夜雨聆风今年3月，一家中国人形机器人企业的IPO申请获上交所正式受理，拟募资超过40亿元。这不是孤立事件——在同一时间窗口内，至少有三家同类企业相继启动上市流程，另有超过30家机器人产业链企业密集启动IPO进程，其中9家已成功登陆资本市场。
一级市场的热度正在快速向二级市场传导。而比这更值得关注的是资本下注逻辑的根本性转变：过去三年，物理AI赛道吸金超过70亿美元，但钱的流向已经变了——从追逐"最聪明的Demo"转向押注"最能跑通场景的数据闭环"。
这是一个标志性拐点。物理AI正在从学术概念和产业愿景，迈入规模化验证的深水区。
出货量背后的产业拐点
判断一个技术赛道是否真正进入产业化，最硬的指标不是融资额，而是出货量与场景渗透率。
2025年，全球工业机器人安装量达到约54.2万台，运营存量攀升至约466万台，同比增长9%。其中，亚洲贡献了全球新部署量的74%。
在人形机器人这个更前沿的细分领域，数字同样耐人寻味。据Omdia统计，2025年某头部中国人形机器人企业出货量突破5500台，约占全球总量的39%。另一份来自IDC的报告显示，2025年某具身智能企业以5200台的出货量位居行业第一。
这些数字意味着什么？意味着人形机器人正在走出"实验室演示-社交媒体传播-下一轮融资"的循环，真正进入工业场景的小规模批量落地阶段。汽车工厂里的质检岗位、电子制造产线上的物料搬运、仓储物流中的分拣作业——这些曾经由人类完成的重复性劳动，正在被物理AI系统逐步替代。
自动驾驶领域同样如此。某自动驾驶企业今年登陆港交所后，搭载其系统的量产车辆规模已突破100万台，累计定点合作车型超过210款，并获准在德国全国范围内进行L4级城市道路测试。从静态识别到动态物理场景推演，从封闭测试场到开放城市道路，自动驾驶正在经历从"技术验证"到"商业验证"的关键跃迁。
资本的转向：从"撒网"到"深耕"
物理AI赛道的融资热度，用"滚烫"来形容并不为过。
据中国信通院公布的数据，截至2025年末，国内具身智能与机器人领域累计融资总额已达735.43亿元。2025年第一季度至2026年第一季度，国内具身赛道全年融资事件超过324起，总额超过390亿元，参与投资机构数量超过620家。其中，人形机器人赛道融资事件228起，同比增幅221%，融资金额超过370亿元。全球人形机器人领域全年融资总额突破578亿元，中国市场贡献占比超过70%。
进入2026年，热度仍在加速。据IT桔子数据，仅2026年上半年，具身智能领域融资总额就达到935亿元，同比增长近5倍，投资事件322起，同比增长137%。
但数字的狂欢之下，资本的选择标准正在发生深刻变化。
早期阶段，物理AI的投资逻辑与生成式AI颇为相似——押注"最强大脑"，即谁能做出最惊艳的通用模型，谁就能获得最高估值。一家美国人形机器人企业在三年间融资约15亿美元，估值被推至约390亿美元；另一家机器人基础模型公司估值约24亿美元，累计融资约4.7亿美元。
然而，市场正在用残酷的方式修正这种预期。北京某智能计算研究机构在《2026十大AI技术趋势》中直言：具身智能初创企业面临严重的商业模式同质化问题，普遍采用"通用开源大模型+运动控制"的组合，在单一场景中进行优化。国家发改委也公开发出提醒，具身智能产业必须防范高度重复产品集中上市的风险。
资本开始意识到，物理AI的竞争壁垒不在模型的"聪明程度"，而在两个更底层、更难复制的要素：场景与数据。
场景：从"通用幻想"到"垂直深耕"
物理AI与软件AI的根本差异在于，它必须在一个具体的物理空间中完成任务。而这个空间的不确定性——光照变化、物体形变、人类行为的不可预测性——决定了"通用"是一个需要海量数据才能逼近的渐进目标，而非一蹴而就的终点。
这也解释了为什么当前商业化程度最高的物理AI应用，恰恰是最"不性感"的领域：仓储物流和工业巡检。据行业分析，仓储物流已是成熟商用场景，市场规模超过800亿美元；工业巡检处于中期阶段，预计1-2年内大规模落地，市场规模200-300亿美元。
相比之下，人形机器人虽然最吸引眼球，但技术挑战最大，商业化时间窗口预计在3-5年，市场规模500-1000亿美元。
一个值得深思的对比是：某美国人形机器人企业估值约390亿美元，但它尚未实现大规模商业落地；而另一家专注于仓储物流机器人的企业，其机器人已在真实仓库中运行并产生收入，估值仅约17.5亿美元。市场正在为"叙事"和"野心"支付溢价，但真正的商业价值，正在那些"枯燥的场景"中默默积累。
在中国，这种"场景深耕"的逻辑体现得尤为明显。长三角和珠三角的智能制造基地、新能源汽车产线、3C电子工厂——这些高密度、高复杂度的工业场景，正在成为物理AI最好的"训练场"。某企业的工业人形机器人已持续落地车企与电子制造工厂，订单规模持续攀升。
政策层面也在为场景落地铺路。2025年，具身智能首次被写入政府工作报告；2026年两会期间，具身智能连续第二年被列入国家未来产业重点培育方向，与量子科技、脑机接口并列。北京、上海、深圳三地形成了各具特色的区域格局——北京强在算法与模型，上海强在应用示范，深圳强在整机制造与硬件集成。
数据：物理AI的"新石油"，比想象中更难开采
如果说场景是物理AI的"战场"，那么数据就是决定胜负的"弹药"。但这里的"数据"与软件AI时代的数据有着本质不同。
大语言模型可以从互联网上抓取海量文本进行训练，但机器人需要的不是文本，而是真实的物理交互数据——视觉输入、触觉反馈、关节力矩、空间导航轨迹。这些数据无法从网页上爬取，只能在真实的物理环境中通过反复试错获得，成本高昂且获取速度极慢。
这正是"视觉-语言-动作"（VLA）模型成为行业核心架构的原因。VLA模型将摄像头输入和文本指令映射为电机控制信号，试图让机器人像理解语言一样理解物理世界。2023年，某研究机构发布了业界第一个VLA模型，经过6000多次试验后，任务完成率从32%提升至62%。此后，双系统架构、知识隔离训练、世界模型等技术路线并行探索，推动VLA模型持续迭代。
但数据瓶颈并未因此消失。世界模型——被广泛认为是实现通用人工智能的关键路径之一——的核心目标正是构建一个能够复制基本世界边界、预测未来状态的统一模型，从而在虚拟环境中大规模生成训练数据，降低对真实世界数据采集的依赖。
然而，虚拟仿真与真实物理世界之间的"Sim-to-Real"鸿沟至今未被完全跨越。一个在仿真环境中表现完美的机器人，面对真实世界中的摩擦、形变、光照变化时，往往会出现意料之外的失败。这意味着，真实场景中的数据闭环——部署、收集、反馈、迭代——仍然是物理AI企业最核心的竞争壁垒。
这也是为什么自动驾驶企业如此强调"量产车辆规模"。100万台量产车意味着100万个全天候运行的数据采集终端，它们每天都在产生海量的真实路况数据，用于训练世界模型、优化决策算法。这种"数据飞轮"一旦转动起来，后来者很难追赶。
中国变量的独特逻辑
在全球物理AI的竞赛中，中国市场的角色正在从"跟随者"转向"定义者"。这种转变不是偶然，而是由三个结构性优势共同决定的。
第一是供应链密度。中国拥有全球最完整的机器人零部件供应链体系。当美国人形机器人企业的产品售价仍在数十万美元级别时，某中国企业已将人形机器人价格压至9.9万元人民币。成本曲线的陡峭下降，直接决定了物理AI产品的市场渗透速度。
第二是场景密度。中国拥有全球最大的制造业基地、最复杂的物流网络、最密集的城市人口。这些场景为物理AI提供了天然的"训练场"和"试验田"。
第三是资本密度。2025年全球人形机器人融资总额中，中国市场贡献占比超过70%。国家大基金首次下注具身智能，某具身智能企业完成超3亿美元B+轮融资，创下2025年中国机器人企业单笔融资最高纪录。
但优势之外，风险同样不容忽视。中国具身智能产业的市场规模预计2026年突破10万亿元，2030年达到4000亿元，2035年超过1万亿元。如此巨大的市场预期，正在吸引大量玩家涌入，同质化竞争加剧。某头部研究机构警告，行业正面临"高度重复产品集中上市"的风险。
从"万亿叙事"到"自我造血"
物理AI被普遍认为是AI的下一个万亿级赛道。多家机构预测，全球具身智能市场规模将从2026年的约33亿至69亿美元，增长至2035年的约115亿至874亿美元，年复合增长率在15%至32.5%之间。
但这些数字本身并不重要。重要的是，物理AI正在经历从"叙事驱动"到"验证驱动"的关键转折。资本不再为一段流畅的机器人舞蹈视频买单，而是为真实的场景落地、可量化的ROI、可持续的数据飞轮付费。
正如一位资深投资人所言：在这个赛道上，赢家将不是那些做出最好Demo的企业，而是那些最先让机器人在最枯燥的环境中可靠工作、持续产生收入的企业。
物理AI的规模化验证期已经到来。场景与数据，正在成为这个时代最硬的通货。
来源：中国信通院、国家发改委、IDC
