2026年，具身智能赛道的融资火热到有些失真。吉晟资本管理合伙人宋运东描述了一个细节：投资机构刚准备进入投决程序，项目估值可能又涨了一轮；部分创业公司甚至拒绝机构进场做尽职调查，开出“不允许进厂、不允许访谈、不允许深入了解”的三无条件。
希鸥网观察到，这种“95%的钱在找5%的项目”的供需失衡，正在扭曲早期投资的定价机制。有公司同时推进A1、A2、A3轮融资，不同轮次价格层层加码，投资人还没看清技术路线，先被估值推着走。宋运东的提醒很直接：具身智能现在大概相当于2016年、2017年的新能源汽车，大规模增长远未到来。
拆解这轮燥热的底层逻辑，数据是第一个被误读的标的。几乎每家具身智能公司都在喊缺数据，各地数采工厂拔地而起，但宋运东认为数据多不等于有价值。通过虚拟仿真生成的合成数据价值有限，真正稀缺的是具备高场景泛化、高任务联动能力的真实场景数据，尤其是失败数据和可靠性闭环数据——机器人得知道什么动作会导致失败，才能形成行为边界。
商业模式的分化同样在加剧。宋运东把数据公司分成三个阶段：人工采集、工具复用、产品化和模型化。如果一家企业只是把数据收集起来，没有自己的采集工具和方法，收入增长和人力成本增长同步飙升，那它更像一个数据贸易商，投资价值有限。能跑出来的，是那些在垂直场景沉淀出标准化产品、客户愿意持续付费的企业。
从汽车产业背景出发，宋运东用制造业的尺子量机器人公司：安全、成本、一致性。一台机器人完成演示可以成功，生产10台、100台样机也没问题，但真正量产1万台，情况完全不同。“1万小时”是他在工程化讨论中常提的指标——设备连续运行不停机、不出故障。科技成果从实验室走向产线，中间隔着团队、产业链、场景和客户的漫长磨合。
希鸥网认为，这轮具身智能投资热最可能看错的，是把产业发展过多归结于AI模型迭代和数据堆积。机器人涉及机械、光电、软件、算法、制造多学科交叉，单一软件或数据能力很难形成完整系统。当95%的资金挤在5%的项目里，一级市场的估值泡沫会掩盖真正的产业短板——量产一致性、客户结构复用性、跨场景泛化能力，这些才是出清期的生存指标。
创业者需要直面一个现实：承认技术强不等于商业强，不是自我否定，而是战略校准。有些科学家适合做创始人，有些更适合当首席科学家，还有一些应专注底层技术开发。把这些角色混淆，产品化阶段就会撞墙。达利欧在《原则》里写过，承认缺点并努力把缺点转化为优势，前提是看这件事是否符合你的天然能力；如果不符合，绕过缺点比硬扛更明智。
更关键的是不要混淆愿望和事实。企业说产品已进入某家客户，投资人可以通过产业资源核实；财务投资人缺乏产业触点，核实力度就弱。对创业者而言，把POC概念验证当商业化成果、靠频繁更换前五大客户维持营收增长，这些动作在产业资本面前很容易被拆穿。把直接结果和后续结果分开看，才不会被短期融资热度带偏节奏。
行业出清是确定事件。现在600多家机器人本体公司、上千家零部件公司，再过五年八年数字必然大变——就像2000年前后的互联网、2016年前后的新能源汽车。宋运东的建议是回到产业周期和实际应用场景，把四五十个场景逐一分析清楚：轮式、双足还是四足，哪种形态适配哪种需求。热门项目投不进去，可以从产业应用端合作，提供场景、参与产品讨论，同样是参与方式。
国际金鸥奖中国区盛典，第十二届金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。如需修改或发布文章，请加微信号：sheisceo