王兴兴与Jim Fan齐发声:机器人行业是寒冬还是夏天?
在2026年APEC工商领导人峰会上,王兴兴给机器人行业下了一个最新的判断:今年全球技术突破已接近临界点。 非常恰巧,就在几天之前,英伟达GEAR领导Jim Fan在CoRL 2026上也说了相似的话,他说,现在的机器人行业不是寒冬,而是夏天。 为什么单独说这两句话呢,众所周知,现在的机器人行业盛行的,实在是另一番论调
2026年APEC工商领导人峰会上,王兴兴对机器人行业给出最新判断:全球技术突破在今年已逼近临界点。
巧的是,几天前英伟达GEAR负责人Jim Fan在CoRL 2026上讲了类似的话。他的说法是,机器人行业眼下的处境不是寒冬,而是夏天。这两句话之所以被单独拿出来说,是因为当下流行的论调完全是另一副样子——泡沫破裂、资本寒冬、企业倒闭。
提振信心的话,在如今的气氛里显得格格不入。同一个行业,体感为何截然相反?谁在制造话题,谁给出的才是真正的行业判断?机器人行业现在到底算寒冬还是夏天?
先说清楚一点:我并不认为有谁在制造话题。寒冬与夏天都是真实的体感,而这种差异本身,正是当下机器人行业矛盾最集中的体现。
技术与资本的矛盾
现如今的机器人行业,说到底是被揠苗助长出来的,也可以说,价值被过于超前地兑付了。
「有界UnKnown」的不完全统计显示,机器人行业能算作独角兽的企业有31家,其中超过三分之一成立于2023年。

制图:有界Unknown|数据来源:有界Unknown不完全统计
这批企业从成立到跻身独角兽,平均只用了1.75年;过去,这条路通常要走5~7年。据说估值涨得太快,有的企业成为独角兽时,团队成员都还没凑齐。
快速催熟这么多机器人公司,要从LLM的发展讲起。它让市场相信了Scaling Law的价值,也相信这套规律早晚会在机器人场景里应验。当然,机器人行业至今还没找到与LLM相同的Scaling Law,但这不妨碍大家把这块价值先算进估值。
结果就是,眼下机器人行业大多数企业的估值,和它们当前能创造的实际价值相差过大。这就是所谓的泡沫。
放在过去,这其实不算问题。对投资人而言,只要公司能顺利上市、自己顺利退出,任务就算完成,身后是AGI还是泡沫破裂,都与他们无关。
变故出现在今年9月,机器人行业IPO审核趋严的消息传了出来。
退出门槛被抬高,资本为了让企业尽快满足上市条件,要求这些年轻的机器人公司快速做出收入。于是企业一窝蜂涌向快递分拣、工厂搬运、家庭服务这些场景。
这当然不现实。估值再高、融资规模再大,机器人终究还是非常早期的行业。Scaling Law没有出现,能力泛化的问题也没解决,从本地到模型,商业化推进得艰难又缓慢。资本的投入于是开始放缓。
IT桔子数据显示,2026年6月机器人行业融资总额达到328亿元的阶段性高点,此后一路回落,8月降至约240亿元,10月进一步降到约110亿元,较6月高点缩水约67%,不足其三分之一。
资本终究回归了理性。失去资本支持,本身缺乏造血能力的机器人企业,自然开始感到寒冷。这大概就是所谓的冬天。
技术创业者看到的景象却不一样。摆在面前的,是另一番光景。
9月GPT-6 Astra发布,技术从业者从中看到了通用基础模型直接操控机器人的可能性;英伟达GR00T 2通过人类演示让机器人学习技能,减少了对专用训练数据的依赖,不同任务、不同机器人本体都受益。随后,Figure Helix 2.5在35个陌生家庭场景中展现出跨场景泛化能力。
市场层面同样有增长。国际机器人联合会(IFR)预计,2026年全球工业机器人新增安装量将达65.5万台,同比增长9%。
技术确实在突破,需求也确实在涨。问题是,这些进展撑不起资本此前给的高估值和回报预期。
一边像冬天,一边像夏天,说到底,矛盾出在机器人行业技术发展与资本预期对不上。
技术演进有自己的节奏,商业化有自己的周期,靠资本催不熟。市场持续回调,那些没核心技术、也没真实需求,只靠融资和风口撑着的企业,会慢慢被淘汰出局。
谁能看到黎明?
行业的前途和一家企业的前途,终究不能混为一谈。
技术往前走,有的企业借势拿到机会,也有的企业可能恰恰因为技术进步丢掉原来的位置。
要判断谁能熬到黎明,先得看清楚行业价值正在往哪儿挪。
第一个变化:此前资本追着跑的“具身大脑”,正撞上更强的对手。
前两年,宇树这类本体企业还是行业标杆。到了2025年下半年,行业的重心开始由“身体”移向“大脑”。
10月份中泰证券一份数据显示,2026年上半年国内具身智能赛道融资约438亿元。其中以具身大脑为核心业务的公司拿走222.53亿元,占比超过50%;以本体整机为核心的公司只有约56亿元,占比12.8%。
逻辑不复杂。前面说过,卡住机器人落地的就是泛化问题,谁能解开这道题,谁就握住更大的价值。
可眼下基础模型厂商的能力还在往物理世界延伸,那些追着风口涌进来的具身模型企业,生存空间免不了被挤压。
靠通用理解、任务规划这些能力做出差异,手里却没有独有数据、控制能力和真实部署积累的公司,处境尤其危险。
第二个变化正好相反:智能能力变得容易获取之后,本体的价值可能重新冒头。
道理在于,基础模型如果进一步打穿物理AI的壁垒,过去要砸大量资源才能解决的智能问题,找外部合作就能解决。
到那时,本体够不够可靠、成本能不能压住、能不能批量交付、出了故障能不能及时修,都会成为关键的竞争力。
王兴兴在APEC上也讲过,就算机器人AI模型取得突破,生产制造、可靠性、售后服务仍是巨大挑战。需求从每年几万台涨到数百万、数千万台,产业要解的题会完全变样。
在新变化之下,大脑和本体之间还有大量活要干。
现有机器人决策体系里,System 2管高层推理与决策,理解指令、识别环境、任务规划、拆解步骤都归它,这也是基础模型眼下主要切走的部分。
System 2之下还有System 1和System 0,它们跟硬件绑得更紧。力度怎么控、接触反馈怎么处理、低延时响应怎么实现,都得靠模型、本体和真实交互数据一起解决,短期内通用推理替代不了。
这些,显然就是专业公司的机会。
基础模型还在往下扎,只做一层模型的公司,空间恐怕仍会被挤窄。企业要立得更稳,还得靠软硬件配合、靠真实部署把壁垒垒深。
技术层面的理解到这里。换到商业化的角度,未来哪些公司能活下来,还有另一种读法。
自动驾驶可以拿来对照。这个行业从押注L4转向辅助驾驶,试过矿山、港口、园区和干线物流这些垂直场景,也做过自动泊车这类具体功能。可到今天,熬过周期还活着的公司,其实没剩几家。
机器人行业眼下站的位置很像。通用能力还没突破,不少公司先切进码垛、分拣、搬运这些具体场景,想靠落地先拿到收入。但自动驾驶的经历已经说明,场景收窄不等于商业化就能跑通。真正要判断的是三件事:任务有没有持续需求,客户能不能算清投入产出,产品能不能跨客户复制。
看公司的实际结果,商业化走得较好的,是能在高频刚需里稳定交付、拿到持续订单的企业。易控智驾做到了跨矿山部署,西井科技拿到港口客户的多次追加采购。这类公司把技术慢慢变成了客户日常用的生产工具。
失败则有一条典型路径:研发一直投,产品迟迟形不成收入,企业高度依赖后续融资。Embark就是例子,它选的货运市场需求庞大,可收入难以兑现、持续亏损、融资困难,2023年开始收缩运营。市场有需求,不代表企业能及时把需求变成收入。
由此看,机器人公司挑细分场景,关键是让技术成熟度、客户收益和交付成本相互匹配。先把客户愿意持续买的产品做出来,再一步步扩大应用,短期收入才更有机会变成长久生意。
自动泊车的案例是另一个提醒:有需求的功能,也可能慢慢被并进更大的系统。博世已经把驾驶、泊车等功能整合进统一计算平台。这意味着,哪怕单一功能仍有市场,独立供应商也可能撞上系统整合带来的竞争压力。
放回机器人行业,码垛、分拣、搬运都可以是切入口,但固定任务已有成熟的自动化方案,新产品得证明自己在成本、部署或柔性上的优势。
相形之下,多规格装卸、不规则物品分拣、设备之间的搬运衔接更值得盯:需求稳定,同时存在传统自动化难以经济覆盖的环节。
Stretch和Digit是具体参照。Stretch从箱体装卸切入,攒下实际运行数据后,继续改进停机和维修问题;Digit先干料箱搬运这类任务,再和客户计划扩大部署。两者都是先把具体任务做可靠,再往外扩应用范围。
所以,作业频繁、替代价值明确、任务边界清晰又能跨客户复制的场景,更被看好。高危作业也值得关注,它的价值可以用减少人员暴露和停工损失来衡量。
反过来,需求零散、频次不足、每单都要重新定制的业务,很难撑起企业的长期经营。
对机器人企业来说,一笔订单带来的是收入,一批可重复交付的订单才构成真正的生意。单点任务能不能沉淀成标准化产品,可复制的交付能力能不能攒起来,决定企业能不能穿越周期。
把时间还给产业
机器人行业的冬天和夏天,其实并不矛盾。一头是技术不断突破,新可能接连冒出来;另一头是资本收紧,市场开始重算时间和回报。技术奔向未来,资本却得先解决眼前的问题。
不过产业发展从来不是一蹴而就。实验室里的技术突破,到真实世界中的稳定运行,再到成熟商业模式的形成,每一步都要时间。资本能给这段路添燃料,却替代不了技术自身的成长。
我依然相信机器人的未来,也相信这场变革终会到来。但技术革命从来不是所有参与者的盛宴。每一轮产业浪潮,都有人乘风而起,也有人在潮水退去后离场。机器人行业的夏天或许已在路上,可不是所有播下种子的人,都能等到收获的季节。