今年上半年，中国机器人公司融资明显变密集了。
看了不少融资、IPO、产业政策和真实落地案例之后，很明显的感受就是这轮融资潮背后，资本买的不是单纯的机器人本体，而是四件东西：
硬件量产能力、关键零部件、真实场景数据，以及把模型接进物理世界的工程能力。
钱确实在流向机器人公司
先看一组数据。
Crunchbase 的统计显示，截至 2026 年 5 月中旬，中国机器人公司今年已经融资 56 亿美元，涉及 176 笔交易。
这个金额已经追平 2021 年全年水平，也超过了 2025 年全年中国机器人公司的 43 亿美元融资额。
更细一点看，2026 年一季度，亚洲初创公司融资总额达到 274 亿美元，其中中国公司拿到 165 亿美元，机器人相关公司贡献了 33 亿美元、126 笔交易。
这个数字说明，具身智能已经不是单个明星公司的故事，而是一个产业集体进入融资窗口。
被资金集中押注的公司也很典型：
TARS Robotics 是上海的人形机器人公司，它在成立一年左右拿到 5.13 亿美元种子轮融资，估值约 19 亿美元；
X Square 今年 1 月完成 1.4 亿美元 A 轮扩展融资，3 个月后又完成 2.93 亿美元 B 轮；
Spirit AI 今年 2 月完成 2.9 亿美元 A 轮，4 月又追加 1.45 亿美元；
Galaxea AI 也是今年 2 月拿到 1.45 亿美元 B 轮，4 月追加 2.9 亿美元；
Engine AI 也完成 2 亿美元 B 轮，估值约 15 亿美元。
很明显，这不是普通硬件创业的融资节奏。
普通硬件公司往往是一轮一轮验证产品、供应链、客户订单。
但具身智能公司现在拿到的是“大额、密集、连续”的资金，也就是说，市场已经开始用更接近 AI 基础设施公司的方式看它们。
原因我觉得是：
机器人不再只是自动化设备，而可能成为 AI 进入现实世界的入口。
过去机器人更像一台机器，按固定程序做固定动作。
现在具身智能公司的目标，是让机器人通过视觉、语言、动作模型，观察环境、理解任务、规划动作，然后执行。
Crunchbase 也提到，投资人现在更多投向“软硬件结合”的机器人公司。
因为新一代机器人正在从逐行编程，转向视觉-语言-动作模型，让机器可以观察、推理并执行物理任务。
这大概就是这轮融资潮的核心变化。
资本不是在买一台机器，而是在买一种“可学习的物理执行系统”。
具身智能为什么先在中国变热？
具身智能要落地，不只需要模型，还需要很多现实条件。
第一，要有硬件供应链；
第二，要有足够多的工业场景；
第三，要有能承受长期研发和量产投入的资金；
第四，要有足够密集的真实使用环境，帮机器人收集数据、迭代动作。
这些条件，中国刚好都比较齐。
国际机器人联合会 IFR 的数据可以作证：
中国制造业已经拥有约 200 万台在运行的工业机器人，大约是全球第二名日本的 4.5 倍。
2025 年全球新增工业机器人安装量里，54% 部署在中国。
中国本土供应商在国内工业机器人安装中的占比，也从 2020 年的 30% 提升到 2024 年的 57%。
具身智能不是一个纯软件行业。软件公司可以先在网页、App 或企业系统里试错，机器人公司不行。
它必须接触工厂、物流、3C、汽车、半导体、能源、商超、医疗、服务业这些真实场景。
中国有大量制造业和服务业场景，也有完整的机器人供应链。
于是具身智能公司可以一边做本体，一边找场景，一边改零部件，一边收集真实任务数据。
这也是为什么很多融资并不是单纯来自财务投资人，而是来自产业资本、地方基金、制造业伙伴和长期资金。
以 Galaxea AI 为例。
Galaxea 在 2026 年 2 月完成 10 亿元 B 轮融资，随后又完成 20 亿元 B+ 轮融资，两个月内累计融资约 30 亿元，估值超过 200 亿元。
它的 B+ 轮投资方里，不只有金融资本，也有蓝思科技等产业资本、国资基金和私募基金；
此外，蓝思科技还将与 Galaxea 在硬件供应链和量产上深度合作。
这类投资结构本身就很能说明问题：具身智能公司需要的不只是钱。
它需要供应链、工厂、应用场景、客户资源、生产能力和长期试错空间。
所以资本进入机器人公司，本质上是在帮它们搭一个“从模型到本体、从本体到量产、从量产到场景”的产业网络。
这轮押注，不是只押“人形机器人”
现在外界最容易关注人形机器人，因为它最有传播性。
会跑步、会跳舞、会踢球、会进工厂，看起来都很直观。
但从产业角度看，人形只是其中一种形态，真正被押注的，是具身智能的几个关键模块。
工信部 2023 年发布的《人形机器人创新发展指导意见》里，把核心技术拆成了“大脑、小脑、肢体”：
“大脑”负责环境感知、行为控制和人机交互；
“小脑”负责运动控制；
“肢体”包括仿人机械臂、灵巧手、腿足、轻量化骨骼、高精度传感、动力单元和能源管理等。
这种拆法有一定逻辑，因为机器人要真正干活，至少要同时解决三类问题：
第一，它要知道自己要做什么，也就是“大脑”。
比如识别一个工件、理解一道工序、判断一个物体是合格品还是不良品。
第二，它要知道怎么动，即“小脑”。
比如走到哪里、手臂怎么摆、抓取力度多大、路径怎么避障。
第三，它要有足够可靠的身体，也就是“肢体”。
比如关节、减速器、电机、传感器、灵巧手、能源系统、整机结构，都必须经得住长时间运行。
所以具身智能公司之间的竞争，不是“谁的人形机器人更像人”，而是谁能把大脑、小脑和肢体形成闭环。
这也是为什么 Linkerbot 这样只做“机器人手”的公司，也能拿到非常高的资本关注。
Linkerbot 是北京一家高自由度机器人手公司，刚完成 B+ 轮融资，估值 30 亿美元，并计划下一轮冲击 60 亿美元估值。
它称自己在高自由度机器人手市场占有超过 80% 全球份额，月产能接近 5000 只，并计划提升到 1 万只。
公司还在做 LinkerSkillNet，把人类灵巧操作转化成标准化、可复用的机器人手技能，目前已有 500 多项技能。
Linkerbot 这家公司我昨天才分享过，大家可以自己翻一翻。
Linkerbot 这个案例说明，资本看的不是“完整机器人”这一种形态。
如果一家公司能解决灵巧手、关节、电机、动作数据、操作技能库这些底层问题，它同样可能成为具身智能产业链里的关键节点。
资本到底在买什么？
第一层，是硬件规模化。
机器人不是 App，不能只靠代码上线。它要有供应链、工厂、良率、成本控制和交付能力。
这也是为什么宇树的 IPO 特别受关注。
公开报道，宇树科技已经获得上海科创板 IPO 审批，计划募资 42 亿元人民币。
募资用途包括机器人 AI 模型研发、机器人本体研发、新产品开发和智能机器人制造基地建设。
这个募资用途就很典型：模型、本体、产品、制造基地，一个都不能少。
这正是具身智能和普通 AI 软件公司的差别。
软件公司的核心成本是研发和算力，机器人公司的核心投入还包括零部件、产线、供应链、测试和交付。
第二层，是关键零部件。
机器人能不能做得便宜、稳定、可量产，很大程度取决于关键部件。
比如关节模组、减速器、电机、传感器、灵巧手、材料和控制系统。
Linkerbot 的例子就很清楚。
它不是和所有人形机器人公司正面竞争，而是切机器人最难、最刚需的部件：手。
它的手可以拧螺丝、抓软物、穿针、做高精度制造；基础款 O6 轻量型号重 370 克，却可以承载 50 公斤负载，公司还把关节模组、电机、减速器等关键部件尽量自研自制。
这类公司一旦跑出来，商业价值不一定比整机公司低。
因为整机公司会换，场景会变，但高质量零部件和动作能力会被很多机器人复用。
第三层，是真实世界数据。
大模型之所以进步快，是因为有海量文本、图片、代码和视频数据。
但机器人不一样，机器人需要的是“动作数据”：
看见什么、手怎么动、力度多大、失败后怎么恢复、不同物体怎么抓、不同场景怎么调整。
这类数据非常难收集，也很难标准化。
智元机器人就介绍过自己的数据集：
超过 100 万条轨迹、217 个任务、5 个部署场景，用 100 台双臂人形机器人采集；
场景覆盖家庭、零售、工业、餐厅和办公室，并且包含灵巧手、视觉触觉传感、人工校验等机制。
这是具身智能公司的长期壁垒之一。
谁能进入真实场景，谁就能采到更多动作数据；
谁能采到更多高质量数据，谁就能训练更好的动作模型；
动作模型越好，机器人就越容易进入更多场景。
这是一个很典型的正循环。
第四层，是场景入口。
机器人最终不能只停留在实验室。它要进入工厂、仓库、门店、园区、家庭和公共服务场景。
智元和龙旗科技的合作案例都是典型的场景。
智元官方披露，2026 年 4 月，它的 AGIBOT G2 机器人被部署到龙旗科技平板电脑生产线，进入真实消费电子精密制造环境。
G2 主要在多媒体综合测试工站执行上下料任务，可以从高速产线上取平板、放入测试治具、再把成品或不良品分类放回产线。
官方披露的指标包括：
每小时最高 310 台、单次操作约 19–20 秒、连续运行成功率超过 99%、产线集成时间 36 小时、单班产出约 3000 台，并支持 24/7 自主运行。
资本最喜欢这种场景，因为工厂有明确的任务、节拍、验收标准和商业回报。
机器人如果能在这类场景里稳定工作，就不只是一个科技产品，而是一个能进入企业预算的生产力工具。
为什么资本现在敢下注？
一个重要原因是，AI 模型的发展，让机器人行业的技术路径发生了变化。
过去做机器人，更像是把每个动作都写死：看见什么、走几步、转多少角度、手臂移动到哪里、夹爪什么时候闭合。
这样做很稳定，但扩展性有限。换一个物体、换一个环境、换一道工序，系统就要重新调。
现在的方向变了。
具身智能希望机器人能通过多模态模型理解环境，再用动作模型控制身体。
它不再只是执行固定动作，而是逐步学会处理变化。
这也是为什么投资人会把具身智能看成“AI 的下一层应用”。
AI 在数字世界里已经证明了：只要有足够多的数据、算力和模型结构，能力会不断涌现。
现在大家想验证的是：这套逻辑能不能迁移到物理世界。
但物理世界比数字世界复杂得多。
具身智能公司不能只靠模型，它必须同时有硬件工程、供应链、质量控制、场景交付和安全机制。
这也解释了为什么这轮融资里的投资人结构很复杂。
有财务投资人，有产业资本，有地方基金，有供应链伙伴，也有潜在客户。
大家投的不只是公司估值，而是希望在新一轮机器人产业链里占一个位置。
这轮融资潮的主线：从“会动”到“能干活”
过去机器人行业的核心竞争，是谁的硬件更强、成本更低、量产更稳。
现在又加了一层：谁能建立「 硬件—数据—模型—场景 」的闭环。
这个闭环一旦形成，就会很难复制。
因为后来者不仅要做出一台机器人，还要找到真实场景、采集动作数据、优化模型、打磨零部件、降低成本、建立交付体系。
今天的钱涌向机器人公司，本质上不是在追一个短期热点，而是在押注下一代 AI 基础设施。
所以，资本买的不是那个会跳舞的“铁疙瘩”，而是：
一套能规模化生产的身体；
一组能持续降本的核心零部件；
一批能训练模型的真实动作数据；
一个能落地验证的产业场景；
以及一个可能把 AI 从数字世界带进物理世界的入口。
我觉得，这或许就是这一波中国具身智能融资潮背后的逻辑。