一台人形机器人，两年间从65万元降到9.9万元；2026上半年全球出货3.6万台，超过2025全年。热度之外，另一组数字更值得琢磨：同期工业产线贡献的营收仅0.78亿美元，全行业38家企业推进IPO，却鲜有主体实现扣非净利润转正。

价格、出货、资本三条曲线都在向上，产业却还没有真正赚到钱。本篇从市场格局、政策脉络、核心挑战三个维度，拆解这组数字背后的真实进展。

2026年5月28日，国家数据局局长刘烈宏在2026世界智能产业博览会开幕式致辞中指出，高质量数据集是具身智能"感知—决策—执行"的重要基础，"具身智能的竞争，也是数据体系能力的竞争"。数据宝对具身智能领域的关注，正聚焦在这一供给端：具身智能要跨过的三道门槛——真机数据从哪来、训练算力怎么调度、模型调用怎么更经济——恰好对应数据治理与运营、算力调优与调度、词元聚合与应用三件事。依托数据宝、智算宝、词元宝三家公司的协同，以及中国首个「数据+算力+Token」三合一API基础设施平台这一底座，数据宝得以把能力从"调度存量数据"向前延伸到"生产源头数据"。

（一）演进脉络

机器人产业在60年间完成了三代演进，每一代都对应不同的技术范式与产业生态：

第一代：工业机器人（1960年代至今）：以发那科、安川、ABB、库卡为代表，应用于汽车制造、3C装配等结构化场景，技术范式为“示教+复现”，工人手持示教器演示一遍，机器人重复执行，奠定了产业基础格局。

第二代：协作机器人（2008年至今）：以Universal Robots为代表，开创“机器人与人共处同一空间”的新形态，技术范式为“力控+协作”，通过力矩传感器实现碰撞检测以保障人机安全。它扩展了应用边界，却仍未突破“预设程序”的天花板。

第三代：人形机器人（2022年至今）：以特斯拉Optimus、Figure 02为代表，目标替代人类在非结构化场景中的劳动，技术范式为“感知+决策+执行”的端到端闭环，具备环境自适应能力，是具身智能产业的核心载体。

【图1：演进脉络图——工业机器人→协作机器人→人形机器人】

（二）国内人形机器人格局

国内人形机器人产业已形成梯队分明的竞争格局。下表以已披露的整机出货量为参考排序，并结合算法核心层自研能力划分梯队。

数据来源：各公司公开披露信息（招股说明书、定期报告）及弗若斯特沙利文《2026全球人形机器人市场研究报告》、Omdia《通用具身机器人市场雷达》、IDC、Counterpoint、赛迪顾问等机构公开报告，及中国电子报与北京赛迪出版传媒有限公司联合发布的《2025年人形机器人市场研究报告》（2026年3月4日发布）；数据统计截至2026年10月。不同机构统计口径存在差异，宇树出货量为企业官方披露口径，智元市占率为Omdia统计口径。

（三）价格趋势：从65万元到9.9万元的下探

价格下探是具身智能市场近两年最显著的变化。以宇树的三个价格段可以清晰展示这一趋势：

   数据来源：宇树科技公开产品信息及京东首发定价，引自公开报道。

价格下探带来了三个层面的影响：

1.下游需求被激活：原本被高价格挡在门外的中小工厂、零售门店开始进入采购视野。

2.行业进入洗牌前夜：规模制造能力成为分水岭，宇树、智元等出货量领先的厂商进一步巩固优势。

3.质量与价格的权衡开始显现：9.9万元起的G1在运动能力上与65万元的H1存在差距，采购方需根据实际场景需求权衡。

（四）量产与商业化进度：2026年上半年

以2026年上半年为窗口，行业量级仍在快速放大，但机构口径分歧明显：沙利文统计全球出货3.6万台、收入5.4亿美元，均超2025全年[1]；Counterpoint统计出货2.2万台、同比近+300%[2]；IDC统计约2.5万台、同比+432.1%，其中中国超1.9万台、占全球逾75%[3]。参照赛迪对2025全年的统计（全球1.7万台、中国1.44万台占84.7%、市场规模28.8亿元），三组绝对值差异近一倍[4]。另有行业报告统计上半年中国出货已超4万台、全球占比97%[5]，口径分歧之大本身即反映统计口径尚未统一。更值得关注的是集中度，按收入计，2026上半年全球前五全为中国企业，合计占57.4%[1]。

主要落地场景的成熟度差异显著：

   数据来源：各厂商公开披露信息及行业公开报道整理。

国家层面已形成顶层部署，地方政策跟进迅速。需注意，具身智能的地方政策目前仍以项目制、专项制为主，尚未形成普惠化补贴工具，面向企业的语料券、算力券等年度额度制补贴工具目前仅上海推出。

（一）国家级政策

国家层面对具身智能的部署分为三个方向：产业培育、技术攻关、数据基础。

（二）地方政策

上海专项重点涵盖5大应用场景（物流装配、工业制造、商业零售、医疗康养、家政服务）、“百家骨干、百大场景、百件产品”工程，以及5大平台（算力、实训场、中试、投资、租赁）。其配套政策工具是国内目前具身智能领域较为系统、具体的。

（三）当前政策环境的三个特征

特征一：国家层面已形成“产业+技术+数据”三位一体的政策框架，但具体支持工具以项目制、专项制为主，尚未出现常态化补贴。

特征二：地方层面以“产业园+基金+场景开放”为主要工具，上海率先突破，沪府办规〔2025〕6号文是国内目前明确给出“最高500万元/年语料券、最高4000万元/年算力券”等面向企业的专项补贴工具的省级文件之一。

特征三：数据要素政策正成为新的抓手。2026年6月国家数据局发布《关于推进行业高质量数据集建设行动的实施方案》，是以部级文件形式将“具身智能+数据”纳入政策对象。此前，国家数据局局长刘烈宏在2026年5月28日世界智能产业博览会开幕式致辞中指出，高质量数据集是具身智能“感知—决策—执行”的重要基础，并将2026年定为“数据要素价值释放年”，这一方向未来可能延伸出针对数据采集、标注、交易的专项支持工具。

【图2：具身智能政策时间线】

硬件价格下探之下，三个底层问题仍未解决：高质量数据稀缺、Sim2Real鸿沟难以解决、可付费场景尚未规模化。这三重难题的化解进度，将决定未来3—5年产业的真实竞争格局。

（一）数据困境：Ego数据采集的成本与质量悖论

模型能力边界由训练数据决定，当前具身智能的核心约束并非数据总量，而是可映射至动作空间的真机遥操数据，其采集存在显著的成本与质量门槛。真机遥操数据单小时采集成本可达千元[7]，超出多数创业主体承载能力；Ego第一视角公开数据集场景覆盖不均衡，集中于工业、家庭场景，医疗、农业、户外作业等领域样本供给不足。对比通用大模型万亿词元训练规模，目前具有代表性的公开真实机器人数据集Open X-Embodiment聚合的真实机器人轨迹约140万条[8]，二者量级差距显著；以训练时长计，通用具身模型所需数据量约在亿小时量级，当前全球有效具身数据仅约几十万小时，开源Ego数据集仍有2—3个数量级差距[9]。

国内高质量数据底座已具备体量优势，截至2026年第一季度，全国高质量数据集超11.6万个、总规模960PB，日均词元调用140万亿[10]，具身智能数据集为重点建设方向，但整体仍处于早期阶段。业内普遍认为，未来三年产业竞争焦点将转向具身智能数据资产积累，具备规模化数据工厂能力的厂商将获得持续算法迭代优势，缺少数据采集与治理能力的参与者，更多承担下游集成角色。

（二）Sim2Real鸿沟：仿真训练为何难以直接落地

工业机器人阶段，仿真依托域随机化，可低成本支撑机械臂抓取、AGV路径规划等任务，是有效的替代方案。但人形机器人任务复杂度突破仿真能力边界，多关节耦合、丰富接触交互、视触觉融合与非结构化长程执行特性，共同抬高了仿真建模难度。从行业实践看，2018—2022年主流的先仿真后真机范式落地效果不及预期。

仿真误差存在物理、感知、控制三层损耗：物理层对软体、流体、高接触任务建模理想化，摩擦、阻尼、关节间隙失真；感知层合成图像与真实RGB存在纹理、光照、噪声的结构性偏差，难以覆盖视觉长尾场景；控制层简化执行器延迟与背隙，三层误差叠加下任务成功率出现大幅衰减——据斯坦福HAI《2026年AI指数报告》实测，实验室仿真环境中机器人完成标准复杂任务的成功率达89.4%，同一模型部署到真实场景后任务完成率降至12.4%[11]。

技术演进脉络亦呈现同一方向：从2018年域随机化，2020—2022年系统辨识+真实标定，2023年预训练+真机微调二阶段方案，至2026年π0、GR00T N1.7等模型普遍采用“仿真+真机+互联网视频”多源联合训练。单一数据源已无法训练通用策略，Sim2Real范式逐步被sim-and-real co-training替代。仿真重新定位为辅助工具，承担低成本试错、安全回放、虚拟试演、回归测试等功能，已较少有头部厂商仅依靠仿真产出可直接部署的策略。

（三）商业化争议：产业热度与商业回报之间的结构性错位

2026年人形机器人商业化叙事持续升温，行业争议已由技术可行性转向落地后的市场承接问题。出货量与营收结构错配、出货头部与商业化头部或将分化、估值与单位经济性错配、资本与产业时间错位、产业热度与监管取向反向变化，这五大结构性矛盾将主导2027—2028年产业演化格局：

一是出货量与营收结构错配。据沙利文测算，2026上半年全球出货3.6万台、营收5.4亿美元，均价约1.5万美元；出货增量主要来自科研教育、展演展示等低单价订单，工业产线贡献营收仅0.78亿美元[1]。

二是出货头部与商业化头部或将分化。全球收入前五主体均为国内企业，合计占比57.4%[1]，但需求仍集中于科研项目、政府试点与园区展示。以宇树为例，以2025年1—9月口径，人形机器人收入中科研教育占73.60%、商业消费占17.39%、行业应用占9.01%，其中用于智能制造、智能巡检等工业场景的收入占行业应用的29.29%[12]，规模化工业落地占比仍为个位数。

【图3：2026上半年国内人形机器人收入格局与下游场景结构】

三是估值与单位经济性错配。据公开报道，一级市场估值快速抬升，但据公开披露信息，人形机器人业务普遍尚未实现稳定盈利；产品售价从65万元向9.9万元下探，反映价格竞争已先于规模效应到来，盈利杠杆尚需3—5年验证（业内估计）。

四是资本与产业时间错位。截至2026年10月，全行业至少38家企业推进IPO，计划募资近400亿元[13]，资本短期兑现诉求与“量产—交付—复购—盈利”的产业周期之间存在错配；与此同时，2024年前后已有一批早期机器人企业停运清算[14]，行业出清已经发生。

五是产业热度与监管取向反向变化。2026年8月28日，国家发展改革委在例行发布会上表示，机器人产业要因地制宜，防止盲目跟风、一哄而上；据媒体报道，2026年9月证监会通过非正式窗口指导提高了人形机器人企业上市审批门槛（截至目前未见正式文件）[15]。局部过热引发监管审慎，业内预计2027年IPO审核、产业补贴、市场准入门槛存在收紧可能，监管约束已成为不可忽视的定价变量。

综上，出货量与资本热度尚不足以代表产业成熟度，判断真实拐点需持续跟踪三项核心指标：人形机器人业务的扣非净利润转正情况、非科研展示类行业应用的收入占比提高、IPO过会与募资回归常态。截至2026年10月，上述三项指标尚未出现向好迹象，相较于短期出货量数据，2027年这三项指标的变化，更能真实反映产业基本面。

（四）小结

具身智能的真正突破不在硬件价格下探，而在能否形成可持续商业闭环。前提不只是数据量，更是数据真实性与场景深度。数据若主要来自实验室与受控场景，其规模扩张难以转化为泛化能力；出货若集中于展演与文旅，则难以沉淀工业级工艺数据。硬件可代工、算法可开源，但“真实订单—真实数据—真实能力”链条无法复制。下一阶段的优势，不只取决于出货规模，更取决于能否在工业场景跑通单位经济性、并持续获得真实数据。

【图4：具身智能数据飞轮：闭环决定胜出者】

机器人跑不起来，很多时候问题不在模型，而在没有足够的真实数据把模型训练出来；或者虽然能练出来，但成本太高。这正是数据宝近年布局的切入点。2026年8月，贵州具身宝信息技术有限公司揭牌成立，并同步落地具身智能数据采集教学实践基地与具身智能数据采集产教融合创新基地。具身宝是数据宝在物理实景采集环节的延伸，补齐了“数据宝—智算宝—词元宝”全链路AI基础设施此前缺少的一环：三宝侧重对存量数据、算力、词元的高效调度与价值释放，具身宝则向前延伸至数据源头，面向真实物理场景开展原始采集生产。

（一）数据获取：把采集从项目制搬到产线

在真机数据上，第一重难处是贵且慢。现有采集以专门组织的遥操为主，需要专门场地、专门人员和专门设备，一个动作要反复录制，单小时成本可达千元，产出的场景受控，与真实工况存在偏差。成本靠压价压不下来，只能换一种方式组织采集。

具身宝采取的是把采集嵌入生产过程的路径。其具身智能数据采集教学实践基地与贵州轻工职业大学共建，深度覆盖九大行业、47类真实业务产线与运营场景，采用EGO第一视角轻量化采集方案，让一线工人佩戴设备后即可在常态化作业中同步完成数据记录。工人的手在真实工位上、面对真实物料、执行真实工序，记录与生产同时发生，不额外占用工时，也不另建场地。采集的边际成本随作业量增加而摊薄，工业制造、农业等复杂工况的实景数据得以规模化产出。

成本结构也随之改变：规模化的门槛已从资金转向产线与场景的开放程度，而这正是数据要素行业已经成熟的组织能力。

（二）质量与可用：从原始数据到可训练的数据集

采集规模只是必要条件。原始记录如果缺乏统一规范，容易出现标定不一致、时序错乱、标注口径各异，客户拿到后仍需二次加工，供给方的价值也就止步于出货。

具身宝在两大基地同步沉淀了采集、质检、标注全流程标准规范，建立了从采集、质检、标注到训练复用的完整数据管线：采集端统一设备参数与操作规范，质检端按标准筛除失效片段，标注端统一动作语义与场景标签，最终交付视觉、IMU、力觉多模态对齐、可直接投入模型训练的高保真交互数据。输出形态是标准化与定制化兼备的高质量具身交互数据集，既可批量交付，也可针对特殊工况单独采集。

上文提到，未来三年产业竞争焦点将转向数据资产积累，具备规模化数据工厂能力的厂商将获得持续迭代优势。数据工厂的核心是把数据生产变成可重复、可检验、可持续的工程过程，难点不在设备，而在标准与管线。数据宝长期从事数据治理与运营，这套工程能力正是其既有积累的延伸。

（三）Sim2Real：仿真承担训练，真机承担校准

仿真与真实的差距，无法靠某一类数据单独填平。行业主流做法已转向“仿真+真机+互联网视频”的多源联合训练，仿真的角色也从主训练源退为试错、回放与回归测试的辅助工具。

在这个分工里，真机数据承担校准任务：真实纹理与光照可用于修正感知层的合成偏差，真实执行器延迟与背隙分布可用于修正控制层的简化假设，真实接触可用于标定物理层的摩擦与阻尼参数。从技术分工看，校准数据的需求量远小于训练数据，但对真实性要求最高；它只能来自真实产线，无法从公开数据集或仿真中替代。

因此，具身宝的定位不是在以真机数据取代仿真，而是为多源训练提供其中不可替代的一源，即面向真实物理场景的原始采集生产。

（四）人才：把人才供给嵌入数据生产

还有一项约束容易被低估：采集、质检、标注都是人力密集型环节，人才稀缺会同时推高成本、拖慢交付。这是少数可以由企业自己着手解决的约束。

具身宝以两大基地形成错位协同：贵州轻工职业大学承担一线场景实训与产线数据采集，属于业务实践层；贵州理工学院大学科技园承担科研攻关与人才孵化，属于科研创新层，并针对高危、特种工位开展定制化技术研究。学生在实训中产出的是可用数据，产业在数据中获得的是可用人才；数据生产与人才培养共用一套场景、一条管线，形成“人才输出+数据供给”的双向反哺。对客户而言，供给能力不再依赖外部人力市场的波动；对行业而言，这是把“缺数据、缺人才”两个堵点放在同一个体系里解决。

（五）数据门槛与政策方向

跳出具体挑战看，数据是这一轮竞争中最容易被低估的门槛。截至2026年第一季度，全国高质量数据集已超11.6万个、总规模960PB，数据总量不再是约束；真正的缺口在结构，即可被动作空间直接使用且来自真实产线的交互数据仍然稀缺。仿真数据成本低、可批量生产，但与真实环境存在系统性差距：据斯坦福HAI《2026年AI指数报告》实测，同一模型在实验室仿真环境中完成标准复杂任务的成功率达89.4%，部署到真实场景后降至12.4%。

政策已先行明确方向。2026年6月8日，国家数据局发布《关于推进行业高质量数据集建设行动的实施方案》（国数科基〔2026〕25号），将具身智能与低空经济、智能驾驶、智慧海洋、生物制造一并列入行业高质量数据集建设的创新领域，明确加快“物理交互、环境感知、运动控制等真机交互数据集”建设以赋能具身智能发展，该方案首次提出“探索词元交易”等新型交易模式。

数据宝核心团队深耕数据领域二十余年，已将数据治理与运营能力延伸至物理AI的数据采集端。为具身智能提供来源真实、成本可承受、可直接投入训练的数据供给，是数据宝在这一领域给出的答案。

资料来源与说明

[1] 弗若斯特沙利文《2026全球人形机器人市场研究报告》，2026年9月28日发布。

[2] Counterpoint Research，2026年1月14日发布。

[3] IDC，2026年上半年人形机器人出货量统计。

[4] 赛迪顾问，2025年全年中国人形机器人市场统计。

[5] 《2026年人形机器人产业发展研究报告》，2026年8月20日发布。

[6] 摩根士丹利，2026年内多次上调中国人形机器人出货量预测。

[7] 真机遥操数据单小时采集成本，多家媒体公开报道，参见 https://news.sohu.com/a/1081424943_115479。

[8] 公开真实机器人数据集Open X-Embodiment聚合的真实机器人轨迹规模（约140万条），参见 https://finance.eastmoney.com/a/202606073762686622.html。

[9] 具身智能数据缺口的量级，参见虎嗅网转载甲子光年《具身数据采集产业链调查：被机器人采集的人》：觅蜂科技董事长兼CEO姚卯青称，具身智能模型要达到类GPT-3.5的初步能力约需一亿小时量级数据，目前全球有效具身智能数据仅约几十万小时，中间还有2—3个数量级的差距。

[10] 全国高质量数据集规模与日均词元调用量，国家数据局统计数据，截至2026年3月底（2026年第一季度）；参见国家数据局官网转载《学习时报》相关文章（2026年7月28日）及《经济参考报》2026年6月9日报道。

[11] 斯坦福大学以人为本人工智能研究院（HAI）《2026年AI指数报告》：实验室仿真环境中机器人完成标准复杂任务的成功率达89.4%，同一模型部署到真实场景后任务完成率降至12.4%。

[12] 宇树科技收入结构（科研教育73.60%、商业消费17.39%、行业应用9.01%；工业场景占行业应用的29.29%），证券时报网，https://stcn.com/article/detail/4066023.html（2025年1—9月口径）。

[13] 推进IPO企业数量与计划募资规模，据新浪财经、同花顺、雪球等公开报道交叉印证（2025年下半年至2026年上半年）。

[14] 早期机器人企业停运清算情况，据公开司法信息与企业信用信息公示系统（主要集中于2024年前后）。

[15] 据媒体报道，2026年9月证监会通过非正式窗口指导提高人形机器人企业上市审批门槛（截至目前未见正式文件）。

编辑：杨洁

一审：吴蔚

二审：肖斌