机器人IPO熄火，卖铲子的先赚翻了

机器人还没大规模上岗，教它干活的生意先爆单了。

一边是资本市场的 door 缓缓关上：宇树科技8月19日挂牌之后，具身智能公司扎堆冲刺IPO的节奏突然变了，智元机器人被曝放弃年内上市计划。另一边，龙旗科技参与配套的第一视角数据采集设备，8、9两个月单月出货均达万套级，禾赛科技干脆把机器人训练场做成了一门新生意。

资本退潮的周期里，最先赚到钱的往往不是冲浪的人，而是卖铲子、卖泳衣的。这篇文章想讲清楚的，就是这条正在成型的'卖铲人'产业链。

📉 IPO节点已过，期权在贬值

'我还等着上市套现呢，越往后拖，感觉具身估值越小。'

说这话的，是一家被传正通过港股18C特专科技通道秘密递表的具身机器人公司员工。年薪百万的工程师们，白天调试机器人，晚上还得刷一眼股价和聆讯进度——手里的期权，是悬在头顶的计时器。

这种焦虑不是个例，而是行业共识：机器人公司的IPO窗口期，大概率已经过去了。

时间线很能说明问题：

宇树科技上市后，原本争相冲刺的节奏戛然而止。有行业人士透露，智元机器人已放弃年内IPO计划，转而推进新一轮融资——规模约10亿至15亿元，估值约500亿元。若属实，按港股规则，本轮交割落地后需等待至少120天才能挂牌，年内窗口基本关闭。

要知道，就在今年7月24日，智元机器人还高调确认启动赴港上市筹备，投资人一度预期最快8月挂牌，目标估值400亿～500亿港元。同期，逐际动力、众擎机器人、自变量机器人、星海图、银河通用等一票具身企业纷纷传出秘密递表的消息。

然后，就没有然后了。

产业逻辑其实很直白：宇树作为头部标杆上市，二级市场给了定价锚，但股价走势没能复制一级市场的狂热——当锚定的估值不够性感，排在后面的公司再递表，只会把锚往下拽。据多位接近投资人的人士说法，与其在窗口期硬闯，不如先拿一轮私募的钱，等风声再议。

熬不熬得住，取决于账上还有多少现金。而对更多公司来说，一个更现实的问题正在浮现：故事讲完之后，收入从哪来？

📸 万套设备出货，铲子比金矿先热

一门反直觉的生意，正在悄然跑通。

人形机器人还没大规模走进工厂和家庭，但'教机器人干活'的设备采购已经出现规模化订单：龙旗科技参与配套的第一视角数据采集设备，8月和9月单月出货量均被估计在一万套左右，单套价格约一万元。静态算一下，单月设备金额接近一亿元。

也就是说，机器人本体一台还没卖爆，训练它的'教具'先卖出了万台规模。

这个细分市场的玩家不止一家。觅蜂科技的MEgo系列提供了另一个观察窗口：MEgo View结合头戴视觉和腕部摄像头，MEgo Gripper用手持夹爪采集人类操作动作；围绕硬件，公司还搭了数据资产与仿真平台。奥比中光等视觉厂商也陆续推出Ego、UMI、腕部相机和同步采集设备。

为什么真人戴摄像头能教会机器人？拆开一个'整理餐桌'的动作就明白了：先观察杯子位置，再伸手接近杯身，控制抓握力度，放入柜中——人类下意识完成的动作，对机器人来说是视觉识别、空间定位、抓握、轨迹规划、失败修正五个环节的串联。数据采集设备要做的，就是把这条人类动作链拆成可记录、可训练的材料。

产业链条也随之清晰：

注意最后一个闭环：部署之后的数据回流，恰恰是当前最缺的一环。设备采购是第一层市场，先行爆发合情合理——它是确定性最高的支出，不管哪家机器人公司跑出来，都得先买装备。

但铲子生意也有隐忧：设备的收入与机器人最终销量之间存在时间差。如果本体迟迟不能大规模上岗，数据设备的订单会不会也只是一个前置脉冲？这是所有'卖铲人'都要回答的问题。

🏗️ 禾赛下场，把训练场做成服务

确定性最强的玩家，往往是手里已经握着现金流的那个。

10月14日，禾赛科技发布Kosmo空间相机及云平台：通过扫描真实环境、重建三维空间，为机器人提供可用于仿真训练的场景，并与银河通用、原力灵机签署战略合作。对一家主要靠卖传感器吃饭的公司而言，这意味着业务从硬件交付，延伸到了机器人开发中的数据与云服务。

禾赛为什么盯上这块地？禾赛科技联合创始人、CEO李一帆点破了一个结构性矛盾：自动驾驶可以依托路上行驶的车队源源不断获取数据，但机器人还没有同样的条件。于是行业面对一个死结——

机器人需要更多数据才能上岗，而缺少真实部署，又限制了数据积累。

拆开看，机器人缺的数据和汽车也不一样。拿取商品、整理货架、操作设备，不同任务涉及不同物体、动作和接触方式。更麻烦的是场景泛化：在一家门店学会的动作，换一家店，可能因为柜台高度、物品摆放、光照变化而直接失效。

Kosmo的解法是把真实门店数字化：采集设备记录空间的几何结构、色彩和纹理，云平台重建为三维场景，并把桌椅、商品等物体单独识别出来。开发者可以随意改变物体位置、调整布局，让机器人在数字孪生里反复练习——不必再去协调门店的场地、人员和营业时间。

对禾赛自己，这是汽车产业积累的三维感知、芯片设计和精密制造能力的复用；收入模式也从一次性卖设备，扩展到数据生产、空间重建和云端服务的持续性收费。对整个产业，专业供应商的进入，有望减少整机企业各自重复造轮子。

用一个问题-方案的视角看，这门生意的账算得很清楚：

一句话：自动驾驶验证过的'数据飞轮'，机器人行业正在用另一种方式笨拙地重新组装。

🔄 数据分工成型，谁在价值链上位

数据生产，正在从各家机器人公司的内部成本项，独立成一门生意。

今年8月，Lightwheel与Hugging Face合作发布第一人称人类活动数据集，计划开放10万小时数据，首批上线1万小时，从人的操作中提取行为经验。英伟达则在今年推出物理AI数据工厂蓝图，把数据生成、扩充和评估组织成统一流程。加上禾赛科技的训练场、觅蜂科技的遥操作、奥比中光的视觉模组——各家公司正在从不同环节，提高机器人学习经验的生产效率。

把玩家摆到一张地图上，位置差异一目了然：

规律不难看出：越靠近'一次性卖硬件'的环节，技术门槛和商业天花板越低；越靠近平台化、数据资产化的环节，壁垒和想象空间越大。这也是为什么龙旗科技们赚的是制造的钱，而禾赛科技、英伟达想要的是服务的钱。

不过要泼一盆冷水：这些路径对应的数据需求各不相同。人类操作视频提供任务步骤和行为示范，真机采集记录机器人自身的动作与反馈，仿真便于扩大训练规模——开发者需要把它们混用于同一项任务，任何单一数据源都撑不起泛化能力。

⚠️ 冷思考：铲子卖得动，不等于金矿存在

最后说点扫兴的。

数据设备卖爆、训练场生意开张，本质上是资本从'造机器人'转向'装备机器人产业'的避险动作。它的确定性更高，但也意味着整个产业的重心还没落到'机器人真正干活'上。

素材里那句判断值得反复咀嚼：硬件采购打开了第一层市场，数据质量、生产成本与复用效率决定第二层价值，而机器人能否减少失败、延长有效工作时间，将决定整个产业能走多远。

换句话说，第一层的钱好赚，但它是从第二层、第三层的预期里预支的。如果整机能力迟迟跨不过'减少失败'这道坎，数据设备的需求脉冲会先于预期见顶——毕竟没有人会持续为一个上不了岗的员工买教材。

对创业公司，倒是可以给一条务实的建议：IPO窗口关闭未必是坏事，它逼着所有人从'估值叙事'切换到'订单叙事'。在这个过渡期，谁能像禾赛一样把自己嵌入产业分工、拿到持续性收入，谁就能熬到真正的数据飞轮转起来的那天。

资本退潮时，先看谁的铲子上沾着真金。