“泡沫破掉的时候，真正做事的人反而松了一口气。”一位具身智能赛道的投资经理，这样总结近期行业的情绪转向。这句话的另一面，是更多人的焦虑：融资在降温，上市的通道在收窄，上一轮融到钱的公司，账上的现金正按月递减。门是什么时候关上的？主打全球真实场景采集的物理AI/具身智能数据基建公司纳斯熊德（Cervo Tech……

本文来自微信公众号： 霞光AI实验室 ，作者：Vinco，编辑：李小天

“泡沫破掉的时候，真正做事的人反而松了一口气。”

一位具身智能赛道的投资经理，这样总结近期行业的情绪转向。这句话的另一面，是更多人的焦虑：融资在降温，上市的通道在收窄，上一轮融到钱的公司，账上的现金正按月递减。

门是什么时候关上的？

主打全球真实场景采集的物理AI/具身智能数据基建公司纳斯熊德（Cervo Technologies）COO王臻，在跟“霞光AI实验室”的交流中回忆出一条清晰的时间线：今年8月，海外公司Dyna Robotics在用100万小时人类第一人称视频预训练，让机器人学习真实世界的物理交互规律之后，公布发现具身智能的Scaling Law，数采公司曾迎来一段短暂的融资小窗口，随后风向突变。

身处产业链上游环节的Claire感知得更早。”从我们产业链的视角来看，就是各家（具身智能本体）的订单都很少，不足以支撑正常工厂的长期生产。目前的情况是只有跟国内头部的1~2家合作，才不至于亏本。”

IPO通道的收窄，则让局面变得更微妙。自9月开始，多家媒体报道，中国证监会已通过非正式”窗口指导”，提高人形机器人企业IPO的审批门槛、严查收入的真实性和可持续性。据悉，随着人形机器人企业上市监管整体趋严，智元机器人的上市进程已经推迟，而具身智能赴港IPO也已被实质性叫停。

退出预期的变化，也很快反映到了一级市场：据IT桔子数据显示，10月，国内具身智能赛道融资事件跌至33起、总额101.05亿元，较6月高点（55起、308.92亿元）交易数量近乎腰斩。

另一位身处产业链上下游环节的从业者则向我们点破了中国具身智能赛道创业的这一结构性约束——退出方式太单一：”在中国做这件事，就要想到退出。中国的退出方式就是上市，还是有点单一。如果头部公司的上市都有阻力的话，那对于腰部及之后的公司而言肯定不是什么好事。”

于是问题变得非常具体：上一轮融到的钱还能烧多久？烧完之后，这些公司靠什么活到下一轮？

冷，但不是均匀的冷

这轮降温影响的是全行业。”不管是头部，还是腰部公司，影响都会很大。整个具身智能产业链上，不论数据公司，模型公司，本体公司都会被影响，”据业内人士透露。

Claire的观察与此一致，但她同时表示，相比较而言，对中下部公司的影响要远大于头部公司。“钱烧不了多久了，”她补充道。

不过，冷不等于钱消失了，而是钱换了流向。

一个信号来自仍在发生的融资：比如原力无限，8月，这家具身大脑公司宣布完成近10亿元A轮及A+轮融资。10月下旬，又披露获得浙江省创业投资集团近亿元A++轮投资；比如RoboScience机器科学，11月2日，这家成立不到两年的公司宣布完成A2轮数亿元融资，领投方中出现了琥珀资本、鸿瑞达投资、以及具有产业背景的上海半导体产投。

图源：RoboScience官微

再比如11月8日，业内确认DeepSeek连投两家具身公司：一家是Winverse AI，主攻的是“通用机器人决策大脑”，偏底层大模型与算法；一家是理格万物，锚定“工业场景具身应用”，偏实际产线的落地与执行，形成“知+行”组合。

11月9日，苏州具身智能企业优理奇机器人官宣完成5亿元Pre-A轮融资，老股东谢诺投资、涌铧投资连续多轮超额追加投资，以及一系列新机构进入；以及在同日，刻行时空宣布完成了近亿元规模的pre-A轮融资，成为首家同时实现上亿元真机数据订单、数据资产确权、合规交付的物理AI数据科学公司。

图源：刻行时空官微

那么，为什么有的公司融不到钱，有的公司被集中加注？

对此，华山资本创始合伙人、CEGA具身智能与机器人委员会主任杨镭直言：“我们认为下一阶段资金投资的大方向就是‘谁能落地’。”

据杨镭近日公开分享，今年1-5月具身智能融资额达489亿元，已超过2025年全年的约455亿元；资金高度集中，10亿元以上大额融资集中流向27家公司，其中6家今年已两次完成10亿元以上融资。剔除大额融资后，人民币单笔均值从2025年的2.22亿元降至2.12亿元，腰部并未变热。由此，他判断，对本体的投资已从“普涨”进入“停止”，后期估值开始看订单、出货与营收，“讲故事”的空间在收窄。

而在业内人士看来，此时能被资本押注的具身企业，一定具备坚固的护城河。比如本体设计固然很难，但现在国内的本体公司可能有200+家，除去头部公司，其他很难建立特别多的优势。

Claire见过的样本更生动。”我接待过很多机器人公司，有的甚至不知道自己的方向在哪，就开始干了，拿别人的机器人二次开发；还有跨行业想进入机器人领域的公司，招个十几人的团队就干——这种很多可能是为了拉股价。”在她看来，这些机器人公司本质上都是一样的，具体还是要看谁的商业模式更好。

九光智能创始合伙人及创新业务负责人王栋的看法则更为克制：”其实我觉得也不至于说冷了吧，还是看是真的在做有价值的事，还是在讲实现不了的故事。”

钱比想象中经烧，也比想象中脆弱

先算一笔生存账。

据业内人士分析，创业公司的一般纪律是“会至少留运营1年或1年以上的资金”，“我觉得明年肯定会死一大批公司。能活下来的，绝对也是对未来比较有打算的。”

但比现金耗尽更隐蔽的风险，是钱不敢被花出去。这个判断来自一次关于模型能力的讨论：今年OpenAI的GPT-6 Astra发布之后，效果让很多从业者惊讶——而国内不少公司明明也买进了大量数据，做出来的模型能力却相去甚远。对此，业内人士的解释是：不是数据不够，而是不敢把钱真正押进研发。

“投研发涉及到直接把现在的现金流全部赌到一个技术路径上了，但是很可能未来国外开源了一个技术路径，并且做得很好，那么之前投的钱就打水漂了。所以现在很多人是在存钱的这么一个状态，虽然账上有钱，但是不敢花。”在他看来，买数据只是起点，把数据真正用起来需要大量算力储备和研发投入。账上的钱不押进研发，再多的数据也只是“躺”在那里。

此外，Claire还透露了一个细节，比订单量少更值得警惕的，是订单的质量。“很多制造业都是看重具身智能行业，才愿意跟机器人本体公司合作。”换句话说，一部分订单的动力来自“具身智能”这个概念本身的光环，而不是真实的业务需求。而国内机器人行业对成本的控制又非常紧密，“为了抢生意，国内的供应链多半在搞低价，比国外压价更为厉害。”

这意味着，当前具身智能的“订单热”很可能是一种概念驱动的虚火：真实需求不足让订单缺乏复购和规模化支撑，供应链压价又把有限订单做成低毛利、低可靠性的生意，行业容易陷入“低需求—低价—低利润—低研发—低可靠性”的负向循环。短期看是订单质量差，中期看是商业化验证不足，长期看则会加速泡沫出清和行业分化。

北京人形机器人创新中心CEO熊友军在近期对媒体的公开对话中，把具身智能进入工业场景后ROI的账算得更细：“机器人如果真的算ROI的话，确实还没法算过来，可能还是偏贵，而且它的泛化能力（不足）、还有部署的时间成本，这个还是有点偏高。”但他认为，在某些“3D”场景下——Dangerous（危险的）、Dirty（脏的）、Dull（枯燥的）——比如操作带电的高压、特高压，辐射、病毒、粉尘、爆炸环境中，不是拿机器人的价值跟人的价值去比，而是跟人的生命健康去比，这些账已经算得过来了。对创业公司来说，这可能也是一份需求地图：与其在娱乐展演和科研教育的存量里内卷，不如去那些账已经算得过来的场景里找现金流。

2026年以来，已有十余家机器人相关企业进入清算、破产或停摆状态，共性症结可以归为三类：商业化闭环断裂、现金流与成本结构失控、战略失焦。

盈合机器人对应第一种——签了近亿元项目，却长期未通过验收；无境动力对应第二种——成立仅8个月即停工欠薪，宣称的1.1亿元融资中，关键产业基金未如期交割，现金流直接恶化；深兰机器人对应第三种——母公司巅峰时期曾大量投资，战线铺得太宽，最终以破产清算剥离长期亏损的子公司退出。

不是每个冬天都有棉衣，产业链的观察更直白。在被问到其他公司怎么渡过难关时，Claire的回答近乎残酷：”其他公司多半要倒闭。产业内，要么做出来超级聪明的大模型，要么就是商业模式玩得好——就这两种（能活下去）。”

这句话可以反向读成一份风险清单：两样都不占的公司，很可能倒在这个冬天。

活法与底牌：穿越周期到底靠什么？

回到那个根本问题：当资本不再为叙事买单，创业公司的底牌是什么？观察仍在牌桌上的公司，穿越周期的路径大致可以分为四类。

第一类是收窄场景，用阶段性成功为终局铺路。

典型路径之一，是与产业方合作把落地范围收窄到可验证的真实工况：中国石油旗下昆仑制造与宇树科技、泛界智能设立合营企业，主攻工业具身智能机器人解决方案，面向油气、炼化与储运场景的巡检及抢险应急。

对宇树而言，这不只是一笔订单，而是摆脱“表演型机器人”标签、积累真实工况数据和商业案例的入口。灵初智能则从物流切入，理由是物流同时满足两个条件：商品足够多元，所以数据丰富；流程相对结构化，所以采集可复制。

第二类是压低成本、开放硬件，把机器人变成可规模铺开的“数据终端”。

松延动力用工程塑料模具成型把结构件成本砍掉近一半，“小布米”把双足人形拉到9998元——低价不是打价格战，而是为了无痛放大设备规模、换来多样化的真实数据；萝博派对把1.25米高的RPO定价1.5万元，并公开机械结构、CAD图纸、BOM清单和供应商列表，用开源换取全球开发者的数据回流。

第三类是切中间层，比如卡位世界模型，把部署门槛拉到工业场景可接受的水平。魔芯科技的4D世界模型MoWorld-4D把帧率做到约50FPS、推理综合成本仅为同等规模进口GPU方案的30%，首次把世界模型的部署门槛拉到工业场景可接受的水平。

三类活法各有拥趸，但”活法”不等于”能力”。每一种选择背后，都悬着一个尚未被验证的问题——这才是判断谁能真正穿越周期的关键。

第一个问题是迁移性——收窄场景之后，数据与能力能否通向通用？

商业上，窄场景和产业合作能否形成正现金流、复购和可复制交付；技术上，窄场景积累的数据与能力能否在明确指标上提升通用策略，比如跨场景成功率、少样本迁移和后训练增益。

第二个问题是壁垒性——降本与开源换来的数据闭环，在同质化竞争中是否形成真壁垒？

低价和开源不是简单的价格战，而是为了无痛放大设备规模、换来多样化的真实数据。但问题在于，当降本和开源成为普遍动作，同质化会从“产品有区别”变成“模式没区别”。此外，第一类收窄场景的外溢也在加剧同质化——比如物流分拣正在变成新的红海。

第三个问题是投入性——中间层的成本优势，能否持续转化为研发投入？

像魔芯科技首次把世界模型部署门槛拉到工业场景可接受的水平，但部署门槛降低只是入场券，中间层卡在基础模型和应用场景之间，上游受基础模型和算力成本约束，下游受本体公司和场景方压价约束。真正的问题是：中间层能否把阶段性成本优势转化为持续研发投入，而不是停留在薄利集成层。陈默之前对于国内外模型侧发展差异的分析也从侧面说明了这点。

第四个问题则是资本是否具有耐心？是否愿意“长期陪伴”行业成长？

这是三类活法共同面对的外部约束，不专属某一类公司。王栋介绍道：“无论怎么造血，都很难支撑AI体系巨大的研发投入。”这句话点出了造血与研发投入之间的结构性缺口，而外部资本愿不愿意长期陪伴，就是耐心问题。

周期何时转向？

对于行业什么时候回暖？王臻给出了自己的判断——明年中到年末。

他的判断逻辑并不复杂，因为预计国外一批最好的大模型明年上半年训练出来，其中一定有一些会开源——开源之后中国公司会花几个月参考、落地，随后大约在明年下半年融资又可以起来。

就在11月9日，Anthropic正式推出Claude Fable 5.2，在RoboDojo Sim双臂机器人仿真任务中，Fable 5.2得分64.9%，而Fable 5.1为27.6%，GPT-6 Astra为29.8%，说明模型侧的能力供给仍在快速抬升。

图源：Claude X官方平台

同时，英伟达则在美国奥斯汀举行的机器人学习大会CoRL 2026上正式介绍了新一代机器人基础模型GR00T 2及其配套技术，并明确GR00T 2及其Turbo版本的模型权重预计将在今年12月开放。

开放模型权重意味着英伟达将把训练好的GR00T 2模型里数百万甚至数十亿的参数文件公开，允许任何人下载、部署、微调，甚至集成到自己的产品中。在具身智能的开源版图中，虽然它不同于完全开源（通常还包括训练数据、完整训练流程或代码），但依然是降低行业门槛的关键一步。它把“国外模型开源、国内参考落地”这条路径，从预测变成了可预期的事件。

这也从侧面印证了王臻对“明年中到年末”的判断：供给侧的模型能力和开源节奏，正在按他描述的方向推进。但需要分清：回暖预测和四个问题并不矛盾，它们指向的是同一件事的两个面：模型供给和开源节奏的加速，会让行业看到一些回暖的曙光；但窗口打开之后，谁能穿越周期，仍然取决于那四个未验证问题有没有被真正回答。

杨镭也在公开采访中认为，“未来行业竞争的关键，将是能否提升机器人的自主认知和任务执行能力，并找到能够持续运行的真实应用场景。”

换句话说：这个冬天可能有明确的长度，但不是每家公司都撑得到开春。

冬天筛掉的是什么？

“没有泡沫的产业，只有泡沫的公司。”熊友军在接受媒体采访时，表达了对行业终局的朴素认知：”我一直觉得具身智能、人形机器人是一个非常大的产业，本质上不存在什么竞争。因为需求是客观存在的。中国任何一家人形机器人公司，只要它在技术上取得很强的突破、满足了客户需求，就能够拥有好的市场——本质上它的竞争对手就是它自己。”

回看这个冬天：IPO的门变窄，筛掉的是把退出当终局的公司；订单变少，筛掉的是把框架协议当收入的公司；投资人的耐心变短，筛掉的是把讲故事当商业模式的公司。而活下来的资格，就藏在王栋那句朴素的反问里——”还是看是真的在做有价值的事，还是在讲实现不了的故事。”

“泡沫破掉的时候，真正做事的人反而松了一口气”——这句话，或许就是这个冬天最好的注脚。

*Claire的小红书ID为：婷婷爱成长