泡沫破了，车企还在埋头“造人”？
宇树市值腰斩、150家企业挤在演示视频赛道，人形机器人泡沫正在退潮。小鹏却高调宣布‘机器人造机器人’产线落地。本文拆解车企造人的三道生死关，以及巴克莱眼中被误读的算力与形态之争。
9月17日，北京798，小鹏G9L发布会开场第一幕，不是车，是机器人。
屏幕上，IRON人形机器人从自动化总装产线上自主走下来。何小鹏宣告：全球首次实现“机器人制造机器人”，一条自动化率超80%的产线正式启用。而主攻“造人”的鹏行智能，已完成超9亿美元首轮融资，投后估值430亿元人民币——超过小鹏汽车集团市值的一半。
这一边是车企加注，另一边资本却在急刹车。泡沫退潮与产线落地同时发生，这件事本身，比任何一个数字都更值得琢磨：人形机器人到底是下一个十年，还是下一个PPT？
📈 市值腰斩：宇树撕开的行业真相
发布会讲情怀，股价讲实话。
宇树科技登陆科创板时，发行市盈率高达219倍，上市首日市值一度冲到4449亿元。然后呢？快速回撤，市值近乎腰斩。赛道情绪从狂热到理性，只用了一个季度。
业内流传一个残酷的判断：绝大多数人形机器人出货流向高校科研、展会演示，真正进入产业持续作业的占比不足10%。换句话说，90%的“人”买了不会干活，只会在展台上跳舞。
这不是宇树一家的问题。过去两年，国内人形机器人相关企业超过150家，大量初创公司靠着后空翻、握手的演示视频拿到大额融资，市场比拼的是动作效果和参数表，把样机能力等同于商业化能力。优必选多年持续亏损，即便人形机器人销量在涨，依然摆脱不了巨额亏损；特斯拉Optimus多次跳票。
据多位接近机构的人士透露，2026年以来，投资人尽调的问题清单已经变了——从“演示视频有没有”变成了“真实订单有多少、良率多少、复购率多少”。这三问，问倒了一大片。
泡沫刺破不是坏事。它把行业的评价体系从“视频驱动”拽回到“订单驱动”，这才是产业真正起步的前提。
🚗 小鹏的算盘：造车体系是护城河，还是包袱？
金句开场：车企造人，赌的不是机器人，是自己的工业体系能不能复用。
小鹏的牌面确实好看：造车攒下的工业体系、车规级产线、9亿美元弹药。IRON从总装产线自主走下来的那一幕，指向一个关键叙事——机器人造机器人。自动化率超80%的产线，意味着人形机器人第一次有了一个“为自己生产自己”的闭环场景。
| 玩家 | 核心资源 | 商业化进展 |
|---|---|---|
| 小鹏/鹏行智能 | 车规产线、造车体系、9亿美元融资 | 80%自动化产线启用，估值430亿元 |
| 宇树科技 | 四足+人形双线出货、供应链成本控制 | 科创板上市，市值大幅回撤 |
| 优必选 | 工业场景先发、交付案例 | 销量增长但持续巨额亏损 |
| 特斯拉 | 车规制造+AI算力 | Optimus多次跳票 |
| Figure | 云算力协议、模型研发 | 与Nscale签多年期算力协议 |
但产线落成只是大考的开端。产线能解决“造得出”，解决不了三个灵魂追问：造得便宜吗？干得好活吗？有人持续买单吗？这就是车企“造人”要过的三道生死关。
行业里流传一句话：造车的人做机器人，最容易犯的错是把机器人当成“另一个车型”来排产。车是卖给人的交通工具，需求清晰；机器人卖给谁、干什么活、一 value 多少钱，每个问题都还没标准答案。小鹏把IRON放上自家产线，本质上是先当自己的第一个客户——这个思路是对的，但自家产线的活，够不够养活一条机器人产品线，账还没人算清。
⚠️ 巴克莱泼的冷水：瓶颈在智能，不在硬件
金句开场：硬件狂奔的时候，真正卡脖子的在软件。
9月18日，巴克莱发布研报，对当前的人形机器人热潮提出三点判断，每一点都打在要害上。
第一，大规模部署可能在2035年前后，而非2030年。理由很直接：当前被展示的许多人形机器人能力，仍依赖预编程、远程操控或针对特定场景的窄域自动化，距离真正的通用自主性差距显著。核心瓶颈不在硬件，在智能——感知、推理和行动所需的AI模型能力尚不成熟。
第二，硬件端存在“鸡与蛋”困境：没有规模就没有低成本，没有足够智能就无法证明商业价值，三者难以同时突破。这个格局，与自动驾驶走过的十余年商业化周期高度相似。经历过自动驾驶周期的人都知道，这个周期有多熬人。
第三，更早期的投资机会在算力、数据和模型层——也就是解锁人形机器人“GPT时刻”所需的底层基础设施。硬件的大规模经济部署，要等智能层先行突破。
一级市场疯狂撒钱 演示视频融资
宇树上市后市值腰斩 泡沫刺破
小鹏产线启用 车企加注
巴克莱判断 尚未大规模部署
通用人形机器人或迎大规模部署
据多位接近卖方研究的人士透露，这份报告在机构内部传播度极高，因为它替很多LP说出了不敢公开的疑问：如果通用自主还要十年，现在投整机厂，估值锚在哪里？
💡 算力真相：数据中心小增量，边缘才是主战场
金句开场：机器人的推理发生在轮子和关节旁边，不在千里之外的机房。
人形机器人对算力的拉动，要拆成两个维度看。数据中心侧，算力主要服务于仿真与合成数据生成，以及基础模型的训练与后训练。但推理——机器人在现实中实时感知、决策和行动的环节——必须在机器人内部的专用边缘处理器上完成，因为对延迟、功耗、可靠性和安全性有严苛约束。
结论很清晰：对数据中心而言，人形机器人是小幅增量；对边缘计算，才可能是重大驱动。指望机器人复刻Agentic AI那种数据中心需求爆发的叙事，方向就错了。
不过，增量也有分量。Figure与新型云服务商Nscale的多年期协议是典型例证：初始投入约35亿美元，目标规模超60亿美元，可支持多达10万块NVIDIA Vera Rubin GPU，按每GPU约3.0-3.3千瓦估算，对应约300-330兆瓦的IT容量。注意一个关键点：算力需求先于硬件部署扩张——机器人还没大规模上线，训练“大脑”的钱已经花出去了。
工具链层面，NVIDIA近期开源了OSMO，这个Kubernetes原生工作流编排器正是其内部用于Project GR00T、Isaac Lab和Isaac Sim的工具。机器人团队可以用一个YAML文件定义训练、仿真和硬件在环测试任务，并自动路由到从GB200集群到Jetson AGX Thor的合适算力层级，Apache-2.0协议，最新版本6.3.1。
这个动作的信号意义大于工具本身：Physical AI的基础设施正在标准化、开放化，就像当年CUDA生态卡位深度学习一样，NVIDIA在给整个机器人行业铺“水电煤”。英伟达不开源OSMO，也会有人做；它先开源，就把生态入口握在了自己手里。
🤖 形态之争：第一波浪潮，可能根本不是人形的
金句开场：真正的 Physical AI 革命，可能长得一点也不像人。
巴克莱的第三个判断最为扎心：Physical AI颠覆的第一波浪潮，大概率不是人形的。在完全自主的通用人形机器人到来之前，针对特定任务的AI机器人已经在多个行业动起来了——协作机器人（cobots）、自主移动机器人（AMR）、AI无人机、四足机器人，正从“脏、闷、危”（dirty, dull, dangerous）的工种切入，覆盖商业、工业和国防诸多场景。
最有说服力的案例是亚马逊：已在运营中部署超过100万台机器人，涵盖移动驱动单元、AMR和AI操控系统，按任务和形态分工——没有一台是人形的。另一个信号是，Uber创始人Travis Kalanick旗下的Atoms近期完成17亿美元融资，方向指向矿业场景的机器人化。
pie title 人形机器人当前出货流向
"高校科研与展会演示" : 90
"产业持续作业" : 10
这组事实合起来指向一个产业逻辑：“人形”是手段不是目的。人形的价值在于适配人类环境的通用性，但通用性是用智能水平换来的。在智能不够用的当下，专用形态+窄域自动化，才是能真正跑起来、真正回款的路线。车企和整机厂押注人形，赌的是2030年后的通用化拐点；而供应链上真正赚钱的，可能是先服务好亚马逊那100万台非人形机器人的公司。
对小鹏们而言，这未必是坏消息——车规产线和成本控制能力，恰恰是专用机器人赛道最稀缺的东西。问题是，他们愿不愿意在“人形”这个执念之外，留一条退路。
小结
泡沫退潮，不是终局，是筛选。宇树科技市值腰斩，优必选持续亏损，说明“演示视频融资”的路已经走死；小鹏产线落地、Figure砸60亿美元买算力、NVIDIA开源OSMO，说明钱和资源正在流向制造、智能和工具链这三个真正决定胜负的环节。巴克莱把大规模部署的时点放在2035年，意味着这是一场需要十年耐心的长跑。车企“造人”能不能过三道生死关，答案不在发布会上，在订单和复购率里。