人形机器人，到底卖给谁了？

2026年9月17日，Figure的Helix 2.5刷屏：机器人被扔进陌生房间，零样本自主整理客厅、折毛巾、铺床。同一天，行业里流传的却是另一个更扎心的问题——那些卖出去的人形机器人，到底进厂干活了没有？

一边是技术上的高光时刻，一边是市场研究机构IDC给出的冷数据：据其2026年8月发布的《全球人形机器人市场跟踪报告》，2025年全球人形机器人出货量中，流向数采、科研和文娱商演的合计占比高达78.4%。再叠加创始人朋友圈骂战、IPO窗口指导收紧、GPT-6 Astra抢戏，热闹的具身智能，正在接受第一轮真实性检验。

本文的核心判断只有一句：故事讲完了，接下来该看账本了。

🏠 零样本做家务，Figure到底亮了什么牌

技术演示看得多了，但这次不太一样。

按Figure官方的说法，Helix 2.5在实验设计阶段，用人类行为数据集Index预训练了三种行为：整理客厅、折毛巾、整理床铺。然后把搭载该模型的Figure 03人形机器人直接放进陌生环境——结果是，不经过任何额外训练，实现零样本全身自主做家务。

注意两个关键词：零样本、全身。

零样本意味着模型不是在测试环境里反复刷题，而是把对物理世界的理解从一个场景迁移到了另一个场景。全身意味着不是单臂抓取那种实验室动作，而是涉及移动、双臂协作、视觉—力控闭环的完整任务链。用Figure自己的话说，具身智能可以像人类一样，把对物理世界的理解从一个环节迁移至另一个环境，实时适应动态变化，而不必每次都从头构建。

这背后有一条清晰的产业逻辑：人类数据（Index）→ 模型泛化（Helix）→ 真机验证（Figure 03）。Figure没有走“海量真机遥操作采集”的重资产路线，而是押注人类视频与行为数据的迁移价值。这条路能不能走通，直接决定了人形机器人的数据成本曲线。

据多位接近海外具身团队的人士私下透露，头部公司内部对“人类数据迁移上限”的分歧很大——家务是低刚性任务，容错率高；进了工厂，节拍和精度就完全不是一回事。

换句话说，Helix 2.5证明了泛化的可能性，但还没证明泛化的商业价值。

🧾 每五台机器人，只有一台真进厂

出货量的繁荣，掩盖不了去向的微妙。

行业里有句刻薄的调侃：“现在的机器人‘考编’比‘进厂’容易多了。”话虽难听，却戳中了一个事实——人形机器人出货量的增长，很大程度上并不是由终端真实需求拉动的。

先看数据：

pie title 2025年全球人形机器人出货去向

数采科研文娱商演 : 78.4

其余场景 : 21.6

（数据来源：IDC《全球人形机器人市场跟踪报告》，2026年8月；国内厂商出货数据综合多家头部厂商公开披露与行业渠道信息估算。）

国内厂商占据绝对主导，单看数字，行业像是一脚踩进了爆发期。但把镜头拉近：2025年，每卖出五台机器人，大约只有一台真正进厂干活。2026年上半年情况略有改善，智能制造和仓储物流合计占比约18%，但大头依然在数采、科研和商演。

数采中心成了事实上的“大客户”。这构成了一个微妙的内循环：

钱在圈里打转。出货量、融资额、演示视频都在涨，唯独市场化收入这个最硬的指标，没有同步跟上。这就是“考编”容易的真相——数采和科研买机器人，买的是“训练材料”，不是“劳动力”。

而真正进厂的采购逻辑完全相反：工厂老板只问三个问题——节拍多少、良率多少、坏了谁赔。目前的答案，大多数厂商答不上来。

⚡ 攒局、回购与一场朋友圈骂战

2026年9月上旬，最热闹的一周，是从两条朋友圈开始的。

敲钟上市不到十天，梅卡曼德创始人邵天兰在朋友圈连发两条，把矛头对准行业里一种流行玩法：“攒局型”具身智能创业。他还在评论区直接点了银河通用的名，措辞很重：“这种做法是不合法、不道德，而且是不聪明的。”

银河通用随即回应，但通篇没提梅卡曼德，“真实”这个词反复出现——真实研发、真实壁垒、真实场景、真实的商业闭环。

隔空喊话之外，更实质的是另一件事：数采中心扫货，机器人公司回购数据。业内多位人士质疑，部分公司的收入可能来自其参股或关联的数采中心——机器人卖出去，数据再买回来，报表两头都好看，唯独终端市场没有一分钱进账。需要说明的是，上述质疑目前均为业内人士的观点与推断，尚无公开证据证实任何具体公司存在此类关联交易。

这背后是产业逻辑的错位。真实的工业需求确实存在，3C组装、汽车零部件上下料、仓储分拣，场景比比皆是。但工业客户要的是确定性：节拍、良率、MTBF（平均无故障时间）、售后响应。人形机器人在这些硬指标上，目前普遍还接不住。于是部分厂商转向了另一条路：不挣工厂的钱，先挣资本市场和数采订单的钱。

这不一定是恶意的欺骗，但一定是危险的路径依赖——当收入结构建立在闭环之内，公司就没有动力去打开闭环之外的市场。

⚠️ IPO收紧，监管开始挤水分

几乎与骂战同时，一条消息在投行圈传开。

据路透社、彭博等多家外媒在2026年9月中旬的报道，证监会拟通过窗口指导收紧人形机器人企业IPO，并对其提出三项要求：经常性收入、亏损收窄，以及真实创新能力。截至发稿，证监会尚未就此公开置评。

这三条，条条打在要害上。

• 经常性收入：直接区分“卖机器人给数采中心的一次性冲量”和“终端客户的持续采购”；
• 亏损收窄：排除靠融资输血、无限期烧钱换规模的模式；
• 真实创新能力：瞄准那些攒局拼装、缺乏自研核心技术的公司。

监管没有公开点名任何一家公司，但这套标准的指向性很清楚：人形机器人板块二级市场热度高企，如果让收入高度依赖疑似关联数采订单的企业登台敲钟，风险最终会转嫁给二级市场的普通投资者。

对一级市场的传导同样立竿见影。过去投资人看Demo、看团队背景、看融资叙事；窗口指导之后，尽调清单上会新增两个问题：数采收入占比多少？终端客户复购率多少？ 据多位接近机构的投资人透露，已有基金对具身项目启动“真实收入穿透”核查。

这不是行业降温，而是行业过滤。对真做事的公司，挤掉的是竞争对手的水分。

🤖 GPT-6来了，具身基座还剩什么牌

如果说IPO收紧是外部压力，那OpenAI的动作就是对叙事本身的釜底抽薪。

具身智能行业过去两年反复讲述一个故事：数字世界里的大模型不懂物理世界，因此需要重新训练一套属于机器人的基座模型。2026年9月3日，OpenAI发布GPT-6 Astra后，这个故事第一次遇到了强烈反问。

一名开发者将一张包含容器和液体的图片交给Astra，要求它生成一个可交互的仿真环境。Astra完成了场景搭建，识别出图中的物品和空间关系，甚至把液体颜色还原得十分接近。过去，从单张图片重建可交互场景是Real2Sim领域的专门课题，英伟达的SimFoundry等项目都在攻关；现在Astra没有经过针对该场景的训练，仅凭一张图就完成了初步还原。

当然，边界也很清晰：它没有模拟出液体之间的化学反应。Astra知道容器和液体长什么样，却未必知道两种液体混合后会发生什么。

但这个细节已经足够划出一条能力分界线：模型是否亲自操作过机器人，与它是否认识物理世界中的物品，正在成为两个不同的问题。杯子、抽屉、门把手、货架、托盘、传送带，大量存在于互联网图片、视频、产品手册和论文里，通用多模态模型从这些数据中已经“看懂”了绝大多数常见物品。

这对具身创业公司的冲击，可能比任何一次机器人演示都大。如果认知层可以被通用大模型覆盖，创业公司的护城河就必须收缩到三处：控制与力觉的可靠执行、真机数据闭环、硬件成本。 尤其是最后一条——大模型可以“看懂”世界，但不会替你把伺服关节的成本打下来。

值得留意的是，OpenAI官方并没有将Astra定义为面向物理世界的具身模型，也没有公布机器人控制、接触动力学和力觉操作方面的评测。天花板还没压下来，但地板已经被抬高了。

💡 挤完水分，谁还站在桌上

把2026年9月的这几件事摆在一起，脉络其实很清楚：

• 2026年9月3日 — OpenAI发布GPT-6 Astra，通用模型开始“看懂”物理世界
• 2026年9月上旬 — 邵天兰朋友圈炮轰“攒局型”创业，银河通用回应
• 2026年9月中旬 — 据路透社、彭博等外媒报道，证监会窗口指导收紧人形机器人IPO
• 2026年9月17日 — Figure发布Helix 2.5，零样本自主做家务

一冷一热，一压一进，四件事其实指向同一个问题：具身智能的下一阶段，靠什么证明自己。

答案大概率是三条路。第一条是Figure路线，押注人类数据与模型泛化，把数据成本曲线打下来；第二条是垂直场景闭环，别管是不是人形，先在一个工厂工位上把节拍和良率做到客户愿意复购；第三条是借力大模型，把认知层交给通用基座，自己专注控制、执行器与整机成本——这条路线的技术依赖最低，也最考验工程化能力。

至于那些被质疑靠数采内循环撑起报表的公司，窗口指导和投资人核查会替市场完成淘汰。人形机器人不缺观众，缺的是第一个愿意按月付工资的工厂客户。

小结

2026年9月，具身智能行业同时经历了高光与拷问：Helix 2.5证明了泛化的可能性，GPT-6 Astra抬高了基座模型的地板，而IDC报告中78.4%的出货去向、朋友圈骂战与IPO收紧，则揭开了繁荣背后的水分。接下来两年，行业的关键词会从“Demo惊艳”切换到“真实收入”。能进厂、能复购、能扛住成本曲线的公司，才能真正站上牌桌——其余的，会随着水分一起被挤出去。