具身智能的三重泡沫：4.5%的真相，4倍的分歧，与一道所有人都算不对的算术题

热钱正在以惊人的速度涌向具身智能。2026年上半年，国内赛道融资总额达到935亿元，是去年同期的5倍，融资事件322笔，同比增长137%。资本用真金白银投票，押注机器人进入工厂和家庭。但在这条赛道最喧闹的时刻，有三个数字却像冷水一样浇在滚烫的叙事上：4.5%，4倍，以及一道所有人都算不对的算术题。

宝马工厂里，只有一台机器人在“上班”

Figure的故事是观察泡沫的第一面镜子。这家估值390亿美元、逼近宝马市值的机器人明星，曾向外界讲述了一个“机器人替代工人”的完美叙事。2025年，Figure与宝马试点合作，创始人Brett Adcock公开宣称“一支执行端到端操作的机器人队伍”已经在工厂运行。然而，宝马方面的实际落地情况是——现场只有一台Figure机器人在工作，另一台负责轮换充电。到了6月，Figure发布了一段宣传视频，画面里4台机器人出现在宝马工厂，但据宝马透露，其中只有1台真正完成了任务，另外3台全程没有参与。为了这段视频，Figure派出了5到10名员工现场配合。

一台机器人完成了任务，和一支能够稳定运行的机器人队伍，中间隔着整个商业模式的鸿沟。Figure大约造出了1000台机器人，但外界不知道其中多少台真正部署、多少台在持续工作，更不知道谁在持续付款。这种“把演示当能力、把能力当行业空间”的溢价逻辑，在国内同样上演：统计显示，中国估值超过100亿元人民币或15亿美元的人形、具身智能公司已经超过20家，而最头部的宇树科技，收入约为2亿美元。钱已经到了，需求还在路上。

这组数字拼凑出的“4.5%的真相”并不精确，却足够刺眼：在行业普遍用“万亿市场”讲故事的今天，真正能在真实场景中跑通商业闭环、形成可持续收入的企业，占比可能只有个位数。兴业证券2026年4月的深度报告把问题挑明：机器人硬件已经足够成熟，真正的瓶颈在具身大模型——它难以可靠处理复杂物理世界的不确定性，泛化能力较弱。机器人换一个场景就失灵，是行业里公开的难题。数据采集、模型训练、场景标定，每一项都在烧钱；部署一台机器人进产线，往往要几个月的定制化开发。行业不缺热情，缺的是一条把机器人真正送进真实世界的路。

同一年的市场预测，差出4倍——这不是分歧，是没人知道答案

如果说落地率是产业真伪的试金石，那么预测的分歧程度就是泡沫浓度的温度计。一个名为“预测熵指数FEI”的工具，计算方式很简单：同一预测年份中，主流机构的最高预测值除以最低预测值。以2030年为锚定年份，当前人形机器人行业的FEI等于152.6亿除以40.4亿，约等于4。也就是说，不同机构对同一年市场规模的估算，最高值是最低值的4倍。如果跨年份对比——将2035年高盛的最新预测1540亿美元纳入——FEI会飙升至1540除以40.4，约等于38。

同一年份近4倍、跨年份38倍的分歧，揭示了一个根本性问题：没有人真正搞清楚这个市场有多大。当行业的商业模式、单位经济模型和渗透率曲线已经被验证时，不同机构基于类似方法论的预测会自然收敛。分歧本身是正常的，但4倍甚至38倍的极端发散，说明这个行业还在“讲故事”阶段，而不是“算数据”阶段。历史经验也验证了这一点：回看互联网泡沫和新能源汽车泡沫初期，预测分歧同样剧烈，直到真实需求曲线浮出水面，预测才逐步回归同一频道。如今的人形机器人，连“起飞时间”和“起飞速度”都没有共识，更遑论估值。

宇树一家的产能规划，就已经超过了2030年全中国需求

第三个泡沫信号来自供给侧，被命名为“产能规划过载率CPOR”——前N家企业合计规划产能，除以权威机构对应年份的需求预测。这个指标的结果令人瞠目：仅宇树科技一家公司的远期产能规划（7.5万台），就已超过