在具身智能產業還處在發展早期，所以整個市場可挖掘的增長空間還有很多很多，甚至笑到最后的，也有可能不是今天這些風頭正盛的主流玩家，而來自于邊緣市場。

比如在垂直應用場景，一家名不經傳的初創企業——麗天智能就開創了光伏安裝機器人品類，核心圍繞沙漠、高原等無人區光伏電站場景，提供清潔、安裝和巡檢等解決方案。

整體雖然干的是“臟活、累活、苦活”，但由于光伏市場足夠大、痛點足夠痛，所以去年麗天智能就實現了密集的商業化落地，訂單覆蓋包括澳洲、中東、歐洲、南美、南非等全球主要光伏市場……

又比如在上游“賣鏟人”領域，不管是專攻機器人核心零部件的初創企業，還是發力數據采集和訓練的玩家們，現在也都非常受關注。

其中，明星企業“靈心巧手”已經走到了全球機器人靈巧手領域頭部供應商的位置，全球每10只高自由度靈巧手中，就有8只來自該團隊……

至于具身智能數據供給方面，更是被當前資本市場視為有確定性增長路徑的產業錨點。

因為機器人不像是大模型，沒法直接從互聯網上抓取海量信息，一舉一動都需要實時實景的物理交互數據、力反饋信息等等，整體采集成本非常高，所以數據供給也就成了具身智能產業的新生產資料，甚至是決定機器人能力上限的一大關鍵要素。

目前，整個市場大致分為三類玩家：

一是以光輪智能、靈初智能為代表的“專業數據工廠”們。

這類玩家的特點是足夠專注垂直，解決的是如何大規模、且低成本地采集數據的根本問題。

現在有兩條主流路線：一是通過自研物理求解器生成海量高保真仿真數據，二是自研更簡單高效的具身數采工具，從而直接采集各種真實應用場景或人類行為數據，為具身智能提供可規模化的高質量合成數據與工業級評測標尺。

也就是說，它們不只是在賣數據，更是在賣一個系統性的解決工具或方案，屬于是難而正確的一條路線。

二是像智元機器人、樂聚們那樣軟硬件一體的全棧玩家，本身也有數據采集業務布局。

特別是樂聚，還聯合運營著國內最大人形機器人數據訓練場，聚焦工業制造、智慧家庭、康養服務和5G融合四大前沿場景，年產超600萬條真機數據，采集數據更容易形成商業化閉環。

三是跨界的產業方們，主要以京東為代表。

據此前“京東黑板報”消息，為推動具身智能行業健康快速發展，京東依托超級供應鏈核心優勢，以及零售、物流、健康、工業、外賣、家政等海量真實業務場景，將建成全球規模最大、場景最全的具身智能數據采集中心。

并且在依法依規的背景下，京東還將發揮20余年積累的豐富場景資源優勢，發動數十萬人參與數據采集——包括內部超過10萬名各類職業員工，以及外部最多50萬各行業人員，覆蓋家庭、辦公室、工廠到物流、商店、餐廳、醫療、環衛等超百個細分場景……

通過以上舉措，京東將于一年內積累500萬小時人類真實場景視頻數據，兩年內突破1000萬小時，同步實現采集機器人本體數據100萬小時，成為全球最大的具身智能數據公司。

很明顯，背靠龐大且豐富的場景產業線，如果京東還能聯合起靈初智能等數據基礎設施派玩家們，那么也未嘗不能在具身智能行業分一杯羹，甚至分到得還可能是最大的那一杯……

由此觀之，現在具身智能行業正處在一個充滿信心但又矛盾十足的發展階段。

未來的終局確定性極強，但前進路徑卻充滿了不確定性；

投融資市場在分化，但競爭市場卻很難在短時間內出現贏家通吃的局面……

也就是說，這條路上沒有一蹴而就的終局，只有步步為營的進化。

所以當一條技術能力的及格線，一條資本的價值線劃下后，具身智能的想象力長河，其實才剛剛開始奔涌。

而那些愿意沉下心、扎下根的航船，終將在時間的長廊里，聽到屬于自己的回響。

免責聲明：本文基于公司法定披露內容和已公開的資料信息，展開評論，但作者不保證該信息資料的完整性、及時性。另：股市有風險，入市需謹慎。文章不構成投資建議，投資與否須自行甄別。