2026年开年，具身智能赛道的融资节奏快得让人恍惚。
3月10日，灵初智能首次对外拆解了自己的融资盘：成立一年半，累计融资超过20亿元，投资方名单从国开金融、央视产业基金一路排到长飞光纤、上汽系产业资本。这家此前颇为低调的公司，估值在一年内翻了六到七倍。
这并非孤例。据不完全统计，2026年至今，中国具身智能及机器人赛道已披露融资合计约200亿元。银河通用25亿元的新融资刷新行业纪录，千寻智能连续两轮拿下近20亿元，自变量机器人、智平方、星动纪元等先后跨过百亿估值门槛。短短两个月，行业里多出了七家新晋独角兽。
但钱多并不等于故事清晰。一位近期参与了多起投资的机构合伙人坦言，现在大家都很着急，“二级市场一定会对具身智能的概念充满热情，但一级市场得先想清楚，这些钱到底在赌什么”。
答案正在分化。有人赌本体出货量，有人赌大脑泛化能力，还有人赌一个更底层的环节——数据。灵初智能两位创始人对媒体阐述的逻辑很直接：具身智能至今没落地，核心是数据问题，而数据问题的解法，藏在人的手上。
如果把2026年开年的融资图谱摊开，能清楚看到资本的流向偏好。
宇树科技、智元机器人仍在按自己的节奏推进，前者靠极致降本把价格打到3万元级，2025年量产下线超6500台。但更多新晋百亿估值的公司，把重心押在了“大脑”上。
自变量机器人推出了原生多模态架构WALL-A，强调VLA与世界模型的融合；千寻智能自研的Spirit v1.5模型成为首个在性能上超越Pi0.5的中国开源模型；智平方则打造了全域全身VLA大模型GOVLA，强调零样本泛化能力。
这些公司的创始团队多有AI或自动驾驶背景，他们的共识是：人形机器人的终局竞争是大脑的竞争。
资本对此的接受度正在提高。基石资本投资部董事张之宽观察到一个变化：随着VLA等技术路径逐步成熟，机器人在跨场景任务上的泛化能力明显提升，“大脑公司开始展现出更强的技术确定性”。
但尴尬的现实是，这批新晋百亿估值的大脑派，在商业化数据上并不亮眼。IDC数据显示，过去一年它们的出货量均在千台以内。相比之下，宇树和智元已经实现年营收10亿元的量级。
资本市场押注的不是当下的出货量。美国人形机器人公司Figure AI成立于2022年，出货量至今处于试点测试阶段，估值已达390亿美元。关键变量正是其自研端到端VLA模型“Helix”的推出，让机器人功能从搬箱子进化到叠衣服。在国内，自变量机器人的模型已能在无人工干预下完成外卖配送全流程，这是美团连续出手的底层逻辑。
也有人在赌另一个方向。灵初智能的两位创始人明确表示，不做整机硬件自研——轮式底盘已经供给过剩，但在灵巧手和数据采集装置上必须自研。这家公司的核心路线是用“无本体数采”的方式训练具身模型：人类佩戴数据手套采集操作数据，再用这些数据去训练基础模型。
这套方案能否跑通，目前还没有结论。但它的出现恰好戳中了行业的一个集体焦虑：数据从哪来？
“数据问题大家都有共识，但更底层的问题在于，目前还没有形成一种技术路径与商业模式相结合的机制，使得数据能够大规模、低成本地回流。”灵初智能CEO王启斌曾这么分析，具身领域现在还不存在“特斯拉模式”。
特斯拉模式之所以能启动，是因为从2013年开始铺垫，Model 3在2017年发布后很快做到年销量上百万台，靠巨量部署让数据快速回流，从而推动FSD迭代。但具身机器人今天面临的是典型的“鸡生蛋”难题：缺数据就无法大规模部署，无法部署就没有低成本的数据回流。
仿真数据曾被寄予厚望，但gap太大。灵初智能联合创始人陈源培复盘过团队对仿真的认知变化：早期做的一些demo——像打麻将——很多数据从仿真里收集，因为并行效率高、数据量可以迅速堆起来。但随着行业发展，人类数据规模变成可行方案之后，仿真在模型训练里的权重逐步下降。
这种判断正在行业内扩散。有创业者向媒体表示，真正限制具身智能进一步发展的是真实、可复用的数据。“进入2026年，数据问题已成为具身智能拓展能力边界时无法回避的核心约束。2026年，会是具身数据规模化积累和市场爆发的一年。”
灵初智能选择的方向是用人类数据切入。团队正在北京规模化部署一套多模态数据采集手套，采集触觉、多视角视觉、关节角等信息，目标是物流和商超场景的长程作业数据。据该公司透露，这套方案的成本3月份后可以达到整机遥操作的十分之一。
但也有投资人对此持保留态度。多家具身智能公司投资的人士向媒体表示，目前具身智能数据采集的订单主要来自地方政府。
数据的战争才刚刚开始。谁能采到高质量数据，谁能把数据训进模型，谁能用数据反哺商业闭环——这三个问题正在取代“机器人能不能翻跟头”，成为行业的新赛点。
热闹的融资数字之外，另一个数据值得注意。
据人形机器人场景应用联盟不完全统计，2025年中国市场公开披露的人形机器人中标项目超过292个，披露的合同金额合计超18.1亿元。但其中235个项目金额在500万元以下，单笔过亿元的项目仅有四个。
多位投资人和行业人士向媒体透露，具身智能公司的订单“有水分”，业内很多订单往往只付了定金便不了了之，但企业在对外宣传时，依然会把这些意向订单或框架协议包装成实际交付量。这也是行业非常尴尬的点：大量所谓的‘商业化订单’，本质上是公关性质的展示采购和数据采集合作，而不是真正意义上的生产力替代。
灵初智能对落地场景的选择显得颇为谨慎。团队花了接近半年把大量场景梳理了一遍，最终选了三个细分场景：衣服供包、入箱检、分拨墙。王启斌解释，选这些场景的逻辑除了商业能不能跑通，还叠加了一个更重要的维度：数据能不能在真实场景里形成增量，数据回流能不能反哺模型。
他透露，在服装供包场景，团队已经能做到千件以上衣服的泛化，节拍最高可以到800 UPH。能做到这个节拍，靠的是以强化学习为主的训练流程。陈源培解释，强化学习在训练过程中有一段“自我探索+加速”的阶段，动作速度有机会超过人类遥操作的上限，“用强化学习训出来的动作往往更干净、更利落，也更灵巧”。
但一个客观事实是，即使做到800 UPH，距离真正替代人工仍有距离。行业里更普遍的现状是，机器人还无法做到毫米级精确度，只能做到厘米级，很难完成拧螺丝等相对精细的工作。
首经贸大学劳动经济学院副院长苗仁涛曾指出，我国智能机器人在运动控制算法、精密减速器、高精度传感器等核心技术方面，仍落后于国际巨头。人形机器人核心部件依赖进口的比例仍超过40%。
这种现实下，2026年到底意味着什么？
有创业者的判断在业内引发共鸣：“2026年不是‘商业化爆发元年’，而是‘商业化验证元年’与‘淘汰赛元年’的叠加。”
中国目前有200多家具身智能企业，其中人形机器人超过100家。头部企业快速获取资金后，第二梯队的生存空间正在被挤压。研究机构已经观察到，“一些公司事实上已经不行了，只是还保持着低速运转”。
喧嚣之后，什么才是真正重要的？有观点认为：“具身智能正在脱下科技华服，穿上‘战袍’走向战场。春晚的热闹终会散去，资本的热情也会归于平静。最后留在牌桌上的，一定是那些真正在车间、在仓库里、在各行各业干起活来的机器人。”
对于灵初智能以及所有拿到巨额融资的创业公司来说，2026年的考题已经摆在那里：数据能不能闭环，模型能不能泛化，场景能不能跑通。答案不在融资发布会上，在客户的车间里。
本文来自微信公众号“财能圈”，作者：思嘉丽，36氪经授权发布。
发布时间：2026-03-12 12:15
立即订购
在线咨询
返回顶部