从机器狗到手术机器人 人形机器人迎来规模化前夜
中国人形机器人产业链正快速成形，从消费娱乐到工业与医疗场景持续扩张，但真正规模化商业落地仍面临效率、数据与工业适配挑战 财联社Marketwatch专栏 当前，人形机器人正成为全球科技竞争的新焦点。随着人工智能、高端制造、新材料等技术的加速融合，人形机器人已从实验室走向多元化应用场景。中国凭借完整的制造体系、活跃的应用市场以及持续的研发投入，已逐步构建起从核心零部件到整机集成的产业链雏形。然而，尽管市场预期高企，商业化落地仍面临效率、数据生态与适配度等真实挑战。 开始进入真实场景 当前的中国机器人产业链呈现多元发展态势。各厂商正基于自身优势探索各大细分应用场景，覆盖从娱乐消费到工业特种应用，差异化特征明显。 在消费与服务场景，低成本产品已开始进入大众可负担的市场。比如，售价150元的智能AI机器狗具备语音互动、唱歌、跳舞、翻跟头等功能，反映出微型机器人已具备量产商业性。与之形成对比的高价值医疗场景同样取得了进展，正如典型例子植发手术机器人已在民营及公立医院使用，针对民营机构售价约120万元。 同时，工业和商业服务场景则呈现出更深入的应用。在以“无人化工厂”、“智慧零售”、“智慧厨房”的三大代表性场景中，机器人承担起零售取物、导购讲解及烹饪作业等不同维度的专业角色。而面向水下探测、海洋科考、水利巡检的潜水机器人预计2026年下半年量产，整套售价约60万元。 此外，娱乐展示场景亦值得关注。一个典型的例子是宇树科技推出的能进行“拳击格斗”表演的人形机器人，在娱乐观众的同时也反映其动态平衡与实时交互控制技术的进步。有趣的是，机器人租赁模式正在兴起。以全球首个开放式机器人租赁平台——机时租为例，其面向企业客户与个人用户提供机器人租赁服务，日租金为5,299元至11,900元，大大降低了普罗大众对前沿机器人技术的试用门槛。 上游零部件率先受惠 当前人形机器人产业链中，上游核心零部件环节成为热潮下最显著的受益板块。精密减速器、灵巧手、伺服驱动等关键部件订单饱满，产能持续扩张。 精密减速器领域的主要企业绿的谐波（688017. SH）披露，其2025年全年出货量达到50万台，2026年目标提升至80万台。目前该企业每月产能均在持续扩大，订单已排期至2027年，直接反映了下游整机的旺盛需求对上游部件的强力拉动。 灵巧手作为人形机器人的关键末端执行器，同样呈现量增价降的良性趋势。因时机器人最新发布的仿人五指灵巧手，具备15N拇指主动输出力及8KG单指静态被动载荷，售价为1.8万元，较去年同期同类产品售价下降一倍，主要得益于行业整体出货量提升。 另一方面，3D打印技术开始切入人形机器人产业链上游。由于当前人形机器人爆发背后存在研发迭代慢、小批量成本高、设计受限、供应链分散等制造挑战，而3D打印在生产批量零部件方面相比传统工艺具备显著的成本与效率优势。 此外，整体生产排期持续紧张。上游核心零部件环节受益于整机需求释放，呈现出货量攀升、订单高涨、价格优化及制造工艺创新等多重特征，是当前人形机器人产业链中受益最显著的受益环节。 规模化落地仍有距离 尽管IDC预测2030年全球人形机器人出货量将突破51万台，年复合增长率接近95%，呈现全面乐观预期态势，但业内普遍认为机器人商业化落地仍面临效率、数据生态与工业现场适配三大核心挑战。 首先，机器人作业效率差距显著，目前在实际作业中的综合效率普遍低于人类。同时，数据生态成为当前制约行业发展的最大问题，而非硬件。由于整个数据生态仍处于初级阶段，因此当前核心目标是通过数据使用者的持续迭代，以及数据的生产与交互不断完善基础设施，最终塑造稳定的产业优势。 另外，工业场景应用仍面临系统性适配难题，因为具身智能走进工厂不能简单移植实验室算法，而需要从工业的底层逻辑出发重构架构。最显著的挑战包括工业领域的成本、效率、可靠性的不可能三角；以及当厂房内数十台甚至上百台机器人同步运行时，任务种类、工作节奏及效果要求的增加会指数级升高系统复杂程度等。 总的来说，展望未来，人形机器人不应仅被视为一个产品，而是引领未来科技发展的技术母体。其技术突破将产生强大的溢出效应，带动人工智能、新材料、量子计算、脑机接口、物联网、大数据等一系列高新技术和产业的快速发展。 财联社Marketwatch专栏提供有关中国各行业的洞察与分析。他们的联络方式：liujingyi@cls.cn 欲订阅咏竹坊每周免费通讯，请点击这里
融资2.8亿美元 灵初智能押注具身智能“大脑”
这家主打“小全栈”模式的初创企业，同时押注具身机器人，以及训练并维持其运行所需的人工智能模型与相关服务 重点： 灵初智能20亿元的天使轮与Pre-A轮融资，凸显在中国大力押注具身智能技术之际，资本正迅速涌入这一领域 对投资者而言，更大的押注或许不在于那些吸引眼球的机器人本身，而是在于数据、训练闭环以及部署系统，这些要素才让机器人能在现实世界中找到真正的用途 胡鸣鹤 机器人对投资者而言并不是新鲜事，真正新的，是资本投入的规模。越来越多资金正流向那些把快速进步的人工智能代理，与能在现实世界执行实际任务的机器结合起来的公司。这也解释了为何具身智能初创企业北京灵初智能科技有限公司在成立仅两年后，就能在天使轮与Pre-A轮融资中筹集到高达20亿元（约2.8亿美元）的资金。 公司在上周公布融资消息时并未披露估值，但对一家如此年轻的企业而言，这一融资规模仍十分突出。根据IDC数据，2025年全球人形机器人销售额仅为4.4亿美元。 与融资金额同样重要的，是宣布的时机。就象征性而言，灵初智能在3月10日公布融资消息，正值中国每年一度的两会期间。这是中国年度政治周期的高峰时刻，政府会在此讨论来年的政策重点。今年的会议尤为重要，因为会上公布了中国十五五规划，再次强调人工智能、机器人以及相关产业落地的重要性。在这样的背景下，灵初智能的融资看起来不仅是对一家初创公司的信任投票，更契合了政策制定者与投资者推动人工智能走出概念阶段、进入实体经济的整体方向。 这一转变正是灵初智能所强调的核心价值，与其加入打造各种能跳舞、打功夫的展示型具身模型的竞赛，公司表示，新一轮融资将主要用于支撑真正让机器人运作起来的基础能力，包括更大规模的物流场景部署，以及建设大规模数据采集系统。 灵初智能将自身定位为既不是纯软件公司，也不是完全垂直整合的硬件制造商。相反，公司提出一种所谓的“小全栈”模式：在硬件设计的关键环节，如机器人结构、运动范围与自由度等方面保持控制权，而核心零部件的生产与整机制造则交由专业供应商完成。这种分工模式十分清晰，公司既能掌握系统设计与调校的核心能力，又不必承担全部自主设计与制造带来的高昂成本。 在实际应用中，未来一代实用型机器人面临的最大难题，可能并不是制造出令人惊艳的机器本身，而是如何收集足够高质量的数据，使这些机器在复杂而混乱的现实环境中依然可靠运作。对大型语言模型而言，互联网本身就是一个庞大的资料库，可以为其提供训练所需的信息。 但机器人并没有这样现成的资源，它们需要通过模拟、远程操作以及实际场景使用来学习，因此所收集的数据本身就成为一项战略资产。资金充足的竞争对手已开始结合模拟数据、人类动作视频以及已部署机器人的反馈，建立更大的训练闭环。灵初智能的系统看起来正是希望通过构建可扩展、可重复的学习管线，获得类似的能力。 实际落地 这种对实际落地的重视，是灵初智能与一些更容易登上新闻头条的具身机器人初创企业之间的重要区别。近来具身机器人备受关注，特别是在今年农历新年期间亮相央视春晚后更是成为焦点。但市场热度与商业现实往往并不同步。特斯拉的Optimus仍然是这场竞赛中最具代表性的象征，但真正具有意义的量产规模仍要等到今年稍晚。 相比之下，灵初智能似乎认为，一些不那么炫目的工作，特别是物流与操作任务，反而更可能带来早期收入来源。公司不仅押注自身的具身机器人硬件，也同时提供通用型具身智能能力，包括大规模视觉—语言—动作（VLA）模型 以及灵巧操作演算法，供其他机器人开发者使用。 公司的投资者名单也印证了这一方向，天使轮吸引了国有背景及产业资本参与，包括国开金融、国中资本以及一家与央视相关的产业基金。Pre-A轮则引入了上海国资背景的徐汇资本、地方政府基金、市场化基金，以及既有股东的追加投资。对一家年轻公司而言，这是一项相当重要的背书。 创始团队的背景同样不容忽视，创办人王启斌拥有超过二十年的硬件与商业化经验，曾负责京东的机器人业务。公司还提到与北京大学共同建立的联合实验室，专注于具身灵巧操作研究，为其商业故事增添了一层学术背景。 更广泛的市场环境也正在变得有利。IDC表示，2025年全球人形机器人出货量约为1.8万台，同比增长508%，其中中国制造商在规模交付方面率先取得领先地位。这表明该产业正开始在实验室之外找到商业买家，也解释了为何投资者突然愿意向这一领域投入大量资金。在海外，Figure AI和Skild AI等公司也围绕类似的人形机器人与机器人智能理念募集了大额资金。灵初智能的这笔新融资，正好契合了这股更广泛的资本浪潮。 尽管如此，这个产业仍处于早期阶段。目前的需求仍主要集中在娱乐表演、教育与科研，以及数据采集，而非大规模工业部署。同时，商业模式也开始从一次性的硬件销售，逐步转向服务、维护以及平台型产品等能带来持续收入的模式。这一点对灵初智能尤为重要，因为公司押注数据与训练基础设施可能成为持续创造价值的来源，为公司提供稳定收入，而不只是一次性的设备销售。 尽管如此，大额融资与可持续的商业模式并不完全等同。灵初智能表示，公司已经走出实验室，例如在服装仓库等半结构化物流场景中部署产品，让机器人完成条码扫描与多品类分拣等任务。这类重复但又具有变化的工作场景，往往是投资者最关注的应用案例，因为它们比展示性的演示更接近真正的商业化。不过，公司仍需要证明，这些早期试点能否最终转化为大规模部署并带来可观收入。 展望未来，更大的问题在于具身智能的长期价值究竟会落在哪一层，显而易见的赢家可能是那些制造机器人本体的公司。但同样重要的一群企业，可能是提供数据、训练以及部署系统的第三方服务商，这些系统能够帮助机器人完成训练并在实际使用中持续提升能力。 这似乎正是灵初智能瞄准的价值层，如果公司能将部署转化为可持续的重复业务，那么在如此早期阶段完成的大额融资，未来看来可能是一笔对具身智能真正价值所在的成功押注。但如果未能做到，其案例也将再次提醒市场：实体人工智能的发展是一门充满不确定性的生意，投资者往往需要猜测市场走向，而这种猜测并不总是成功。 欲订阅咏竹坊每周免费通讯，请点击这里
具身智能落地工业场景 玖物智能用盈利为自己代言
在具身智能与人形机器人热潮持续升温之际，市场真正稀缺的，是能用盈利验证商业模式的案例，玖物智能的上市，正好提供了一个值得检视的样本 重点： 玖物智能已向港交所递交上市申请，公司近几年保持盈利，去年前九个月利润按年增约七成 超过九成收入来自智能具身产业机器人解决方案，业务高度集中工业场景 李世达 在一波又一波“具身智能”与人形机器人热潮中，市场其实一直没有等到那个真正关键的时刻。在一段又一段示范影片、机器人表演，与创办人的宏大愿景之外，市场更需要看到真实的盈利数据，来验证这种新技术带来的商业模式是否可行。 近日苏州玖物智能科技股份有限公司正式向港交所递交上市申请，就提供了这样的机会。 与不少直接以“具身智能”作为创业起点的公司不同，玖物的发展路径更像是一条被工业需求逐步推着前进的技术演化线。成立于2017年的玖物智能，并非直接以人形或具身智能概念起家，而是从工业物流与移动机器人切入，在真实工厂环境中累积感知、导航与调度的工程经验。 2018年，玖物推出自研的JOS机器人操作系统，将感知、运动控制与任务规划整合于同一架构中。这套系统并非为展示而设，而是针对工业场景中高度不确定、长时间连续运行的需求开发。随着系统成熟，公司开始进一步切入清洁能源、电子与半导体等制造环节要求更高的产业，并在拉晶、切片、电池制造与高精度电子工序中部署具身智能机器人。 工程化具身智能落地 正是在这些高门槛场景的反覆交付中，玖物逐步确立自身定位——为特定工业流程提供端到端的智能具身产业机器人解决方案。这意味着，公司并非销售单一标准化设备，而是深度参与客户生产流程的设计与重构，从前期评估、系统集成到后续维护，均构成其核心业务。正因如此，玖物的竞争并不完全等同于传统工业机器人制造商，而更接近于“工程化的具身智能落地者” 这一定位，直接影响了其财务轮廓。数据显示，2024年玖物来自智能具身产业机器人解决方案的收入占比已达96%，2025年首九个月进一步升至97.9%，几乎完全押注于解决方案模式。 随着业务规模化，这一路径开始在财务层面获得验证。2023年，公司收入为2.07亿元；2024年增至3.66亿元，按年增长76.9%。期内利润由913万元增至3,264万元，增幅达257.4%。截至2025年9月30日止九个月，收入同比升70%至4.10亿元，期内利润亦有近70%的同比增长。 盈利能力持续改善 在被市场归类为具身智能的企业集合中，玖物是少数已经完成盈利闭环的案例，其“先工业、后通用”的路径亦反映在毛利率走势上，公司毛利率由2023年的22.5%提升至2024年的25.4%，2025年首九个月进一步升至32.1%。 不过，作为以项目制为核心的工业解决方案商，玖物亦承受典型结构性压力。公司经营现金流在2024年及去年前九个月均为净流出，主要反映回款节奏与验收周期较长的特性。另外，客户集中度亦相对偏高，前五大客户收入占比在2025年首九个月升至63.2%。这些问题虽不严重，但仍会影响市场对其估值方式与风险溢价的判断。 从港股已上市的具身智能公司来看，市场其实并不吝于为相关叙事付出高估值。优必选（9880.HK）自2023年上市以来累升约60%，过去六个月也有68%升幅，目前市销率约有35.7倍，2024年底上市的越疆机器人（2432.HK）股价则接近翻倍，市销率约34.7倍。 值得注意的是，两家公司至今仍未实现稳定盈利，市场主要以高市销率押注其通用化与平台化的长期想像空间，不确定性本身成为估值溢价来源。相较之下，玖物的处境更为复杂。一方面，公司已在工业场景中完成具身智能的工程化落地，并实现稳定收入与盈利，显示其商业模式具备可行性与可复制性；但另一方面，正是这种较早兑现，也在某种程度上收敛了市场的想像空间。 当业务被清楚锚定于特定工序与工业流程时，投资人更容易估算其成长上限，也更倾向以工程型成长公司的框架来定价，而非为远期通用化预支过高溢价。不过，这也为投资人提供了一个重要的观察点：在具身智能逐步从概念走向工程化落地的过程中，市场究竟是更看重想像空间，还是开始为可验证的盈利能力重新调整风险溢价。 欲订阅咏竹坊每周免费通讯，请点击这里
为何人形机器人无法承受智慧的重量？
人形机器人被视为具身智能实现的核心形态之一，但其与AI大模型的结合，仍有一段路要走 头豹研究院 在生成式AI快速演进的当下，人形机器人被视为具身智能的最佳载体，但将AI大模型真正落地至这一复杂平台，却远比想像中困难。头豹研究院综合行业分析师饶立杰指出，尽管政策支持与产业资本逐渐聚焦，大模型与人形机器人结合仍面临明显技术与商业挑战。 硬件是最直接的限制。以GPT-4等千亿级参数模型为例，其推理过程需数十GB记忆体与上百TOPS（万亿次运算/秒）算力支援，而现阶段多数人形机器人所采用的嵌入式运算平台（如英伟达Jetson系列），算力仅介于10至50 TOPS，远不足以应对大型语言模型的运算需求。这迫使机器人需仰赖云端处理，但无论是5G或6G模组，每小时约消耗5至10W电力，加上传输延迟与失效风险，都不利于机器人进行实时决策。 此外，若选择本地运行大模型，则需搭载高阶AI处理器如英伟达Orin，其典型功耗达15至30W，配合目前1至3kWh的机器人电池容量，将导致续航力大幅缩减，甚至缩短75%以上。对一台设计用于长时间自主工作的机器人而言，这是致命短板。 控制反应落差大 即使克服算力问题，传感器与大模型的数据链整合也非易事。人形机器人在环境感知与动作控制上需在100至300毫秒内完成感知—理解—行动的反馈闭环，然而目前大型语言模型推理延迟往往达秒级，在实际应用中无法满足即时控制需求。 举例来说，当机器人接收到语音或视觉输入后，需即刻决定“是否行动”、“如何行动”，但大模型计算延时过高，容易导致行动滞后甚至错误，特别在高风险或复杂环境中，更难以保证操作安全性与精准性。 除了技术问题，商业落地也是目前尚未解决的核心挑战。高算力需求意味着高硬件成本，若需搭载如英伟达 A100等GPU，其单颗售价高达1.5万美元，使整机成本轻易突破数万美元，远高于消费市场可接受的人形机器人理想价位（约为10,000美元以内）。这也直接压缩了商用部署的投资回报率空间。 即便勉强部署，大模型在人形机器人上的应用场景仍以仓库、工厂等半封闭环境为主，对如家庭看护、零售接待等开放性场景仍难以实现灵活适应。此外，AI模型在不同空间、语义与行为需求的泛化能力不足，也让人形机器人的商业化缺乏稳定成长基础。 人形机器人要真正搭载并运行AI大模型，需要算力、电源管理、控制延迟与场景泛化等多重技术突破同时发力。短期内，垂直领域的小模型或中型模型更具可行性，能在工业检测、医疗辅助等场景中先行落地。未来随着轻量化AI晶片与边缘运算架构进一步成熟，AI大模型或可真正成为人形机器人的“大脑”，引领具身智能迈向更广阔的商业前沿。 头豹研究院中国是行企研究原创内容平台和创新的数字化研究服务提供商，拥有近百名资深分析师，联系方式：CS@leadleo.com 原文刊登于《时代周报》，记者为朱成呈 本文内容纯属作者个人意见，不代表咏竹坊立场 欲订阅咏竹坊每周免费通讯，请点击这里
