从“怕错过”到“怕踩雷”，具身智能融资换挡

前两年投资具身智能，机构最担心的是错过。

一个项目刚启动，机构就抢着进入，估值一轮高过一轮，谁都担心晚一步便没了位置。那时候，比的是谁出手更快、谁敢下重注。

现在，机构更担心踩雷。

落到真金白银上，钱给谁、给多少、按什么估值给，与半年前相比，已经有所不同。

数量还在高位，大额融资踩了刹车

从融资数量看，10月具身智能领域的融资依然处于高位。

据盖世具身智能不完全统计，当月国内具身机器人及核心零部件领域共有49家企业披露新融资或投资进展，延续了近几个月的活跃态势。

但数量活跃的另一面，是大额融资减少，投资路线也在调整。

一方面，机构仍在投早、投小。10月的49家获投企业中，有16家披露的融资涉及种子轮或天使轮，占比约三分之一。

另一方面，大额融资明显减少，当月只有4家企业披露的融资在10亿元量级，分别来自星尘智能、法奥机器人、辉羲智能和模思智能，其中辉羲、法奥均为多轮合计。

相比之下，上半年全赛道共有38个融资项目规模在10亿量级，其中4月和6月单月甚至各有10个。它石智航4月披露的Pre-A轮融资规模甚至高达4.55亿美元，一举刷新中国具身智能领域最高单轮融资和最大Pre-A轮融资两项纪录。6月，智平方官宣一系列新融资，总额更接近50亿元。

如今，融资披露数量仍然活跃，但达到10亿元量级的项目较上半年显著减少。

这两条线放在一起看，不难发现，市场没有延续此前的扩张节奏，机构正在用更谨慎的标准重新筛选项目。

标准变了，钱的去向也随之调整。

上半年，大量资金流向通用本体、大脑、数据、灵巧手等关键环节。进入下半年，触觉、关节、减速器、编码器、热管理等更靠近上游的环节，开始频繁获得融资。整体来看，上游的“卖铲人”仍是资本稳定的去向。

与此同时，一批专注垂直场景的企业，也开始进入资本视野。

投资方的结构同样出现了新变化。10月披露的投资和股东变更中，本体厂频繁出现。

比如智元，就在多条赛道同时铺开了布局:具身数据公司乙太具身、机器人热管理厂商温擎智控的新进股东名单里有其身影，太空机器人公司弦引未来背后也有智元。今年2月，智元还参与了辉羲智能的Pre-B轮融资。

自变量机器人则参与了一体化关节厂商巨蟹智能、触觉传感器公司墨现科技的新一轮融资。傅利叶智能与银河通用机器人联合投资了动力系统公司伊塔动力，逐际动力出现在全身触觉公司模感科技的跟投名单中。

10月底，宇树还宣布与红杉中国共同成立“杉宇?创计划”，面向具身智能、机器人应用和上下游关键技术，专门寻找早期项目。

如果说此前的单笔入股还停留在项目层面，这次联手则进一步将本体厂商的触角由单笔投资转向了平台化、机制化寻找早期项目。

本体厂为什么在这个时候密集布局产业链？

一个直接原因是，赛道竞争的重心变了。前两年，行业比拼的更多是演示效果和参数指标。如今，供应链是否稳定、成本能否控制，正在影响企业的交付能力。本体厂商通过这些布局，不仅可以补充供应链和技术布局，还有助于提高协同效率。

不过，这种绑定也有隐患。一旦协同不及预期、被投企业估值波动，或者本体厂自身量产需求不足，风险可能沿着股权关系传导，波及相关生态企业。

但至少在10月，头部本体厂已经用真金白银表了态。具身智能的竞争，正在从单个企业的独立突破，扩展到供应链与生态之间的较量。

垂类场景，成为资本的重要去向

回顾自动驾驶早期的发展，Robotaxi热过一轮之后，行业慢慢分化到各种具体场景。如今，具身智能也在经历类似的过程。

10月的数据很直接:当月有19家披露融资的企业主要面向垂类应用场景，占比接近四成。

这些钱去了哪里？

按照引入机器人的原因，这些项目大致可以分为三类。

第一类，服务于人们的日常生活。

比如大白机器人做养老陪伴，双派机器人做适老出行，朱葛机器人做视障导盲，欧拉万象做家庭场景，境技智能做楼宇清洁，庞伯特则把AI教练带到了乒乓球桌旁。

第二类，是进入对精度和稳定性要求较高、人力成本也越来越高的生产环节。

医疗领域，深度医疗、爱博合创、德壹医疗分别做显微镜手术、血管介入和中医理疗。工厂里，牛耳商用机器人做半导体封装，斯睿特做汽车焊接，中科慧灵做矿山井下与制鞋，紫创智械做工程机械改造。

第三类，则是去人到不了，也不敢久待的地方。

比如面向太空的弦引未来、国宇星辰，聚焦水下的潜行创新、卫澜深海。加油、消防等高危岗位，则有若愚科技和中科博特参与。

值得关注的是，从成立时间看，这些企业既有近两年成立的新团队，也有成立多年的公司。其中，朱葛机器人自2009年成立以来，已在无障碍助残、导盲机器人领域深耕17年。

为什么垂直场景开始受到资本的广泛关注？

要回答这个问题，得先看看行业此前卡在哪里。

过去两年，不少通用人形机器人公司的估值跑在了交付前面。演示越来越多，但能证明持续作业、规模交付和盈利的公司始终有限。

进入2025年后，市场分歧因此加大。一部分资金继续押注通用能力，并在今年上半年达到一个高潮；另一部分资金则提高了对订单、交付和回报周期的要求。

整体来看，资本并未全面撤离通用赛道，但仅靠演示和远期想象，已经不足以支撑所有公司的估值。

金沙江创投的选择，便提供了一个观察样本。

2025年3月，金沙江创投主管合伙人朱啸虎公开表示，金沙江正在批量退出人形机器人公司。到2026年6月，金沙江已连续五轮加持海洋机器人公司世航智能。

今年9月，朱啸虎在北大演讲中更是反问:“中国现在有两百多家做人形机器人的企业，哪一个不会跳舞？哪一个不会打拳？”

他的判断很直接，大量本体企业提供的能力相近，商业需求却不足以容纳这么多公司。

或许一家机构的选择不能代表整个行业，但从部分投资机构的公开表述和融资结构看，项目评估确实开始更多涉及复购率、连续运行时长、真实订单和交付能力。

不过，从通用转向垂直，也不代表所有垂直场景都能算清账。这里得先画一条线。

资本更容易评估的，是那些已经能够提供订单、客户和部署渠道，并有望按工作量、良率或降本效果验证价值的场景。

比如，立妙达披露，2026年其在手及意向订单近10亿元，客户覆盖美光、SK海力士等，其中美光累计订单数亿元。中科慧灵2026年在手具身制鞋机器人订单也已超过4亿元，设备排产规模步入数千台量级。德壹医疗则累计服务了超3000家产业合作伙伴，克丽缇娜的门店网络为其提供了潜在部署渠道。

这些场景要形成持续采购，最终都要回到具体指标:医院关注稳定性、安全性和临床价值，工厂则看良率、生产节拍、人力成本和停机损失。

反过来，养老陪伴、视障导盲等场景，需求虽然是真的，规模化、持续性的付费机制仍不清楚。谁为陪伴买单，家庭、政府，还是保险？这批场景看似热闹，账还很难算清。

更何况，这些垂直场景也不都是空白市场。制鞋、焊接、封装等领域，发那科、ABB等企业早已布局其中。换言之，新公司既要与成熟自动化厂商竞争，也要说服仍依赖人工的客户改造流程。

从这个意义上看，窄场景可能更快形成收入，却未必容易长大。单一行业的资本开支波动、大客户集中度、验收周期与应收账款问题，都会影响订单的实际兑现。

更直接的限制还在于复制能力，即方案能否从一家工厂拓展到十家，从一道工序延伸到相邻工序。如果每接一单都需要重新定制，收入增长也会同步推高工程师与售后的投入成本。

因此整体来看，垂直场景受到关注，反映的只是资本对兑现速度的要求提高了。订单只是第一张凭证，后面还有交付、验收、回款和复购。能把这几步走通，再跨客户复制的公司，才真正离生意更近。

Physical RSI:为更远的未来下注

如果说投资具体场景，是在为近期兑现寻找落点，那么Physical RSI走热，押注的则是更远的一步。

RSI的全称是递归自我改进，意思是让AI参与改进，甚至构建下一代AI，形成“AI改进AI”的循环。

Physical RSI的目标，则是把这套循环放进物理世界，机器人在工作时自己发现短板，生成新任务和训练数据，更新策略，再用新版本回到现实中验证，验证结果又触发下一轮改进。

如此循环，每一轮输出的“新版自己”，都会成为下一轮的输入，由此形成递归改进过程。

近期，Physical RSI及与其相近的自进化方向也受到了广泛的关注。从宇树、智元这样的头部本体厂商，到一众新创企业，都在积极布局。

其中宇树科技创始人兼董事长王兴兴8月就在世界机器人大会上透露，宇树正在预研物理AI机器人自进化体系，让AI接管研发，实现物理AI机器人模型的自进化。

具体做法是，以最前沿的大模型为核心，宇树先定好技能、工具和任务的边界，再由大模型自己去网上寻找最新的论文、优秀研究和开源方案，自己搭建方案、生成机器人控制代码，然后在仿真环境里运行，或者调用其他大模型，再部署到真机上测试。最后由AI和人一起打分，把结果反馈回去，形成循环。

“这条链路完全可以用AI自动化:AI自己写代码、训练、部署、自动测试，AI或人打分，再自己迭代。”王兴兴说。

智元则在10月相继发布具身智能体框架Genie Master和全链路学习模型GO-3 Preview，为Physical RSI提供了技术基础，并提出两个关键机制，Harness RSI和Policy RSI。

其中，Harness RSI主要持续记录成功和失败的案例，并按天总结，形成可复用的长期记忆，改善任务规划。Policy RSI则把真实作业中的执行和恢复轨迹送回训练，直接更新动作策略参数。

11月2日，智元将六台智元精灵G2人形机器人放进上海徐汇一家便利店，开启24小时“工作”。智元称，这是行业首次在真实业务场景里验证Physical RSI。

而初光跃迁、新元体也明确提出了Physical RSI布局，欧拉万象将其技术体系称为Real-World RSI，伽马智能则强调真实交互中的持续学习和全身模型自进化。

这几家公司近期都拿到了新一轮融资。其中初光跃迁同时拿到了小米和百度的投资，伽马智能由中国电信人工智能研究院孵化，欧拉万象成立半年更是已连融4轮。

不过，虽然这些方向都涉及自进化或持续学习，行业眼下还没有统一的演进路径和分级标准。

比较常见的做法，是按照人在其中扮演的角色，将RSI分成弱、中、强三个阶段。

弱RSI的目标、边界和验收标准都由人确定，AI主要在既定框架里跑实验、调参数、做初选，承担研发助手的工作。中RSI阶段的AI能自己发现一部分问题，提出并验证改进假设，人只在关键决策时介入。到了强RSI阶段，系统需要能够改进“改进机制本身”，让研发能力一代代自我加速。

也有更细的五层划分。

比如，超进化把RSI从浅到深拆成五层。最浅的是产物层，靠自动研究让产出自我修正；随后是经验层，持续更新记忆、技能等运行时资产；再到Harness层，让智能体的代码本身持续迭代；第四层是模型层，通过持续的参数更新，把新能力真正内化进模型；最深的是进化机制层，把“如何进化”这套方法本身也交给AI。

无论采用哪套口径，从公开展示看，多数系统仍需要人参与目标设定、评估或关键决策，尚未看到强RSI在开放物理环境中持续运行的公认证据。

王兴兴此前就强调，现在的自进化体系里，人还得参与打分。动作是否合适、成功率是否足够、结果是不是人真正想要的，AI还不能完全自己判断。

为什么Physical RSI会在此时升温？

一个重要的驱动力是，当前在部分模型和任务上，继续扩大预训练数据和算力，并未同步带来真实场景表现的大幅提升。同时，Coding Agent能力提升，使代码生成、实验执行、结果分析和部分迭代工作更容易被串联成自动化流程。

更具体地看，是三个条件同时具备。

首先，数字世界率先验证了“AI做研发”的可行性。

当前，AI写代码、AI辅助研究工具的能力正持续提升，比如Anthropic此前披露，截至2026年8月，在其内部AI研发任务中，Claude在人的监督下已主导约26%的工作，但没有任何受测任务达到完全自主运行。

数字世界已经在代码生成、实验执行和结果分析等部分研发环节实现自动化，为物理世界提供了可借鉴的工程流程。初光跃迁的AutoResearch，本质上就是把这套自动化研发方式搬进机器人领域。

其次，具身智能的工程流程也逐渐贯通。

VLA大模型、世界模型、高保真仿真、强化学习和后训练的基础设施，都成熟到了一定程度，这些环节的成熟，降低了从模型修改、仿真验证到真机反馈回流的工程门槛，也使持续迭代更容易实现。

还有一个容易被忽略的条件，机器人开始真正“上岗”了。

随着越来越多的机器人进入各种场景工作，部分企业开始积累能够持续回流的作业数据，为部署后学习提供了更充分的条件。对强调部署后学习的Physical RSI来说，这类数据尤其重要。

不过综合来看，Physical RSI目前的热度，更多是技术进展、资本叙事和学术命名叠加的结果。公开成果虽然覆盖了预研项目、技术框架和小规模场景验证，但还缺少跨场景、长周期、可复现的数据，整体距离稳定运行、可复制推广的工程闭环仍有差距。

结语

回看10月，具身智能领域的融资很难用简单的“热”或“冷”来概括。

因为资金仍在进入，只不过不同项目接受的检验已经有所区别:本体厂要证明产业投资能够转化为稳定供应和规模交付，场景公司要证明订单能够转成交付、验收和回款，Physical RSI则需要拿出跨场景、长周期、可复现的改进结果。

资本对近期兑现的要求提高了，但对远期技术的兴趣也没有消失，一些尚未完成商业验证的技术方向依然能够获得资金。

接下来，预计赛道的分化会更多发生在融资之后。谁能把技术变成可持续交付的产品，把订单变成回款，谁才算跨过商业验证。

本文涉及Autodata企业洞察与产业数据

• PRE供应商

  所在地区 · 马来西亚/沙巴PRE

  主营产品散热器、冷却系统

• 自变量机器人供应商

  所在地区 · 中国/山东省/济南市Independent variable robot

  主营产品工业机器人

郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。