機器人財報里的“隱性成本”與“顯性焦慮”

2026年，資本市場對人形機器人的熱情依然高漲。

3月以來，具身智能行業投融資消息不斷，銀河通用宣布完成25億元新一輪融資，松延動力完成B輪近10億元融資。IT桔子數據顯示，截至2026年3月20日，中國機器人賽道今年已有融資事件207起，其中人形機器人融資133起，共115家公司拿到錢。

一級市場在用真金白銀持續押注，賽道熱度不減，然而大洋彼岸卻是另一番景象。

硅谷明星初創K-Scale Labs在量產前夜突然解散團隊并開源全部技術，賬上僅余40萬美元；協作機器人先驅Rethink Robotics繼2018年首次倒閉后，于2025年8月二次破產；社交機器人廠商Aldebaran于2025年2月關停；兒童陪伴機器人Embodied關閉；掃地機器人鼻祖iRobot于2025年12月申請破產保護……這些曾經閃耀過的名字，在“黎明”前紛紛倒下。

“冷熱交織”的反差局面，讓市場不得不追問： 機器人 究竟走到了哪一步？在這樣的背景下，優必選、越疆、極智嘉、宇樹科技等一批 機器人企業 相繼披露了過去一年的“成績單”。從這些財報中，我們或許能找到一些答案。

01

營收普漲，但盈利者寥寥

翻看各家的財報，最直觀的一個信號是，大家都賣得動了。

2025年，優必選營收20.01億元，同比增長53.3%；極智嘉營收31.71億元，同比增長31.6%；去年底于港交所上市的臥安機器人營收9億元，同比增長47.7%；“協作機器人第一股”越疆營收4.92億元；宇樹科技營收17.08億元，同比大增335%。

全行業正在經歷從“樣品”到“商品”的集體跨越。人形機器人、倉儲機器人、家庭機器人、協作機器人，各有各的起量邏輯，但在增長的共識之下，行業依然存在結構性隱憂。

第一，營收雖然在漲，但錢卻沒賺到。

從財報數據來看，優必選虧損7.9億元，雖較上年收窄3.7億元，但距離盈虧平衡仍有明顯距離；越疆凈虧損8404萬元，同比收窄1131.6萬元；華沿機器人2025年前九個月虧損1560萬元；云跡科技更甚，2022至2024年營收總和僅5.5億元，虧損卻達8億元。

除了宇樹和極智嘉，絕大多數機器人上市公司仍然陷在“增收不增利”的泥潭里。即使實現盈利的極智嘉，也是首次經調整盈利，且高度依賴海外高毛利市場；宇樹的盈利則建立在科研教育客戶占七成以上的特殊結構上。

第二，虧損在收窄，但“失血”沒有停止。

各家“三費”開支依然高企，比如優必選2025年銷售、管理、研發費用合計25.61億元，比營收還要高；越疆銷售及經銷開支同比增長32.1%至1.82億元；臥安機器人銷售費用同比大增81.3%至3.12億元。

宇樹科技雖以480人團隊實現了人均創收355萬元，但這是“產品線極簡+供應鏈極深+團隊極精+客戶極散”的結果，不具備行業普適性。多數企業仍處于“營收增長靠投入拉動”的粗放階段，規模效應的拐點尚未到來。

第三，回款壓力正在積累。

以較早投身具身智能的優必選為例，人形機器人銷量增加帶來收入增長的同時，應收賬款金額同樣高企。2025年其應收賬款高達18.42億元，同比增長40%，應收/營收比超過92%，壞賬準備高達5.39億元，計提比例29%。

對于大多數機器人公司而言，客戶結構決定了現金流質量。那些以政府、大型制造企業為主要客戶的廠商，賬面營收再好看，現金流的緊張感也不會消失。而一旦應收賬款賬齡惡化，壞賬計提就會反噬利潤。

這三重隱憂共同指向一個核心矛盾，機器人行業正在從“能展示”走向“能干活”，但“能干活”和“能賺錢”之間，還隔著巨大的技術和商業鴻溝。

02

從“小腦”卷到“大腦”

過去兩年，機器人行業的技術敘事主要圍繞“運動能力”展開。

宇樹科技2024年全球首次全尺寸電驅人形機器人原地后空翻，2025年人形機器人奔跑速度超過5米/秒刷新世界紀錄；優必選Walker S系列在工廠完成搬運、分揀、質檢等復雜操作……

這些突破讓外界以為，機器人的“身體”問題已經基本解決，但機器人財報里的研發投入結構，卻有著藏不住的“焦慮”。

宇樹科技IPO募資42億元，其中20.22億元，也就是接近一半的錢被明確投向具身大模型研發；優必選2025年研發投入超5億元，其中2.7億元用于全尺寸具身智能人形機器人，公司預測2026年研發預算將進一步增至7億元，重點投向具身大模型、世界模型及產品迭代。

而越疆研發費用同比增長近60%，新增部分大多投向了具身智能，金額達到4510萬元，占研發總投入的39.3%；極智嘉雖已盈利，仍于2025年7月成立具身智能子公司，戰略布局具身智能賽道，拓寬技術邊界……

顯然，全行業的研發資源正在從“小腦層”向“大腦層”傾斜。這一遷移背后，是各家在硬件上的差距正在逐漸收斂，“跑得快、跳得高”已不足以構成差異化壁壘。

2025年3月，高盛發布針對宇樹科技的實地調研報告，核心判斷直指公司技術架構的結構性失衡：“宇樹機器人強的不是大腦，而是步態控制技術”。

報告中指出，宇樹感知層采用3D激光雷達、深度相機與廣角相機的多傳感器融合方案，決策層的UnifoLM大模型整合了強化學習與仿真訓練；執行層基于模型預測控制實現毫秒級關節響應。然而，這三層系統尚未形成真正意義上的端到端融合。感知輸出的語義理解層次淺，決策層對開放域任務的泛化能力弱，執行層對高層意圖的跟隨精度有限。

這不是某一家的問題，而是整個行業的技術共性。硬件做到了全球頂級，但機器人還是不能自己理解任務、規劃路徑、處理意外。

如此看來，技術棧重心從“小腦”向“大腦”的遷移，或許意味著競爭維度正在改變。過去拼的是供應鏈整合能力和運動控制算法，未來拼的是從虛擬仿真到真實世界的泛化能力。

這場軍備競賽的門檻遠高于硬件層面，它不僅需要持續的資金投入，更需要解決“高質量物理交互數據”，這個比資金更稀缺的資源瓶頸。

03

具身智能的“GPT時刻”還有多遠？

數據，尤其是高質量的數據，一直是具身智能進化中最關鍵的約束變量。

語言大模型之所以能在過去幾年取得突破，根本原因在于互聯網上存在海量的、公開可獲取的文本數據，但具身智能面臨的是完全不同的數據困境。

它需要的是物理世界中的交互數據，比如機器人真實執行任務時產生的視覺序列、力覺反饋、觸覺信號，以及對應的動作指令等等。而這類數據的采集只能在真實或高保真仿真環境中完成，成本極高，泛化極難。

越疆創始人劉培超曾表示：“去年行業內沉淀下來的有價值的數據，（時長）不超過3萬個小時?？赡苡袔资f個小時的數據沒有太大價值，只能做預訓練，很難做到泛化并提升（機器人操作）準確率?！?/p>

當高質量數據的重要性與日俱增，“數據從哪里來”便不再是技術問題，而是戰略問題。 面對這一共同困境，各家企業基于自身稟賦，給出了截然不同的回答。

宇樹的策略是“以硬件養數據”。5500臺人形機器人流向全球實驗室和高校，買家用這些平臺跑自己的算法、做自己的研究，客觀上為宇樹積累了多樣化的場景數據。

優必選的策略是“以場景換數據”。Walker S系列直接扎進比亞迪、奧迪一汽、富士康的產線，用真實工業場景中的億級高質量數據訓練自研的Thinker大模型。

至于越疆的策略則是“以規模建回流”。通過每年出廠十萬臺級別的機械臂，構建數據回流體系，讓不同工廠、不同工位的操作數據持續反哺模型迭代。

高質量物理交互數據的獲取速度和成本，直接決定了具身智能大模型的進化速度。這意味著，未來兩到三年的競爭，本質上或許將是一場數據資產的爭奪戰。誰能率先構建起規?；?、多樣化、高質量的真實交互數據閉環，誰就能在具身大模型的進化上占據先機。

而那些數據獲取能力不足的企業，即便在硬件層面做到了極致，也可能在“大腦”層面的競賽中逐漸掉隊。

總而言之，透過這一份份財報，營收增長印證了商業化落地的加速，虧損收窄釋放出規模效應的早期信號，應收賬款高企則照出商業模式尚不成熟的另一面，而研發投入結構的集體轉向，則說明行業已經意識到真正的瓶頸所在。

接下來兩到三年，將是對各家數據戰略和技術路線的大考。只有那些在“大腦”和數據兩端都完成布局的企業，才有資格站上下一個階段的 “ 牌桌 ” 。