3个月超30笔融资！具身智能的估值狂飙与万亿赌局：没有共识，为信仰下注

具身智能融资，像是一辆正在发车的巴士，车门一旦关上，就没有补票的机会。而在巴士停稳前，资金已经开始争抢，焦虑蔓延，估值随之迅速抬高。

据《每日经济新闻》记者（以下简称“每经记者”）初步统计，2026年开年至今，国内具身智能企业已披露融资超过30起，总金额约200亿元；百亿元估值公司数量扩充至13家，一批成立时间并不算长的创业公司，正在被快速推入“独角兽”俱乐部。

在多数从业者仍反复强调行业仍处于非常早期阶段的同时，资金已经用真金白银完成了一轮集体押注。

与大模型不同，具身智能行业至今没有出现类似“ChatGPT时刻”——没有一个被验证的统一范式，也没有清晰的技术分水岭。模型派、制造派与折中路径并存，投资逻辑高度分裂。而在缺乏共识的情况下，估值已逐渐演变为一种“信仰投票”。

都说“太早”，但钱已经太多

“这个行业肯定还是非常早期的阶段。”过去一年，几乎所有人在谈到具身智能时，都会先给出这句判断。

但融资在加速，估值在抬升，多重因素叠加推高了资金水位。

“资金供给远大于需求，这样的情况下，大量资金就往更多的早期项目去堆积。”一位行业投资人在受访时这样总结错位诞生的原因。

终局清晰、路径漫长、情绪驱动，则是更根本的来源。

“这是一个上限极高的行业。”华映资本董事总经理刘天杰说，“理论上所有人能在物理世界做的事，机器人都能做。”但与此同时，“自动驾驶走了20年还没实现L4，具身智能比自动驾驶更复杂。”也正因如此，现在的估值，一部分是情绪，一部分是对终局的共识。

但共识并不指向路径，而只指向结果。

亲身参与魔法原子创业的顾诗韬对每经记者表示，一级市场用脚投票，投的不是确定性，而是行业的确定性Beta机会。

“大家都知道这其中存在泡沫，但你敢不跟吗？如果你现在不跟，也许永远都跟不上了。”刘天杰的观点或许也是大部分资金跑步入场的理由。

当下很多具身智能项目的估值已经无法用传统方法计算。“别人融了资估值30亿美元，那可能我觉得我的技术和潜力跟你比差不多，我用市场对标法这样去匹配”，一名不便具名的投资人认为，现在很多融资由于FOMO（错失恐惧症）形成了发车逻辑，“把融资窗口看成一辆车中途到站载客，每家投资机构以自认为‘少量’的资金挤上一张座位，上车观察。这样，一轮没有明确领投方，几亿或者十几亿的融资就快速完成了。”

这不再是传统VC主导的交易，而是一种带有明显FOMO情绪的集体行动。“开个玩笑，投资和投机，其实就是普通话和广东话的区别。”前述投资人表示。

奇特的张力就此形成：行业的终局确定性极强，但路径的不确定同样很强；行业还在起点，但估值已经在半山腰，甚至更高。

没有共识，为信仰下注

一个关键问题是：具身智能应该用什么逻辑来投？

“每一个机构有他自己的信仰。我们因为投资智谱，看得懂基础模型的逻辑，也会认为基础模型是具身智能最重要的技术底座；有些人投电动车成功，认为机器人是下一个时代的电动车与自动驾驶；有些人投制造业成功，就会认为机器人离不开大规模制造。”君联资本董事总经理纪海泉说。

没有共识的时候，每个人都在用自己的信仰下注。

对于“模型派”的投资人来说，具身智能的本质仍然是AI问题，是“物理世界的大模型”。在这个逻辑下，很难按收入去为项目估值，而是赌一个未来。

刘天杰也提到，在这一层的核心策略是多投，因为“胜率不高，路线还没收敛，没有人知道哪条路线会胜出，但一旦赌对，天花板极高，价值释放会非常快，可以参考OpenAI”。

也有投资人是更接近工业视角的“制造派”，把具身智能视为机器人产业的延伸，强调场景、效率与ROI（投入产出比）。

更多的人则倾向于做不选择的“折中派”。

顾诗韬的观点是，当前商业模式不收敛，很难套用投硬件还是投软件的逻辑。“可能人形机器人在工厂落地，80%通用，20%需要具体的硬件载体，那软件的成本就会更高。估值体系会随着技术路线和商业化速度动态调整。”

刘天杰把布局分成三大块：大脑、硬件、核心零部件，每个板块，华映都有自己押注的公司。“不管是从硬件出发的还是软件出发的，如果决赛圈只有五家公司，那这里至少得有一家是我们投的公司。”

“我们两边都投，因为中间有一个巨大的鸿沟。”刘天杰认为，这个鸿沟，一边是模型创新，另一边是工业落地，前者够不到收入，后者够不到未来，“最终等他们慢慢靠近，两边会握手。”

共识少、热钱多，估值成为了信仰的投票。

订单、出货与“叙事性商业化”

融资故事总要落地。在外界看来，订单、出货、租赁，是具身智能开始落地的信号，但在一些投资人视角，这些指标更多是叙事工具。

“今天的订单是毫无意义的，多数订单是不跟你算账的，是不算ROI的，进家庭是情绪价值，进工厂也不是标准自动化。”刘天杰的观点很直接。

纪海泉认为，部分ToC机器人，本质上是一种消费品逻辑，“就像大家都在‘养龙虾’，我也得‘养’一个，不需要太多理性”。这种消费冲动，与技术成熟度并不完全相关。

在刘天杰看来，堆订单量的意义有两个：证明行业地位，以及为了上市。

纪海泉同样不以收入作为核心指标。“我们现在不会看PE、PS”。他说，“这个时间点看的是技术范式及成熟度。”这种状态下，估值更多是风险选择逻辑，“我认为它未来能形成万亿级公司，我愿意用非共识去见证一个万亿市值公司成长的机会”。

但问题在于，谁有资格讲这个故事？

真正的价值在于数据飞轮，“在场景里把数据拿回来，跑通整个流程，看这个东西能解决什么以及不能解决什么，这件事是今天几乎所有具身智能公司没有达成的”。刘天杰拿自动驾驶做对比，自动驾驶的数据飞轮是天然的，几百万辆车在路上随时收集数据，但机器人领域找不到这样一个数据飞轮。“如果有一家公司能快速把大量机器人部署到场景里，数据是它最核心的优势，而不是收入。”

具身智能不会“赢者通吃”

大模型的“战争”被认为将是“赢者通吃”，具身智能也会如此吗？

刘天杰的答案是否定的，他以扫地机器人为例，“最简单的2D任务都能跑出四家上市公司，那未来机器人进入家庭，会有多少公司？”

另一个原因在于，具身智能的构型高度多样，“汽车决赛圈可能剩下5家到10家公司，但所有车都是同一个构型，四个轮子上面一个盒子。机器人反过来，构型太多，适应的场景也太多，一个公司根本干不过来”。

这种多样性使得资源难以快速向头部集中。

纪海泉认为，美国具身逻辑更偏科研，“投资人相信你能做很大，但方向在哪不知道，先给你大量钱去探索方向，这也是当年OpenAI长成的方式”。中国则更落地，“因为制造业足够发达，企业可以快速进行落地实践。例如具身不一定是人形，可以是轮子加双臂，也可以是四条腿。既可以为家庭做服务，也可以做物流场景”。

这也解释了另一个现象：为什么中国市场中，头部没有形成绝对垄断，而中腰部公司依然能拿到钱。其中一个原因是，热钱多导致头部公司的门槛很高。“很多钱投不进去头部，就去投腰部了。”刘天杰说。

更重要的是，市场的预期本就不是只有一个赢家。甚至连具身智能的终局是什么，都没有共识。

“有人觉得是干活，有人觉得是陪伴，有人觉得是新的物理世界范式。”纪海泉说，“大家的定义都不一样。”

大模型与具身智能截然不同的终局，正在指向道路的两端：大模型的融资热潮发生在一个有确定性的路线之后，而具身智能的融资热潮发生时，一切问题的答案都还不确定。

“为了解决这个问题形成了一些伪共识。”刘天杰认为，“去年集中在讲VLA（注：视觉语言动作模型VLA，Vision-Language-Action），今年集中在讲世界模型。但这些所谓的共识都是伪的，这两个技术栈都存在现在完全无法落地的点，天花板可见，不是ChatGPT那种级别的路线创新。”

站在具身智能企业的角度，顾诗韬则更愿意接受这种不确定性：“软件路线在落地的过程当中，它前期就是需要大量投入。我们只有在这方面把粮草夯实了，技术才有可能实现指数级的跃迁，‘ChatGPT时刻’才有可能会发生。”

百亿估值公司一半以上会消失？

所有人都在讨论泡沫，但泡沫之后会发生什么？

刘天杰的判断很直接：今天百亿级的公司，一半以上最终会死。“今天那一点点技术优势，放在最终的技术优势面前根本不值一提。所有大厂还没下场，大厂下场会很大程度上影响市场格局。”

拐点可能最先出现在二级市场。

港股将在今年下半年迎来一波解禁潮，一名投资人在接受每经记者采访时预判，当流动性不足以承接大量的投资人退出时，会反过来影响一级市场，而这个影响将会在今年下半年到明年上半年显现。

刘天杰也认为，市场上的资金，不足以长期支撑这么多高估值、低收入的公司。但他也提到，短期内泡沫未必会破，“如果上市公司市值还能撑住，这股风可能还会持续一两年”。

在这个过程中，具身企业能否上市形成持续融资能力，成为关键节点。

刘天杰认为，今年会有一批具身智能公司能上市，但“能不能上市，和适不适合上市，是两回事”。亦有投资人表达了更为谨慎的观点：“真正优秀的企业，资本市场会持续认可，实现qualified（合格）的IPO，但这一定是少数；而很多喊着要上市的企业，可能在资本退潮时逐步被淘汰。”

淘汰赛已经开始。

“站在行业外面，你觉得这些公司欣欣向荣。站在行业里面，你很明确知道哪些公司未来拿不到钱，这是它们的最后一轮。”不过，具身智能目前并不像大模型那样烧钱，刘天杰解释：“如果不去做预训练，真花不了什么钱，算力要求很低，人数要求也很低。”这意味着，即使融资受阻，很多公司也还能活很长时间，不急着进退的耐心资本也或许会在低谷期出手。

但怎么活着、以什么样的姿态活着，是另一个问题。

人人都知道估值里有水分，但没人能准确判断泡沫破裂的时点。

而当那个时刻来临，今天这13家百亿估值的公司，还有几家在场？那些因为FOMO上车的人，又有多少能等到耐心资本接盘？

没有人知道答案，但所有人都还在车上。