具身產業時鐘週期，資本狂熱與部署經濟學的錯配

作者：0xjacobzhao  ，IOSF

本“Physical AI 2026”系列由 8 篇深度文章組成，旨在穿透產業的資本熱潮，直擊具身智能從概念走向落地的經濟學本質。從剖析部署成本與能力上限的權衡、本體廠與核心零部件的價值錯配，到靈巧手、數據基礎設施、世界模型的底層解構，再到地緣戰略規則的演變，本系列系統性地探討了產業在不同維度上面臨的真實瓶頸與破局邏輯，為您全景呈現一個走向務實與分化的具身智能新紀元。

目前機器人產業正處在“資本化”階段（Phase 3），資本卻在按“部署經濟學”階段（Phase 6）定價，中間隔著“量產驗證”和“供應鏈盈利”兩個尚未發生的階段。未來兩到三年，真正的信號不會先出現在上游零部件，而會先出現在某一個垂直場景裡：單位經濟跑通，並且可以複製。

核心觀點

1. 六個時鐘不同步。 技術在早中期，商業化在早期，一級融資在加速，一級估值已到後期，IPO 進入集中兌現期，二級盈利傳導還沒開始。混用這幾個時鐘，會導致嚴重的時點誤判。
2. 融資週期在加速，估值週期已經見頂。 2026 年上半年國內具身智能融資 935 億元，約為去年同期的 5 倍；這比“一級市場後期”更危險，因為新錢正在以頂部價格進場。宇樹上市後這一判斷開始兌現：股價較高點一度回撤約 61%，IPO 窗口收緊，9 月單月融資環比下降約七成。
3. 不要等“AI 式的盈利傳導”。 AI 算力的採購者是少數幾家超大雲廠商，帶有防禦性；機器人的採購者是數千個廠長和產線負責人，他們永遠有一個現成的替代方案：人。
4. 過熱對本體和零部件的含義相反。 本體直接承受價格戰；零部件先受益於擴產，後受害於價格戰；算力、觸覺、仿真資產與場景運營則不直接暴露於整機價格戰。
5. 三條主線：不依賴“誰贏”的層、ROI 可驗證的窄場景、資本化節奏。 市場上多數資金正在做的兩件事，泛投人形本體和按 BOM 倒推 2030 年市場規模，都不在這三條主線裡。

一、當前座標：六個時鐘，六個階段

把“機器人處於什麼階段”拆成六個獨立的時鐘，是理解當前一切錯位的前提。

圖 1　產業在 Phase 3，資本在為 Phase 6 定價　六個時鐘的當前讀數

表 1　六個時鐘的當前階段與判據

這張圖揭示了本系列最具分量的方法論警示：當前市場上主流的機器人選股指標（如機器人收入佔比、客戶集中度、ASP × 銷量、毛利率、Capex 與存貨），大都屬於 Phase 5 的成熟期指標，在 2027–2028 年之前往往缺乏真實的讀數支撐；而在我們身處當下的 Phase 3 階段，真正適用的卻是一套完全不同的觀察羅盤——IPO 供給節奏、解禁日曆、渠道質量與單位經濟。

二、資本狂熱與產業現實的三重錯位

錯位一：融資週期在加速，估值週期已見頂

市場普遍把一級市場描述為“過熱、進入後期”。這個說法錯了一半：必須把一級市場拆成融資週期和估值週期兩條線，它們現在是反向的。

圖 2　融資在加速，百億估值公司在一年半內從 3 家增至 22 家

來源：IT 桔子；2025 年上半年融資額按同比約 5 倍倒推

融資週期非但不是後期，而是史上最熱的一個半年；真正到頂的是估值週期，退出定價已被二級市場錨死。這個組合比“一級後期”更危險：後者意味著錢在退出，前者意味著新錢正在以頂部價格進場。

資金的分佈同樣失衡。2026 年上半年，整機企業 169 家拿走約 332 億元，佔全行業融資的 72.2%，是全產業鏈最擁擠的一格；下游應用只有 12 家企業獲得約 19.4 億元，佔 4.2%，而同一份統計認為，這一賽道估值泡沫最小、商業化確定性最高。

圖 3　七成融資流向整機，流向下游應用的不到 5%

來源：IT 桔子（2026 年上半年）

錯位二：稀缺性溢價可能是零和轉移，而不是板塊公共品

宇樹科技 2026 年 8 月 19 日登陸科創板，首日開盤大漲 629%（市值達 4,449 億元），但同日科創 50 下跌 6.89%，人形機器人板塊全線下挫；次日宇樹跌破 2,800 億元。

圖 4　稀缺性溢價的“抽血”可能從上市第一天就開始

常見的說法是“稀缺性溢價會在三年後、十家人形機器人公司上市時消失”。這兩天的數據與一個更早的時間表相容：抽血可能在第一天就開始，估值重置在第二天就發生。需要說明的是，單個交易日無法把“宇樹抽血”與“大盤系統性下跌”區分開，這一條目前是待驗證的假說，驗證方式是對雲深處、樂聚的掛牌做同樣的事件研究，計算機器人籃子相對科創 50 的超額收益。

還要看到流通盤的結構：宇樹上市初期無限售流通股僅佔總股本的 7.44%。一個 7.44% 自由流通盤、85% 換手率形成的價格，不構成估值錨，而是流動性結構的產物。

上市之後：稀缺性溢價退潮，資本化時鐘開始反轉

宇樹上市兩個月的走勢驗證了“抽血先於估值重置”的判斷。8 月 19 日首日盤中最高 1,100 元、市值約 4,449 億元，收盤 845 元；9 月 2 日盤中 546 元，較高點腰斬；9 月 10 日跌破 500 元；10 月 13 日約 430 元、市值約 1,740 億元，較高點回撤約 61%。10 月 19 日在政策利好下單日大漲約 17%，盤中回到約 500 元、市值約 2,020 億元，仍不到高點的一半。

圖 5　宇樹上市兩個月：高點回撤約 61%，反彈後仍不到高點一半

下跌有籌碼原因，也有基本面原因。籌碼上，上市初期流通盤只有約 7.4%，極易被情緒推高，也極易在情緒退潮時下跌。基本面上，2026 年上半年扣非淨利同比下降約 19.3%，綜合毛利率從約 60% 回落到約 56%，上半年出貨份額被智元反超（約 44% 對 31%），按當前價格市盈率仍約 300 倍。後續的解禁節點在 2027 年 2 月（網下限售股）和 2027 年 8 月（員工持股計劃與部分戰略配售）。

二級市場的回撤很快傳導到了發行端。據路透社等媒體 9 月的報導，監管通過非正式的窗口指導放緩了人形機器人企業的上市審核，關注點是估值是否過高、與地方政府項目掛鉤的收入是否代表真實商業需求；港股側對收入真實性與關聯交易的審查也明顯趨嚴。迄今沒有公開的書面暫停令，市場說法從“節奏放緩”到“事實上暫時凍結”不等，但結果已經可以觀察到：

• 智元 7 月啟動赴港上市，因上市前新一輪融資觸發港交所規則，最早要到 2027 年初才能掛牌。
• 環動科技 9 月 21 日撤回科創板申請，是 2026 年首例機器人 IPO 終止，母公司的解釋是“市場環境發生了比較大的變化”；海康機器人 9 月 30 日因財務資料過期被中止審核。
• 樂聚招股書顯示，2025 年數採相關收入佔比 44.94%，第一大客戶為股東關聯方，這正是監管關注的收入形態。

一級市場同步降溫。9 月人形機器人融資約 105 億元，較 8 月的 387 億元下降約 73%；資金集中流向晶片、視覺、關節與靈巧手等上游環節，以及已完成產品驗證的頭部企業，只靠 Demo 樣機的本體初創融資難度明顯上升。有投資人公開表示，宇樹上市後其團隊已不再上會具身項目。但這並不是全面撤退：智元 10 月仍以約 500 億元估值啟動新一輪融資。更準確的描述是，資本正在按收入質量重新定價本體公司，而不是放棄這個賽道。

這意味著資本化階段的定價錨正在從“稀缺性”切換到“收入質量”。未來 12 個月，決定本體公司估值的不再是出貨量和融資額，而是能否證明獨立客戶、可複製的收入和現金回款，這正是本系列第 02、03 篇的證據框架。

錯位三：等待“AI 式盈利傳導”，是在等一個不會來的信號

先糾正一個常見的錯誤表述：把 AI 定義為 Capex、把機器人定義為 Opex 替代。這個二分並不準確，機器人對工廠而言通常同樣是 Capex（或租賃、RaaS）。真正的區別不在會計科目，而在決策結構。

表 2　AI 算力鏈與機器人的決策結構對比

最關鍵的是“可選性”這一行。AI 的資本開支帶有 FOMO 屬性，因此可以不需要 ROI 論證；而機器人永遠有一個現成的替代方案坐在那裡：人。只要人還能幹這份活，舉證責任就永遠在機器人一側。因此真正該等的錨不是 EPS 傳導，而是某一個垂直場景的單位經濟跑通且可複製：回收期短於 18–24 個月，並且出現復購。

三、這是不是一場產業大躍進

“過熱與重複建設”需要用數據而不是印象來回答。

圖 6　供應鏈規劃產能已經與十年後的全球年需求量級接近

一家國際投行對 A 股 9 家機器人產業鏈公司的調研顯示：沒有一家證實獲得確定性大額訂單，沒有一家能提供清晰的量產時間表；但它們的產能規劃合計對應每年約 10 萬–100 萬台機器人當量，而該機構自己對 2035 年全球人形機器人出貨量的預測是 138 萬台。國內人形機器人相關企業已超過 150 家，半數以上為初創或跨界；近 50 家集中推出量產機型、全面開打價格戰，入門機型利潤被壓縮到 5% 以內，部分低於成本接單；發改委已公開提出建立准入和退出機制。

即便按最保守的解讀，供給規劃仍顯著超前於當前需求。用哪個歷史類比來判斷結局，取決於一個變量：補貼打在哪一端。

表 3　歷史類比

光伏和新能源汽車的補貼都打在需求端，一邊製造產能，一邊真實拉動需求；機器人的補貼主要打在供給端（地方產業基金、產線補貼、創新中心），只創造產能，不創造需求。疊加產品未標準化，產能建成時甚至不知道要生產什麼規格。本報告傾向於把消費級無人機作為主類比：數據飛輪會提高贏家通吃的程度，軟硬一體使成本優勢不足以定勝負，場景綁定使先進入者的切換成本更高。結局預期是：產業成功，公司大面積死亡，集中度高於光伏與新能源汽車。當前 20 餘家百億估值公司中，能撐到 Phase 5 的可能是個位數。

由此得出最重要的推論：過熱對產業鏈不同層的含義是相反的。

表 4　過熱對不同層級的含義

四、產業鏈分層地圖：L0–L8

把機器人產業鏈拆成九層，逐層判斷。

圖 7　擁擠集中在本體、執行器與靈巧手；結構性機會在算力、精密件、工業存量與垂直場景

來源：本報告評估；顏色按一級市場判斷著色，僅代表環節結構判斷，不構成證券建議

各層的核心邏輯：

• L0 端側算力：產業鏈中唯一在結構上類似 AI 算力鏈的一層，需求不依賴“百萬台人形”假設，所有形態都需要低功耗端側多模態推理。否決條件是被本體廠全棧自研吃掉，Tesla 已自研機器人專用晶片。
• L1 具身基礎模型：技術價值最高，估值同樣最高。它的估值假設是“贏家通吃”，但機器人不像大語言模型那樣有統一評測標準與統一接口，贏家通吃的形成機制尚未成立。只考慮同時具備全棧能力和真實場景數據回流的標的。
• L2 數據、仿真與評測：按“真實 vs 仿真”二分是錯的，真正的判別維度是“服務 vs 資產”，即這份數據能不能被賣第二次。定製數採服務近乎不可複用；仿真資產庫和評測標準可跨客戶複用。詳見第 06 篇。
• L3 部署軟件：長期最看好、也最容易死於“進入太早”的一層。平台價值來自跨本體複用，而現在每家本體廠都在做全棧自研。入場信號三選二：出現事實上的硬件接口標準；出現願意採用第三方技術棧的第二梯隊本體廠；單一客戶機器人保有量突破 1,000 台。遙操作是當下唯一可投的子格。
• L4 本體 OEM：全產業鏈最擁擠的一格。二級市場價格受流通盤與 IPO 供給主導，不構成基本面錨。詳見第 03 篇。
• L5 零部件：必須拆成五格看。執行器鏈的風險不是“等不到訂單”，而是“等到訂單等不到毛利”；靈巧手過熱；力控與觸覺由瓶頸定義；需求獨立於人形的精密件有真實現金流加人形免費期權；電池與熱管理在工業場景要求 24 小時運轉時會從“無人關注”變成瓶頸。詳見第 04、05 篇。
• L6 運動控制與工業機器人：真實現金流加人形期權。在 Phase 3 到 Phase 5 的兩三年空窗期裡，這是唯一有真實盈利支撐的機器人敞口。
• L7 垂直部署與 RaaS：最佳非共識方向。整個產業的第一個真實信號會出現在這裡。區分“錯殺”與“天花板有限”的方法是：看同一場景是否出現第二家獲得融資的公司。詳見第 02 篇。
• L8 安全、認證、標準與保險：商業化真正的閘門。觸發路徑按概率依次是監管強制認證、ISO 與國標落地、保險承保要求，以及最不可預測的重大安全事故。

零部件層有一條需要特別修正的進場標準。通行的單條件閾值“機器人收入佔公司收入 10% 以上”會給出假信號：如果機器人執行器業務在價格戰下以低於公司均值的毛利率進來，“機器人收入佔比 10%”是攤薄事件，而不是重估事件。正確閾值必須是雙條件：機器人收入佔比 ≥ 10%，且該分部毛利率 ≥ 公司綜合毛利率。

價值在哪裡沉澱

把九層壓縮成四層看，結論更直接：只有當能力穿過部署層、進入客戶經濟學，價值才變得持久。

圖 8　只有當能力穿過部署層、進入客戶經濟學，價值才變得持久

當前的投資不對稱也由此顯現。敘事最強、資本最擁擠的是具身基礎模型、世界模型和通用人形整機，這一層的部署階梯上限是 DE3，估值與證據錯配最嚴重。相對更具吸引力的是評測與可觀測性、部署基礎設施、時間壁壘型精密件，以及已驗證經濟性的垂直部署，它們的共同點是：價值不隨本體廠誰勝出而滅失，且久期可以與投資工具匹配。在 Phase 3–4 階段，部署強度與可靠性對現金流的解釋力高於模型能力，而市場恰恰為模型能力支付了最高的溢價。

五、穿透泡沫後，重新錨定投資方向

表 5　三條可執行主線

三句話概括。關於時點：一級市場在交易 2030 年，二級市場在等 2027 年財報，而未來 12 個月真正決定價格的是解禁日曆與 IPO 供給節奏。關於估值：以宇樹為例，按招股書披露的真實產品與終端結構做分段估值，期權部分約佔市值的 95%，問題因此不是“市銷率 200 倍貴不貴”，而是“願不願意為一個到期日不確定、行權條件需要 2–10 年的期權付出約 2,700 億元”。關於產業：人形機器人已經證明“有用”，窄任務上 99% 以上的成功率不是表演；但規模極小，全球出貨領先的廠商，其人形機器人真正用於智能製造與巡檢的收入是 1,570 萬元，約佔人形收入的 2.6%。

四個投資方向：只有一個是標準的 VC 形態

表 6　四個投資方向與工具形態

投資機會不等於商業機會。精密件的最優形態是二級配置，認證與合規服務是 PE 形態，過渡產能與雙源驗證的現金流更像債券而不像期權。如果基金授權只允許早期股權，可觸達的機會集比已識別的機會集小得多，這是一個應當擺上投委會的授權決策，而不是一條腳註。

投資紀律：每一條拒絕，都對應一條可證偽的反向證據

在 Physical AI 的資本化階段，“在盈利傳導變得顯而易見之前投資，但要等到部署證據成為事實之後”，是避免成為泡沫買單者的核心法則。投資者應當建立嚴密的否定性框架，堅決不為缺乏事實支撐的七類“偽指標”付錢，並以可量化、可證偽的反向證據作為決策轉向的唯一依據：

1. 拒絕無部署的出貨，轉向追問“人工干預率”：脫離工業與物流真實佔比的出貨量毫無參考價值，唯有首次披露的人工干預率（如 YD/T 6770 標準）才是衡量實際可用性的關鍵。
2. 拒絕榜單刷榜，轉向追問“真實稼動率與 MTBF”：榜單上的物理理解與真實視覺體驗基本無關，且極易易主；真正重要的指標是客戶親自確認的稼動率、平均無故障時間（MTBF）及 SLA 運行小時數。
3. 拒絕高自由度的堆砌，轉向追問“跨年度復購”：出貨量第一（6 個自由度）與估值第一（42 個自由度）面對的是截然不同的市場，唯有同一客戶跨年度、逐批增量的獨立交付訂單，才能證明其可靠性。
4. 拒絕低質量的政府/數採訂單，轉向追問“買方測算的 ROI”：當過半訂單源於政府出資的數採與測試中心時，唯有由實際買方（而非賣方）發布的投資回報率（ROI）與回收期才具備商業真實性。
5. 拒絕虛妄的離岸架構，轉向追問“跨站點部署成本”：離岸架構僅能隱藏風險而無法消除風險；唯有證明第 N 個站點的部署成本降至首站的 30% 以下，才算驗證了可複製性。
6. 拒絕脫離業績的零部件敘事，轉向追問“分部財務拆分”：對概念炒作保持警惕，只有零部件龍頭單列機器人業務的具體收入與分部毛利率，才意味著盈利傳導的真正落地。
7. 拒絕僅靠遠期 TAM 支撐的整機與模型估值，轉向追問“軟件邊際效應”：所有單純的市場規模預測本質上都是敘事而非事實；唯有可複用的軟件收入增速超越交付人頭的增長，才能驗證規模效應的成立。