机器人财报里的“隐性成本”与“显性焦虑”

来源：市场资讯

（来源：钛媒体APP）

2026年，资本市场对人形机器人的热情依然高涨。

3月以来，具身智能行业投融资消息不断，银河通用宣布完成25亿元新一轮融资，松延动力完成B轮近10亿元融资。IT桔子数据显示，截至2026年3月20日，中国机器人赛道今年已有融资事件207起，其中人形机器人融资133起，共115家公司拿到钱。

一级市场在用真金白银持续押注，赛道热度不减，然而大洋彼岸却是另一番景象。

硅谷明星初创K-Scale Labs在量产前夜突然解散团队并开源全部技术，账上仅余40万美元；协作机器人先驱Rethink Robotics继2018年首次倒闭后，于2025年8月二次破产；社交机器人厂商Aldebaran于2025年2月关停；儿童陪伴机器人Embodied关闭；扫地机器人鼻祖iRobot于2025年12月申请破产保护……这些曾经闪耀过的名字，在“黎明”前纷纷倒下。

“冷热交织”的反差局面，让市场不得不追问： 机器人 究竟走到了哪一步？在这样的背景下，优必选、越疆、极智嘉、宇树科技等一批 机器人企业 相继披露了过去一年的“成绩单”。从这些财报中，我们或许能找到一些答案。

营收普涨，但盈利者寥寥

翻看各家的财报，最直观的一个信号是，大家都卖得动了。

2025年，优必选营收20.01亿元，同比增长53.3%；极智嘉营收31.71亿元，同比增长31.6%；去年底于港交所上市的卧安机器人营收9亿元，同比增长47.7%；“协作机器人第一股”越疆营收4.92亿元；宇树科技营收17.08亿元，同比大增335%。

全行业正在经历从“样品”到“商品”的集体跨越。人形机器人、仓储机器人、家庭机器人、协作机器人，各有各的起量逻辑，但在增长的共识之下，行业依然存在结构性隐忧。

第一，营收虽然在涨，但钱却没赚到。

从财报数据来看，优必选亏损7.9亿元，虽较上年收窄3.7亿元，但距离盈亏平衡仍有明显距离；越疆净亏损8404万元，同比收窄1131.6万元；华沿机器人2025年前九个月亏损1560万元；云迹科技更甚，2022至2024年营收总和仅5.5亿元，亏损却达8亿元。

除了宇树和极智嘉，绝大多数机器人上市公司仍然陷在“增收不增利”的泥潭里。即使实现盈利的极智嘉，也是首次经调整盈利，且高度依赖海外高毛利市场；宇树的盈利则建立在科研教育客户占七成以上的特殊结构上。

第二，亏损在收窄，但“失血”没有停止。

各家“三费”开支依然高企，比如优必选2025年销售、管理、研发费用合计25.61亿元，比营收还要高；越疆销售及经销开支同比增长32.1%至1.82亿元；卧安机器人销售费用同比大增81.3%至3.12亿元。

宇树科技虽以480人团队实现了人均创收355万元，但这是“产品线极简+供应链极深+团队极精+客户极散”的结果，不具备行业普适性。多数企业仍处于“营收增长靠投入拉动”的粗放阶段，规模效应的拐点尚未到来。

第三，回款压力正在积累。

以较早投身具身智能的优必选为例，人形机器人销量增加带来收入增长的同时，应收账款金额同样高企。2025年其应收账款高达18.42亿元，同比增长40%，应收/营收比超过92%，坏账准备高达5.39亿元，计提比例29%。

对于大多数机器人公司而言，客户结构决定了现金流质量。那些以政府、大型制造企业为主要客户的厂商，账面营收再好看，现金流的紧张感也不会消失。而一旦应收账款账龄恶化，坏账计提就会反噬利润。

这三重隐忧共同指向一个核心矛盾，机器人行业正在从“能展示”走向“能干活”，但“能干活”和“能赚钱”之间，还隔着巨大的技术和商业鸿沟。

从“小脑”卷到“大脑”

过去两年，机器人行业的技术叙事主要围绕“运动能力”展开。

宇树科技2024年全球首次全尺寸电驱人形机器人原地后空翻，2025年人形机器人奔跑速度超过5米/秒刷新世界纪录；优必选Walker S系列在工厂完成搬运、分拣、质检等复杂操作……

这些突破让外界以为，机器人的“身体”问题已经基本解决，但机器人财报里的研发投入结构，却有着藏不住的“焦虑”。

宇树科技IPO募资42亿元，其中20.22亿元，也就是接近一半的钱被明确投向具身大模型研发；优必选2025年研发投入超5亿元，其中2.7亿元用于全尺寸具身智能人形机器人，公司预测2026年研发预算将进一步增至7亿元，重点投向具身大模型、世界模型及产品迭代。

而越疆研发费用同比增长近60%，新增部分大多投向了具身智能，金额达到4510万元，占研发总投入的39.3%；极智嘉虽已盈利，仍于2025年7月成立具身智能子公司，战略布局具身智能赛道，拓宽技术边界……

显然，全行业的研发资源正在从“小脑层”向“大脑层”倾斜。这一迁移背后，是各家在硬件上的差距正在逐渐收敛，“跑得快、跳得高”已不足以构成差异化壁垒。

2025年3月，高盛发布针对宇树科技的实地调研报告，核心判断直指公司技术架构的结构性失衡：“宇树机器人强的不是大脑，而是步态控制技术”。

报告中指出，宇树感知层采用3D激光雷达、深度相机与广角相机的多传感器融合方案，决策层的UnifoLM大模型整合了强化学习与仿真训练；执行层基于模型预测控制实现毫秒级关节响应。然而，这三层系统尚未形成真正意义上的端到端融合。感知输出的语义理解层次浅，决策层对开放域任务的泛化能力弱，执行层对高层意图的跟随精度有限。

这不是某一家的问题，而是整个行业的技术共性。硬件做到了全球顶级，但机器人还是不能自己理解任务、规划路径、处理意外。

如此看来，技术栈重心从“小脑”向“大脑”的迁移，或许意味着竞争维度正在改变。过去拼的是供应链整合能力和运动控制算法，未来拼的是从虚拟仿真到真实世界的泛化能力。

这场军备竞赛的门槛远高于硬件层面，它不仅需要持续的资金投入，更需要解决“高质量物理交互数据”，这个比资金更稀缺的资源瓶颈。

具身智能的“GPT时刻”还有多远？

数据，尤其是高质量的数据，一直是具身智能进化中最关键的约束变量。

语言大模型之所以能在过去几年取得突破，根本原因在于互联网上存在海量的、公开可获取的文本数据，但具身智能面临的是完全不同的数据困境。

它需要的是物理世界中的交互数据，比如机器人真实执行任务时产生的视觉序列、力觉反馈、触觉信号，以及对应的动作指令等等。而这类数据的采集只能在真实或高保真仿真环境中完成，成本极高，泛化极难。

越疆创始人刘培超曾表示：“去年行业内沉淀下来的有价值的数据，（时长）不超过3万个小时。可能有几十万个小时的数据没有太大价值，只能做预训练，很难做到泛化并提升（机器人操作）准确率。”

当高质量数据的重要性与日俱增，“数据从哪里来”便不再是技术问题，而是战略问题。 面对这一共同困境，各家企业基于自身禀赋，给出了截然不同的回答。

宇树的策略是“以硬件养数据”。5500台人形机器人流向全球实验室和高校，买家用这些平台跑自己的算法、做自己的研究，客观上为宇树积累了多样化的场景数据。

优必选的策略是“以场景换数据”。Walker S系列直接扎进比亚迪、奥迪一汽、富士康的产线，用真实工业场景中的亿级高质量数据训练自研的Thinker大模型。

至于越疆的策略则是“以规模建回流”。通过每年出厂十万台级别的机械臂，构建数据回流体系，让不同工厂、不同工位的操作数据持续反哺模型迭代。

高质量物理交互数据的获取速度和成本，直接决定了具身智能大模型的进化速度。这意味着，未来两到三年的竞争，本质上或许将是一场数据资产的争夺战。谁能率先构建起规模化、多样化、高质量的真实交互数据闭环，谁就能在具身大模型的进化上占据先机。

而那些数据获取能力不足的企业，即便在硬件层面做到了极致，也可能在“大脑”层面的竞赛中逐渐掉队。

总而言之，透过这一份份财报，营收增长印证了商业化落地的加速，亏损收窄释放出规模效应的早期信号，应收账款高企则照出商业模式尚不成熟的另一面，而研发投入结构的集体转向，则说明行业已经意识到真正的瓶颈所在。

接下来两到三年，将是对各家数据战略和技术路线的大考。只有那些在“大脑”和数据两端都完成布局的企业，才有资格站上下一个阶段的 “ 牌桌 ” 。