2025年，對於具身智能行業來說，是一個充滿轉折和機會的年份。
在資本狂歡和產業試探中，具身智能走過了關鍵的量產元年。
年初，宇樹機器人在春晚上的扭秧歌，成為了日後在線下商場、公園等地看見機器人、機器狗表演的註腳。
除了機器人表演吸人眼球，另一引人注目的就是行業的融資熱度。
IT桔子數據顯示，2025年前三季度，國內機器人行業新增一級市場融資事件達610筆，較去年同期的294筆實現翻倍增長。
從估算金額來看，2025年前三季度，國內機器人創業企業獲得的融資總額約500億元，是去年同期的2.5倍。
在融資的高熱度之下，與其形成高度割裂的，是對行業估值泡沫大的質疑，是技術曲線仍停留在可用向可靠的爬坡階段，是工程化與成本、供應鏈穩定還處在深水區。
這些冰冷的現實，遠比精美的商業化故事難以跨越。
這場狂奔的背後，是技術理想與資本現實的錯位拉扯，更是產業從概念走向成熟的必經陣痛。
01 進廠與上市，按下加速鍵的一年
2025年，行業最大的變化在於節奏。從實驗室研發到場景落地，再到資本變現，所有環節都被按下了加速鍵。
今年具身智能領域融資空前火爆，9家公司完成13筆超1億美元融資成為常態。國內方面，它石智航成立僅數月便連獲兩輪超1.2億美元天使融資，樂聚機器人獲15億元Pre-IPO融資，銀河通用單筆拿下3億美元刷新行業紀錄。
美國市場更為瘋狂，Figure AI的C輪融資讓估值從26億美元暴漲至390億美元，專註機器人大腦的Physical
Intelligence估值從24億美元躍升至56億美元，Skild
AI也正與軟銀、英偉達洽談超10億美元融資，估值有望達140億美元。
無獨有偶，融資浪潮與IPO衝刺幾乎同步發生。
十餘家企業扎堆遞交IPO申請。極智嘉、雲跡科技已成功登陸港股，宇樹科技有望成為A股\”人形機器人第一股\”，智元機器人通過收購上緯新材獲得上市平台並完成管理層更迭。樂聚機器人、銀河通用、雲深處等頭部玩家也在加速推進上市進程。
當前，行業IPO呈現出資本陣營分化、上市節奏分層、商業化成熟度差異顯著三大特徵，背後的投資方構成與上市路徑選擇，更能反映行業發展階段。
從投資方來看，已上市與待上市企業的資本背景呈現明顯差異。
已成功上市的極智嘉、雲跡科技，背後是紅杉中國、高瓴資本、騰訊投資等綜合型頭部VC/PE，這類資本更看重企業的商業化落地能力和穩定營收。
而處於待上市或籌備階段的智元、宇樹、樂聚等，資本構成更偏向「產業資本+國資+專項基金」——智元背靠華為系資本，宇樹獲得經緯創投、中金資本等加持，樂聚則引入了地方產業基金，這類資本更容忍前期虧損，聚焦技術突破與規模化潛力。
從核心差異來看，已上市與未上市企業的關鍵分水嶺在於商業化成熟度與產品形態。
已上市的極智嘉、雲跡科技均以非人形機器人為主，聚焦物流、酒店等標準化場景，已形成穩定營收和現金流，上市募資主要用於產能擴張和全球化布局。
而待上市或籌備中的企業多以人形機器人為核心產品，當前仍處於試點驗證+小批量交付階段，營收規模有限且依賴訂單，上市核心訴求是通過資本補血推進技術迭代和規模化量產，兩者的發展階段相差約2-3年。
驅動這一切的根本動力，在於行業越過了Demo驗證期，進入了更為實在的落地驗證期。
多筆千台級訂單的簽訂，以及量產機器人開始進入工廠創造價值，讓具身智能的產業邏輯得到了初步驗證。
在機器人進廠這條路上，優必選目前走得最遠。其Walker系列人形機器人全年訂單總額超13億元，單筆最高達2.64億元。
從交付看，其工業機器人已交付超200台，預計全年超500台，並已在吉利、比亞迪、富士康、順豐等企業的工廠中實訓。
智元機器人緊隨其後，通過與龍旗科技、均勝電子等客戶的深度綁定，獲得了天然的落地場景和供應鏈保障。
其第5000台通用具身機器人已下線，其中1412台精靈系列工業機器人已開始商用交付。
海外玩家裡，Agility Robotics在物流巨頭GXO的工厂部署的Digit機器人已配送超30萬件商品，Figure
AI的F.02機器人在寶馬車隊服役超1250個小時，參與了超3萬輛汽車的生產。
當前機器人落地呈現場景分層、企業分層、形態分層的鮮明特徵，不同層級的玩家聚焦不同賽道，形成差異化競爭格局。
從落地場景來看，已形成清晰的分層布局。
第一梯隊是汽車製造與消費電子場景，代表企業包括優必選、智元、Figure
AI，任務涉及裝配、搬運、質檢，對精度和穩定性要求苛刻，但訂單價值最高。
第二梯隊是物流倉儲場景，代表企業為Agility
Robotics、極智嘉，核心任務是分揀、配送，場景標準化程度中等，依賴規模化降本。
第三梯隊是特種巡檢場景，代表企業為雲深處、宇樹，以非人形機器人替代高危環境人力，定製化程度高，利潤空間大。
第四梯隊是文娛、教育等消費級場景，代表企業為宇樹、松延動力，需求分散，更多承載品牌與技術展示功能。
對應的，落地企業也呈現分層：頭部企業憑藉綜合優勢，已拿下汽車等核心場景的千台級訂單，進入小批量交付階段。
腰部企業則聚焦細分領域，通過與大客戶戰略合作獲取試點機會；海外頭部企業則依託技術先發優勢，與寶馬、GXO等全球巨頭合作，驗證技術並搶佔高端市場。
這些真實的案例，共同勾勒出一條清晰的產業化路徑：從汽車、電子等標準化程度高的行業切入，以單一場景的重複性任務為突破口，逐步實現從單點試點到產線協同的延伸。
02 機器人離「能幹活」還有多遠？
儘管資本和市場的推動力不可忽視，但真正決定具身智能是否能大規模落地的，仍然是技術實現的難度。
資本的狂歡與訂單的增長，並不能完全掩蓋技術層面的深層挑戰。從演算法的成熟度、工程化的挑戰，到可靠性和安全標準的制定，具身智能距離徹底能幹活還面臨著諸多技術障礙。
此外，成本與效率的失衡，以及人形與非人形機器人在落地技術難點上的差異，進一步拉長了「能幹活」的實現周期。
過去一年，硬體能力的進步有目共睹。無論是宇樹機器人打拳擊的娛樂展示，還是雲深處機器狗執行巡檢的務實應用，背後都是硬體性能的支撐。
一個明顯的趨勢是，在參數躍升的同時，降價成為貫穿全年的主線。
松延動力推出了售價僅9998元的布米，加速進化的Booster
K1和宇樹的R1定價均在2.99萬元，宇樹G1則將價格下探至8.5萬元。
中國廠商在成本控制上，已展現出強大的工程能力。
然而，仔細觀察這些產品不難發現，它們多為中小型尺寸，應用場景偏向文娛表演，難以承擔繁重的體力勞動或精細的工業操作。
這背後一個關鍵制約因素是：行業仍缺少一雙足夠好用、且成本與性能平衡的靈巧手。
靈巧手，作為人形機器人與物理世界交互的最後一厘米，直接決定了機器人工作能力的上限。當前市面產品技術路線紛雜，售價從幾千元到二十萬元不等，尚無一款產品具備絕對統治力。
目前行業內中小尺寸的機器人多配的是「假手」，全尺寸機器人裝配靈巧手的比例雖有所增加，但真正投入實際作業的寥寥無幾；而進工廠比例更高的輪式機器人，大多仍採用夾爪方案。
核心問題在於，靈巧手的實用性尚未全面超越夾爪。
由於賽道過早陷入價格戰，產品質量參差不齊，給本體廠商的選擇帶來困難。
更為關鍵的是，靈巧手的實際使用壽命仍是巨大問號。宣傳中的壽命多為空載測試結果，與實際負載工況相差甚遠。許多靈巧手在真實使用中壽命僅1-3個月，最短的可能一周就會出現故障。
此外，市面上靈巧手重量多在370-1200克之間，普遍比人手的400克要重，這會導致機器人能耗上升、動作遲緩，甚至引發不穩定振動或步態失衡，嚴重影響作業效率。
硬體端的工程化難題桎梏著機器人的執行力，而軟體端的演算法瓶頸則讓機器人難以真正變聰明。
年初，美國公司Figure
AI與OpenAI解綁，發布自研的端到端VLA（視覺-語言-動作）模型Helix，讓以「快慢腦」系統為核心的VLA模型架構受到關注。
中國公司里，星動紀元的端到端VLA模型ERA-42、星塵智能的VLA模型DuoCore同樣採用了這一思路。
而像模型能力更為突出的Physical Intelligence、自變數機器人堅持端到端統一的VLA架構。
尤其是Physical
Intelligence推出的π系列模型，性能一直在行業里佔據前排，已開源的π0、π0.5都被稱為了最強的開源VLA模型之一，成為眾多機器人企業的技術參考基準。
儘管兩年內具身智能在模型端取得明顯進展，但行業並未迎來語言大模型那樣的 Scaling
Law，短期內難以實現具身智能的「ChatGPT 時刻」。
這一困境的卡點集中在數據、模型、系統工程三個層面：
數據層面，優質多模態數據極度稀缺。目前行業普遍採用 「模擬數據 + 真實數據 + 開源數據集」 的組合方式擴充數據規模。
但模擬數據與真實場景存在偏差，真實數據採集成本高、標註難度大，開源數據集覆蓋面有限，導致模型訓練效果受限。
模型上，現有的模型架構還不夠成熟，泛化能力存在明顯障礙，缺乏統一且高效的模型方案。同時，機器人學習新技能效率低，投入和產出回報不完全形成正比，規模化技能拓展面臨成本壓力。
系統工程上，缺乏統一標準導致軟硬體難以解耦，模型通用性差；同時，機器人本體有限功耗與雲端計算延遲之間的矛盾，構成了算力部署的天然瓶頸。
而除了真實可見的技術參數，來自成本與效率的剪刀差帶來了更深層的制約。
儘管單機價格下降，但人形機器人距離規模化經濟臨界點仍有距離。行業測算顯示，其每小時綜合成本需降至15美元以下，投資回收期短於2年，才對製造業有普遍吸引力。
目前領先企業的產品，在理想工況下僅能勉強觸及這一門檻。一旦計入部署調試、定期維護、演算法迭代和潛在產線改造等隱性成本，總擁有成本（TCO）顯著上升。
另一方面，機器人的作業效率仍普遍低於熟練工人，在需要高度柔性和判斷的工位上差距更大。
成本不低、效率不高的現狀，使得機器人對大多數工廠而言，仍是一項需要精打細算的戰略性投資，而非能快速鋪開的降本工具。
除此之外，面對行業量產熱和落地熱，我們需要重新審視人形與非人形機器人在落地技術難點上存在顯著差異，因為這種差異決定了兩者的發展節奏和落地優先順序。
總體來看，具身智能技術已實現「從0到1」的突破，但「從1到N」的規模化仍面臨多重製約。
人形機器人受限於運動控制、靈巧手、演算法泛化及成本效率問題，短期內難以大規模落地；非人形機器人雖技術成熟度更高，但場景天花板有限。
只有當人形機器人突破核心技術瓶頸、實現成本與效率的平衡，同時非人形機器人向更複雜場景延伸，具身智能才能真正實現「能幹活」的產業化目標。
03 資本邏輯：退出壓力與估值窗口的博弈
行業的狂歡中，忙碌的不只是創業公司，還有生怕錯過「下一個宇樹」的投資機構們。
儘管年初金沙江創投主管合伙人朱嘯虎公開質疑人形機器人商業化困難，並批量推出具身智能項目引起了一陣討論，但今年整體的融資熱情不可抵擋，完全超過了2024年。
這種看似矛盾的現象，反映了投資界的一種普遍心態：怕投錯，但更怕錯過。許多投資人內心深處或許認同質疑的聲音，但行動上卻選擇積極下注。
這份著急背後，是募資與退出的雙重現實壓力。
2024年VC/PE募資規模同比大幅下降。中國基金業協會數據顯示，全年新備案基金募資總額為4121.42億元，較2023年同期減少近四成。
其中，全球一級市場更是處於「冰火兩重天」，SaaS、消費互聯網融資枯竭，AI和硬科技成了唯一的避風港。
許多基金面臨來自出資人的回報壓力，急需在像具身智能這樣的「超級賽道」中投出明星項目來證明自己。
具身智能，承載了整個AI技術硬體化、實體化的巨大期望。
與此同時，退出渠道的狹窄加劇了焦慮。大部分具身智能企業成立僅1-3年，尚屬初創階段，通過IPO、併購等傳統方式退出的難度較大。
在這種矛盾中，投資人只能努力讓對未來的期望壓倒當下的焦慮。
當前的投資邏輯已經分化，有投資人坦言，對於以小腦即運動控制為主的公司，開始要看量產能力和訂單；而對於做大腦的公司，現階段仍可以更關注技術潛力。
但也有投資人表示，現在出手也需要開始看企業的實際量產交付情況。
緊隨融資熱而來的，是關於估值泡沫的激烈爭論。
業內對此分為兩派：一派認為估值確有虛高，但需要這樣的資本「外溢」來推動整個行業的基礎設施和生態建設；另一派則認為，與海外動輒數百億美元的估值相比，國內泡沫不是太多，而是太少，對於這樣一個具備戰略意義的賽道，需要更強大的資本投入強度。
目前，全球具身智能初創企業中估值最高的是美國的Figure
AI，估值390億美元。國內市場里，宇樹、智元和銀河通用佔據前三，最新數據顯示，銀河通用以200億元的估值領先，隨後是智元的180億元估值。
賽道估值泡沫已成為公開秘密，但當前具身智能項目普遍缺乏PMF驗證，部分企業甚至未實現營收，甚至未發布具體產品，估值依然能攀升到數十億元。
儘管爭議不斷，但產業資本、國資及地方產業基金的入局，為行業注入了新的活力。
政府支持政策的密集出台與企業端標杆訂單的簽訂，正在持續放大具身智能的行業價值：上海設立10億元具身智能專項基金，對核心部件研發給予15%研發費用加計扣除；北京亦庄集聚300餘家生態企業，打造國家級創新平台。
然而，在熱潮之下也需冷靜看待。
多數億元級訂單或者千台訂單大多還是框架協議，實際交付金額僅為協議總額的10%-20%，且多與政府補貼或上市公司市值管理直接掛鉤，真正市場化的商業訂單佔比仍較低。
千尋智能創始人韓峰濤直言：「汽車主機廠不是很好的落地場景，兩個非常早期的技術融合在一起，去干一個非常複雜的事，這非常難」。
資本對此心知肚明，卻仍然選擇擁抱泡沫。
經緯創投張穎的觀點頗具代表性，新興賽道出現泡沫很正常，科學發展和產業都需要泡沫，這種心態背後，是對技術突破的賭性與對短期退出的訴求。
與此同時，聯想創投集團董事總經理梁穎則明確表示，2026年投資邏輯將從投本體轉向投上游核心部件，其背後邏輯是上游核心部件的瓶頸成為行業發展的關鍵制約。
投資上游部件不僅能獲得更為合理的估值回報，更有利於形成「部件成熟-本體優化-場景落地」的正向循環，同時給予行業新的理性參考。
04 成本賬前，理想難敵現實
無論故事多麼動聽，人形機器人要真正從展示品變為生產力工具，成本是必須跨越的門檻。
2025年，頭部企業開始公開測算這筆經濟賬，但演算法各異，結果也折射出理想與現實的落差。
智元機器人合伙人姚卯青給出了一個具體的成本測算模型：假設工廠採用兩班制，每班工人月工資在5000-6000元，加上福利和五險一金等附加支出，一名工人每年的總成本可達7-8萬元。
在長三角和上海周邊地區，兩班制的工人兩年下來，企業需要支付30多萬元的人力成本。
對於機器人，隨著規模化量產，包括機械零部件、整機、開模在內的成本正在快速優化。在這樣的背景下，如果部署一個服役兩年、替代兩班甚至三班工人的機器人，其投入已經能夠與原來的人力支出持平，甚至更具經濟性。
同樣聚焦工廠應用的開普勒機器人，也算了一筆詳細的成本賬：
· 機器人8小時工作續航可替代2個班次；按照不同工位機器人替人的效率0.6-1，替代1.2-2人，取平均1.5人
· 機器人替人成本：(3萬美金售價+0.5萬美金的年度維保費用)/1.5人效=2.3萬美金
· 按照長三角地區用工綜合成本(工資+社保+其他)約8-10萬元，回本周期1.6-2年，在歐美地區當年即可回本
而落地場景聚焦無人智慧藥店的銀河通用把回本時間定為了3年。24 小時藥店需三班倒人力，一台Galbot
G1的售價是70萬元，部署機器人3年總成本則會低於人力年支出。
國際上的預測更為樂觀。未來學家佩羅·米西奇博士認為，從長遠來看，人形機器人每小時的成本可能僅為10-13美元。
他假設每個機器人的工作日為每天20小時，每年330天，年工作時間約為6600小時，而人類的平均工作時間僅為每年1975小時。機器人不需要休息、睡覺或休假，使用壽命可維持8年。
他進一步測算，每個機器人的建造成本在1.1-3.3萬美元之間，運營成本每年在2.3-3萬美元之間，摺合每小時10.86到13.81美元。相比之下，包含福利在內的人類工人成本約為每小時42.53美元。
如此一來，企業每年可以在機器人上節省多達20萬美元，與人類勞動力相比，節約接近70%。
隨著生產規模擴大，機器人的價格將顯著下降，米西奇預計未來每小時的價格將降至低於10美元。
然而，對比中美算賬方式，一個細微差別值得玩味：中國企業的測算大多直接對比機器人購置成本與人工工資，而相對簡化了機器人部署、運維、調試以及可能產線改造的隱形成本。
現實中的商業化之路，遠比紙面計算複雜。
同時，講著機器人進場故事的人形機器人企業們，都在用工廠勞動力缺口、傳統自動化方案改造成本高這樣的邏輯，但現實商業化過程也並沒有這麼完美的理所當然。
當前鼓吹的機器人進廠邏輯，通常基於幾個前提：工廠存在勞動力缺口、傳統自動化改造不靈活且成本高、機器人足夠智能。
但現實往往相反：
· 許多工廠的自動化需求已被既有方案滿足，對人形這一形態並無迫切需求；
· 機器人當前的單機成本和智能化水平，吸引力有限；
· 且工廠環境千差萬別，需要大量工程師進行現場適配和後期維護，這又是一筆高昂的、常被忽略的持續投入。
因此，短期內，具身智能在大多數場景下仍不具備成本競爭力。
在當前的單機成本下，投資回收周期多在2年以上，而僱傭勞動力則無需初始大額投資。
這正是多數企業只願試點、而非大規模推廣的核心原因。除非在勞動力極度短缺或高危作業等特殊場景，企業缺乏大規模替換的動力。
具身智能的這一年，是資本狂歡與產業探索交織的一年。
融資潮湧與IPO衝刺背後，是技術曲線與資本周期的錯位；工廠落地的光鮮之下，是工程化與成本的深層挑戰。
當泡沫褪去，行業終將回歸「能幹活、成本低、可靠性高」的本質，那些真正攻克核心技術、解決實際需求的企業，才能穿越周期。
未來3-5年，將是具身智能產業的「生死考驗期」：技術上，需實現核心部件國產化與系統可靠性的雙重突破；商業上，需完成從「政策訂單」到「市場訂單」的轉型；資本上，需找到技術迭代與退出訴求的平衡點。
這場狂奔不應是急於求成的浮躁，而應是久久為功的堅守。
畢竟，真正的產業革命，從來都需要時間的沉澱。