2026年YTD人形机器人VC融资已经超过去年全年，但Humanoid 100指数的表现却参差不齐——跑赢了S&P 500和MSCI中国，却跑输了MSCI韩国和MSCI台湾。这不是简单的"行情分化"，这是资本在用脚投票，告诉我们一件事：人形机器人的故事，正在从"能不能造"转向"谁能造出来并持续迭代"。
融资热，但热在"聪明的地方"
Morgan Stanley给出了一个有意思的数据：2026年YTD人形机器人VC融资已经超过2025年全年，其中亚洲占~46%。
这不是平均分布的热，是结构性集中。
📊 关键数据
中国4月单月：41起人形机器人融资事件去年同期：16起 ｜ 前年同期：6起两年时间，翻了近7倍
但同期，中国人形机器人价值链指数YTD -10%，跑输MSCI中国（-6%）。
这说明什么？一级市场（VC）在疯狂下注，二级市场在谨慎观望。两者之间存在巨大的认知差。
这种认知差不会永远存在。Morgan Stanley的判断是：一级市场的热情最终会传导到二级市场，但传导的路径不是"全面普涨"，而是"有选择的兑现"。谁能把VC融资转化为真正的出货量和现金流，谁才能拿到下一轮的估值溢价。
Asia占46% YTD VC融资这个数字，某种程度上是中国产业链完整度的溢价。在全球范围内，能找到从核心零部件到整机组装完整配套的市场，除了中国，几乎没有第二个选项。资本不是在做慈善，资本在做供应链布局。
大厂入局，不是"玩票"是"占位"
这一期研报里有几个大厂动作，值得单独拎出来说。
第一，Meta收购ARI（Assured Robot Intelligence）。
ARI是一家美国机器人基础模型创业公司，由纽约大学教授Lerrel Pinto和前英伟达研究员、UCSD副教授Xiaolong Wang于2025年联合创办，团队约20人。Meta不仅公开确认了收购，还发了正式声明，称ARI"operates at the frontier of robotic intelligence"。收购后，ARI团队整体并入Meta超级智能实验室（Superintelligence Labs），与内部机器人工作室（Robotics Studio）紧密协作。Wang本人在X上确认了这件事，并明确表态：他的使命是"实现物理AGI"。
Meta的CTO Andrew Bosworth去年就说，人形机器人是Meta下一个"AR级别"的赌注，Meta要做"机器人界的Android"。这不是随口一说，Meta在买团队、买数据、买人才。买的不是一台机器人，是物理世界AI的软件平台入口。
第二，Jeff Bezos的Project Prometheus据报融资100亿美元，估值380亿美元。
这笔钱不是直接投人形机器人公司，而是投"物理AI"——用AI模型解决工程和制造业的实际问题。如果消息属实，这是AI领域最大的单笔融资之一。
Project Prometheus由Bezos与科学家Vik Bajaj联合创办，Bajaj出任CEO——他此前是Google X的研究者，联合创办过Alphabet旗下的生命科学实验室Verily。Bezos本人则以联合创始人兼领投人的角色深度参与，这是他2021年离开亚马逊CEO位置后首次在一家公司担任正式运营岗位。一个退休的全球首富，选择在这个时间点重返一线，押注物理AI——这个信号比任何研报数据都更有说服力。
💡 更值得注意的是：据《华尔街日报》报道，Bezos还在另外筹措一个规模高达1000亿美元的独立控股公司，计划收购建筑、工程和制造业公司的多数或少数股权，为Prometheus的物理AI模型提供专有工业数据。这和100亿融资是两件事：100亿是造模型，1000亿是买数据源。两条线并行，说明Bezos在下一盘比"投一个AI公司"大得多的棋——他要同时拥有AI模型和喂养模型的工业数据。
第三，Skild AI收购Zebra Technologies的Fetch Robotics资产。
Skild AI是仓储物流机器人的"大脑"提供商，收购Fetch Robotics后，可以把自己的软件能力嫁接到成熟的仓储机器人网络上。硬件-软件的整合正在加速。
这三个事件放在一起，指向同一个结论：大厂入局人形机器人，不是试水，是系统性的产业链卡位。他们在抢的不是某一台机器人的市场份额，而是物理世界AI时代的定义权。
宇树IPO数据：这是行业的第一份"体检报告"
宇树科技的招股书是Morgan Stanley这期研报里我最感兴趣的数据源。
2025年出货5500台人形机器人，营收17亿人民币（约2.55亿美元），调整后净利润约6亿人民币（约9000万美元）。
⚠️ 口径说明：宇树同时生产四足机器人（Go系列）和人形机器人（G1/H1/R1系列）。5500台的口径来自Morgan Stanley研报，但招股书原文是否全部为双足人形，还是包含四足产品，无法做二阶验证。如果口径含四足，则60%毛利率和37%净利率的含金量需要打折。
关键数字来了：
ASP（平均售价）：约16.8万人民币（约2.5万美元），同比下降37%
毛利率：约60%
调整后净利率：约37%
60%的毛利率，37%的净利率——这是什么概念？Morgan Stanley明确说，这是"中国所有机器人和制造类公司中最高的"。即使口径有水分，能拿到这个数字本身，说明宇树在供应链整合上的能力确实远超同行。
第一层含义：人形机器人的硬件，正在接近"甜蜜点"。
2.5万美元的售价，37%的净利率，意味着成本控制在1.5-1.6万美元左右。如果售价继续下降到2万美元以下，理论上可以进入更多中小企业的采购清单。
第二层含义：宇树不只是卖机器人，还在卖"规模化能力"。
5500台出货不是小批量生产，这是经过供应链验证的量产规模。能做到这个出货量的中国公司，目前一只手数得过来。
第三层含义：价格战可能比预想的来得更快。
宇树的R1人形机器人已经通过AliExpress面向全球销售。但定价需要分清口径：国内起售价29,900元（约4,370美元），AliExpress国际版R1 AIR起价约6,800美元，R1标准版约8,150美元——国际价几乎是国内的2倍，价差主要来自关税、物流和渠道溢价。
而且R1是123cm高的"运动型"小型人形，不是全尺寸工业平台。更关键的是，R1和R1 AIR版本不支持二次开发，SDK完全锁死；只有R1 EDU版开放全部接口，但需走B2B渠道单独询价。当一台"能用但不能改"的人形机器人卖到6,800美元的时候，它更接近消费电子，而非工业自动化入口。但不可否认，价格下探本身就在扩大市场边界——毕竟一年前同级别产品还在$19,000以上。
特斯拉：Gen3推迟不是问题，问题是"为什么"
Tesla在Q1电话会上确认，Gen3可能推迟到2026年中发布。同时，Fremont工厂准备2026年下半年开始生产，Giga Texas第二工厂预计2027年夏季投产。
Morgan Stanley的解读我比较认同：Gen3推迟本身不是问题，真正的问题是背后的原因。
一个细节泄露了真相。
特斯拉通过WIPO（世界知识产权组织）公开了一份Gen3腱驱动手设计的专利。这份专利引发了媒体关注。然后马斯克本人在X上回复说了一句话："We already changed the design. This one didn't actually work."
"这个设计实际上没成功"——这句话的信息量很大。
这意味着Gen3不是简单的"延期发布"，而是在设计迭代过程中遇到了真实的工程挑战。腱驱动手是人形机器人最难攻克的部件之一，涉及复杂的力控和精细运动。特斯拉愿意公开承认"设计失败"，某种程度上是给市场打预防针：别期待一台完美的机器。
Morgan Stanley的判断是：特斯拉正在经历"快速设计迭代"，这是人形机器人这种"极度新颖的技术"的正常现象。一个能承受设计失败的公司，比一个不敢承认失败的公司，更值得长期关注。
Gen3配合Giga Texas第二工厂，才是真正的"王炸组合"。一座工厂是产能天花板，两座工厂是真正的量产规划。
从Demo到真干活：商业化落地的三个锚点
这一期研报里，我最关注的不是"某某公司又发布了一台新机器人"，而是已经有公司开始发布真实的运营数据。
锚点一：西门子。
西门子测试HMND 01机器人在Erlangen工厂执行物流任务，数据是：每小时60次搬运，8小时连续运行，拾放成功率90%以上。
这不是实验室数据，这是真实工厂环境里的真实产出。60次/小时意味着每分钟1次，8小时480次。成功率90%意味着平均每天"失误"约48次。这些数字告诉我们：人形机器人已经可以在工业场景里干活了，虽然还不完美。
🔧 需要说明：HMND 01是轮式底盘+人形上半身的设计，不是双足行走。轮式方案在平坦工厂地面上效率更高、稳定性更强，但牺牲了台阶和非结构化地形的通过能力。这是一个务实的技术路线选择——在工业场景里，先跑起来比长得像人更重要。
锚点二：BMW和Schaeffler。
BMW在莱比锡工厂测试Hexagon的人形机器人AEON。AEON同样是轮腿混合设计——下半身是轮式移动为主，可跨障碍，最高移动速度2.5米/秒；上半身是可更换工具的人形躯干。这不是传统意义上的双足人形，但它在工厂场景里的实用效率可能更高。
Schaeffler则更进一步：计划在未来7年内（约2032年）部署至少1000台Hexagon AEON机器人，同时为Hexagon供应高精度谐波和行星齿轮执行器——既做客户又做供应商，这个绑定深度远超一般采购关系。
1000台不是"试点"，是规模化部署规划。汽车零部件巨头的采购决策，从来都是基于严格的ROI计算。能拿到这种量级的部署承诺，说明人形机器人在特定工位上的成本效益已经通过了内部评审。
锚点三：日本航空。
日本航空（JAL）宣布在东京羽田机场测试人形机器人做地勤。机场是出了名的"人流量大、任务标准化程度低"的环境。如果人形机器人能在机场跑起来，说明在非结构化环境里的适应能力正在快速提升。
这三个锚点有一个共同特征：它们都来自非机器人公司。西门子、BMW、Schaeffler、JAL——这些公司的核心业务不是机器人，但它们在用人形机器人解决自己的实际问题。需求来自产业，解决方案来自机器人公司，这才是商业化的正确姿势。
Humanoid 100：一个指数的"成分股启示录"
Morgan Stanley从2025年2月6日开始追踪Humanoid 100指数，到今年4月30日，等权组合涨幅45%。
涨得最好的：Intel +389%、Samsung +319%、Foxconn Industrial Internet（FII）+224%、Lynas +201%。
⚡ 需要特别注意：Intel和Samsung是万亿美元市值的巨无霸，14个月内涨幅3-4倍，极其反常。这大概率不是"人形机器人逻辑"单独驱动的，而是叠加了2025-2026年AI基础设施投资潮、半导体周期反转等多重因素。Morgan Stanley把它们纳入Humanoid 100，是因为它们是机器人产业链的核心供应商，但涨幅中多少归功于人形机器人、多少归功于AI大周期，很难拆开。
跌得最多的：Dassault Systemes -53%、Mobileye -47%、Roblox -44%。
看这个名单，你会发现一个有意思的规律：
涨幅最大的，不是"机器人整机厂"，而是"供应链里的关键节点"。
Intel和Samsung是半导体，Lynas是稀土，FII是代工。这些公司不是在做机器人，但它们提供的核心零部件或制造能力，是机器人离不开的。
跌得最多的，很多是"概念炒作多于实质"的标的。Mobileye是自动驾驶芯片公司，Roblox是游戏平台，Dassault是软件公司——它们跟人形机器人的关联度，比市场当初预期的要远得多。
这给我们的启示是：人形机器人行情，正在从"谁说自己做机器人"转向"谁真正卡住了核心环节"。轴承、执行器、减速器、电机、传感器——这些听起来不够sexy的零部件公司，反而是这一波行情里真正的赢家。
7.5万亿美元：一个预测的推演逻辑
Morgan Stanley预测2050年全球人形机器人市场年营收可达7.5万亿美元。
这个数字太大了，大到让人怀疑是不是在"画饼"。我们来拆解一下它的推演逻辑。
第一步：累计采用量。
Morgan Stanley预测2050年全球累计人形机器人采用量约10亿台。分解来看：
高收入国家（美国、欧洲、日本等）：约2.96亿台
中国：约3.02亿台
中低收入国家：约4亿台
10亿台听起来很多，但考虑到全球人口约80亿，这个渗透率约12.5%。对比智能手机的渗透率（约65%），10亿台的预测其实并不激进。
第二步：ASP（平均售价）假设。
高收入国家：2024年约20万美元→2050年约7.5万美元
中低收入国家：2024年约5万美元→2050年约2.1万美元
这个降价曲线，是基于制造业规模效应和技术迭代的常规假设。过去20年，工业机器人的价格已经降了80%以上，人形机器人没有理由做不到。
第三步：替换周期。
Morgan Stanley假设6年替换周期。这意味着每年新增出货量约占累计存量的1/6。
这个预测是否靠谱？
两个参照系：2024年全球汽车产业总营收约3万亿美元；全球软件和服务业年营收约5万亿美元。Morgan Stanley的预测意味着人形机器人市场将超过全球汽车产业、接近甚至超过全球软件产业。这不是不可能，但前提是：人形机器人必须能在制造业之外找到足够大的家用和服务场景。
商业场景为主，家用为辅——这是Morgan Stanley的判断。我个人认同这个排序。工业场景的ROI清晰、采购决策链短，是人形机器人商业化的第一战场。家用场景的决策周期长、价格敏感度高，是第二战场。
壁垒正在转移：从"能造"到"能迭代"
研报最后一部分，Morgan Stanley给出了一个我非常认同的判断：竞争壁垒正在从硬件转向数据。
中国的人形机器人公司正在从"Demo阶段"转向"真实场景训练阶段"。训练方式也在从"人类示范"转向"强化学习"。
一个关键的数据：Generalist AI发布的Gen-1基础模型，用50万小时人类穿戴设备采集数据训练（非机器人遥操作数据），声称在简单物理任务上达到99%成功率，每个任务仅需1小时机器人训练数据。
🤔 一个值得展开的逻辑张力：Generalist的核心差异化恰恰是不依赖昂贵的机器人遥操作数据，而是通过低成本可穿戴设备从人类日常活动中采集数据做预训练。这和后面Morgan Stanley强调"稀缺的真实世界机器人数据"作为壁垒，其实是两条不同的路径——Generalist赌的是"人类数据+少量机器人微调"就够了，而另一些公司（如Physical Intelligence）赌的是"大量机器人遥操作+强化学习"。
数据飞轮的价值正在凸显，但飞轮的转法可能不止一种。谁能积累更多真实世界数据（无论是人类数据还是机器人数据），谁就能训练出更好的AI模型；更好的AI模型又能吸引更多用户使用，产生更多数据。这是一个正向循环，类似于互联网时代的"网络效应"。
Morgan Stanley明确指出：私有数据飞轮将成为核心竞争壁垒。但到底是人类数据飞轮更高效，还是机器人数据飞轮更精准，现在还没有定论。
看一家人形机器人公司，不能只看它的硬件参数，还要看它的数据资产和迭代速度。一台机器人卖出去不是终点，而是数据收集的起点。谁能把这个飞轮转起来，谁才能真正建立护城河。
不只是宇树：中国竞争对手全景
文章前面重点拆了宇树的IPO数据，但Morgan Stanley的研报覆盖了更广的中国人形机器人格局，值得补全。
AgiBot（智元机器人）：刚交付第10,000台人形机器人，TrendForce预计其与宇树合计占中国出货量近80%。如果说宇树靠性价比和规模化跑量，AgiBot则走的是"场景深度绑定"路线——在工业产线上的部署密度更高。
优必选（UBTECH）：5000台工业人形机器人的出货目标，聚焦物流和汽车场景。优必选的优势在于先发品牌和政府关系，但ASP和毛利率是否匹配宇树的盈利水平，目前没有公开数据。
越疆（Dobot）和AI² Robotics：各达1000台出货量，规模相对小，但在特定场景（如轻工业装配、教育）有差异化定位。
领龙科技（Linkerbot）：灵巧手产量5-10万只——这是一个容易被忽略的数字。灵巧手是人形机器人最关键也最难的部件之一，领龙的产量意味着它在零部件层面已经跑出了规模。
Morgan Stanley的宏观判断是：中国正在复刻电动车赛道的路径——全产业链布局+快速迭代+本土市场当试验田。TrendForce预计2026年中国的人形机器人产量将同比增长94%，宇树和AgiBot两家可能占据近80%份额。
🏛️ 政策托底：中国"十五五"规划首次将机器人列为战略性新兴产业，各级政府已设立总额约1870亿人民币的产业基金。这个数字比任何单家公司的融资额都大，而且它是系统性托底，不是赌某一家的成败。
结语：短期波动不改长期趋势
融资在加速，但钱在分化——聪明钱在流向真正有量产能力和数据积累的公司。
大厂在入局，但策略在分化——Meta买团队走"Android路线"，特斯拉走"硬件量产+工厂数据"路线，Bezos两条线并行（造模型+买数据源）。不同的路径选择，会导向不同的竞争格局。
商业化在推进，但节奏在分化——工业场景跑得比家用场景快，轮式方案跑得比双足方案快，有清晰ROI的场景跑得比泛化场景快。
中国正在跑出差异化优势——但需要警惕：量产能力不等于盈利能力，出货量不等于数据质量。宇树60%的毛利率能否在价格战中维持？AgiBot的场景绑定是否足够深？这些问题的答案，将在未来12个月内逐渐明朗。
Humanoid 100指数45%的涨幅，不是泡沫的顶点，而是"去伪存真"过程中的正常震荡。能在这个过程中活下来并持续迭代的公司，才是真正的赢家。
数据来源：Morgan Stanley Research, "Humanoid Horizons: Money Meets Machines", 2026年5月7日发布，分析师Adam Jonas, Sheng Zhong等。
*本文仅供参考，不构成投资建议。*
