核心数据
2026 年第二季度的具身智能/机器人赛道正在创造历史。仅目前已公开的头部交易汇总如下：
| 公司 | 国家 | 融资额 | 方向 | 关键特征 |
|---|---|---|---|---|
| Skild AI | 🇺🇸 美国 | $1.4B | 机器人基础模型 | 通用机器人 foundation model，单一模型驱动多形态机器人 |
| Zipline | 🇺🇸 美国 | $800M | 无人机配送 | 已商业化运营的无人机物流网络 |
| Apptronik | 🇺🇸 美国 | $520M | 人形机器人 | 面向工业场景的通用形机器人 |
| TARS | 🇨🇳 中国 | $513M | 具身智能 | 中国具身智能赛道最大单笔融资之一 |
| Mind Robotics | 🇺🇸 美国 | $500M | 工业机器人 | 工业自动化解决方案 |
| Rhoda AI | 🇺🇸 美国 | $450M | 机器人基础模型 | 与 Skild AI 同赛道竞争 |
头部 6 笔交易合计约 $41.8 亿，这还不包括更多未公开的中早期融资。
趋势解读
1. “基础模型”叙事进入机器人领域
Skild AI 和 Rhoda AI 的融资逻辑清晰一致：做机器人界的 GPT。它们不造具体的机器人硬件，而是训练能驱动多种机器人形态的基础模型。这与 OpenAI 的软件路线如出一辙——先有模型，再有应用。
2. 中国资本的差异化布局
TARS 的 $513M 是中国具身智能赛道的标志性交易。与美国公司偏向 foundation model 不同，中国具身智能公司更多聚焦垂直场景落地——工业质检、物流分拣、仓储搬运等可快速商业化的方向。
3. 商业化验证成为融资前提
与 2023-2024 年”只要有 demo 就能融资”不同，2026 年 Q2 的获投公司几乎全部已有商业化收入或明确的付费客户。Zipline 的无人机配送已在多个国家运营，Apptronik 的人形机器人已进入工厂试用。
格局判断
具身智能正处于从”技术验证”向”规模部署”过渡的关键节点：
- 硬件成本下降：执行器、传感器成本以每年 20-30% 的速度下降
- 模型能力突破：多模态大模型让机器人具备更强的环境理解和决策能力
- 政策窗口开放：中美欧都在加速机器人产业政策落地
这一轮融资的密集程度暗示，资本市场认为 2026-2027 年将是具身智能商业化的爆发窗口。
选择建议
对于关注此领域的投资者和从业者：
| 角色 | 建议 |
|---|---|
| 投资人 | 关注有商业化收入的具身智能公司，避开纯 demo 阶段项目 |
| 工程师 | 机器人基础模型（foundation model）方向人才需求正在爆发 |
| 企业用户 | 仓储物流、工业质检场景的具身智能方案已进入可采购阶段 |
| 开发者 | ROS2 + 大模型的工具链正在成熟，是切入具身智能开发的最佳时机 |