半年融4轮，星尘们还没学会赚钱

半年四轮融资，估值150亿元——星尘智能把具身智能的资本温度又推高一格。但硬币的另一面，一线商业化老兵科技祥子问了一整年『你们到底怎么赚钱』，得到的答案大多是沉默和场面话；私下饭桌上，行业共识却是：环境一变，成功率就掉。

本文拆三件事：150亿估值从哪来，为什么说钱在圈内自己转圈，以及星动纪元用『解耦』训练给出的技术突围样本。热度是真的，坎也是真的。

💸 估值是一级市场给的，工资是客户发的

具身智能的融资消息，如今几乎成了周更节目。上一条还是别家，这一条就轮到了星尘智能：10亿元规模新一轮融资，投后估值150亿元，而且这已经是它近半年内完成的第4轮融资。

先看这轮的钱是谁给的：领投方是投控东海（深投控），跟投阵容里有洪泰基金、光华阳光管理的宁海兴泰合基金、善恒资本等重要国资及财务投资人，老股东先沐追投。官方口径的资金用途也很清楚：模型迭代、人才扩充、商业化落地和产能建设，并继续投入三位一体全栈架构建设。

这里面有三层值得读的信息。

第一，国资牵头意味着什么。地方国资把具身智能当作新一代产业资产来配置，看的是产业集群和招商杠杆，逻辑与纯财务投资不同——它们对回报周期的容忍度更高，但对『产业必须留在本地』的要求也更实。国资领投对后续轮次有背书效应，这也部分解释了半年4轮的密集节奏。

第二，资金用途暴露了路线选择。模型、人才、产能、商业化四线并进，还要继续砸三位一体全栈架构——这是典型的重投入打法：本体、模型、系统能力全都要，护城河逻辑成立，烧钱速度也成立。

第三，也是最扎心的一层：150亿估值对应的是预期，不是收入。据多位接近行业的人士说法，这种融资节奏在头部具身智能公司里并非孤例，各家都在抢资本窗口期。窗口期的意思是——窗口总有关上的一天，到那时，估值的支撑点会从『故事』切换成『收入数据』。

🔄 这个赛道最勤奋的资金，正在原地画圆

科技祥子的身份有点特殊：常年做商业化，此前是一家物理AI基础设施公司的联合创始人。换句话说，他的公司是给具身智能公司提供基础能力的——客户就是那些做本体、做方案、做模型的公司。

这个位置的好处，是他能见到足够多的公司，而且是『坐下来谈生意的那种见，不是展会上握个手』。坏处是他没法只当旁观者：客户拿不到产业侧收入，行业采购能力迟早收缩，他自己这段链条也在里面。

所以过去一年，他把同一个问题问遍了几乎所有能坐下来聊的具身智能公司：你们到底怎么赚钱。

他给出的判断很直接：『我的客户如果拿不到产业侧的收入，那这个行业的采购能力迟早会收缩，上游没有例外。』

把这话翻译成资金流语言，就是这张图：

看明白了吗？LP和国资把钱投给公司，公司把钱花给模型、人才、产能和上游供应商，供应商的营收撑起『行业景气』的叙事，这个叙事又反过来帮所有人融下一轮。整个循环转得飞快，唯独产业客户的付费——那条本应是主输血的管道——细得像根毛细血管。

数据把这个反差衬得更清楚。据公开信息不完全统计，2025年以来国内具身智能赛道披露的融资总额已达数百亿元量级，仅星尘智能一家半年内就吸走了10亿元；而全行业来自真实产业客户的收入，据多位从业者及行业研究机构（如高工机器人产业研究所GGII）在公开渠道的口径，普遍还在个位数亿元的量级。一边是百亿级的资本输入，一边是亿元级的商业输出——中间差着两个数量级，这就是资金内循环的体感。

这就是『钱自己转圈』：转得越快，账面越繁荣，但对真实市场需求的验证反而越少。更要命的是风险传导路径——一旦某家头部公司推迟下一轮融资，采购收缩会沿着链条向上游瞬间传导，没有哪家供应商能置身事外。

🧭 具身智能的牌桌，座位已经按门槛排好了

那150亿到底投了个什么位置的东西？把当前的玩家分层摆出来，会看得更清楚。

第一层是全栈公司，星尘智能是代表——三位一体架构意味着本体、模型、系统能力一起抓，技术门槛拉满，但商业价值还停在『待验证』状态，收入主要来自融资而非客户。

第二层是模型层公司，星动纪元是典型——清华背景，具身模型登顶全球第一，门槛极高，但离钱（设备订单）更远一层。

第三层是垂直场景方案商，技术门槛略低，但贴着客户的具体产线做交付，是现阶段离现金最近的一批。

第四层是基础设施供应商，就是科技祥子们的位置——给所有人卖铲子，吃的是行业采购总量。

最底下一层，是那些靠演示视频驱动的本体公司，门槛和商业价值双低，靠融资续命。

注意一个反直觉的点：右上角的『领跑者』象限，目前其实是空的。全栈公司和模型公司技术门槛够高，但商业价值坐标都还悬在半空——它们要做的，是把自己从右上方往右上角再推一格。而那格子的名字，叫『产业客户持续付费』。

⚠️ 客户买的从来不是惊艳，是确定性

现在说回到那个最不受欢迎的问题：机器人到底能不能干活？

科技祥子的观察比网上任何论断都细。他反复强调，私下交流里大家说的并不是『机器人完全干不了活』——恰恰相反：在经过充分训练、环境和物体都相对固定的任务里，机器人已经能把动作做得很流畅。

问题出在后半句：只要物品、光照、摩擦力或摆放姿态发生变化，成功率就可能明显下降。他给过一个具体的例子：同一套上料任务，物料位置固定时成功率能稳定在九成以上；但把物料盒挪动十几厘米，或者换一批表面更滑的物料，成功率可能直接腰斩。这个数字是他以基础设施供应商身份、在与多家客户反复对接后给出的转述，也是目前业内私下交流时被引用最多的一类观察。

他还特意补了一句公道话：这不是对整个行业的否定，而是目前从演示走向落地的现实差距。

差距意味着什么？意味着展会上听到的是一套话，晚上喝一杯听到的是另一套。台面上讲『全面替代人工』，桌下讲『先把它钉死在固定场景里』。而客户坐进会议室时，脑子里算的是另一本账：良率、节拍、停线风险、运维成本。在产线主管眼里，一次泛化失败不是技术花絮，是一条线的停产。

一台人形机器人的真实落地旅程，大概是这样的：

从发布会到采购决策，满意度曲线一路下坠。这不是唱衰——这正是当前订单向结构化场景集中的原因：分拣、上下料、环境相对可控的工序先落地，开放场景的叙事往后放。

对从业者来说，结论只有一句话：谁能率先把『成功率—环境变化』那条曲线做平，谁就能先把融资故事换成现金流水。

🧠 数据不够的时候，训练范式就是第一生产力

那泛化这道坎，技术上有没有人真的迈过去了？星动纪元提供了一个值得认真对待的样本。

这家清华背景的公司，据其官方发布及多家媒体公开报道，其具身模型登顶全球第一，在与GPT-6、英伟达等强劲对手的同台较量中突围，而且不靠外挂和额外数据。

关键是它的训练路线。多数团队的做法是『视频、动作一锅炖』——把视觉预测和动作生成端到端混在一起训。星动纪元反其道而行：将视频预测与动作学习分阶段训练，把两者『解耦』，重新『排序』。

为什么这个排序值钱？逻辑其实在资源禀赋里：互联网上的视频数据海量且便宜，但没有动作标签；真机采集的动作数据昂贵且稀缺。先让模型从视频里学『世界如何变化』的物理先验，再在这个底座上学动作映射——等于用便宜的模态，给昂贵的模态省数据。在不靠额外数据的前提下登顶榜单，恰恰说明这个范式在数据效率上占了便宜。

有意思的是，这和星尘智能的全栈重投入构成了两种路线之争：一个把钱花在体系和产能上，赌工程整合的复利；一个把钱押在训练范式上，赌模型能力的天花板。两条路线不互斥，但资金分配的权重，暴露了各自对『泛化瓶颈到底卡在哪』的判断。

还得泼一盆冷水：榜单第一不等于商业第一。但换个角度看，星动纪元真正给出的不是一份成绩单，而是一种方法论——它证明了在不增加数据成本的前提下，靠训练范式的重新排序也能抬高泛化上限。这对全行业的意义在于：泛化瓶颈不是只能靠『堆数据、堆算力、堆资金』来硬啃，范式创新本身就是一条更便宜的路。而模型层的突破，正是打破资金内循环的那把钥匙——只有泛化成功率那条曲线真被做平了，客户才愿意为『不确定性』付溢价，产业侧收入才会进来，那根最细的管子才会变粗。

🔭 小结：把转圈的圆，画成向上的螺旋

150亿估值的星尘智能、登顶全球榜单的星动纪元、问遍全行业的科技祥子，拼出的是同一条判断：具身智能的技术叙事已经成立，商业叙事还欠一次像样的交付。

钱自己转圈的日子不会永远继续，资本的耐心通常以两三年计。接下来的窗口期，盯三个硬指标就够了：产业客户收入占比、泛化成功率曲线、单位任务成本。谁先把『从演示到产线』的最后一公里走完，谁就能把这个原地旋转的圆，画成向上走的螺旋。

热闹是资本给的，工资得是客户发的。这行最终比的不是谁融得多、谁演示得漂亮，而是谁的机器人敢在产线主管面前，把那条成功率曲线稳稳压住。窗口期不等人——愿下一个150亿的估值背后，站着的是一个不再沉默的答案。