暴涨9亿美元之后，机器人还学不会端盘子

2026年，人形机器人跑赢了博尔特，融资破了中国纪录，可它依然学不会稳稳地端起一个盘子。这中间的落差，就是具身智能产业当下最真实的样子——运动能力炫技满天飞，干活能力却卡在数据这一关。本文从世界机器人大会的展台、训练场的采集线和小鹏的资本局三条线索，拆解这台狂奔机器的真实 gears：缺的不是会翻跟头的身体，而是能教它干活的'教材'。

📉 从比谁跳得高，到比谁会擦桌子

风向变了，而且变得很快。

2026世界机器人大会的展馆里，最扎眼的不是那些能跑能跳的钢铁之躯，而是一块反复播放'擦桌子'特写的屏幕：机械手指触碰桌面，力度和角度实时微调。但如果你凑近看会发现，这并非机器人的自主决策——屏幕旁边，一位观众头戴采集设备、手持摇杆，正在遥控操作，'教'机器人干活。机器人的第一视角画面同步传上大屏，这段视频经处理后，将成为训练机器人干活的'教材'。

与去年厂商争相展示跳多高、跑多快不同，今年的大会焦点悄悄让位给了'教机器人干活'的数据采集展位。一批定位为'数据基础设施''物理AI数据基座'的专业服务商首次集中亮相——它们不造整机，不训大模型，只为机器人产业提供最底层的数据支撑。

这个变化背后的判断很直白。北京人形机器人创新中心具身智能数据与训练基地负责人夏华林给出一个行业公认的类比：'现在的具身智能机器人，相当于十年前的自动驾驶。'

十年前的自动驾驶，视觉算法已经跑通，缺的是里程数据；今天的具身智能，缺的是真实世界的物理交互数据——而且缺口比自动驾驶大得多，按夏华林的说法，要多数个量级。感知层的技术路线之争基本落幕，剩下的硬仗全在数据层。

产业逻辑也随之重排：机器人公司之间的竞争，正在从'身体参数'转向'数据产能'。谁的采集体系跑得快、谁的数据质量高，谁就更早跨过'遥控大玩具'这道门槛。展台上的风向标，往往比研报更诚实。

🏫 超70家'学校'，一个端盘子动作练三万遍

机器人也需要上学，而且学费按条计。

'拿起桌上浅蓝色盘子，放在白色托盘上。'在华东某机器人训练场，一位'00后'训练师对着麦克风下达指令，随即操纵机械臂完成抓取、平移、放下。这个看似简单的动作，她一天要重复上百次。仅'零件分拣'这一个任务，该训练场就已采集了三四万条数据。

这些由视频、力反馈和关节角度组成的'教学素材'，经清洗后成为高质量数据喂给大模型。用该训练场数据采集负责人郑鑫的话说：'现实中，高质量数据支撑不到位，机器人就永远摆脱不了遥控大玩具的标签。'

缺口到底有多大？中国信通院《具身智能训练场研究报告（2026年）》给出的数字是：截至2026年6月底，全国建成启用超70家训练场，在建或规划46家——即便如此，行业共识仍然是'远远不够'。8月6日的合肥具身智能机器人数据采集预训练场，83台来自不同企业的机器人在家居、商超、工业领域的30余个复刻场景中同时实训，场面壮观，但换算成模型需要的token量，依然是杯水车薪。

一条新产业链已经成型，可以粗暴地画成这样一个闭环：

这个闭环里最有意思的是人——'训练师'成了新职业。据多位接近训练场的人士透露，一线采集师最直接的感受是：任务越来越难，容错率越来越低。早期采集端水杯、搬纸箱，现在练的是叠衣服、分拣异形件，手法稍有偏差整条数据作废。

但硬币的另一面同样真实：遥操作采集本质是'人肉生产数据'，成本高、天花板明显。70家训练场更像是行业初期的'过渡方案'——真正的终局，是机器人自己在真实场景中边干边学。在那之前，'驾校经济'会是具身智能最先跑通商业模式的环节之一：不造机器人的，先挣机器人的钱。

🏅 8.86秒的百米，和它没能回答的问题

会跑的机器人很燃，但客户要的是会干活的。

8月22日至26日，北京国家速滑馆，第二届世界人形机器人运动会赛期5天，16个国家的666支赛队、2056台人形机器人参赛。成绩单相当炸裂：田径项目中百米、400米、跳高均刷新人类纪录——百米复赛跑出8.86秒，超过博尔特9.58秒的人类纪录；跳高决赛中，北京天工Ultra机器人跳出3.4米夺冠并包揽前四，刷新其在开幕式上刚创下的2.88米纪录。

连小学生都入场了：平均年龄11岁的东城区府学胡同小学'府学翱翔队'，亮相U19三对三足球赛。

运动会是绝佳的产业广告位，也是绝佳的'障眼法'。作为工程师，我想泼一点冷水：运动控制与作业控制，是两套难度结构完全不同的问题。跳3.4米考验的是全身动力学和硬件极限，参数可以堆；而端稳一个盘子、叠好一件衣服，考验的是感知—决策—操作的闭环泛化，参数堆不出来，只能靠数据喂。

一项运动成绩的含金量毋庸置疑——它验证了硬件供应链和整机工程能力，这恰恰是中国的强项。但采购决策者关心的不是百米成绩，而是'放到我的产线上，能不能稳定干八小时、不良率多少'。运动会回答不了这个问题，只有训练场和真实部署能回答。

所以看2026年的行业，得把两幅图叠着看：运动会上是'人类纪录粉碎机'，训练场里是'端盘子小学生'。前者决定资本市场的热度，后者决定真实商业化的进度。热度不等于进度，但热度能给进度买时间。

💰 9亿美元融资：给'物理AI'期权定价

资本已经开始给'未来能干活'提前付钱了。

8月26日，小鹏集团旗下机器人业务主体鹏行完成首轮超9亿美元私募股权融资，投后估值超过63亿美元，创下中国具身智能领域有史以来单轮融资最高纪录。阵容堪称豪华：IDG资本领投、高榕创投参投，阿里巴巴与腾讯作为战略投资者联合认购6亿美元；何小鹏及顾宏地控制的关联方认购3亿美元。消息当天，小鹏集团-W(09868.HK)涨6.56%，报46.14港元。

钱之外，更值得关注的是打法。今年6月起，何小鹏亲自挂帅机器人业务，把汽车制造积累的供应链优势直接平移进具身智能——IRON的供应链与小鹏汽车业务重合度超过85%。这台全身76个自由度、首发搭载全固态电池及3颗自研图灵芯片的人形机器人，其VLA/VLM大模型、AI架构、数据管控乃至组织架构，均与汽车体系深度共用。

这是一道典型的'复用算术题'：

卖方也已闻风而动。东吴证券研报指出，小鹏在2025Q3至2026Q2期间综合毛利率连续四个季度维持在20%以上，作为集新能源汽车、人形机器人、智驾技术授权及Robotaxi于一体的稀缺'物理AI'标的，当前估值尚未充分反映机器人等子业务的期权价值，维持'买入'。招证国际则预计机器人业务硬件毛利率将显著高于汽车业务，且兼具软件服务收费潜力；Robotaxi已完成超两千次内测订单，计划2027年实现无安全员的商业化载客运营。

注意'期权'这个词的分量：市场买的不是机器人现在的收入，而是它'未来能干活'的可能性。公司还设立了18个月的分拆评估窗口期，即便未来分拆，机器人业务仍将100%并入小鹏集团报表——进可攻退可守。据多位接近投资机构的人士透露，这一轮之后，头部具身智能标的的估值锚正在从'融资额'切换到'数据资产+场景卡位'。

⚠️ 学不会端盘子，是所有故事的分母

炫技决定估值上限，数据决定落地下限。

把三条线索拼起来，2026年的具身智能图景就清晰了：

• 能力端：硬件运动能力飞速进化，百米8.86秒、跳高3.4米，整机工程能力全球领先；
• 数据端：超70家训练场、46家在建，用人力遥操作一条条'喂'数据，缺口仍是数个量级；
• 资本端：单轮9亿美元创纪录，机构以'期权'逻辑重估物理AI标的。

（上图为基于行业公开信息的定性示意，非统计数据。）

三个数字摆在一起，结论不言自明：木桶最短的板，是数据。'学不会端盘子'不是段子，而是所有估值故事的分母——分母不扎实，分子再漂亮也会被证伪。训练场模式本质是数据采集的'手工作坊阶段'，行业真正的跃迁，要等仿真合成数据、真机自学习、遥操作采集三条路线的成本曲线交叉，机器人才能进入'干着干着就会了'的正循环。

好消息是，方向已经收敛：展台从炫技转向数据基座，资本从炒整机转向押注'物理AI'系统公司，国家队在真金白银地铺训练场。端盘子这一课，机器人迟早会学会——问题只是，谁的数据流水线先跑通，谁就能把'学'的过程变成别人绕不开的护城河。

下一个9亿美元，大概率会发给手里有数据、眼里有场景的公司，而不是又一个会翻跟头的身体。