2026 年资本正流向物理 AI 的何处

追踪物理 AI 里的钱，一个规律很快就浮现出来。最大的支票聚集在两样东西上：身体，也就是人形硬件；以及大脑，也就是机器人基础模型。而两者都依赖的东西，训练数据，只分到同样注意力中的一小部分。这种失衡，是整个市场里最有意思的信号。

那些头条数字足够真实。在 2025 到 2026 年间，投资者写下了机器人史上一些最大的融资轮次，单家人形与基础模型公司的规模达到数亿美元量级，正如 The Robot Report 与 IEEE Spectrum 等媒体所追踪的那样。资本已经不再是约束了，别的东西才是。

我的论点是：资金的流向告诉你投资者认为护城河在哪里，而眼下他们低估了那一个真正会成为进展闸门的层。把钱读成一张信念的地图，然后留意这张地图留白的地方。

支票正流向何处

物理 AI 的资金大致分成三桶，而它们的规模悬殊得离谱。

• 硬件。 人形与移动操作平台拿走了最大的单笔融资。造机器人是资本密集的，所以这部分有其机械性的原因。这里也是示范的所在，而示范能募到钱。
• 基础模型。 像 Physical Intelligence 这样的机器人大脑实验室，凭着一个能在多种机器人之间迁移的策略的承诺，吸引了大额融资。这是押注软件吞噬机器人学。
• 数据与基础设施。 采集、标注与工具拿到的份额最小，尽管它正是另外两桶离开就无法运转的输入。

像 Import AI 这样密切追踪该领域的通讯，对整个 AI 也做过同样的观察：钱追逐可见的能力，而数据基础设施很少是可见的。

解读这些资金流向

下面这张表把三桶资金，对照上一个投资者在台上很少提及的问题：每一桶到底有多大程度上暗中依赖着数据层？

注意最后一列里的倒置。拿到最多资本的那几桶，对拿到最少资本的那一桶，怀有最大的隐藏依赖。一台没有数据引擎的人形机器人，是一具昂贵的木偶。一个没有新鲜、多样、来源清晰数据的基础模型，会陷入停滞。投资者正在为一条链条的两个可见端出资，而这条链条最薄弱的一环恰恰坐落在中间。

物理 AI 里的资本，正在为身体和大脑投票。而它一再跨过去的瓶颈，正是那份让身体或大脑变得有价值的数据。

这种集中在发出什么信号

从钱聚集的位置，可以推出三件事。

第一，市场相信硬件已经足够去风险，可以规模化。这是否正确是另一个问题，但支票表明，执行机构的难题被认为是可解的。这份信心也许为时过早，可这正是投资条款里所编码的东西。像 International Federation of Robotics 这样的行业机构报告了工业与服务机器人的稳步增长，这在人形机器人仍未被大规模验证之际，支撑了人们对硬件的信心。

第二，市场相信迁移。基础模型融资轮次的规模，只有在单一策略能够跨越身体与任务实现泛化时才说得通。让迁移成真的，是数据的多样性，而不只是它的体量，而这恰恰是真正难以购买的部分。这既是押注模型架构，也同样是押注数据，尽管路演材料很少把这一点直说出来。

第三，也最能说明问题的是，市场还没有为数据瓶颈定价。当一种稀缺输入相对于其重要性被投资不足时，两件事之一会发生：要么这种输入始终稀缺，成为一个卡点；要么资本最终蜂拥而入去建设它。两种结局，都会奖励那个早早起步的人。

被低估的那一层

存在一种版本的市场，数据始终是事后补充，被折叠进每家机器人公司自己的流水线里。也存在另一种版本，数据成为一个拥有自身经济学的独立层，就像云计算从其上运行的应用中分离出来那样。2026 年的资金流向偏向第一种故事，而技术现实偏向第二种。

第二种更可能胜出，原因在这里。每家机器人公司都需要同一种难以制造的输入，而它们几乎没有谁乐意去搭建采集流水线。数十支团队之间的重复劳动，恰恰是一个专门化的层会浮现的条件。当它浮现时，那些跳过了数据桶的资本，将不得不回过头来找它。

有一种反驳是：垂直整合的机器人公司会干脆把数据留在自己手里，不给独立的层留任何空间。这对巨头成立，但对其余所有人不成立，而其余所有人才是市场的大多数。

如何解读下一笔融资

当下一笔九位数的物理 AI 融资划过你的信息流，去问一个新闻稿不会回答的问题：这家公司从哪里获取数据，它又拥有什么？答案会告诉你，这张支票买到的是一条护城河，还是一场非常昂贵的示范。能干净利落回答这个问题的公司，比能募到钱的公司要少见得多。盯住数据这一桶。它现在很小，但不会一直这么小。