一笔投放，差点击垮了一家公司。
一位投资人发现，自己投资的一家行业知名具身智能公司，在未向董事会和股东报备、未征得同意的情况下，以现金加股权的形式，向一台晚会支付了整整一亿元。这笔钱换来的，是极短的几分钟曝光。
而且效果并不理想，“没有展现出产品的价值和优势，看了晚会的人也无感，甚至嘲讽”，他称。
更严重的是，这笔巨额营销支出直接拉低了公司的研发占比，触发了港股上市规则的红线——按照港交所对研发强度的硬性要求，这家公司有可能要重新排队，才能再次叩击资本市场的大门。
事实上，晚会结束后，几位投资人曾聚集在创业者的办公室里，拷问时，有人情绪激动，还拍了桌子。
而有时候，钱躺在帐面上不动，也是一种危险。去年秋天，一家具身智能公司，在账面上有上亿元的情况下，创始人坚持节约开支，拒绝让硬件团队出差盯产线，上百台量产机器人全部通过视频远程验收。
这件事被潜在投资方知道之后，融资就此告吹。
这不是少数公司的偶然失手——具身智能赛道疯狂融资后，第一次显露出关于钱的反噬。
据不完全统计，今年上半年，国内具身智能赛道共融资约438亿元。IT桔子数据显示，今年上半年共发生288起融资事件，涉及226家企业，披露融资额超过460亿元。如果把统计周期拉长到2025年7月至2026年6月，这个数字膨胀到503起融资、超960亿元。
平均下来，每天超过一起融资。这个被视为“AI终极载体”的赛道，正以前所未有的速度吞噬着资本。单笔10亿元及以上的大额交易在2026年上半年已超过25起。其中它石智航在4月单轮拿下4.55亿美元，刷新了中国具身智能融资纪录。
如此密集的资本注入，催生了一个此前中国互联网从未出现过的现象——具身智能行业，很可能是中国互联网有史以来"人均可支配金额"最高的赛道。一家仅有上百名员工的公司，账上可能躺着几个亿的现金，这在过去的互联网创业周期里几乎不可想象。
但钱来得太快，也带来了新的问题。这个行业扎堆了一大群科学家和工程师，他们中的大多数人擅长在三维空间里重建世界模型，却鲜有资本运作的老手，更缺乏花大钱的经验。他们会发现自己身处的是一个同样复杂却完全陌生的环境：当实验室思维遇上资本市场的洪水，怎么让钱产生真实的价值，正在成为比融资更艰难的考验。
而同样缺少参照标的的，还有此前最会算账的投资机构。
花钱，已经成为具身智能赛道，最陌生的功课。
花钱与不花钱
融资的风光背后，是具身企业不同的活法。
具身智能创业者刘远此前参加了一个饭局，酒酣之时，话题从技术和产品，不知不觉转向了同一个方向——融资，以及谁剩下的钱更多。他忍不住透露，自己公司账面上的钱足够花50个月。
“我以为自己很节省了，账面的钱也很多了”，结果刘远没想到的是，餐桌上立刻有人告诉他，自己公司还有至少能支撑100个月的现金。
放在其他赛道，这是一个足以让人羡慕的数字，但在具身智能这个行业，这些数字到底能换来多少安全感，恐怕连创业者自己也说不清楚。
很快，刘远就听说，行业里有不止一家公司，在拿到融资后，靠购买理财产品的收益来研发产品、养活团队。只要团队规模不再迅速扩张，账面上的本金几乎可以长期不动。
一批主打“大脑算法、概念落地”的轻量化企业，成为资本热潮中的最大受益者，也是行业中最节俭的玩家。
一个常被提及的案例是业内头部大脑类具身企业星海图，成立两年累计融资超40亿元，创下赛道早期融资纪录，有知情人士称，星海图两年间整体资金消耗不足1亿元，资金利用率极低，账面储备十分充裕。
但据行业内部人士透露，星海图内部实行极其严格的预算控制，营销、招聘、运营支出都被压缩到极致，目前已基本实现收支平衡，“恨不得连办公打印用纸的使用都要经过严格限制”。这种模式也被行业内戏称为“熬死流式”打法。
一名具身智能前员工透露，差点搞死自己前公司的“祸端”，是每年省下的小几十万云端冗余服务费和异地备份费用。管理层只保留单台本地服务器存储上千台机器人的场景程序和定位地图。一次意外的园区停电，硬盘损坏，所有数据都丢失了。更为关键的是，给政企客户做的定制化程序也没有存档，“公司最终花了大价钱，也付出了很高的代价，才算勉强过关”。
更为让人熟知的案例还有宇树。宇树科技招股书显示，2025年，其毛利率达到了60%以上，就在一众具身智能还一边“负债累累”，一边不断烧钱的时候，宇树就已经实现了盈利能力，还达到了如此高的毛利率。
但即便如此，宇树在花钱依旧很节俭。几乎不做任何PR，在研发方面也仅有9000多万的开支，9000万的研发开支甚至不够一些AI初创企业一年的算力开销。
这和互联网繁荣时期人们所理解的融资，然后把钱快速花出去，追求规模化的营销和竞争全然不同。类似的经营风格可以追溯到团购兴起的“百团大战”期间，美团正是以极低的成本最终拖死了其他竞争对手。
不止一位创业者告诉我们，具身智能公司正在用现金储备证明自己的安全，这也成为衡量公司生存能力的新指标。这看上去是一种极其稳健的经营方式——对于经历过多轮资本周期的创业者而言，控制现金消耗也很难被称为错误。但问题在于，在一个技术路线尚未确定、产品能力仍需持续验证的行业里，钱长期留在账上，究竟意味着公司足够克制，还是意味着它没有找到值得投入的方向，很难从财务数字上直接得出答案。
最直接的后果是，具身智能行业不花钱，很容易引发猜测：这家企业到底做了多少研发？
这也是具身智能行业里最难回答的问题之一。省下来抑或花出去的钱很容易被看见，但错过的产品窗口却很难及时出现在财务报表上。很多后果要等到一两年后才会显现。
一家明星创业公司的管理层曾把“延长现金跑道”设为最重要的经营目标。为了降低开支，公司冻结了多个研发岗位，缩减零部件验证的批次，也推迟了原定的数据采集计划。从财务数字看，这些措施很快见效——公司的月度支出明显下降，账面现金能够支撑的时间延长了近一年。
但几个月后，这家公司发现，不少工程师都被同行挖走。而一款本应进入小批量交付的产品，因为核心零部件的兼容性问题迟迟无法量产定型。
放眼创业领域，如果是因为融资不够导致的现金流吃紧，这些相对极端的手段尚且能让人理解，但具身智能行业，归拢着的都是大笔的现钱。在多起具身智能项目中，类似的链条反复出现：为了控制支出，企业先减少测试轮次，随后推迟供应链验证，再冻结研发招聘。每一个决定单独看都能找到理由，放在一起，却会让产品逐渐停留在样机阶段。
一位硬件负责人曾把这种状态称为“有钱的停摆”。
但有人节省，就总有人在花钱这件事上放开手脚。刘远听说的一个案例是，两年前有家人形机器人公司，拿到融资后没有先打磨可落地场景，而是一次性同步立项多个不同产品线，并且花了大量的钱在商务和政企接待上。更严重的是，这家公司在办公室里用货架和纸箱搭建“物流场景”，用开源模型画几个检测框，就宣称有多模态感知能力。而所谓的自动分拣，实则是将控制线藏在桌面下，由人在视线盲区手动控制。
“这基本就是拿着包装好的Demo，去融资和讲故事”，刘远说。
国外曾经的明星具身公司Vicarious Surgical，也一度被传为乱花钱的反面教材。它拿了比尔·盖茨等投资圈人士预计超3亿美金的融资，其市值曾一度超过 12亿美元。但这家公司的钱都花在了坚持自研超复杂的“仿生机械臂”上，放弃成熟的商业方案。这个决策导致研发周期被无限拉长、迭代成本失控，产品始终无法量产定型。
熬到最后，Vicarious Surgical在发展最关键的两年时间里亏损超过一亿美金，最终只能黯然破产清算。
算不清的账
要理解大家对于“花钱”这件事的心态，得先看明白这门生意的真实成本。但具身智能的账怎么算，恰恰是一些创业者还没学会的功课。
一位长期接触具身智能企业的人士，试图用最简单的办法，给我们估算一家公司的真实开支。
通常是打开公司的招聘页面，统计算法、硬件和工程岗位的数量，再根据办公地点、团队规模和市场薪酬，计算人力成本。随后，去看公司的模型发布、机器人出货量和供应链情况，反推算力、数据和本体投入。
几个数字加在一起后，他发现，很多公司预测的现金消耗，与实际可能发生的成本之间存在明显差距。
人力是第一笔绕不过去的钱。具身智能是高度跨学科的集大成者，对算法人才的需求极为旺盛。在一些核心城市，普通具身智能算法工程师的月薪已经达到5万元左右。部分招聘数据给出的平均值更高，接近6.3万元。算上年终奖、社保、公积金和其他用人成本，一个成熟算法工程师的年度支出很容易接近百万元。强化学习、世界模型、运动控制和核心硬件方向的资深人才，年薪达到200万至300万元并不罕见。
更具标志性的是，2026年4月，优必选宣布面向全球招募“具身智能首席科学家”，开出的年薪是1500万元起步，最高可达1.24亿元。字节跳动旗下火山引擎也在招募“操作算法资深专家（具身智能）”，月薪开到9.5万至12万元。即便刚毕业的顶尖博士生，来自清北复交、浙大、哈工大等知名实验室的应届生，起薪也普遍在60万甚至70万元以上。浙江人形机器人创新中心工业应用技术总师俞鸿翔透露，“一些刚毕业的学弟非常优秀，可能能拿到200万到300万级别的offer”。
按照一家两百人规模的具身智能企业来算，研发人员一般占一半比例，人员薪酬就至少需要一亿元——这还只是平均水准。如果团队规模扩大，数字也会随之攀升，一位熟悉行业薪酬体系的人士向我们测算，一家三百人规模的具身智能公司，仅人力成本一项，一年的支出就会达到三亿元。
“此前，行业里曾流传过一个说法，头部大脑公司两年只花1亿元，这可能就是算账没算清楚，或者创业者的话语有所保留”，上述投资人称，“三百人规模，人均年薪哪怕砍半，一年人力成本也要一点五亿”，言下之意，即便公司对招聘极其克制，只要拥有一支成规模的研发团队，人力成本也很难被压缩到足够低的水平。
而且这种人才的需求远远大于目前人才市场上的供给。智联招聘提供数据显示，今年一季度机器人行业职位数增速达38%，工业机器人工程师、机器人算法工程师、机器人调试工程师岗位增速分别为38%、37%、60%。
供不应求也导致了具身智能企业人力成本的增加，曾有一位从互联网大厂跳槽至具身智能独角兽的算法工程师透露，他曾陆续收到三个猎头发来的岗位邀请，有的初创公司给出的薪资涨幅高达150%。
但人力成本只是开始。真正让账面模糊不清的，是算力和数据这两个无底洞。
做几个VLA大模型的Demo，一年至少要烧掉三千至五千万，如果要做世界模型，一年的算力消耗就得上亿元。十万张A100芯片的采购加运维成本轻松突破十亿。“真正自研大模型和硬件的头部公司，钱远远不够花”，一家坚持自研大模型的公司，其创始人私下对我们感慨。
那是否不做具身大脑就好了？从目前行业发展看，包括灵巧手、柔性材料、关节等在内的具身本体方面的行业壁垒逐渐见顶，行业已经将具身大脑视为接下来具身智能能否真正商业化的关键。如果不做具身大脑，一方面企业将很难再对投资者讲出好故事；另一方面，当具身大脑逐渐成熟，企业也面临了极高的被淘汰的风险。
当然，业内也有诸如宇树科技这样，打算当具身大脑技术成熟之后，直接通过并购的方式“摘果子”的玩家。不过并不是所有具身智能的企业都能如宇树科技这样等得起，大多数具身智能企业还是选择了自己做“大脑”。
而数据是另一个吞金巨兽。一个行业通传的数据是，要实现具备通用能力的人形机器人大脑，至少需要一百万小时的高质量数据。一台数据采集机器人成本约二十万元，使用寿命约一千小时，人工费用约一百二十元每小时，而高质量真机数据占比仅为百分之二十左右。粗略估算，单小时有效数据成本约一千六百元。一百万小时的有效数据，意味着约十六亿元的投入。
但真实的情况远比纸面上的数字更残酷。
某头部公司创始人曾在一次非公开交流中“说漏嘴”——买数据和采数据的成本，一百万小时大概需要一至两亿人民币，而训练这些数据的成本大概是采集的十倍。更令人焦虑的是数据的质量，一位行业内部人士徐青（化名）透露，采集一万小时的真实数据，真正能用于模型训练的往往只有几十到几百个小时。
“如果是按一种很复杂的任务，可能也就几十个小时，如果是稍微简单一点的场景，可能是两百到三百个小时。”他认为，“花几千万采来的十万小时数据，模型能力只涨了百分之五。”
这意味着百分之九十九以上的采集成本，可能都是沉没成本。
智在无界合伙人郑思鹏在公开场合算过一笔更细的账：30秒真机采集数据成本区间为10至15元，累计1小时真机数据成本约1000元，若完成百万小时真机数据预训练，投入成本将达到10亿元量级。
更令人错愕的是，数据采集链条上价值分配严重倒挂。据悉，大部分数据采集一线人员的时薪只有十几到几十元，但他们采集后的数据，会被以300~500元每小时的价格卖给具身企业。最辛苦的采集环节拿得最少，最不创造价值的中间环节拿得最多。
数据之外，还有本体。
一台大尺寸人形机器人的物料成本，业内常见估算在15万至20万元之间。公司如果生产500台样机或小批量产品，仅硬件物料就可能接近1亿元。这里还没有计算开模、测试、返工、仓储和售后，也没有计算未能通过验收的产品。
钱一旦进入这些环节，就很难再被完整解释。种种数字加在一起，拼凑的大概率是一个没有标准答案的困境。
一位投资人回忆，在其他行业，至少可以通过收入、库存、客户和银行流水交叉确认企业经营情况，从而确认什么时候该加大投放、什么时候该收缩战线。钱花出去能换回什么，大致可以预期。
但具身智能完全不同，公司的核心资产常常停留在研发过程中。过往行之有效的路径，现在失效了。
这也能解释为什么一些拿到巨额融资的聪明人，会在花钱这件事上集体失智。如今看来，具身智能的真实成本（人力、算力、数据）最终到底会花多少，未来是否还有大钱支出，业内至今难有共识。
钱到底花去了哪里
对于花钱这件事，糊涂的不仅仅是部分具身智能行业的创业者，还有把钱投给他们的人。
有创业者发现，在2026年的融资过程中，越来越多的投资人开始询问，公司过去半年究竟花了多少钱，分别花在了什么地方？
得到一份标准答案是相对容易的。“行业里对此基本有一套固定口径”，一名投资人称，在创业者的说法里，每一项都有清晰的比例。但问题在于，正如成本无法说清一样，这些数字也很难继续向下核实，外部股东很难下精准的判断。
“某头部企业的投资人基本不知道钱到底花到哪去了，你敢相信吗？完全不知道。”一位熟悉内情的人士透露，“有些投资人投完了就不管了，特别是一些小股东，根本接触不到公司的真实财务情况。”
一个例子是，一家小公司原本即将完成一笔两三千万元的融资，投资流程已经接近尾声。财务负责人在向投资方发送材料时，错把另一套内部账目发了过去。投资人重新核对后，融资随即停止。
外界无法确认这次错发究竟是工作失误，还是财务人员有意为之。真正让投资人警惕的是，如果那封邮件没有发错，他们可能永远无法看到两套数字之间的差异。
为什么一家做具身大模型的公司不敢承认自己花了多少钱？答案并不复杂——如果账面资金剩余太充足，可能会影响下一轮融资，但如果承认一年烧掉几个亿，就意味着这笔钱只够撑几个月，必须不停融资，这会极大地动摇投资人的信心。
在具身智能行业，每个人都一定要讲一个"我能活得很久"的故事。
但类似事件推动一些投资机构改变了投后管理方式。今年开始，行业里的消息时不时传来——强势的投资机构已经开始派人入驻被投公司——过去，机构通常派董事或观察员参加重要会议，定期听取经营汇报，很少直接介入日常财务。现在，已经有投资人把财务、审计甚至反舞弊人员派进具身智能公司，长期检查采购、报销和关联交易。
这其中甚至有一些更为极端的个例。有一家物流垂类具身智能的企业，他们的财务团队中有很大比例的人员是投资方外派驻场办公的，且他们几乎每一笔支出都需要投资方确认审核“甚至一些办公用品的采买也需要投资方的财务人员审核后进行。”该公司的负责人曾对我们表示。
一位投资人称，他们最担心的并不只是创业者大手大脚，而是融资规模迅速扩大后，公司内部出现新的利益空间。机器人研发涉及芯片、传感器、服务器、零部件、数据服务和外部测试，供应商数量多，报价也缺乏统一标准。同一种服务，不同公司给出的价格可能相差数倍。
当技术采购缺少公开市场价格时，投资人很难区分合理溢价和利益输送。因此，部分投资机构开始把财务检查和技术审查放在一起。
这种担忧并非空穴来风。此前有媒体报道，某头部具身公司在冲刺IPO过程中引入投行和会计师事务所做财务辅导，结果审计时收入被砍掉一半，原因是有接近一半的收入质量较低，属于关联交易及零碎收入。更值得警惕的是，行业中已经出现“左手倒右手”式的数据交易：企业将机器人卖给数据采集中心，收钱后，转头又从数据采集中心手里买数据。
就这样，钱最终在产业闭环中空转。
这种变化并没有让投资人与创业者的关系变得更轻松。双方争论的核心，逐渐从“要不要花”变成了“谁有权决定怎么花”。
在互联网创业最活跃的时期，资本与创业者曾经形成过一套相对成熟的合作方式。公司拿到钱后扩大团队、购买流量、补贴用户，再用增长数据争取下一轮融资。即使最终没有盈利，投资人也能通过新增用户、留存率、交易规模和市场份额判断钱是否产生了效果。
具身智能缺少类似的参照体系。自动驾驶曾经经历过类似的资金密集期，但车辆、道路测试和量产节点相对清晰。大模型公司也需要巨额算力，不过软件产品能够更快触达用户。具身智能要同时承受硬件、算法、数据和场景交付的压力，任何一项都可能持续消耗现金。
我们了解到，一些机构正在尝试用阶段目标代替简单的年度额度。公司完成一轮技术验证后，才能启动下一笔算力投入，而产品达到稳定性指标后，才进入更大规模生产。另外，数据采集除了小时数之外，也要同时检查有效率和模型提升。
这套方法能够减少一部分无效开支，但仍然不能解决所有问题。具身智能的研发具有很强的不确定性，一次失败的训练未必毫无价值，投资人如果只奖励成功结果，创业者就可能倾向于选择容易展示、风险较低的项目。
更现实的问题是，并非所有投资人都有足够动力深入公司。
一位受访者说，部分小股东只持有2%到3%的股份，很难获得完整经营信息。还有一些投资人完成投资后，更关心下一轮融资和老股转让，并不持续追踪公司的财务和研发。如果行业估值继续上涨，即使公司经营存在问题，早期投资人也可能通过下一轮交易退出。
比如，2026年5月，上市公司杭州柯林宣布拟以不超过3亿元收购开普勒机器人41.57%的股权。但市场很快发现，开普勒CEO胡德波早已于2026年2月正式离任，并于4月注册了新公司“索塔无界”，投身具身智能“大脑”研发。更值得玩味的是，开普勒方面透露，胡德波早在2025年6月起就不再担任CEO，仅负责销售和市场工作，公司同时取消了其股权激励。一位联合创始人在公司被收购前夕出走，公司估值从半年前的10.6亿元缩水至7.2亿元，这场“卖身”大戏，写满了创始团队与资本之间难以言说的博弈。
这让具身智能行业出现了一种危险的错位：只要资金仍然进入，很多问题就可以被延后，而一旦融资速度放缓，产品、收入和现金消耗之间的缺口会同时暴露。
一位资深投资人判断，真正的分水岭可能从2026年下半年开始出现。头部公司仍能获得大额资金，尚未完成B轮融资、又没有稳定订单的中小企业，生存空间会迅速缩小。
但资本暂时没有想要离开的迹象。
一位投资人和同行估算过下半年的资金规模。他特意强调，这只是一次“拍脑袋”的推算，并非严谨统计——随着更多长期资金进入国内投资市场，下半年新增资金可能达到5000亿元。
具身智能仍会是投资机构争夺的重点方向，因为在他们看来，中国具身智能产业拥有完整的供应链、工程师体系和制造能力，是少数有机会走到全球前列的技术赛道。
这意味着，行业可能不会立刻因为少数失败案例降温。更多的钱还会进来，已经完成融资的企业也可能继续抬高下一轮规模。
如今看来，具身智能行业过去几年解决的是有没有钱的问题。接下来，它要面对的是一个更难回答的问题：当远超公司当前经营能力的资金进入账户后，谁来决定它应该以什么速度、沿着什么方向被花掉。
当行业里越来越多的钱涌进的时候，这门关于花钱的功课，只会变得更加迫切。
注：文/张申宇，文章来源：钛媒体(公众号ID：taimeiti)，本文为作者独立观点，不代表亿邦动力立场。
