销售额暴涨95%后，机器人卡在哪儿？

销售数据在翻倍，从业者的判断却在降温，这是当下具身智能最真实的撕裂现场。

一边，商务部商务大数据显示，7月份重点平台具身智能机器人销售额增长95.1%，几乎翻倍；另一边，在虎嗅AI100第八期闭门会上，酷哇科技联合创始人彭湃、千寻智能预训练负责人郭俊良、光轮智能战略与生态副总裁廉和、刻行时空联合创始人郑宇靖这四位一线操盘手，给出的核心判断却是：所谓"百万小时"，暂时无法验证，也无法证伪。

钱很热，活很难。这篇文章想讲清楚的，就是这两个数字之间的距离。

💰 95.1%，翻倍增长的含金量

先看数据本身。

8月中旬，商务部消费促进司负责人在谈7月消费市场时给出一组数字：1—7月，社会消费商品和服务零售总额同比增长2.6%，社会消费品零售总额28.77万亿元，增长1.2%。大盘温和，但结构性亮点刺眼——7月份，重点平台具身智能机器人销售额增长95.1%，外骨骼助力器销售额增长39.5%，运动相机增长24.7%，扫地机器人增长19.4%。

pie showData

title 7月重点平台销售额同比增速

"具身智能机器人" : 95.1

"外骨骼助力器" : 39.5

"运动相机" : 24.7

"扫地机器人" : 19.4

把这几个品类放在一起看很有意思：外骨骼、运动相机、扫地机器人，都是已经完成消费级验证的品类，而具身智能机器人以接近翻倍的增速，跑赢了所有"前辈"。

同期还有一个数据值得对照：7月新能源乘用车零售渗透率65.1%，再创历史新高。消费品以旧换新政策带动绿色、智能消费增长，具身智能机器人恰好站在这波智能化消费的风口上。

但必须泼一盆冷水：这是销售额增速，不是出货量增速，更不是使用时长增速。基数低、单价高、以旧换新补贴催化，都能解释一部分翻倍。消费端愿意掏钱，和家庭、工厂里那台机器人能不能稳定干活，是两件事。

据多位接近产业的人士观察，当前C端销售的主力形态，更接近高端玩具、教育硬件和轻服务设备的混合体，而非真正意义上的通用劳动力替代。钱进来了，但产业的问题一个没少。

📊 百万小时，一场无法证伪的军备竞赛

具身智能2026年最热的数字，是"百万小时"。

今年以来，这个赛道融资持续升温，真机遥操作、第一人称视频、UMI、仿真、触觉数据轮番成为热点，行业不断出现十万小时、百万小时乃至一亿小时的规模判断。叙事逻辑很像当年的大语言模型：只要喂够数据，具身智能就会自然迎来自己的"GPT时刻"。

问题在于，这个数字从一开始就站不住。

闭门会上一个共识级的判断是：所谓"百万小时"，暂时无法验证，也无法证伪——很多判断，只是从语言模型的Token量换算来的。 语言模型吃的是互联网文本，有明确的Token计量；机器人吃的是遥操作轨迹、视频、仿真数据，计量口径、信息密度、可训练性全都不同。拿Token公式套机器人数据，本质上是拿内燃机的油耗标准去量电动车。

彭湃那句被反复引用的话，值得单独抄一遍："普通道路跑100公里，对模型的信息增益，可能不如菜市场的一只塑料袋。"

这句话背后是具身数据的核心矛盾：数据的信息增益极度不均衡。机器人在空旷道路上跑100公里，看到的都是重复场景；而在菜市场遇到一只位置诡异的塑料袋，可能恰好是它出货翻车的那类长尾难例。数据的价值不在时长，在信息密度。

所以当各家都在讲"我有多少小时数据"时，行业内部其实心知肚明：这批数据被录下来，不等于能用于训练；进了训练，不等于能让模型获得新能力；模型在实验室变聪明，也不等于能在真实环境里稳定干活。

🔍 堆数据要拆开看：预训练拼规模，后训练拼难例

那数据到底该怎么堆？闭门会给出一个更精细的框架："堆数据"要拆开看——视频预训练堆规模，真机后训练拼难例。

也就是说，"百万小时"叙事并非全错，但只对了一半。在预训练阶段，第一人称视频、仿真数据确实可以海量堆，用来让模型理解物理世界的常识：物体怎么倒、水怎么流、门往哪边开。这一层，规模仍然有效。

但到了真机后训练阶段，逻辑完全反转。决定模型能不能干活的，是那些罕见的失败案例和长尾场景：反光的地面、半透明的包装袋、被人临时挪走的货架。这恰好呼应了"塑料袋"论——信息增益藏在难例里，而不在时长里。

这里还有一个更隐蔽的坑：数据闭环。 如果一批数据无法解释失败、覆盖长尾、迁移到不同本体，也不能在部署后持续回流，那么再庞大的规模，也可能只是一笔昂贵的成本。机器人行业当前的隐秘焦虑正在于此——很多公司录了几十万小时数据，回头一看，能进训练管线的不足零头，能解释失败的更少。

这也是刻行时空这类数据基础设施公司存在的原因：数据采集、管理、回流这条管线，正在从"模型公司的后勤"变成独立的产业环节。

另一个重要判断是路线之争的降温：数据量够大时，VLA和World-Action Model未必有本质差距。 2026年上半年，两条技术路线的支持者吵得不可开交，但一线从业者的态度更务实——短期内，数据规模和质量的边际收益，可能大于架构选择的差异。换句话说，别急着站队，先把数据搞对。

🦿 人形未必先落地：轮式底盘覆盖95%的任务

最后一个判断，可能会让不少人形机器人的拥趸不舒服：人形未必先落地——轮式底盘加升降机构，可能就足以覆盖当前95%以上的任务。

这不是否定人形路线，而是对落地节奏的冷判断。当前商业场景里真正需要双足的需求极其有限：工厂搬运、商服配送、巡检清洁，绝大多数任务发生在一个平面、结构化或半结构化的环境里。轮式底盘成本低、稳定性高、续航好，加一根升降机构就能够到货架高层——工程上性价比碾压双足。

据多位接近人士透露，不少拿到大额融资的人形机器人公司，实际商业化订单里轮式产品占比正在悄悄上升——发布会讲人形，交付清单里是轮式，这已经是行业公开的秘密。

这和销售端的数据也能对上：95.1%的销售额增长里，真正走量的产品形态，未必是发布会上的全尺寸人形。消费者和企业客户都在用钱包投票，选当下能干活的形态。

产业逻辑其实很清晰：商业化不等人形完美，只等任务被覆盖。 双足人形是终局叙事，但通往终局的路上，公司得先靠轮式底盘和升降臂把现金流跑起来。那些坚持"只做人形"的公司，要么有极强的融资能力熬到拐点，要么就得赌自己对终局的判断比对现金流的判断更准。

而对做具身基础模型的千寻智能们来说，本体形态反而不是最关键的分岔——如果数据管线和模型架构足够通用，轮式和人形可以共享同一套能力底座。真正拉开差距的，是谁先把数据闭环跑通。

写在最后：热钱和难例之间的距离

把所有线索串起来，2026年具身智能的真实画像是：消费端销售额增长95.1%，融资持续升温，数据军备竞赛口号喊到一亿小时；但一线从业者的共识是，数据规模暂时无法验证、难例比时长值钱、人形未必先落地。

这不是泼冷水，恰恰是行业成熟的信号。当销售额开始翻倍，说明市场接受了这个品类；当闭门会上开始有人拆穿"百万小时"的皇帝新衣，说明从业者开始认真回答"数据怎么变成能力"这个问题。

机器人行业从来不缺叙事，缺的是那个能解释失败的难例、能回流部署数据的闭环、以及一台敢直接开进客户产线的轮式底盘。

下一阶段值得盯的指标只有一个：部署后的机器人，每天到底干了多少有效工时，失败案例有没有变成训练数据。 谁先跑通这一环，谁才能把95.1%的销售增速，变成可持续的产业增长。