具身智慧賽道在瘋狂融資後，第一次顯露出關於錢的反噬。據不完全統計，今年上半年國內具身智慧賽道共融資約438億元，IT桔子資料顯示，上半年共發生288起融資事件，涉及226家企業，披露融資額超過460億元。若將統計週期拉長至2025年7月至2026年6月，融資事件達503起，金額超960億元，平均每天超過一起融資。單筆10億元及以上的大額交易在2026年上半年已超過25起，其中它石智航在4月單輪拿下4.55億美元，重新整理了中國具身智慧融資紀錄。

然而，資本湧入的速度遠超企業駕馭資金的能力。一位投資人透露，他投資的一家行業知名具身智慧公司，在未向董事會和股東報備的情況下，以現金加股權形式向一台晚會支付了整整1億元，換來的僅是幾分鐘曝光，且效果不佳，未能展現產品價值，反而引發嘲諷。這筆鉅額營銷支出直接拉低了公司研發佔比，觸發了港股上市規則中關於研發強度的硬性要求，可能導致公司需要重新排隊才能叩擊資本市場大門。晚會結束後，幾位投資人曾聚集在創業者辦公室質問，有人情緒激動拍了桌子。

另一方面，錢躺在賬上不動同樣危險。去年秋天，一傢俱身智慧公司在賬上有上億元的情況下，創始人堅持節約開支，拒絕讓硬體團隊出差盯產線，上百台量產機器人全部通過影片遠端驗收。此事被潛在投資方知曉後，融資就此告吹。

行業內部對花錢的態度呈現兩極分化。一批主打“大腦演算法、概念落地”的輕量化企業成為資本熱潮中的受益者，也是行業中最節儉的玩家。例如星海圖成立兩年累計融資超40億元，但據知情人士稱，其兩年間整體資金消耗不足1億元，資金利用率極低，賬面儲備充裕。星海圖內部實行極其嚴格的預算控制，營銷、招聘、運營支出被壓縮到極致，目前已基本實現收支平衡，甚至“恨不得連辦公列印用紙的使用都要經過嚴格限制”，這種模式被戲稱為“熬死流式”打法。

然而，過度節省也可能帶來災難。一名具身智慧前員工透露，其前公司為節省每年小几十萬元的雲端冗餘服務費和異地備份費用，僅保留單台本地伺服器儲存上千台機器人的場景程式和定位地圖。一次意外園區停電導致硬碟損壞，所有資料丟失，給政企客戶做的定製化程式也沒有存檔，公司最終花費高昂代價才勉強過關。

宇樹科技則展示了另一種可能。其招股書顯示，2025年毛利率達60%以上，在多數具身智慧企業還在燒錢時已實現盈利，但花錢依舊節儉，幾乎不做PR，研發開支僅9000多萬元，甚至不夠一些AI初創企業一年的算力開銷。這種風格讓人聯想到“百團大戰”時期美團以極低成本拖死競爭對手的打法。

不過，過度控制現金消耗也引發猜測：這家企業到底做了多少研發？一位明星創業公司管理層曾將“延長現金跑道”設為最重要經營目標，為此凍結多個研發崗位、縮減零部件驗證批次、推遲資料採集計劃。財務數字很快見效，但幾個月後，不少工程師被同行挖走，一款本應進入小批次交付的產品因核心零部件相容性問題遲遲無法量產定型。一位硬體負責人將這種狀態稱為“有錢的停擺”。

與此同時，也有企業在花錢上放開手腳。劉遠聽說的案例是，兩年前有家人形機器人公司拿到融資後未先打磨可落地場景，而是一次性同步立項多個產品線，花大量錢在商務和政企接待上，甚至用貨架和紙箱搭建“物流場景”，用開源模型畫幾個檢測框就宣稱有多模態感知能力，所謂的自動分揀實則是將控制線藏在桌面下由人手動控制。國外曾經的明星公司Vicarious Surgical也被視為亂花錢的反面教材，其拿了比爾·蓋茨等投資圈人士預計超3億美元的融資，市值一度超12億美元，但堅持自研超複雜的“仿生機械臂”，放棄成熟商業方案，導致研發週期拉長、迭代成本失控，產品始終無法量產定型，最終在發展關鍵兩年虧損超1億美元，黯然破產清算。

具身智慧的真實成本難以算清。人力是第一筆大支出，普通演算法工程師月薪約5萬元，部分招聘資料平均值接近6.3萬元，算上年終獎、社保等，一個成熟演算法工程師年度支出接近百萬元，資深人才年薪200萬至300萬元並不罕見。2026年4月，優必選宣佈面向全球招募“具身智慧首席科學家”，年薪1500萬元起步，最高可達1.24億元；字節跳動旗下火山引擎招募“操作演算法資深專家（具身智慧）”，月薪9.5萬至12萬元。一家三百人規模的具身智慧公司，僅人力成本一年就達3億元。

算力和資料是更大的吞金巨獸。做幾個VLA大模型Demo一年至少燒3000萬至5000萬元，做世界模型則需上億元算力消耗。資料方面，行業通傳要實現通用人形機器人大腦至少需100萬小時高質量資料，一台資料採集機器人成本約20萬元，使用壽命約1000小時，人工費約120元/小時，高質量真機資料佔比僅約20%，粗略估算單小時有效資料成本約1600元，100萬小時有效資料意味著約16億元投入。但某頭部公司創始人透露，買資料和採資料成本100萬小時約1至2億元，訓練成本約為採集的10倍。更令人焦慮的是資料質量，採集1萬小時真實資料，真正能用於模型訓練的往往只有幾十到幾百小時，有觀點認為“花幾千萬採來的十萬小時資料，模型能力只漲了百分之五”，意味著99%以上採集成本可能是沉沒成本。智在無界合夥人鄭思鵬公開測算，30秒真機採集資料成本10至15元，累計1小時約1000元，完成百萬小時真機資料預訓練投入將達10億元量級。

資料採集鏈條上價值分配嚴重倒掛：大部分一線採集人員時薪僅十幾到幾十元，但採集後的資料以300至500元每小時的價格賣給具身企業，最辛苦的環節拿得最少，中間環節拿得最多。此外，一台大尺寸人形機器人物料成本常見估算在15萬至20萬元，生產500台樣機僅硬體物料就可能接近1億元，尚未計算開模、測試、返工、倉儲和售後。

面對如此高昂且難以核實的成本，投資人也感到困惑。2026年融資過程中，越來越多投資人開始詢問公司過去半年花了多少錢、花在哪裡，但得到的答案往往是一套固定口徑，難以向下核實。某頭部企業的投資人基本不知道錢花到哪裡去了，有些小股東根本接觸不到公司真實財務情況。一個例子是，一家小公司原本即將完成一筆兩三千萬元的融資，財務負責人在傳送材料時錯把另一套內部資料發了出去，導致融資程序受阻。

具身智慧行業正面臨一個尷尬的現實：錢來得太快，但如何讓錢產生真實價值，成為比融資更艱難的考驗。無論是過度節省還是盲目揮霍，都可能讓企業在技術路線尚未確定、產品能力仍需驗證的行業中錯失視窗。業內至今對真實成本難有共識，而資金使用效率的低下，正在成為這個賽道繼融資熱潮之後的新隱憂。