一笔投放，差点击垮一家具身智能公司。
一位投资人透露，自己投资的一家行业知名具身智能公司，在未向董事会和股东报备、也未征得同意的情况下，以现金加股权的形式，向一台晚会支付了整整 1 亿元，换来的只有几分钟曝光。按他的说法，这次投放「没有展现出产品的价值和优势，看了晚会的人也无感，甚至嘲讽」。
更直接的后果出现在财务指标上。这笔巨额营销支出拉低了公司的研发占比，触发了港股上市规则中的研发强度红线。按照港交所的硬性要求，这家公司可能需要重新排队，才能再次冲击资本市场。
晚会结束后，几位投资人曾聚集在创业者办公室里当面追问，有人情绪激动，还拍了桌子。
另一端的风险则来自「不花钱」。去年秋天，一家具身智能公司账面上有上亿元现金，但创始人坚持节约开支，拒绝让硬件团队出差盯产线，上百台量产机器人全部通过视频远程验收。后来，这件事被潜在投资方知晓，融资就此告吹。
这类问题并非个别公司的偶然失手。在经历疯狂融资后，具身智能赛道第一次集中显露出围绕资金使用的反噬。
融资高歌猛进，行业开始出现“钱太多也不会花”的问题
据不完全统计，今年上半年，国内具身智能赛道共融资约 438 亿元。IT 桔子数据显示，今年上半年共发生 288 起融资事件，涉及 226 家企业，披露融资额超过 460 亿元。若把统计周期拉长到 2025 年 7 月至 2026 年 6 月，融资数量达到 503 起，金额超过 960 亿元。
平均下来，这条被视为「AI 终极载体」的赛道，几乎每天都会出现超过一起融资。2026 年上半年，单笔 10 亿元及以上的大额交易已超过 25 起。其中，它石智航在 4 月单轮拿下 4.55 亿美元，刷新了中国具身智能融资纪录。
密集的资本注入，催生出此前中国互联网很少见的局面：一家只有上百名员工的公司，账上可能躺着几亿元现金。对不少创业者来说，融资本身已不再是最难的问题，如何把钱花出真实价值，反而成了更棘手的考验。
报道指出，赛道里聚集了大量科学家和工程师，他们更擅长模型、算法和硬件研发，却普遍缺少资本运作经验，也缺少大额支出的管理经验。与之相对，过去最会算账的投资机构，在这条缺少可比样本的新赛道里，也同样缺少成熟参照。
花钱与不花钱，都可能变成风险
具身智能创业者刘远曾在一次饭局上聊到融资与现金储备。他原以为自己公司已经足够节省，账面现金足够支撑 50 个月，没想到同桌有人直接表示，自己公司的现金至少还能支撑 100 个月。
在其他行业，这样的数字足以让人羡慕；放在具身智能行业，却未必等同于安全感。刘远很快听说，行业里不止一家公司在拿到融资后，依靠购买理财产品的收益做研发、养团队。只要团队规模不再快速扩张，账面本金几乎可以长期不动。
一批主打「大脑算法、概念落地」的轻量化企业，成了这轮资本热潮中的主要受益者，也成了行业里最节俭的玩家。
常被提到的案例是大脑类具身企业星海图。报道援引知情人士说法称，这家公司成立两年累计融资超过 40 亿元，创下赛道早期融资纪录，但两年整体资金消耗不足 1 亿元，账面储备十分充裕，资金利用率很低。
据行业内部人士透露，星海图内部实行极其严格的预算控制，营销、招聘、运营支出都被压到极致，目前已基本实现收支平衡，「恨不得连办公打印用纸的使用都要经过严格限制」。这种模式也被戏称为「熬死流式」打法。
不过，过度节省同样会埋下问题。一名前员工回忆，差点拖垮前公司的，并不是大额失败投入，而是每年省下的小几十万元云端冗余服务费和异地备份费用。管理层只保留单台本地服务器，存储上千台机器人的场景程序和定位地图。一次园区停电后，硬盘损坏，所有数据丢失，连政企客户的定制化程序也没有存档。最终公司花了大价钱，付出很高代价，才勉强过关。
另一个被反复提到的案例是宇树。宇树科技招股书显示，2025 年其毛利率达到 60% 以上。在不少具身智能企业仍处于持续烧钱状态时，宇树已经展现出盈利能力，而且毛利率处于高位。
即便如此，宇树在花钱上依旧节制。报道提到，该公司几乎不做 PR，研发支出也只有 9000 多万元。这个数字甚至不够一些 AI 初创企业一年的算力成本。
这种经营方式与互联网繁荣时期「先融资、再快速花钱、靠营销做规模」的逻辑明显不同。多位创业者提到，具身智能公司现在正用现金储备来证明生存能力，现金消耗控制也成了新指标。
问题在于，在技术路线尚未确定、产品能力仍需反复验证的行业里，钱长期留在账上，到底代表克制，还是代表没有找到值得投入的方向，仅凭财务数字很难下结论。最直接的结果就是，行业一旦不花钱，外界马上会追问：这家公司到底做了多少研发？
而错过产品窗口这件事，往往不会第一时间体现在报表里。
一家明星创业公司曾把「延长现金跑道」设为首要目标。公司冻结多个研发岗位，缩减零部件验证批次，推迟原定数据采集计划。短期看，月度支出迅速下降，账面现金可支撑时间延长了接近一年；但几个月后，这家公司发现，多名工程师被同行挖走，一款原计划进入小批量交付的产品，也因核心零部件兼容性问题迟迟无法量产定型。
报道称，在多起具身智能项目中，类似链条反复出现：先减少测试轮次，再推迟供应链验证，随后冻结研发招聘。每一个决定拆开看似乎都有道理，叠加起来，却会让产品逐渐停留在样机阶段。一位硬件负责人把这种状态称为「有钱的停摆」。
另一边，也有人把钱花在展示和故事上。刘远提到，两年前一家人形机器人公司在拿到融资后，没有先打磨可落地场景，而是同步立项多个产品线，并在商务和政企接待上投入大量资金。更严重的是，这家公司在办公室里用货架和纸箱搭出「物流场景」，再用开源模型画几个检测框，就宣称具备多模态感知能力；所谓自动分拣，则是把控制线藏在桌面下，由人在视线盲区手动操控。
刘远的评价是：「这基本就是拿着包装好的 Demo，去融资和讲故事。」
海外也有前车之鉴。报道提到，曾被视为明星具身企业的 Vicarious Surgical，一度获得包括比尔·盖茨等投资圈人士预计超过 3 亿美元融资，市值曾超过 12 亿美元。但公司将大量资金投入超复杂的自研「仿生机械臂」，放弃成熟商业方案，导致研发周期不断拉长、迭代成本失控，产品始终无法量产定型。最关键的两年里，公司亏损超过 1 亿美元，最终走向破产清算。
人力、算力、数据和本体，构成一笔越来越难算清的账
要理解行业对「花钱」的纠结，先得看清楚具身智能的真实成本。但这门账，恰恰是很多创业者还没有学会的内容。
一位长期接触具身智能企业的人士提到，自己会先看招聘页面，统计算法、硬件与工程岗位数量，再结合办公地点、团队规模和薪酬水平估算人力成本；随后结合模型发布、机器人出货量和供应链情况，反推算力、数据和本体投入。几个数字加总后，他发现，不少公司预测的现金消耗与实际可能发生的成本存在明显差距。
人力是最难绕开的第一笔支出。具身智能高度跨学科，对算法人才需求旺盛。在一些核心城市，普通具身智能算法工程师月薪已达到约 5 万元，部分招聘数据给出的平均值接近 6.3 万元。再加上年终奖、社保、公积金和其他用人成本，一个成熟算法工程师的年度支出很容易接近 100 万元。强化学习、世界模型、运动控制和核心硬件方向的资深人才，年薪达到 200 万至 300 万元并不罕见。
2026 年 4 月，优必选宣布面向全球招募「具身智能首席科学家」，年薪从 1500 万元起，最高可达 1.24 亿元。字节跳动旗下火山引擎也在招募「操作算法资深专家（具身智能）」，月薪开到 9.5 万至 12 万元。即便是刚毕业的顶尖博士生，来自清北复交、浙大、哈工大等实验室的应届生，起薪也普遍在 60 万元甚至 70 万元以上。浙江人形机器人创新中心工业应用技术总师俞鸿翔透露，「一些刚毕业的学弟非常优秀，可能能拿到 200 万到 300 万级别的 offer」。
按一家 200 人规模的具身智能企业估算，研发人员通常占一半，人员薪酬至少需要 1 亿元，这还只是平均水准。如果团队扩大，一位熟悉行业薪酬体系的人士测算，一家 300 人规模的具身智能公司，仅人力成本一项，一年支出就会达到 3 亿元。
前述投资人据此判断，行业里曾流传的「头部大脑公司两年只花 1 亿元」，要么是账没算清楚，要么是创业者的话没有说全。按 300 人规模测算，即便把人均年薪砍半，一年人力成本也要 1.5 亿元。
而且，人才需求明显跑在供给前面。智联招聘数据显示，今年一季度机器人行业职位数增速达到 38%，工业机器人工程师、机器人算法工程师、机器人调试工程师岗位增速分别为 38%、37%、60%。供不应求也推高了薪酬。一位从互联网大厂跳槽到具身智能独角兽的算法工程师透露，他陆续收到 3 个猎头岗位邀请，有的初创公司给出的薪资涨幅高达 150%。
但人力只是开始。真正让账目变得模糊的，是算力和数据。
报道给出的口径是，做几个 VLA 大模型 Demo，一年至少要烧掉 3000 万至 5000 万元；如果要做世界模型，一年的算力消耗就得上亿元。10 万张 A100 芯片的采购和运维成本，轻松突破 10 亿元。一家坚持自研大模型的公司创始人私下感慨：「真正自研大模型和硬件的头部公司，钱远远不够花。」
即便不做具身大脑，也未必轻松。报道称，从行业发展趋势看，灵巧手、柔性材料、关节等本体环节的壁垒正逐步见顶，行业已把具身大脑视为能否真正商业化的关键。如果不做具身大脑，企业一方面很难继续向投资者讲出新故事，另一方面也面临未来被淘汰的高风险。
确实也有像宇树科技这样，计划在具身大脑技术成熟后通过并购「摘果子」的玩家，但报道指出，并不是所有企业都等得起，多数公司还是选择自己做「大脑」。
数据则是另一个吞金巨兽。行业流传的一个数字是，要实现具备通用能力的人形机器人大脑，至少需要 100 万小时高质量数据。一台数据采集机器人成本约 20 万元，使用寿命约 1000 小时，人工费用约 120 元每小时，而高质量真机数据占比只有 20% 左右。粗略测算，单小时有效数据成本约 1600 元。按 100 万小时计算，投入意味着约 16 亿元。
但纸面数字并不等于真实效率。某头部公司创始人曾在一次非公开交流中提到，买数据和采数据的成本，100 万小时大概需要 1 亿至 2 亿元人民币，而训练这些数据的成本大约是采集的 10 倍。
行业内部人士徐青（化名）则表示，采集 1 万小时真实数据，真正能用于模型训练的往往只有几十到几百小时。「如果是按一种很复杂的任务，可能也就几十个小时，如果是稍微简单一点的场景，可能是两百到三百个小时。」他的判断是，「花几千万采来的十万小时数据，模型能力只涨了百分之五。」
换句话说，超过 99% 的采集成本，都可能变成沉没成本。
智在无界合伙人郑思鹏也在公开场合算过一笔账：30 秒真机采集数据成本区间为 10 元至 15 元，累计 1 小时真机数据成本约 1000 元。若要完成 100 万小时真机数据预训练，投入成本将达到 10 亿元量级。
更让人意外的是，数据采集链条上的价值分配严重倒挂。报道称，一线采集人员时薪多数只有十几元到几十元，但他们采集的数据，会被以每小时 300 元至 500 元的价格卖给具身企业。最辛苦的采集环节拿得最少，中间环节却拿走了更多利润。
数据之外，还有本体成本。一台大尺寸人形机器人的物料成本，业内常见估算在 15 万至 20 万元之间。如果公司生产 500 台样机或小批量产品，仅硬件物料就可能接近 1 亿元，而这还不包括开模、测试、返工、仓储、售后以及验收失败产品的损失。
当资金进入这些环节后，很难再被完整解释。报道援引一位投资人的说法，在其他行业，还能通过收入、库存、客户和银行流水交叉确认经营情况，判断该扩张还是收缩；但具身智能公司的核心资产往往停留在研发过程中，过去有效的判断路径在这里失灵了。
投资人也开始追问：钱到底花去了哪里
对资金去向感到模糊的，不只是部分创业者，也包括把钱投进去的人。
有创业者发现，在 2026 年的融资过程中，越来越多投资人开始追问：公司过去半年到底花了多少钱，分别花在什么地方？
一名投资人说，行业里对这类问题已经形成一套相对固定的话术，创业者往往能给出清晰比例。但麻烦在于，正如成本本身难以说清，这些数字也很难继续向下核实，外部股东很难做出精准判断。
一位熟悉内情的人士甚至表示：「某头部企业的投资人基本不知道钱到底花到哪去了，你敢相信吗？完全不知道。」按他的说法，有些投资人投完就不再深度介入，尤其是小股东，根本接触不到公司的真实财务情况。
报道举了一个例子：一家小公司原本即将完成一笔两三千万元融资，流程已接近尾声。财务负责人在向投资方发送材料时，错把另一套内部账目发了过去。投资人重新核对后，融资立即停止。外界无法确认这是工作失误还是财务人员有意为之，但真正让投资人警惕的是，如果那封邮件没有发错，两套数字之间的差异可能永远不会被看到。
为什么一些做具身大模型的公司不愿如实承认花了多少钱？报道给出的解释很直接：如果账面资金剩余过于充足，可能影响下一轮融资；如果承认一年烧掉几个亿，又意味着这笔钱只够撑几个月，企业必须持续融资，这同样会动摇投资人信心。在这个行业里，每个人都得讲一个「我能活很久」的故事。
这类事件正在推动投资机构调整投后管理方式。今年以来，行业中不断传出消息：一些强势投资机构开始向被投公司派驻人员。过去，机构通常只是派董事或观察员参加重要会议、定期听汇报，很少直接介入日常财务；现在，已经有投资人把财务、审计甚至反舞弊人员派进具身智能公司，长期检查采购、报销和关联交易。
有更极端的案例出现在一家物流垂类具身智能企业。报道称，该公司的财务团队中有很大比例人员由投资方外派驻场办公，几乎每一笔支出都需要投资方确认审核，甚至办公用品采购也要先经过投资方财务人员同意。
一位投资人表示，他们担心的不只是创业者花钱大手大脚，更是融资规模快速扩大后，公司内部可能出现新的利益空间。机器人研发涉及芯片、传感器、服务器、零部件、数据服务和外部测试，供应商众多，报价缺少统一标准，同一种服务在不同公司之间的价格可能相差数倍。当技术采购缺少公开市场价格时，投资人很难区分合理溢价和利益输送，因此部分机构开始把财务检查与技术审查放在一起。
这种担忧并非没有依据。报道提到，此前有媒体报道，某头部具身公司在冲刺 IPO 过程中引入投行和会计师事务所进行财务辅导，结果审计时收入被砍掉一半，原因是接近一半收入质量较低，属于关联交易及零碎收入。
更值得警惕的是，行业里已经出现「左手倒右手」式的数据交易：企业先把机器人卖给数据采集中心，收款后，再从数据采集中心手里买回数据。资金在产业链闭环内循环，最终形成空转。
谁来决定怎么花，正成为行业新的核心矛盾
随着投后管理收紧，投资人与创业者的争论焦点，也从「要不要花」转向「谁有权决定怎么花」。
在互联网创业最活跃的时期，这类问题有一套相对成熟的处理方式：公司拿到钱后扩大团队、买流量、补贴用户，再用增长数据争取下一轮融资。即便企业尚未盈利，投资人也能通过新增用户、留存率、交易规模和市场份额，大致判断资金是否产生效果。
具身智能缺少这样的参照系。自动驾驶也经历过资金密集期，但车辆、道路测试和量产节点相对清晰；大模型公司同样需要重金投入算力，但软件产品触达用户更快。具身智能则要同时承受硬件、算法、数据和场景交付的压力，任何一项都可能持续吞噬现金。
报道显示，一些机构正在尝试用阶段目标替代简单的年度预算：公司完成一轮技术验证后，才能启动下一笔算力投入；产品达到稳定性指标后，才进入更大规模生产；数据采集除了小时数之外，还要同时检查有效率和模型提升。
这套方法能减少一部分无效开支，但仍不能解决所有问题。具身智能研发本身具有很强不确定性，一次失败训练未必毫无价值；如果投资人只奖励成功结果，创业者反而可能更倾向于选择容易展示、风险更低的项目。
还有一个现实问题是，并非所有投资人都有足够动力深入公司。一位受访者说，部分小股东只持有 2% 至 3% 股份，很难获得完整经营信息；还有一些投资人在完成投资后，更关心下一轮融资和老股转让，并不会持续跟踪财务与研发。如果行业估值继续上升，即使公司经营存在问题，早期投资人也可能通过下一轮交易退出。
报道举出的案例是，2026 年 5 月，上市公司杭州柯林宣布拟以不超过 3 亿元收购开普勒机器人 41.57% 股权。但市场随后发现，开普勒 CEO 胡德波早已于 2026 年 2 月正式离任，并在 4 月注册新公司「索塔无界」，转向具身智能「大脑」研发。开普勒方面则透露，胡德波早在 2025 年 6 月起就不再担任 CEO，仅负责销售和市场工作，公司同时取消了其股权激励。一位联合创始人在公司被收购前夕离开，公司估值也从半年前的 10.6 亿元缩水至 7.2 亿元。
这场收购案，被报道视为创始团队与资本之间复杂博弈的缩影。
结果是，具身智能行业出现了一种危险错位：只要资金还在持续进入，很多问题就可以被延后；一旦融资速度放缓，产品、收入与现金消耗之间的缺口就会同时暴露。
一位资深投资人判断，真正的分水岭可能从 2026 年下半年开始出现。头部公司仍能获得大额资金，而那些尚未完成 B 轮融资、又没有稳定订单的中小企业，生存空间会迅速缩小。
不过，资本暂时还没有离场迹象。一位投资人与同行估算下半年资金规模时特别强调，这只是一次「拍脑袋」推算，并非严谨统计；按他们的判断，随着更多长期资金进入国内投资市场，下半年新增资金可能达到 5000 亿元。
在投资机构看来，中国具身智能产业拥有完整供应链、工程师体系和制造能力，是少数有机会走到全球前列的技术赛道之一。因此，行业不太可能因为少数失败案例就立刻降温。更多资金仍可能继续进入，已经完成融资的企业也可能继续抬高下一轮融资规模。
报道最后指出，过去几年，具身智能行业主要解决的是「有没有钱」的问题。接下来，它要回答的是另一个更难的问题：当远超公司当前经营能力的资金进入账户后，谁来决定这些钱应该以什么速度、沿着什么方向被花掉。
文中署名显示，本文作者为张申宇，编辑为杨林，来源为 Leo张ToB杂谈。