作者|碧山
来源|博望财经
10月12日，第26届中国工博会开幕式的圆桌对谈上，宇树科技创始人王兴兴表示，具身智能的临界点"快的话甚至一两年都有可能"。他把宝押在了大模型身上——明年GPT-7发布，"可能直接把具身智能问题打穿"。
他的底气来自实测。前段时间GPT-6发布后，宇树把它放到各种机器人上做任务测试，"效果实际上非常不错"。
但市场给这个行业定的价，已经今非昔比。
8月19日，宇树科技登陆科创板，成为A股"人形机器人第一股"，市值一度冲到4449亿元。不到两个月后的10月，股价在500元下方徘徊，市值较峰值蒸发超过2400亿元。
01
最乐观的时间表
这不是王兴兴第一次给出临界点判断。
2025年8月的世界机器人大会上，他说顺利的话一两年或两三年，最慢三到五年，人形机器人有望迎来"ChatGPT时刻"。今年8月，口径变成了快则两到三年、慢则五到十年。到了这次工博会，时间表骤然收紧到最快一两年。
耐人寻味的是节奏。8月给出保守判断时，正是宇树上市、全行业狂欢的顶点；10月喊出最快一两年时，却是潮水退去、投资人集体观望的节点。
行业最热的时候他泼冷水，行业转冷的时候他添柴火。
同一场合，王兴兴还做了一次公开检讨："过去十几年犯过的最大的错误，还是对AI的相信还不太够。"他透露，宇树内部正在尝试"物理AI自进化"系统，把代码编写、模型训练、部署、测试和反馈做成自循环，让AI替人跑研发的链路。
02
狂欢是怎么收场的
回看这波行情，钱来得又急又猛。
据IT桔子统计，今年上半年国内具身智能融资总额超过900亿元，估值超百亿的企业多达22家；前8个月，机器人赛道融资额1245.1亿元，已是2025年全年的两倍。
估值的涨法更夸张。智平方从100亿到200亿用了126天，自变量用了124天，星海图49天，千寻智能只用了33天。投资人的状态是"不尽调、不谈协议、直接投"，上一轮还没Close，估值已经翻倍。一位投资人的总结很直白："其实没有逻辑，都是拍脑袋决定的。"
钱进来之后，所有人奔向同一个出口——IPO。今年6月，至少4家机器人企业被曝筹备上市；超20家人形机器人核心企业进入IPO辅导、申报或发行阶段，排队港口的机器人相关企业达46家。家庭服务第一股、工业场景第一股、全栈第一股，每家都给自己量身定制了一套叙事。
逻辑很简单：第一股享受溢价，第二三家就只能拿到公允价值。
03
潮水退去的信号
转折从宇树的股价开始。
开盘1100元就是顶点，当天收于845元，此后一路下行，9月10日首次跌破500元，次日市值失守2000亿元。一位投资人的复盘是："宇树其实1000亿是差不多的，它是个做硬件的公司。优必选现在是300多亿，去年上市的影石，也是从1000亿掉到现在300多亿。第一波热度之后，一定会回归理性。"
一级市场同步降温。7月国内具身智能赛道披露融资约120亿元，较6月的超178亿元环比下滑32.6%。多位投资人表示，内部已经不看具身智能项目，"最近一个月一个过会的都没有"。
更冷的信号出现在企业端。一些估值20亿以下的公司开始收缩团队；一家今年2月才成立的企业，烧光1个亿后发不出工资。10月19日，深圳市中级人民法院将召开盈合机器人的首次债权人会议——这家曾估值5亿美元、背后站着美团、字节、金沙江的公司，2025年全年营收433万元，净亏损6700万元。同一个9月，估值一度140亿的深兰机器人进入破产清算，做泳池清洁机器人的智橙动力进入破产审查。
04
狂欢撑不住的原因
泡沫被戳破，根子还是在技术上。
行业最大的未知数，不是机器人能不能完成某个动作，而是换了个环境、换了个物体，它还做不做得到。一位研发人员的概括是：现在最大的问题不是机器人不会动，而是"不知道为什么这么动"。人拿起一个杯子，不需要知道它的精确位置、重量和摩擦力；机器人却要把这些全部重新学一遍。
效率的差距同样刺眼。今年的世界机器人大会上，一台机器人捡起一块吃剩的鸡翅要20多秒，叠一件衣服要1分钟。社交网络上那些行云流水的演示视频，几乎全部经过剪辑——行业因此被调侃为"视频剪辑公司"。一位投资人的账算得很直接："肯德基会花五六十万买机器人吗？为什么不招实习生呢？"
数据的缺口比算力更致命。大模型可以从互联网获得海量文本，机器人要学的"如何行动"却只能靠在真实场景里一台一台地攒。据业内人士估计，真正拥有大规模真机数据的企业，全行业不超过10家。
而钱的成色，并没有看起来那么足。一些公司一年研发投入只有几千万，标杆企业宇树2025年全年研发投入也不过1.45亿元。有上百张GPU卡的公司凤毛麟角——100张卡，正是小型AI训练集群的门槛。对比之下，特斯拉一个季度在AI上的投入是58亿美元，自动驾驶至今仍在L2到L3之间徘徊。具身智能面对的是比开车复杂得多的现实世界。
05
都在等那个时刻
那么，王兴兴押注的GPT-7，靠得住吗？
逻辑链条是通的：具身智能现在最缺的是"大脑"——理解现实、预测动作、泛化决策，而大脑的进步越来越依赖基座大模型的代际跃迁。GPT-6上机效果已经不错，按前沿模型一两年一代的节奏，下一代确有理由期待质变。
但不确定性同样明显。文本智能向物理智能的迁移从来不是线性的，真机数据的结构性稀缺，也不会因为基座模型升级而自动消失。王兴兴自己的时间表在一到十年之间多次摆动，恰恰说明即便最头部的从业者，也只能跟着最新的技术信号走。
行业内部的共识反倒朴素得多："大家都在等那个'GPT-4时刻'，但也都不知道那是什么状态。"它未必是某天突然炸场的一个产品，而是行业第一次证明——机器人可以通过规模化的数据、算力和训练，让能力持续、稳定、可复制地提升。
在那之前，先要熬过眼前的出清。有机构预判，300多家抢跑的公司，船票大约只有20张，洗牌将在2026下半年到2027年集中显现。真正的融资压力，可能在今年11月之后集中到来。
被"PPT机器人"和关联订单喂饱的具身智能行业，也要回归理性，重新回答那几个最朴素的问题：收入是不是真的，客户是不是自愿付费，机器人干的活，到底划不划算。
退潮之后，才知道谁在等下一波，谁已经搁浅在沙滩上。
