我们为啥偏爱“机器人”？
从狂热到退烧，中间只隔了三个月。行业服务平台NE时代统计，9月具身智能领域融资额较8月缩水四成；虎嗅梳理的数据显示，6月该领域刚创下315亿元的历史纪录，7月就环比骤降62%——资本从撒网转向只喂头部和核心零部件。与此同时，港股IPO排队企业总数超过380家，18C通道对商业化实质进展、技术真实性的要求明显抬高，单靠高估值和股东背书闯关越来越难；更冷的是，部分创业公司开始收缩业务，现金流承压。
11月4日，2026年世界互联网大会乌镇峰会互联网企业家论坛上，宇树科技创始人王兴兴给出截然相反的判断：“大概率明年将是机器人行业或机器人模型的临界点，明年的改良会非常大。”资本谨慎、项目收缩与头部创业者对拐点的预判同时存在，构成当下具身智能最耐人寻味的基本面。热潮退去，市场已不再满足于舞台上的流畅演示，转而追问机器人能否落地承接真实生产需求、持续创造生产力价值。
热潮之下产业亟待解决的真问题究竟是什么？现有能力能否匹配稳定可付费的真实需求？人类为什么执着于打造一具和自身形态相近的机器？
核心矛盾行业当前的困境，不在算法或结构方案缺少亮眼成果，而在缺少一条可复制、可算账的落地闭环。出货结构早已给出提示：上半年近七成机器人订单流向高校科研、展会展示与数据采集场景，真正进入产线稳定承接工序、为企业降本增效的设备不足三成。很长一段时间里，赛道的叙事重心压在行走、抓取、多模态交互等演示能力的打磨上，却很少锚定一个基础的商业标尺——这台机器人服务哪类岗位、适配怎样的环境、综合使用成本多少、能否稳定输出可衡量的价值。
所谓产业真问题，可以拆成四个相互咬合的工程与商业命题。第一是物理世界的数据供给。大模型训练依托海量低成本的文本与图像，而机器人在现实空间每试错一次，都伴随硬件损耗、场景重置与人工标注，具身数据的采集、清洗、标注至今没有成熟范式，很容易困在实验室的有限场景里自转。第二是成本红线。当前人形整机造价普遍数十万乃至上百万元，对比一线产业工人的人力成本，经济账长期倒挂；成本不做量级下探，替代人力就只是远期假设。第三是长期可靠性。传统工业机械臂在固定工位重复标准化动作，成熟度已经很高；人形机器人要面对光照、物料位置、障碍物持续变化的非结构化环境，多任务切换与长时间连续作业的稳定性，仍是工程瓶颈。第四是场景定位。赛道需要找到机器人具备比较优势的岗位，标准不是“它能完成”，而是综合成本、稳定性与风险可控性上，相比人力与传统自动化方案更优。
找到这个场景，才是产业破局的起点。
现有能力边界王兴兴给行业能力设了一把清晰的尺子。他将机器人的“ChatGPT时刻”定义为双80%标准：在80%的陌生场景下，接收自然语言指令，独立完成80%的任务。在他看来，头部具身模型已无限接近这条线，卡点集中在物理交互的“最后几毫米”——模型输出的动作指令，与现实中物体的位置、硬度、摩擦力等物理属性对齐不足，精密装配、柔性抓取这类高容错要求的动作，失败率居高不下。
基于这个能力基准，市场需求可分成三层，错配一目了然。第一层是已验证可行的窄边界场景。智元机器人把精灵G2送进龙旗科技南昌工厂，承接平板电脑出厂前的质检工序，覆盖多品类测试；小米把自有汽车工厂当作试验场，用真实产线标准持续验证机器人作业能力。质检、上下料、规整分拣这类任务边界固定、环境改造小、结果易于量化的岗位，是现阶段最适配的需求，订单具备持续付费的基础。第二层是可演示、但商业模型无法自洽的场景，家庭服务是典型代表。整理家务、陪护照料在感知上属于强刚需，但采购价、运维成本与故障风险叠加之后，普通用户很难承担，短期难以形成规模化消费市场。第三层是远期愿景：完全通用的具身智能，能无预设地适配任意未知环境、自主处理陌生任务。
这是长期方向，不是当下能交付的产品。
过去几年，赛道的资源倾斜出现了偏差，用通用人形机器人的远期故事支撑估值，交付的产品却停留在浅层演示和少量定点测试阶段。要走出困局，更现实的做法是依托现有成熟能力深耕第一层场景，用落地收入反哺研发，再一步步向泛化能力迭代。
王兴兴口中的临界点是什么“临界点”是个容易被泛化解读的词，得先拆开：技术临界点与产业商业临界点，节奏并不相同。技术层面，临界点对应王兴兴提出的双80%指标。一旦达成，机器人就跳出单一工序脚本，具备跨场景听从自然语言指令干活的能力。从技术演进曲线看，这个目标具备落地可能，现有模型已大幅拉近与标准的距离，瓶颈集中在物理对齐、触觉感知与运动控制的工程优化，不是底层原理障碍。产业意义上的临界点，则是一套综合信号，需要多个条件同步兑现：一是单位经济模型转正，机器人折旧、维保、能耗合计的单位工时成本低于被替代的人力；二是需求结构切换，科研、展示类订单占比持续下降，工厂、高危作业、养老辅助等生产型订单成为基本盘，客户形成复购；三是供应链走向标准化，核心关节、传感器批量放量，整机成本进入下行通道，支撑万台级以上的出货；四是配套体系补齐，运维服务、责任保险、安全规范逐步完善，机器人从试验样品变成企业能稳定采购的生产工具。
以此衡量，技术拐点有机会在2027年临近，但完整的产业临界点大概率滞后。王兴兴的判断根植于一线研发体感，天然带有乐观倾向——他看到的是模型迭代速度、硬件方案成熟度的向上斜率；投资人的谨慎，则源于商业化指标尚未达标。二者并不矛盾，只是观察坐标不同。临界点到来的标志，从来不是刷屏的演示视频，而是一家企业主动持续批量采购，并在核算之后确认这项投入能稳定省钱、提效。
人类为什么偏爱“机器人”一个根本性疑问始终悬在赛道之上，叉车、固定机械臂、移动AGV都能高效完成专项作业，人类为什么还要投入巨大代价复刻自身外形？第一层是工程适配逻辑。我们生活的物理空间，所有设施与器物都按人体尺度设计，门宽、台阶高度、把手位置、桌面高度。人形结构的核心价值，是原生兼容现有人类世界，无需大规模改造环境，就能进入绝大多数空间作业。人形机器人不是单点最优方案，而是物理世界里通用性最强的接口。只要我们还想要一台能穿梭于既有人类环境、操作人类工具的机器，人形就是一条很难绕开的路。
更深一层是认知与心理层面。人形载体天然降低人机交互的信任成本——人类心智会对类人形态产生本能共情与沟通预期，愿意用自然语言下达指令、托付任务。机器不只是执行工具，也是协作主体。而在这一切之上，还有一个更柔软、也更真实的原因：人太孤独了。心理学上，一个形态与自身相近的客体，最容易让人放下戒备，愿意接近、沟通、甚至倾诉——人们会对着它说话，像对着一个听得懂的老朋友。我们造一个像自己的机器，某种程度上，是给孤独的人类文明造一个可以对话的同伴。我们偏爱机器人，本质上是期待一个能与我们共处同一套物理规则、同一套交互语言、又愿意倾听的智能存在。
人形是必然路线落到商业账本上，人形方案的取舍就变得现实。传统工业自动化设备优势突出，目标单一、结构精简、成本可控、稳定性久经验证，短板是柔性不足，换产改造周期长，难以适配小批量、多品类的柔性生产。人形机器人瞄准的正是这个缺口，用一套硬件平台承接多样化任务——这是它的价值主张，也是它的沉重负担。通用性要求整机搭载大量精密执行器与感知模块，零部件定制化程度高，短期内很难复制电动车产业的规模降本曲线。
所以人形是一场长期的通用性赌注。放长周期看，方向具备合理性；放在当下，它是高昂的成本负担。资本退潮，本质是市场不再为形似人类的外壳支付溢价，估值逻辑转向ROI考核——不论外形如何，核心看它能否持续交付可量化的经济价值。人形是能力的载体，不是价值本身。载体可以迭代，甚至在许多细分场景里，非人形的专用方案会长期更划算。
热潮退去，不是赛道的终结，而是行业从概念竞赛转向工程长跑的分界点。
王兴兴对临界点的预判，为市场提供了一个清晰的观测锚点；但预判能否兑现，最终取决于大量细碎的工程问题能否被解决、成本曲线能否持续下探、真实付费场景能否持续跑通。
人类对人形机器人的偏爱由来已久，但资本与产业的耐心，只会留给能持续解决真实问题的产品。我们追逐的从来不是一具像人的外壳，而是一套能扎根现实世界、解放人力的通用生产力。
