5 月 18 日至 22 日，高盛分析师 Jacqueline Du 带队密集走访了 14 家中国机械人公司。先是在香港 Asia Communacopia + Technology 大会上见了一批，随后陆续 3 天在丽江和北京发展一轮中国 AI 机械人之旅。

这 14 家公司覆盖了市面上各类赛路上的代表公司：从做触觉传感器的戴盟机械人，到已有万台交付指标的优必；从做 3D 视觉的梅卡曼德，到刚在 RoboChallenge 上登顶的千寻智能；还蕴含银河通用、星海图、极智嘉、逐际动力、灵心巧手、帕西尼、多擎机械人、越疆科技、埃斯顿、自变量机械人。

图丨有关汇报（起源：Goldman Sachs）

在随后于 5 月 26 日发出的研报里，高盛用了一个克造但明确的判断：行业在向贸易化现实更进一步，但投资者必要耐心。

轮子更好用

高盛在调研中把稳到一个很难忽略的景象：好多玩家在选择轮式底盘加两到三指夹爪，而不是双足加五指灵巧手。

星海图治理层明确暗示，轮式机械人配夹爪是当下更合理的选择，能覆盖约 90% 的工业利用场景。其 VLA（Vision-Language-Action，视觉-说话-作为模型）执行速度已达到人类的 80% 到 90%。越疆科技的估计是，工业需要中约 50% 能够靠机械臂解决，20% 到 30% 靠轮式人形机械人，只有剩下的 20% 到 30% 才真正必要双足。

持同样判断的公司不在少数。千寻智能也把五指灵巧手排除在了近期路线图之表，理由很单一：寿命短、成本高。三指夹爪在测试中，即将投入现实数据采集。

不外，险些没有一家公司会在口头上否定双足的终极价值。越疆称双足是“最终的最高泛化状态”，星海图也不排除将来做双足。但在 2026 年这个功夫节点上，行业的脚正踩在轮子上。

与状态选择同步变动的是模型架构。关于具身智能模型的会商已经不再是“VLA 全能论”。VLA 掌管战术天生和作为输出，但独立运作时不足对执行后果的预判能力。高盛观察到，越来越多公司在将世界模型（World Model）作为 VLA 的职能性共同层，用于下一状态预测、作为提交前验证，以及在不确定环境下加强鲁棒性。星海图、银河通用、千寻智能和多擎机械人都明确表白了这一方向。

卧安机械人 5 月 21 日刚颁布的 OneModel 1.7，用了一个“潜在世界作为模型”（latent world action model），把世界模型的泛化能力和 VLA 的执行能力组合在一路，另表还参与一个“成功影象层”，用于回溯此前的成功执行。

千寻智能走的是潜在预测路线，不做逐帧天生。其 Spirit v1.5 今年 1 月开源后，在 RoboChallenge 的 Table30 上拿到 66.09 分和 50.33% 成功率，是首个超过 Pi0.5 的中国开源具身模型。

与此同时，模型规模也在膨胀。高盛称，行业会商已经从此前单个几十亿参数级的预训练系统，转向 40B 到 80B 参数量级的多模态栈。但多家公司强调，这些更大规模的模型组合离部署级质量还有多轮迭代的距离。

另一个新变量是触觉。VTLA（Vision-Tactile-Language-Action，视觉-触觉-说话-作为模型）在成为部门公司的差距化方向。戴盟机械人的主题战术是做触觉幼模型，作为插件层接入其他 VLA 框架。帕西尼打算下月颁布一个以触觉为主导的 VTLA 模型，用来补足视觉为主的规划。两家的判断一致：在物理交互质量要求高的场景中，光靠“看”不够，还必要“摸”。

谁能量产数据，谁就拿到入场券

若是只能从这份汇报里挑一个主题词，那就是“数据”。

高盛的判断很明确：高质量、真实世界、多维度的数据依然是现实部署的首要瓶颈。但会商的焦点已经从抽象的“数据配方”，转向了“用什么架构规；霾荨。

当前大体形成了两条路线。

一条是集中式数据工厂。帕西尼是最典型的代表，已经在天津、鄂州、武汉、自贡、铜仁运营 5 座数据采集工厂，各自对应本地优势产业的数据类型，背后有处所当局支持。

优必选的数据工厂模式是：处所当局采办机械人并拥罕见据所有权，企业通过补助、硬件订单和数据使用权的组合获取回报。优必选 2025 年人形机械人需要中约一半来自数据工厂，治理层预计 2026 年这块需要将吃旖或更强。

另一条是散布式部署回流。星海图与亦庄当局合作，在“边工作边采集”模式下，以真实机械人遥操作为主，占数据组成的 80% 到 90%；同时辅以 UMI 手套（Universal Manipulation Interface，通用操作接口）、表骨骼、第一人称视角等方式。公司已开源 500 幼时内部数据并获得开发者社区认可，指标是今年将数据量扩大到 100 万幼时。

千寻智能已经部署 800 多台机械人，用于持续的远程监控式数据采集。部署用户还会产生付费数据回流。公司年底指标同样是累计 100 万幼使劓实数据，明年指标是数千万幼时。

戴盟机械人走了一条更怪异的路。其 DM-EXton 数据采集可穿戴设备通过运营商网点租出，用户在家采集数据，按每幼时几十元计费。一旦实现大规模分发，指标是形成百万幼时级数据集。

越疆科技则押注装机量的副产品逻辑：不做独立的数据采集业务，而是利用合作机械人出货成立的 15 大场景和宽泛客户基础，在概想验证（POC）推动过程中同步堆集真实工业场景数据，用存量客户理解驱动模型训练和场景泛化。

数据在成为现实的收入起源。帕西尼的贸易化重心就是数据和触觉传感器，其数据被用于训练约 15 个垂直模型、向大模型厂商销售，以及为机械人利用定造数据集。在物流分拣场景中，帕西尼给出的疏导是，约 1 亿到 2 亿个数据点就足以支持部署，功夫线短至 1 到 2 个月，目前已经在和京东合作推动。多家公司预计，2026 年数据有关收入占比将上升。

三到六个月一轮 POC，五十台才算起步

高盛总结的贸易化蹊径是一个多步漏斗：POC 验证通常必要 3 到 6 个月，均匀要做 2 到 3 轮；随后进入幼批量测试，通常每个工厂订单不超过 50 台；再经过约 12 个月验证期；到试点部署阶段，订单规模才起头向每客户 50 到 100 台挨近。

无数行业玩家以为，大规模部署要到 2027 到 2029 年，前提是在部署级模型之上堆集数千万幼时的高质量数据。

目前最靠近规；桓兜氖怯疟匮。公司 2026 年指标约 1 万台，其中工业 5,000 台，贸易和家用 5,000 台。汽车仍是最大的工业垂直场景。2025 年下半年以来，一级汽配、半导体和 3C 的需要显著回暖，以高低料为主。

工业人形机械人的均匀售价（ASP）从 2025 年的 70 万到 80 万元，降到 2026 年疏导的 55 万到 65 万元。物料成本（BOM）已经从 2025 岁首的约 40 万元，降到目前略高于 20 万元，近期指标是 20 万元，更持久指标是在 2027 年前后降至 10 万元。降本的重要驱动力是执行器和减速器的？榛帕，以及结构件从数控机床（CNC）加工转向模具出产。前者占 BOM 约 30%，后者占约 50%。

越疆科技的具身 AI 有关收入 2025 年只占总营收 4%，但同比增长了 4 倍。人形机械人 ASP 在 20 万到 50 万元之间，均价约 30 万元，毛利率已经做到 45%。2026 年出货疏导为 300 到 500 台。

千寻智能在巴中时期的电池检测场景上已经通过 POC，并起头幼批量采购。一台机械人代替一个工位，此前必要 2 到 3 个班次的人力。但治理层判断，真正的规；炔烦叨然，或许在 2028 年前后。当前模型在新工作上的成功率约 40% 到 50%，治理层以为，60% 到 70% 才是约束显著放松的门槛。

灵心巧手是另一个有意思的样本。治理层称，其在高自由度灵巧手市场占据全球 80% 以上份额，是唯一实现月产 1,000 台以上高自由度灵巧手的厂商，峰值产能 4,000 台，产品 ASP 比海表竞品低 50%。

但在贸易化战术上，灵心巧手有意避开了搬运、分拣这类同质化场景，押注持久高价值技术。其 LinkerSkillNet 平台占有全球最大的真实世界灵巧操作数据集，覆盖超过 500 种技术。

在国内市场，软件和技术目前重要通过硬件绑缚销售实现变现，并参与技术溢价；美国客户更接受按了局付费的租赁模式，回收期约 6 个月。治理层称，预计 3 到 5 年内能复刻所有人类精密操作。

多擎机械人则直接给了一个消费端的成本锚点：3,000 美元 BOM 是家用场景大规模进入的关键门槛，Onero 当前指标 ASP 约 1 万美元，为夹爪版本。降本蹊径是用软件算法赔偿硬件精度不及，同时持续优化主题零部件。不外，家用场景在安全性和不变性上的门槛远高于工业，治理层预期的消费端功夫线是 3 年后。

高盛给这份汇报起的副标题是“向贸易化现实更进一步”。这个表述很正确：行业确切实进取，但离真正的规；桓，中央还隔着好几年的POC和验证期。

14 家公司中，真正形成不变订单规模的寥若晨星，大部门还在 POC 和幼批量测试之间反复。行业共识把大规模部署窗口锁定在 2027 到 2029 年，而这自身又成立在一个如果之上：到那时，数据量和模型质量能同时凌驾某个临界点。

摩根士丹利今岁首已经把 2026 年中国人形机械人销量预测从 1.4 万台上调到 2.8 万台。但这些数字里有几多是数据工厂采购，有几多是真正代替劳动力的工业订单，目前并不了然。

参考资料：

1.https://finance.biggo.com/news/NhwsY54BaoGGrU-I2QmE

运营/排版：何晨龙

注：封面/首图由 AI 辅助天生