具身智能赛道在疯狂融资后，第一次显露出关于钱的反噬。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，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。若将统计周期拉长至2025年7月至2026年6月，融资事件达503起，金额超960亿元，平均每天超过一起融资。单笔10亿元及以上的大额交易在2026年上半年已超过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。

然而，资本涌入的速度远超企业驾驭资金的能力。一位投资人透露，他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的情况下，以现金加股权形式向一台晚会支付了整整1亿元，换来的仅是几分钟曝光，且效果不佳，未能展现产品价值，反而引发嘲讽。这笔巨额营销支出直接拉低了公司研发占比，触发了港股上市规则中关于研发强度的硬性要求，可能导致公司需要重新排队才能叩击资本市场大门。晚会结束后，几位投资人曾聚集在创业者办公室质问，有人情绪激动拍了桌子。

另一方面，钱躺在账上不动同样危险。去年秋天，一家具身智能公司在账上有上亿元的情况下，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。此事被潜在投资方知晓后，融资就此告吹。

行业内部对花钱的态度呈现两极分化。一批主打“大脑算法、概念落地”的轻量化企业成为资本热潮中的受益者，也是行业中最节俭的玩家。例如星海图成立两年累计融资超40亿元，但据知情人士称，其两年间整体资金消耗不足1亿元，资金利用率极低，账面储备充裕。星海图内部实行极其严格的预算控制，营销、招聘、运营支出被压缩到极致，目前已基本实现收支平衡，甚至“恨不得连办公打印用纸的使用都要经过严格限制”，这种模式被戏称为“熬死流式”打法。

然而，过度节省也可能带来灾难。一名具身智能前员工透露，其前公司为节省每年小几十万元的云端冗余服务费和异地备份费用，仅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。一次意外园区停电导致硬盘损坏，所有数据丢失，给政企客户做的定制化程序也没有存档，公司最终花费高昂代价才勉强过关。

宇树科技则展示了另一种可能。其招股书显示，2025年毛利率达60%以上，在多数具身智能企业还在烧钱时已实现盈利，但花钱依旧节俭，几乎不做PR，研发开支仅9000多万元，甚至不够一些AI初创企业一年的算力开销。这种风格让人联想到“百团大战”时期美团以极低成本拖死竞争对手的打法。

不过，过度控制现金消耗也引发猜测：这家企业到底做了多少研发？一位明星创业公司管理层曾将“延长现金跑道”设为最重要经营目标，为此冻结多个研发岗位、缩减零部件验证批次、推迟数据采集计划。财务数字很快见效，但几个月后，不少工程师被同行挖走，一款本应进入小批量交付的产品因核心零部件兼容性问题迟迟无法量产定型。一位硬件负责人将这种状态称为“有钱的停摆”。

与此同时，也有企业在花钱上放开手脚。刘远听说的案例是，两年前有家人形机器人公司拿到融资后未先打磨可落地场景，而是一次性同步立项多个产品线，花大量钱在商务和政企接待上，甚至用货架和纸箱搭建“物流场景”，用开源模型画几个检测框就宣称有多模态感知能力，所谓的自动分拣实则是将控制线藏在桌面下由人手动控制。国外曾经的明星公司Vicarious Surgical也被视为乱花钱的反面教材，其拿了比尔·盖茨等投资圈人士预计超3亿美元的融资，市值一度超12亿美元，但坚持自研超复杂的“仿生机械臂”，放弃成熟商业方案，导致研发周期拉长、迭代成本失控，产品始终无法量产定型，最终在发展关键两年亏损超1亿美元，黯然破产清算。

具身智能的真实成本难以算清。人力是第一笔大支出，普通算法工程师月薪约5万元，部分招聘数据平均值接近6.3万元，算上年终奖、社保等，一个成熟算法工程师年度支出接近百万元，资深人才年薪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1500万元起步，最高可达1.24亿元；字节跳动旗下火山引擎招募“操作算法资深专家（具身智能）”，月薪9.5万至12万元。一家三百人规模的具身智能公司，仅人力成本一年就达3亿元。

算力和数据是更大的吞金巨兽。做几个VLA大模型Demo一年至少烧3000万至5000万元，做世界模型则需上亿元算力消耗。数据方面，行业通传要实现通用人形机器人大脑至少需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，人工费约120元/小时，高质量真机数据占比仅约20%，粗略估算单小时有效数据成本约1600元，100万小时有效数据意味着约16亿元投入。但某头部公司创始人透露，买数据和采数据成本100万小时约1至2亿元，训练成本约为采集的10倍。更令人焦虑的是数据质量，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，有观点认为“花几千万采来的十万小时数据，模型能力只涨了百分之五”，意味着99%以上采集成本可能是沉没成本。智在无界合伙人郑思鹏公开测算，30秒真机采集数据成本10至15元，累计1小时约1000元，完成百万小时真机数据预训练投入将达10亿元量级。

数据采集链条上价值分配严重倒挂：大部分一线采集人员时薪仅十几到几十元，但采集后的数据以300至500元每小时的价格卖给具身企业，最辛苦的环节拿得最少，中间环节拿得最多。此外，一台大尺寸人形机器人物料成本常见估算在15万至20万元，生产500台样机仅硬件物料就可能接近1亿元，尚未计算开模、测试、返工、仓储和售后。

面对如此高昂且难以核实的成本，投资人也感到困惑。2026年融资过程中，越来越多投资人开始询问公司过去半年花了多少钱、花在哪里，但得到的答案往往是一套固定口径，难以向下核实。某头部企业的投资人基本不知道钱花到哪里去了，有些小股东根本接触不到公司真实财务情况。一个例子是，一家小公司原本即将完成一笔两三千万元的融资，财务负责人在发送材料时错把另一套内部数据发了出去，导致融资进程受阻。

具身智能行业正面临一个尴尬的现实：钱来得太快，但如何让钱产生真实价值，成为比融资更艰难的考验。无论是过度节省还是盲目挥霍，都可能让企业在技术路线尚未确定、产品能力仍需验证的行业中错失窗口。业内至今对真实成本难有共识，而资金使用效率的低下，正在成为这个赛道继融资热潮之后的新隐忧。