和陈昱聊具身智能：泡沫可以拥抱，但制造业终究要算账|云启洞察 X 腾讯科技

和陈昱聊具身智能：泡沫可以拥抱，但制造业终究要算账|云启洞察 X 腾讯科技 这条更新来自 elsewhere.news，发布时间为 2026-09-14，Aioga 保留原文入口以便核验。

摘要：云启洞察与腾讯科技对话陈昱，讨论具身智能。陈昱认为行业泡沫可以拥抱，但制造业最终要算账，真正缓慢而昂贵的变量是现实世界中靠人一点点积累的数据。

背景：背景分析：公司与行业类动态需要放在竞争格局、商业化路径、资本信号和监管环境中观察，单条公告不能代表最终结果。

Aioga 观察：Aioga 判断：这条动态更适合作为行业观察信号，当前信息足以建立线索，但不足以推导长期结论。

影响与后续：影响分析：对相关团队而言，短期应先核对来源、可用范围和实际成本，再判断是否值得接入或跟进。 后续观察：继续观察官方文件、合作落地、收入或用户信号、竞品动作和监管后续。

云启从早期关注并布局多家具身智能上下游公司，我们的 管理合伙人陈昱 最近和腾讯科技「翎听 theSignal」聊了聊：

为什么资金仍然集中涌向具身、场景为什么慢慢收敛到物流和家政、世界模型到底是技术分水岭还是一个工具，以及为什么数据是这条赛道里最慢也最贵的变量。

2026 年8月19日，宇树科技在科创板挂牌，股价触及1100元/股，市值超过4400亿元。截至9月11日收盘，报477.12元/股，市值1929亿元。

行业里，人形机器人的一个老问题被推回台前：当一个商业化遥远的行业开始接受二级市场定价，市场的想象力还能支撑多久？

云启资本管理合伙人陈昱并不认为一家机器人公司的短期股价表现，已经足以成为具身智能行业的晴雨表。在他看来，上市初期受到流通盘、交易结构和市场情绪等多重因素影响，短期价格与公司长期基本面之间并不同步。

陈昱是一位越过周期、至今仍活跃在在牌桌上的美元 VC，他从早年起持续关注 AI、智能驾驶和机器人，过往投资包括 MiniMax、自变量机器人、星尘智能、擎朗智能、睿尔曼智能、新石器、破壳机器人等。

近期，我和陈昱聊了聊外界担心似乎有降温趋势的具身赛道。 我们对话从同一个问题的两面开始：为什么一个还没有进入日用阶段的行业，会迅速形成资本共识；又是什么，能让一家机器人公司在泡沫之后仍然留下来。

陈昱的回答可以概括为三点：单一公司的短期股价波动不会让一级退潮；泡沫可以被拥抱，但制造型公司最终仍要按制造业估值；判断公司不要看说什么，要看它拿出了什么。

在他看来，市场今天在交易的未必是具身智能的真实价值，有限流通盘下的二级股价更多映照情绪。一级市场的热度也不完全来自项目本身，而来自资金缺少替代去处。和二级一样，判断一级的热度还在不在，就看流动性。资金和技术概念都不能让公司坐稳头部，量产、供应链与交付能力才可能决定下一轮洗牌。

如果从严格的财务指标来看，现在机器人公司的估值普遍都不低。宇树现在肯定还在锁定期，流通股数也有限。在这种情况下，少量交易也可能放大价格波动，很多时候更多反映的是市场情绪。

股票解禁之前，短期股价波动和公司真实基本面未必完全一致。我不会把现阶段的股价看得太重，等交易结构更充分之后再观察。

从某种意义上说，它肯定是今年非常受关注的机器人上市公司。但一家公司的业务结构、技术路径和商业模式，很难完全代表整个具身智能行业。所以我觉得它的短期股价表现，对一级市场会有一定情绪影响，但还不足以成为整个行业的定价锚。

账面回报和最终能够实现的收益是两回事，还要考虑锁定期、流动性和后续市场表现，所以需要更长时间来看。

因为现在赛道高度统一，和 10 年前不太一样。10 年前还有O2O、在线教育和其他方向；现在基本就是AI相关标的，没有其他，钱肯定又比10年前更多。

一级市场本质上是资产管理。募了这么多钱，必须在指定时间投出去；没有其他赛道可以选。现在大家高度集中在 AI、机器人、商业航天这些方向，无非是在这些赛道里怎么分配。

如果没有新的行业出来吸走流动性，这个状态就会一直这样。一级市场会持续很久；二级市场看宏观流动性，一级市场则要看有没有新的赛道可投。

对，我们也不理解。但没办法，市场上就这么多流动性。上一个疯狂时期是2021年，但也没有这么疯狂。

具身第一轮就融很多钱，主要也是热度在。现在做出一个 Demo 的门槛比以前低了，市场也有一定的 FOMO 情绪。但真正把产品做好，做到泛化、稳定和交付，门槛依然非常高。

从融资数量来看，这个行业目前资本供给还是比较充足的。一个赛道短时间出现两三百家公司，本身也说明资金在高度集中。

不合理，但热门赛道里，资本很容易出现从众和抱团，这在过去很多周期里都发生过，比如共享经济和储能

基金本身有既定的投资周期和配置要求。当可投赛道高度集中时，资金自然会进一步向少数热门方向聚集。

有些人会主动把估值做高：估值定得很高，一看后面都是知名机构参与，又砸了这么多钱，大家会更容易把它视为头部明星项目，从而进一步形成跟投和抱团效应。

这就是泡沫。泡沫本身可以吸引更多人才进入这个行业，加速行业发展；泡沫也能让一些早期投资人赚到钱。

对早期投资人来说，更重要的是比市场更早识别趋势，同时保持投资纪律。泡沫会吸引更多人才和资源进入行业，也会加快行业的发展。

我当然看好零部件公司，也投。但市场要先想清楚：它到底是制造业，还是有智能的东西？现在有的东西明显是制造业，却给了智能的估值，甚至比具身大脑的估值还夸张。

大脑公司做硬件，在中国相对容易。中国的硬件供应链已经比较成熟，本体的工程实现相对更容易。因此最终还是要看，它真正的核心壁垒来自制造能力，还是智能能力。零部件公司不是没有价值，只不过制造业就应该有制造业的估值。

我觉得上市不会直接影响行业格局。上市以后，公司反而会受到上市的拖累：股价的波动和影响会马上反映出来，很多时候公司的战略会受到影响。上市之前做什么都可以，上市以后所有东西都暴露在外面。

但股价会反过来影响一级市场。股价好，一级公司更容易融资；股价不好，一级公司就会垮掉。

现实还是骨感的。大家不能简单把账面回报等同于最终收益。上市之后还涉及锁定期、流动性和股价波动，真正能兑现多少，需要很长时间验证。

就看流动性，和二级市场是一样的。整个一级市场可以拿来做投资的盘子有多大，这个最重要。

具身最早出来是 2023、2024 年的一波。那时整个赛道还没起来，大家也不知道具身到底能带来什么，属于比较混沌的状态：技术路线不确定，场景不确定，大家都在摸索。

到现在，已经有两三百家具身公司，大家的故事开始趋同，都在讲世界模型。你会发现，场景其实在慢慢收敛。各家做得最多的两个场景，一个是物流，一个是家政。

家政里，泛化性很重要。场景多样，任务也多样，有收纳、清洁和烹饪。物流里，像自变量做分拣，要解决的是推理优化，不然效率上不去。平时具身机器人都是慢悠悠地做，视频都得加速才看起来正常；但到了特定或工业场景，推理速度、节拍性就很重要。

所以这些场景除了商业化，也在倒逼大家解决技术问题。到 2026 年，如果真的要再投具身，你得告诉我，你能不能在某个场景里做出彩来。一开始就要相对聚焦、确定。

今天你告诉我，可能除了自变量做包裹分拣这个场景，效率还可以达标以外，有哪一个机器人的操作效率达标？你总不能拖后腿吧。

很多Demo都是经过精心挑选和展示的，和真实环境下长期、连续运行还有很大差距。

所谓daily use，是每天默认用这种解决方案，每天就是机器人在做这个事情。如果只是展示“你看我有这么多进展、我很牛”，这种Demo对融资可能有好处，但对实际终端用户没有那么大意义。

但真正等它每天都在用的时候，大家可能又觉得习以为常，这东西不性感了。就像自动驾驶，今天新车都有城市NOA；它走进千家万户时，行业反而不性感了。

工厂原来就有自动化方案。你要比自动化方案还厉害，或者做柔性部署。工厂对 ROI 非常敏感，能省一分钱就是一分钱。他不要求机器人有多高配、多牛；他不会为这个付额外成本，他想要的是刚刚好。

我举个物流小车的例子：为什么续航定在 200 公里，而不是像乘用车一样卷 300、500、800 公里？因为物流公司不会为多一公里续航多付一分钱。

对，但这只是个工具而已。就像自动驾驶一样，过去 10 年已经发展了四五波技术范式，后进者还有个优势：他不用浪费时间和钱在前面的路线上。

世界模型也不是终局。如果一家公司的壁垒只是‘世界模型’这个标签，我会比较谨慎。

我不相信。做大脑，在不同时间段有不同技术路线可以选择。世界模型只是现阶段的一条重要技术路线。单纯做出一个世界模型本身，已经很难构成足够高的壁垒。

现在也有不少方案是基于开源视频模型，再加入物理约束和机器人数据进行训练，所以真正的差异还是要看模型、数据和真实场景怎么结合。

世界模型本身就是想提高大家使用数据的效率。它对数据的使用效率已经比 VLA 高。世界模型和 VLA 不是矛盾的东西，可以结合起来做。它最初的想法，是把海量视频数据利用起来，一些常见、基础性的操作可以从视频里学习。

但机器人这两年能做的东西比前两年多，肯定不是单一因素造成的。数据量增加，其他学术进展也很多。

看，但具身数据公司还处于相对初级的阶段，技术方案雷同。而大模型公司的数据采买已经不局限于语料数据，还有专家标注、用户轨迹、强化学习环境等，随着训练技术的迭代和应用场景的变化而不断进化，需要从业者对大模型训练有较深刻的理解。

数据会是一个长期存在的需求。现阶段具身智能的数据积累还非常早期，即使是头部公司，也大多还在百万小时量级。至少从我个人的判断来看，如果未来要进一步走向物理世界的 AGI，所需要的数据规模还会有数量级的提升，可能要达到亿小时级别。也正因为如此，随着模型能力、训练方法和应用场景不断演进，具身数据本身也会持续迭代。

不会。真机数据，哪怕是一组几秒的数据，总是要人去做。哪怕用众包，也需要时间。具身数据积累起来，远比大语言模型数据慢很多。

这是一门存量但增长的生意，按照小时数来定义。现在收入可以做出来，但增长很有限，因为真的是靠人。人力堆出来的东西，一旦变成人力生意，就是线性增长。需求是真实的，只不过人力太重。

最近倒没有，最近都是挺务实的公司。惊艳的公司，必然是在它那个时间点远远超前的。

你想2021年 MiniMax 和我讲多模态大模型时，那会给你一个震撼。现在很少能碰到这种。对我们来说，现在的科技都是连续发展的，很难有超出预期的东西。

如果泛化性突然变得特别强，或者效率突然变得特别高，你会很直观地捕捉到。但你没有看到。

有些上一代公司也在做人形，不是说它们没有尝试留在牌桌上。但要留在牌桌上，必然要推出符合这个时代的产品。产品能不能交货，供应链能不能拉起来，都是另一回事。

不是。永远都有洗牌的机会。比如新的技术出来，之前的公司就会挂掉。大模型出来之前，有一波搞NLP的公司、搞视频分析的公司就会挂掉。

我投人不是看背景，关键还是看他做出来的东西。早期不代表没有产品。从Demo你能看出一个大致水平。完全没Demo的，那叫PPT 融资；但不是所有都是 PPT 融资。

看AI公司，看来看去就是三样东西：算法、数据、基础设施。对应三个成本项：在人上花多少钱，在数据上花多少钱，在 GPU 上花多少钱。看这三个，基本就知道一个企业到底是真做技术还是假做技术。

有这么多数据、这么大参数量，就得有对应的 GPU 去处理。如果真正有大规模模型训练需求，对应的数据和算力投入是能看出来的。从这些投入规模，也能判断不同公司的研发阶段和投入强度。

最后就是看谁在裸泳。投资人对高估值创业者的压力是巨大的，他必须拿出匹配估值的工作出来。

不要看他说什么，看他拿出来什么。像自变量这样把做的东西坦诚拿出来的公司是少的：开源模型，物流做直播，家政即使知道自己做得不好，也去进家。大家对它做的工作是看得见、摸得着的。