先说结论：宇树上市把具身智能的创业热潮推向小高峰，但晚点编辑部数月调查发现的是一幅拧巴的图景——行业融资金额屡创新高，可算力和数据这两个真正决定技术进展的地方花的钱并不多；收入端则靠地方政府数据采集中心和制造业供应链的"互买"关联交易撑起体量，为的是凑够港股 18C 上市门槛、赶上一个已持续 20 多个月的牛市窗口。这期晚点聊请来报道《具身的金钱游戏》的两位作者——科技组记者子楠（长期跟踪汽车与硬件产业链）和平台组记者玉萌（跟踪大公司与投资市场）——把这场"融资竞赛而非技术竞赛"的运行机制拆开了看。理解它的价值在于：判断这个行业的公司，不能再用大模型行业的标准，得先看懂它的钱从哪来、到哪去。

钱很多，花得很少

两位记者接触从业者得到的第一个模糊印象是：大家拿了很多钱，但花钱很少。有采访对象形容，这个行业像在打德州——比谁口袋深（筹码多），而不是比谁的技术更先进。“我们报道的不是一个科技赛道，是一个融资驱动的东西。”

具体的数字对比相当刺眼。节目里提到一家估值还算头部的机器人公司，去年研发投入约 3000 万元，而累计融资超过 50 亿元人民币——按子楠的说法，这笔钱就算全放余额宝，一年利息都有五千万，买最差的理财就足够覆盖研发成本。已发招股书的宇树，去年研发投入是 1.45 亿元；他们特意搜了蜜雪冰城作对比，后者去年研发投入 1.05 亿元。据他们了解的非公开信息，智元去年研发投入约 5 亿元左右（智元约 1300 人，人力成本更高）。

钱没流向研发的去向也有旁证。子楠在稿子里写：整个行业有千卡以上算力集群的公司就八家——文章发出后还有业内人士跟他说"八家都多了"。数据侧同样如此：今年四月，一位二级市场信源转述某具身公司创始人的话称，整个行业就没有用过十万小时以上的数据去训练跑过一次模型，这与许多公司对外口径明显相左。而某家数据公司自称今年上半年累计生产了五万小时的第一人称视角数据、已是行业前两名，它签下的最大订单只有一万小时。玉萌补充了一个结构性原因：不少本体加智能的全栈公司数据靠自己采，甚至对外卖数据（比如智元就有数据业务），所以把供应商问一遍也凑不出行业真实总量——但至少说明，外部可观测的数据交易规模不大。

还有些钱花在了投资人心疼的地方：宇树、松延动力、银河通用等公司上春晚，按节目了解每家花费至少六千万元以上——够那家 3000 万研发投入的公司再干两年。玉萌朋友的评论被原话引用：“上春晚没问题，都要上春晚就有问题。“第一个上春晚是有效广告，一起上就失效了。

值得注意的反方视角：子楠认为一些公司研发投入低，根源是缺乏做技术 bet 的判断力——不知道该押注哪个方向，研发自然投不下去；智元"多个方向都做"是一种资源型玩法，有其合理性。玉萌则提醒，融资基本都带回购协议，“这个钱不管在哪里都是有成本的，你想想兜不兜得住”。

看不见的赛道：为什么进展无法观测

具身智能为什么能维持这种"钱多、进展模糊"的状态？两位记者给出了一个结构性解释：这个行业的进展天然难以观测。

对比大语言模型：有公开 benchmark，模型开源开放权重后人人可测，普通人上手产品就有自己的手感。而具身智能是 to B 的高成本物理实体产品，普通人接触不到；也没有受到公认的行业 benchmark——之前晚点聊有期节目专门聊过，同一个模型放在不同硬件上跑，因硬件一致性问题表现都不一样，复现本身就难、成本高。主持人曼奇总结：这导致行业要么被极大高估、要么被极大低估，在两种状态间摇摆，讲故事和吹泡沫的空间都很大。

子楠用亲身观察佐证。他去一家成立不到一年的创业公司参观，机器人用爪子抓一个轴承放进塑料盒，做了七十秒——她主编问"这机器人到底能替代几个比亚迪工人”，她回答不了：人类快递分拣员拿东西转身放下两秒都不需要，而且传统工业里 SCARA 或六轴机械臂本来就能干这类活。她还连着去过某头部公司三次，“感觉不到比之前明显的进步是什么”。当然她自己也补充了限定条件：要看技术进展的加速度，但恰恰加速度也不明朗。

最硬的参照系是马斯克。按他最初的说法，Optimus 三代去年一季度就该设计定型，实际按子楠跟进是今年六月底才实现，至少晚了十八个月，过程中还降低了一些要求。“至少马斯克他自己之前是高估了技术进步的斜率的”——他后来也很久不发照片和视频了。节目同时引用了马斯克自己的话：“我常常会迟到，但我一般都会做到。“等不等得起，是每个参与者自己的问题。

在这个模糊环境里，创始人的"道心"也会摇摆：本来打算扎实做技术，看到某位"大哥"靠另一条路线融到更多钱、吸引更多人才，路线就换了。玉萌注意到一个微妙的话术——创始人不会说"我换了路线”，而是说"我迭代了，我升级了”。

收入从哪来：数采中心与制造业互买的闭环

行业悖论在 IPO 问题上集中爆发：技术成熟度和实际应用都还早，但港股 18C 上市规则（2022 年 10 月提出、2023 年 3 月生效）要求 2.5 亿港币以上的收入门槛。这个门槛对机器人公司不算难——均价一台 20 到 30 万——但排队上市的公司太多，2.5 亿只是最低门槛，收入越高、增长越漂亮越好。那么收入从哪来？

**第一支柱：地方政府的数据采集中心。**一位机器人公司 CEO 告诉记者，去年整个行业最大的客户是各地数采中心。模式设计得相当完整：地方政府与机器人公司合资成立数采公司，政府出钱或出地，有时还有第三方运营方参与（子楠调侃连开餐馆的有钱老板都能进来）；运营方雇佣大学生做遥操员，一台机器人配两个数采员（一个盯机器、一个操作），一百台就是两百个就业岗位。对地方政府来说这生意几乎无可挑剔：无污染（插电就能跑）、就业和税收可以精确计算、不占地方（郊区现成产业园即可），政府真正要掏的钱就是买机器人——大约四五十万一台，一个数采中心一般一百台规模，五千万左右，比当年造车友好得多。更妙的是，机器人公司通常与政府约定优先回购生产的数据，合资公司的数据销售有保障。“凑四个这样的数采中心，就够 18C 的收入门槛了。“公开能查到的数采中心去年已有八十多个，遍布自贡、攀枝花这类你意想不到的城市。按粗略印象，这类收入占机器人公司总收入的三到四成。

但退潮迹象已经出现。玉萌讲了中部某省会的案例：当地买了八千万元的机器人，数采中心今年初就散伙了，机器人转卖给周边院校当教具。还有开工率问题——数据卖不出去、人力成本压着，索性先不开工。更深层的是技术换代风险：现在行业转向异构数据和仿真数据（转写中"物密数据"疑为此意），真机采集需求在下降，一些机器人公司已主动降低这块收入占比。子楠类比了前几年的智算中心：买了 V100，两年后大家都用 H100 和新一代卡了，上一代投入无法收回成本。对政府这笔账，玉萌的评语是"财务角度可能亏了，认知角度不一定亏——你知道这个事情的深浅了”。

**第二支柱：制造业供应链的"互买”。**去年有一家收入体量较大的具身创业公司，将近四成收入来自制造业场景——这让人吃惊，因为人形机器人在产线上干活的能力还很有限。拆开看其实是一组闭环交易：机器人公司把机器人卖给制造业零部件公司，零部件公司又把零部件卖给机器人公司，互为供应商加客户；制造业公司往往还投资这些机器人公司。对车企型公司来说账很好算：产能过剩，花十个亿建厂不如花五个亿投个机器人公司，还能顺势设个机器人事业部、转型成机器人供应链——资本市场给的估值完全不同，“汽车十五倍，机器人三十倍”。这招只适合中型的成长中供应链企业：市值三百亿的公司 PE 翻倍到六百亿是可观变化；宁德时代买一万台机器人也没人把它当机器人公司，主业太成功。

这个收入是几百个供应商凑出来的：一家机器人公司至少对几百家供应商，两千台的量，一百个供应商一家买二十台就凑齐了——二十台什么也干不了，研发拆解测试、产线放几台试试而已。但制造业公司支付能力强，买两百台"眼睛都不眨”。极端案例是长盛轴承：宇树上春晚后，财报显示宇树等机器人公司只买了它约八百万的零部件，股价却从底部翻了五倍。玉萌还遇到过一个董秘，把零部件卖给机器人公司后对分析师说：“我不是汽车行业的公司了，我现在是个机器人公司，你们至少该给我三十倍估值。"（节目注明这是极个别现象。）

两位记者对这个模式的评价不算全盘否定：它和英伟达、OpenAI 的循环交易是同一类东西，“只要交易闭环、最后有真实价值就很好”——汽车零部件公司不转型，产能利用率下降、工人放假；转型则闲置产能被利用起来。而且它确实是行业里"比较实"的部分的一部分：浙江的汽车零部件公司把悬架金属件能力复用到机器人关节、腿部，很多公司让学机器人的二代来管这块业务。供应链的脉络清晰可见：果链（3C）→ 特链（电动车）→ 机器人供应商（2022 年起特斯拉供应商在宁波、嘉兴、江苏跟进），上游被新机器人企业的发展牵动，最终需求是否成立则是另一回事。

**那真实销量到底是多少？**汽车行业每周发销量、精确到个位数，机器人行业没人统计。一位头部外资分析师的办法是按公司公告找买家、挨个问了八十几个买方凑数：去年底国内人形机器人真实销量约八千台。前三名宇树、智元断崖式领先，第三名优必选，其后都是百台级别——这是真实销量而非出货量，按汽车口径，出货量可能是渠道压货，To B 行业普遍有这个文字游戏。即便如此，中国在生产端已是全球绝对领先：去年特斯拉可能只有几百台产量。还有二级市场朋友的"恐怖发言"被引用：“To B 生意就是你想卖多少就卖多少”——只要两家公司说好。

IPO 倒计时：牛市窗口与两套预期

理解了收入结构，就能理解为什么 IPO 是行业当前的主竞赛。融了这么多钱必须给交代，回购协议压着，技术进展又不确定——研发不一定敢投（不知道往哪投），融资和 IPO 反而是明确可见、值得做的事，先做成的人对后做的人有竞争优势。已有投行在工作的上市排队公司至少十家，实际想上的更多。

紧迫感还来自牛市窗口。从 2024 年 9 月算起，这轮牛市已持续 20 多个月，按 A 股历史算相当长了——错过这个窗口，行情下来时估值要打折，甚至上不了。至于每家公司到底能不能上，节目说"行业里没有人能给出准确答案”，各种阴谋论和奇怪的信息来源都有。

预期分裂最戏剧性的舞台是马斯克和智元"邓总"（邓泰华）的对照。马斯克此前放话 2026 年 10 万台，结果 8 月才造 300 台，年化 3600 台，差着 30 倍——超级 miss，把整个供应链的业绩预期全带崩了（大家原来都按 10 万台按计算器算零部件收入）。于是二级市场转向"国产链"：邓泰华给出 1.6 万台指引，相比去年四五千台的产量不是激进增长，且"邓总的信用记录比马斯克好"。节目中玉萌特意点破一层：特斯拉、小鹏、小米这些巨头根本不急着卖机器人——对一龙来说机器人是研发投入，没打算今年就卖；他们自己有现金流、已经上市。而创业公司不行，必须有收入。同一条赛道上跑着两套完全不同的逻辑：巨头买未来，创业公司买门票。

攒局的艺术：Club Deal 与两种投资人

一级市场的热潮到节目录制当月仍在继续，但玩法已经不像传统风险投资。典型的"攒局"是这样的：由 FA 或活跃机构的人操盘，从第一轮就布好阵营——几家产投加几家 VC（3+3 结构很常见），T0 产投六到八家，包括智元、乐聚、银河通用等（它们自己已是产业资本），T0 VC 五到十五家，红杉、高瓴、顺为、春华、源码等。融资金额大、潜在投资方有限，自然形成排列组合。拉豪华阵容进来是为后面的轮次背书：产投代表确定订单，VC 代表技术认可，后面的机构看到阵营"一定会投，估值一定有上涨预期"。

这是 Club Deal 模式——大模型时代就有，但那时高瓴和红杉同投一个项目还挺少；具身阶段更多，公开信息里两家同轮投了它石智航等公司，还同时是星动纪元和智元的股东。子楠问投资人：你们不是竞争对手吗？反馈是"大家一起赚钱有什么好排斥的"——只要投得够前面，在当前预期下这些公司估值一定会快速上升。还有一种更激进的要求被玉萌的朋友遇到：某高估值世界模型公司要求投资机构承诺连续多轮领投，对方觉得没道理，最终放弃。

节目也保留了反对者的声音：有 T0 机构拒绝 Club Deal，他们最看重的是创始人的定力——泡沫中是否还专注做自己想做的事。而真正"传统 VC 式"的投资在具身行业依然存在且被传为佳话：红杉 2019 年种子轮投宇树，那时完全没有共识，投的就是王兴兴拿着机器狗做出产品后激动的样子。

二级市场的态度也在变化。文章发表后有人幸灾乐祸说泡沫要炸，玉萌不同意：二级的人正在主动"在泡沫里找到自己愿意下注的人"——他们买入的价格已经很高，决策必须谨慎，于是去问可验证、可量化的问题：今年明年研发投多少、收入预期多少、钱从哪来、在手订单、复购概率。有趣的是，能回答上这套问题的公司反而"不是典型的具身公司"——它得有相对成熟的业务；真正的具身公司核心要义是探索技术，这些问题本来就难回答。投资人本身也分两类：一类赚主题的钱盼着尽快退出；另一类坚信具身的价值，对上市不紧张，核心是周期性确认创始团队"认真做技术、纯粹推进事情"。玉萌对二级操作的说法很直白：机器人板块没有稳定预期，“我会做波段，一直买入卖出”——事后看，一直不动的人反而是亏的。

接下来看什么

收尾时两位记者把观察指标交给了听众，可以归成四个：其一，王兴兴的公开预期管理——他在宇树上市时说行业两到三年内会有应用落地，比行业投资人定价的预期低，“但可能也更靠谱”，宇树、智元大概率在这个尺度内给出商业化的明确结果或路径。其二，技术上的关键验证：智元等头部公司说过，如果能积累一千万小时数据，就可能验证模型到底有没有 scaling——头部公司距这个目标不远，之前悬而未决的技术问题今年可能就有答案。其三，宇树上市后六个月的股价走势：进入公开市场意味着充分定价，早期炒高的人会退场，价格理论上趋近内在价值——六个月后它是站上三千亿还是低于现在，将是整个行业估值体系的锚。其四，数采中心模式的退潮速度：真机数据需求下降、政府认知学费交完之后，支撑行业三到四成收入的那个支柱还能不能续上。

对从业者来说，节目里写的这些不是秘密和内幕，而是每天发生的现实。技术进展慢且不确定，是所有连锁反应的根因——正因为不知道钱该往技术哪里投，钱才会流向春晚、数采中心、关联交易和 IPO 排队。具身智能无疑是个有前景的大方向，但怎么到达那个有前景的未来，眼下仍是一串问号。对普通观察者而言，最实用的启发或许是：在这个进展难以观测的行业里，凡是无法被"真实销量、复购、数据利用量"验证的叙事，都值得多问一句它是被"迭代"了，还是被"升级"了。