人形機器人行業真的沒門檻嗎?

重點摘要
人形機器人行業看似門檻不高,許多手機、汽車廠商都能切入,但多數玩家本質上是高級組裝廠,缺乏核心競爭力。真正的門檻在於量產成本、數據閉環與場景綁定,唯有具備規模化製造與智慧化能力的公司才能存活。資本市場已開始區分有產品與只有概念的公司,預計2026年底至2027年將迎來殘酷淘汰期。
人形機器人行業真的沒門檻嗎?這個問題,在2026年4月的北京車展上,被一位站在展區中央的投資人當場拋出。當時,比亞迪展臺上一臺身高一米七五的銀色機器人正穩定地遞著礦泉水,三米外的榮耀機器人打著太極,宇樹科技的G1機器人剛完成一個漂亮空翻,智元機器人的遠征A3則穿著工裝,在模擬產線上鎖著螺絲。手機廠商能做、車廠能做、機器人新創也能做,場面看似一片榮景,卻也讓「門檻」兩個字成了所有人最不願面對的追問。如果榮耀做得、比亞迪做得,那宇樹科技、優必選、智元機器人這些專業玩家,核心競爭力究竟在哪?如果只是把零件湊在一起,護城河又有多深?答案可能要先拆穿一個行業幻覺:人形機器人,看起來確實不難做。
一組雙足行走平臺、兩套機械臂、若干感測器和一臺工業電腦,配上幾個運動控制工程師調演算法,一台能走能跳的人形機器人就能出廠。機械關節、減速器、力矩電機、視覺感測器全都買得到,連運動控制演算法都有開源方案;大模型時代,連「大腦」都能直接呼叫雲端API。把這些拼起來,套上碳纖維外殼,就是一台售價數十萬的機器人。這套邏輯,與十年前深圳華強北組裝智慧手機的劇本沒有本質區別。只是,當「造機器人」還停留在「拼零件」的階段,技術型團隊反而沒有比較優勢。
聯想創投董事總經理王光熙在7月的聯想創投週上說得直白:長期來看,機器人本體製造未必適合技術型創業團隊來做,具備大規模製造能力的OEM、供應鏈和製造企業,反而更可能把本體當作業務增量。榮耀有消費電子的供應鏈管理經驗,比亞迪有汽車製造的精密工藝和產線場景,它們缺的不是「造出來」的能力,而是「造得好、賣得掉、能迭代」的能力,而這三件事,才是真正的門檻。要理解這個門檻,得回頭看一個「先驅」——獵豹移動。2016年,傅盛帶著獵戶星空殺入服務機器人賽道,當時獵豹移動市值還在50億美元高點,商場導購機器人、酒店接待機器人一度進駐多個城市的萬達廣場和連鎖酒店。
但九年過去,市值縮水至不足1億美元,機器人業務長期虧損,淪為財報裡的「其他業務」。獵豹不是方向錯了,而是路徑錯了——核心感測器與運動底盤全數外部採購,做的是集成而非研發,賣的是概念而非產品;商場導購場景高度分散,中小商戶付費意願低,大客戶訂單有限,復購率慘淡。更致命的是,獵豹始終放不下萎縮中的工具業務基本盤,兩頭拉扯下,兩條線都無法建立競爭優勢。「能做」與「能活」之間的距離,隔著一條馬里亞納海溝。專業選手的處境也沒好到哪去。優必選2023年底在港股上市,成了「人形機器人第一股」,但資本市場並未給予想象中的溢價。截至2026年6月初,股價約110港元,總市值約510億元人民幣。
收入結構上,人形機器人收入佔比已達41.1%,卻高度依賴Walker系列,一旦交付不及預期,營收恐有斷崖風險;特斯拉Optimus、智元、宇樹又陸續滲透工業場景,客戶集中與替代風險尚未釋放。市場給出的低估值,本質上是在替「技術護城河到底夠不夠深」定價。王光熙甚至直言,目前具身智能融資市場存在明顯泡沫——「一個公司一個月融資三輪,估值就變了三次,從常識來講肯定是不對的」。與優必選的估值困境形成對比的,是宇樹與智元的受寵。宇樹科技即將登陸科創板,從申報到過會僅73天,創下科創板預先審閱機制落地以來最快紀錄;2025年營收16.99億元、淨利潤2.78億元、毛利率60.
13%,人形機器人全年出貨逾5500臺,是全球少數實現規模化盈利的整機廠。智元機器人更在2026年7月官宣啟動赴港上市,目標估值200億美元,相當於人民幣1350億元,預計全年營收達40億元。兩家憑什麼?關鍵在量產能力與數據閉環。宇樹把雙足人形機器人價格打到10萬元以下,同時實現規模化出貨,跑通了從研發、製造到銷售的完整鏈條;比量產更關鍵的是數據——機器人賣得愈多,場景數據愈多,模型迭代愈快,產品體驗愈好,這座飛輪一旦轉起來,追趕者成本將指數級上升。智元創辦人彭志輝有個著名判斷:人形機器人的終局競爭,不是硬體之爭,而是「大腦」之爭。
他提出的「三智融合」架構,融合大模型「大腦」、運動控制「小腦」與物理「本體」,本質上就是在構建數據飛輪。宇樹也走同一條路,2026年英偉達在GTC大會宣布選定宇樹作為首個面向研究人員的機器人系統合作夥伴,雙方合作推出新一代人形機器人——這紙合作不只代表品牌背書,更代表宇樹將進入全球頂尖AI研究機構的視野,拿到最先進的演算法反饋與海量科研數據。車廠與手機廠有錢、有場景、有供應鏈,卻沒有機器人基因與數據累積。比亞迪能造出一台在產線上鎖螺絲的機器人,但要在三年內建起覆蓋數千台機器人、數百萬小時運行數據的具身智能模型,那不是錢能買來的,是時間堆出來的。不過,高估值不表示高枕無憂。
這個行業還藏著一個甜蜜陷阱:科研教育市場依賴症。宇樹2025年前三季財報顯示,科研教育客戶貢獻人形機器人收入的73.6%,工業應用僅佔9%;智元、樂聚雖未公開細部數據,但業內普遍反映工業訂單尚未規模化。換言之,現在賣出去的機器人,多數不是去幹活的,而是去被研究的——高校買回去驗證演算法,科研院所買回去發論文,科技公司買回去搭Demo。這個市場需求穩定、付款即時,卻有肉眼可見的天花板:全球頂尖高校就那麼多,市場很快就會飽和。真正決定行業天際線的,是工業製造、商業服務、家庭消費這些萬億級場景;而進入那些場景,需要的是可靠度、成本效益與場景適配性,不是Demo能力。當潮水退去,門檻終將現形。
第一道門檻是量產成本——宇樹把價格打到10萬元以下,智元累計量產跨越萬臺,後來者想再靠組裝切入,已失去價格空間。第二道門檻是數據閉環——每一台在真實場景運行的機器人,都在為公司的模型貢獻數據,與自動駕駛的邏輯如出一轍。第三道門檻是場景綁定——工業客戶不會因為機器人會空翻就買單,只有真正在工廠跑過、在商場服務過、在家庭陪伴過的機器人,才累積得出不可替代的場景Know-how。比亞迪有汽車產線,但宇樹有在幾百種地形上摔過跤的經驗,後者才是機器人真正的「駕照」。2026年底到2027年初,業界預期將迎來一波大浪淘沙的資本檢驗期。
當IPO資金紅利耗盡、科研教育訂單見頂、工業客戶開始用ROI而非Demo效果來評估產品,那些只會組裝、沒有閉環能力的企業,將步上獵豹移動的後塵。宇樹科技的名字,本來想註冊成「科技樹」,因三個字無法註冊商標和域名才縮成「宇樹」,公司使命欄寫著「創建世界的科技樹」。科技樹的生長從來不是先長枝葉再紮根,根系扎得愈深,枝葉才能愈茂密。榮耀能做,比亞迪也能做,但它們做的是枝葉——用既有供應鏈能力搶進風口;而宇樹、智元們做的是根系——在沒有門檻的行業裡,默默壘高看不見的門檻。潮水退去之時,真正有門檻的公司,不是最早站在風口上的,而是最早開始挖溝的。
Related
相關文章

一年砸下110億美元,比紅杉還兇,白宮才是AI圈最猛投資人
美國白宮過去一年在AI領域投入110億美元,規模超越紅杉資本等傳統創投,顯示政府正以國家級資源全面押注AI產業。這筆資金分散於多個聯邦機構,涵蓋基礎模型訓練、醫療及氣候應用等關鍵環節,並強調負責任AI開發。此舉反映美國對維持全球AI領導地位的危機感,但也引發市場機制扭曲與技術商業化延緩的疑慮。

一口氣發佈三款教育插件,OpenAI教育產品再升級
OpenAI 推出三款教育插件,分別為課程助手、作業輔導員與互動學習夥伴,旨在協助教師備課與學生自主學習。這些工具整合至教育版平台,強調引導式學習而非直接給答案,並內建防護機制避免學生過度依賴。OpenAI 計畫未來加強多語言支援與特殊教育需求,持續深化教育科技布局。

騰訊、字節、阿里,搶著給打工人配「AI助理」
騰訊、字節跳動與阿里巴巴三大中國科技巨頭,近期紛紛推出或升級企業級AI助理,目標是提升白領工作效率。各家AI助理的競爭重點從回答問題轉向執行任務,並分別強調跨應用串聯、主動式智慧與企業級安全等不同特色。儘管面臨資料隱私與AI幻覺等挑戰,但市場調查顯示超過六成中國企業計劃在一年內導入AI辦公工具。

推行AI提效後,策劃們開始加班趕工期
當AI開始重寫小遊戲生產流程,真正的變化何時發生?這個問題在近期引發了業界廣泛討論。隨著人工智慧技術逐步滲透進創意與策劃領域,許多公司開始導入AI工具來提升工作效率,然而實際情況卻與預期有所出入。部分策劃人員反映,在推行AI提效後,他們不僅沒有減少工作量,反而因為系統調整與流程磨合,導致加班趕工期的現象頻繁出現。 這場變革的起點,源自於企業對AI生產力的高度期待。許多遊戲開發與內容製作公司,尤其是中小型團隊,紛紛導入AI輔助工具,試圖透過自動化生成文案、腳本、美術素材甚至程式碼,來縮短專案週期。

DeepSeek大漲價,Token價格戰終於要結束了?
DeepSeek大幅調漲API服務價格,引發市場對AI模型價格戰是否結束的討論。業界分析指出,漲價反映營運成本壓力與市場定位調整,可能代表中國AI產業從低價競爭轉向追求盈利與可持續發展。未來競爭焦點將從價格轉向模型效果與生態系統完整性,但漲價能否終結價格戰仍取決於市場供需與競爭對手反應。

狂攬130億!英偉達投的AI基建獨角獸又融資了
澳洲AI基礎設施獨角獸Firmus宣布完成20億美元(約136億人民幣)戰略股權融資,現有投資方英偉達與Coatue持續參投,並新增黑石旗下基金及Jane Street。該公司專注於設計、建設及營運AI工廠,核心產品HyperCube整合供電、液冷與伺服器機架,並提供GPU雲端算力服務。英偉達透過股權投資與技術合作,協助Firmus擴張亞太地區AI數據中心,同時擴大其晶片與計算架構的市場覆蓋。