5 月 18 日至 22 日，高盛分析師 Jacqueline Du 帶隊密集走訪了 14 家中國機(jī)器人公司。先是在香港 Asia Communacopia + Technology 大會上見了一批，隨后連續(xù) 3 天在深圳和北京展開一輪中國 AI 機(jī)器人之旅。

這 14 家公司覆蓋了市面上各類賽道上的代表公司：從做觸覺傳感器的戴盟機(jī)器人，到已有萬臺交付目標(biāo)的優(yōu)必選；從做 3D 視覺的梅卡曼德，到剛在 RoboChallenge 上登頂?shù)那ぶ悄?；還包括銀河通用、星海圖、極智嘉、逐際動力、靈心巧手、帕西尼、眾擎機(jī)器人、越疆科技、埃斯頓、自變量機(jī)器人。

圖丨相關(guān)報告（來源：Goldman Sachs）

在隨后于 5 月 26 日發(fā)出的研報里，高盛用了一個克制但明確的判斷：行業(yè)正在向商業(yè)化現(xiàn)實(shí)更進(jìn)一步，但投資者需要耐心。

輪子更好用

高盛在調(diào)研中注意到一個很難忽略的現(xiàn)象：很多玩家正在選擇輪式底盤加兩到三指夾爪，而不是雙足加五指靈巧手。

星海圖管理層明確表示，輪式機(jī)器人配夾爪是當(dāng)下更合理的選擇，能覆蓋約 90% 的工業(yè)應(yīng)用場景。其 VLA（Vision-Language-Action，視覺-語言-動作模型）執(zhí)行速度已達(dá)到人類的 80% 到 90%。越疆科技的估計是，工業(yè)需求中約 50% 可以靠機(jī)械臂解決，20% 到 30% 靠輪式人形機(jī)器人，只有剩下的 20% 到 30% 才真正需要雙足。

持同樣判斷的公司不在少數(shù)。千尋智能也把五指靈巧手排除在了近期路線圖之外，理由很簡單：壽命短、成本高。三指夾爪正在測試中，即將投入實(shí)際數(shù)據(jù)采集。

不過，幾乎沒有一家公司會在口頭上否定雙足的終極價值。越疆稱雙足是“最終的最高泛化形態(tài)”，星海圖也不排除未來做雙足。但在 2026 年這個時間節(jié)點(diǎn)上，行業(yè)的腳正踩在輪子上。

與形態(tài)選擇同步變化的是模型架構(gòu)。關(guān)于具身智能模型的討論已經(jīng)不再是“VLA 萬能論”。VLA 負(fù)責(zé)策略生成和動作輸出，但獨(dú)立運(yùn)作時缺乏對執(zhí)行后果的預(yù)判能力。高盛觀察到，越來越多公司正在將世界模型（World Model）作為 VLA 的功能性配合層，用于下一狀態(tài)預(yù)測、動作提交前驗(yàn)證，以及在不確定環(huán)境下增強(qiáng)魯棒性。星海圖、銀河通用、千尋智能和眾擎機(jī)器人都明確表達(dá)了這一方向。

臥安機(jī)器人 5 月 21 日剛發(fā)布的 OneModel 1.7，用了一個“潛在世界動作模型”（latent world action model），把世界模型的泛化能力和 VLA 的執(zhí)行能力組合在一起，另外還加入一個“成功記憶層”，用于回溯此前的成功執(zhí)行。

千尋智能走的是潛在預(yù)測路線，不做逐幀生成。其 Spirit v1.5 今年 1 月開源后，在 RoboChallenge 的 Table30 上拿到 66.09 分和 50.33% 成功率，是首個超越 Pi0.5 的中國開源具身模型。

與此同時，模型規(guī)模也在膨脹。高盛稱，行業(yè)討論已經(jīng)從此前單個幾十億參數(shù)級的預(yù)訓(xùn)練系統(tǒng)，轉(zhuǎn)向 40B 到 80B 參數(shù)量級的多模態(tài)棧。但多家公司強(qiáng)調(diào)，這些更大規(guī)模的模型組合離部署級質(zhì)量還有多輪迭代的距離。

另一個新變量是觸覺。VTLA（Vision-Tactile-Language-Action，視覺-觸覺-語言-動作模型）正在成為部分公司的差異化方向。戴盟機(jī)器人的核心策略是做觸覺小模型，作為插件層接入其他 VLA 框架。帕西尼計劃下月發(fā)布一個以觸覺為主導(dǎo)的 VTLA 模型，用來補(bǔ)足視覺為主的方案。兩家的判斷一致：在物理交互質(zhì)量要求高的場景中，光靠“看”不夠，還需要“摸”。

誰能量產(chǎn)數(shù)據(jù)，誰就拿到入場券

如果只能從這份報告里挑一個核心詞，那就是“數(shù)據(jù)”。

高盛的判斷很明確：高質(zhì)量、真實(shí)世界、多維度的數(shù)據(jù)仍然是實(shí)際部署的首要瓶頸。但討論的焦點(diǎn)已經(jīng)從籠統(tǒng)的“數(shù)據(jù)配方”，轉(zhuǎn)向了“用什么架構(gòu)規(guī)?；a(chǎn)數(shù)據(jù)”。

當(dāng)前大致形成了兩條路線。

一條是集中式數(shù)據(jù)工廠。帕西尼是最典型的代表，已經(jīng)在天津、宿遷、武漢、自貢、贛州運(yùn)營 5 座數(shù)據(jù)采集工廠，各自對應(yīng)當(dāng)?shù)貎?yōu)勢產(chǎn)業(yè)的數(shù)據(jù)類型，背后有地方政府支持。

優(yōu)必選的數(shù)據(jù)工廠模式是：地方政府購買機(jī)器人并擁有數(shù)據(jù)所有權(quán)，企業(yè)通過補(bǔ)貼、硬件訂單和數(shù)據(jù)使用權(quán)的組合獲取回報。優(yōu)必選 2025 年人形機(jī)器人需求中約一半來自數(shù)據(jù)工廠，管理層預(yù)計 2026 年這塊需求將持平或更強(qiáng)。

另一條是分布式部署回流。星海圖與亦莊政府合作，在“邊工作邊采集”模式下，以真實(shí)機(jī)器人遙操作為主，占數(shù)據(jù)組成的 80% 到 90%；同時輔以 UMI 手套（Universal Manipulation Interface，通用操作接口）、外骨骼、第一人稱視角等方式。公司已開源 500 小時內(nèi)部數(shù)據(jù)并獲得開發(fā)者社區(qū)認(rèn)可，目標(biāo)是今年將數(shù)據(jù)量擴(kuò)展到 100 萬小時。

千尋智能已經(jīng)部署 800 多臺機(jī)器人，用于持續(xù)的遠(yuǎn)程監(jiān)控式數(shù)據(jù)采集。部署用戶還會產(chǎn)生付費(fèi)數(shù)據(jù)回流。公司年底目標(biāo)同樣是累計 100 萬小時真實(shí)數(shù)據(jù)，明年目標(biāo)是數(shù)千萬小時。

戴盟機(jī)器人走了一條更獨(dú)特的路。其 DM-EXton 數(shù)據(jù)采集可穿戴設(shè)備通過運(yùn)營商網(wǎng)點(diǎn)租出，用戶在家采集數(shù)據(jù)，按每小時幾十元計費(fèi)。一旦實(shí)現(xiàn)大規(guī)模分發(fā)，目標(biāo)是形成百萬小時級數(shù)據(jù)集。

越疆科技則押注裝機(jī)量的副產(chǎn)品邏輯：不做獨(dú)立的數(shù)據(jù)采集業(yè)務(wù)，而是利用協(xié)作機(jī)器人出貨建立的 15 大場景和廣泛客戶基礎(chǔ)，在概念驗(yàn)證（POC）推進(jìn)過程中同步積累真實(shí)工業(yè)場景數(shù)據(jù)，用存量客戶理解驅(qū)動模型訓(xùn)練和場景泛化。

數(shù)據(jù)正在成為實(shí)際的收入來源。帕西尼的商業(yè)化重心就是數(shù)據(jù)和觸覺傳感器，其數(shù)據(jù)被用于訓(xùn)練約 15 個垂直模型、向大模型廠商出售，以及為機(jī)器人應(yīng)用定制數(shù)據(jù)集。在物流分揀場景中，帕西尼給出的引導(dǎo)是，約 1 億到 2 億個數(shù)據(jù)點(diǎn)就足以支撐部署，時間線短至 1 到 2 個月，目前已經(jīng)在和京東合作推進(jìn)。多家公司預(yù)計，2026 年數(shù)據(jù)相關(guān)收入占比將上升。

三到六個月一輪 POC，五十臺才算起步

高盛總結(jié)的商業(yè)化路徑是一個多步漏斗：POC 驗(yàn)證通常需要 3 到 6 個月，平均要做 2 到 3 輪；隨后進(jìn)入小批量測試，通常每個工廠訂單不超過 50 臺；再經(jīng)過約 12 個月驗(yàn)證期；到試點(diǎn)部署階段，訂單規(guī)模才開始向每客戶 50 到 100 臺靠攏。

多數(shù)行業(yè)玩家認(rèn)為，大規(guī)模部署要到 2027 到 2029 年，前提是在部署級模型之上積累數(shù)千萬小時的高質(zhì)量數(shù)據(jù)。

目前最接近規(guī)?；桓兜氖莾?yōu)必選。公司 2026 年目標(biāo)約 1 萬臺，其中工業(yè) 5,000 臺，商業(yè)和家用 5,000 臺。汽車仍是最大的工業(yè)垂直場景。2025 年下半年以來，一級汽配、半導(dǎo)體和 3C 的需求明顯回暖，以上下料為主。

工業(yè)人形機(jī)器人的平均售價（ASP）從 2025 年的 70 萬到 80 萬元，降到 2026 年引導(dǎo)的 55 萬到 65 萬元。物料成本（BOM）已經(jīng)從 2025 年初的約 40 萬元，降到目前略高于 20 萬元，近期目標(biāo)是 20 萬元，更長期目標(biāo)是在 2027 年前后降至 10 萬元。降本的主要驅(qū)動力是執(zhí)行器和減速器的模塊化放量，以及結(jié)構(gòu)件從數(shù)控機(jī)床（CNC）加工轉(zhuǎn)向模具生產(chǎn)。前者占 BOM 約 30%，后者占約 50%。

越疆科技的具身 AI 相關(guān)收入 2025 年只占總營收 4%，但同比增長了 4 倍。人形機(jī)器人 ASP 在 20 萬到 50 萬元之間，均價約 30 萬元，毛利率已經(jīng)做到 45%。2026 年出貨引導(dǎo)為 300 到 500 臺。

千尋智能在寧德時代的電池檢測場景上已經(jīng)通過 POC，并開始小批量采購。一臺機(jī)器人替代一個工位，此前需要 2 到 3 個班次的人力。但管理層判斷，真正的規(guī)模化要等產(chǎn)品標(biāo)準(zhǔn)化，大概在 2028 年前后。當(dāng)前模型在新任務(wù)上的成功率約 40% 到 50%，管理層認(rèn)為，60% 到 70% 才是約束顯著放松的門檻。

靈心巧手是另一個有意思的樣本。管理層稱，其在高自由度靈巧手市場占據(jù)全球 80% 以上份額，是唯一實(shí)現(xiàn)月產(chǎn) 1,000 臺以上高自由度靈巧手的廠商，峰值產(chǎn)能 4,000 臺，產(chǎn)品 ASP 比海外競品低 50%。

但在商業(yè)化策略上，靈心巧手故意避開了搬運(yùn)、分揀這類同質(zhì)化場景，押注長期高價值技能。其 LinkerSkillNet 平臺擁有全球最大的真實(shí)世界靈巧操作數(shù)據(jù)集，覆蓋超過 500 種技能。

在國內(nèi)市場，軟件和技能目前主要通過硬件捆綁銷售實(shí)現(xiàn)變現(xiàn)，并加入技能溢價；美國客戶更接受按結(jié)果付費(fèi)的租賃模式，回收期約 6 個月。管理層稱，預(yù)計 3 到 5 年內(nèi)能復(fù)刻所有人類精細(xì)操作。

眾擎機(jī)器人則直接給了一個消費(fèi)端的成本錨點(diǎn)：3,000 美元 BOM 是家用場景大規(guī)模進(jìn)入的關(guān)鍵門檻，Onero 當(dāng)前目標(biāo) ASP 約 1 萬美元，為夾爪版本。降本路徑是用軟件算法補(bǔ)償硬件精度不足，同時持續(xù)優(yōu)化核心零部件。不過，家用場景在安全性和穩(wěn)定性上的門檻遠(yuǎn)高于工業(yè)，管理層預(yù)期的消費(fèi)端時間線是 3 年后。

高盛給這份報告起的副標(biāo)題是“向商業(yè)化現(xiàn)實(shí)更進(jìn)一步”。這個表述很準(zhǔn)確：行業(yè)確實(shí)在進(jìn)步，但離真正的規(guī)模化交付，中間還隔著好幾年的POC和驗(yàn)證期。

14 家公司中，真正形成穩(wěn)定訂單規(guī)模的屈指可數(shù)，大部分還在 POC 和小批量測試之間反復(fù)。行業(yè)共識把大規(guī)模部署窗口鎖定在 2027 到 2029 年，而這本身又建立在一個假設(shè)之上：到那時，數(shù)據(jù)量和模型質(zhì)量能同時跨過某個臨界點(diǎn)。

摩根士丹利今年初已經(jīng)把 2026 年中國人形機(jī)器人銷量預(yù)測從 1.4 萬臺上調(diào)到 2.8 萬臺。但這些數(shù)字里有多少是數(shù)據(jù)工廠采購，有多少是真正替代勞動力的工業(yè)訂單，目前并不明了。

參考資料：

1.https://finance.biggo.com/news/NhwsY54BaoGGrU-I2QmE

運(yùn)營/排版：何晨龍

注：封面/首圖由 AI 輔助生成