2026年，人形機器人賽道依然是中國硬科技領域最吸金的角斗場。據大講堂了解，頭部七家公司的估值總和已超過500億元人民幣。其中最年輕的成立不到三年，最貴的那家估值超200億元。資本的故事講了一輪又一輪：VLA大模型、通用大腦、萬臺量產......每一張牌都足夠性感。

但同樣頂著“人形機器人”的名號，不同公司打的其實是完全迥異的仗。有人賣科研工具，有人賣工業解決方案，還有人已經開始賣崗位化服務。背后的客戶、場景和商業邏輯，截然不同。

這所呈現當前行業一個樸素的事實在于，服務機器人和人形機器人從來不應被割裂理解。因為兩者的本質一樣，都是能不能算得過來賬，能不能在真實崗位上持續運行。“像不像人”是展廳里的指標，“能不能上崗”才是收銀臺前的答案。

擎朗無疑是我們這次對比中非常特殊的一個。這家公司沒有在人形機器人的概念最熱時追進去，而是把自己在服務機器人領域積累十年的底牌，慢慢攤開。它的坐標在服務場景，酒店大堂、餐廳、商超貨架。這些地方在過去十年里已經跑著超過10萬臺擎朗的服務機器人。根據IDC 2024年數據，擎朗在全球商用服務機器人出貨量中占比22.7%，位居全球第一；在出海收入份額中更是達到44.8%，位列中國廠商之首。這種規模化落地能力和全球化商業驗證，為人形機器人的崗位化部署提供了最扎實的“成長土壤”。這也意味著擎朗比任何一家純人形機器人公司都更懂服務場景的真實需求、更具備全球化部署的運營能力。

具體而言，我們發現，不同于其他玩家單一推出一款全尺寸人形產品，擎朗的打法是“組團上崗”。因為擎朗已經在不少真實商業場景中完成了從0到1的閉環驗證，此前主打酒店服務、咖啡制作的全尺寸人形機器人XMAN-R1已經完成落地。

而如今發布的136cm半尺寸人形機器人，更是進一步完善了擎朗的能力矩陣。它更小巧、更具親和力，適合在人流密集區與顧客近距離交互，適合在商超、展會等人流密集區做表演和充當氣氛擔當，大小人形能在同一場景中各司其職、互補協作，更進一步形成“引流-互動-服務-清潔”的緊密閉環。

01.

七種戰場，同一個賽道

當然，要理解一家具身智能公司的獨特性，得先把整個賽道的玩家放在同一張桌子上比較。大講堂認為，當前頭部企業的篩選標準有三條，分別是估值或融資規模達到一定體量、有已落地的工業或服務客戶、具備一定的規模化交付能力。

按這三條劃下來，活躍在一線的公司可以大致分為以下幾類。

宇樹無疑是當前規模最大的玩家。其通用人形機器人G1以9.9萬元的定價打開了高校和科研機構的市場，目前超過七成出貨流向科研教育場景，工業場景占比約9%。2025年全年營收17.08億元，毛利率高達60%，扣非凈利潤6億元，是七小龍中唯一全年盈利的公司。規模先行，盈利在望，是典型的跑通供應鏈再向下滲透的路線。

智元和眾擎代表了另一類：萬臺目標，工業為先。智元2025年出貨超5100臺，2026年3月率先突破累計量產1萬臺大關，已拿下中國移動7800萬元采購訂單，在汽車主機廠及物流企業的聯合測試項目進展靠前，籌備港股上市也在推進中。眾擎全尺寸人形機器人T800定價18萬元起，輕量化PM01定價8.8萬元，截至2026年1月，年度框架訂單金額已超過5億元，2026年目標產能四五千臺，2027年至2028年鎖定3萬至5萬臺。

優必選和樂聚的打法更偏向標桿客戶。優必選在汽車總裝和3C裝配領域拿下數個頭部客戶的試點項目，Walker系列已有實際部署。樂聚與舍弗勒合作，探索汽車零部件倉儲場景中的搬運與分揀能力，其全尺寸人形機器人“夸父”系列核心零部件國產化率已達90%以上，部分環節甚至超過95%。

越疆從協作機器人起家，切入汽車零部件產線的檢測與裝配環節，優勢在于對制造業工藝的深度理解。加速進化聚焦小人形和開發者生態，其Booster K1開放底層硬件與工具鏈，免費開放一站式開發工具，被從業者評為目前市面上“開發最流暢、運行最穩定”的平臺產品之一，賭的是未來社區與競賽市場。

銀河通用是估值最高的那個，超30億美元估值，也是行業中屈指可數重點布局具身大模型與強調真實場景落地的玩家。產品定價Galbot G1已經在零售、智慧藥房、工業等真實場景中完成規模化落地。銀河通用星腦大模型路線，“通用大腦”概念搶眼，試圖讓機器人在不同場景中具備自主學習和泛化能力，相比單純以短期出貨量衡量，其更受到關注的原因，在于其正在率先驗證“通用具身智能”真正進入現實世界的可行路徑。

松延動力的特別之處在于他們還有仿生機器人。2026年春晚，松延動力五款機器人與演員蔡明合作出演小品《奶奶的最愛》，其形似蔡明的機器人一夜出圈。在有限的頭部空間內塞入多達32個驅動電機，配合自研Audio to Face語音驅動算法，將表情控制頻率從10赫茲提升至60赫茲，消除面部動作卡頓感。這是其他人形機器人公司尚未涉足的領域。

再看擎朗，它的人形機器人已經在多個服務場景中完成了從Demo到“上崗”的跨越。不同于一些公司以科研客戶為主要出貨對象，擎朗人形機器人直接進入了面向公眾的商業服務場景。

在香格里拉酒店，擎朗人形機器人XMAN-R1正式上崗，其身高175cm，全身36個自由度，能通過自然語言交互與擬人化動作，主動問候抵達賓客，進行智能問答互動，并為每一位賓客遞送歡迎禮。該酒店成為全球首個擁有人形機器人服務員的酒店，也是首個實現“通用+專用”機器人協同的智慧場景。

如果說香格里拉驗證了人形機器人在高端酒店場景的崗位化能力，那么挪瓦咖啡的聯名則是一次對零售服務場景的強力突破。2026年4月，擎朗與全球TOP5咖啡連鎖品牌挪瓦咖啡聯合打造“機器人咖啡館”，這是全球首次人形機器人品牌與咖啡連鎖品牌的深度聯名，標志著人形機器人正式邁向商業化運營。

現場，XMAN-R1以“特聘咖啡師”身份完整演示了咖啡制作全流程：顧客通過語音或iPad下單后，機器人精準抓取紙杯、操作咖啡機完成萃取，再將成品平穩端至桌面，整個過程無需人工干預，充分展示了多任務規劃、精細力控與人機安全交互的綜合能力。

而在更廣泛的國際市場驗證中，XMAN-R1在CES 2026展會現場為觀眾提供問候互動和遞送糖果等貼心服務，并展示了制作爆米花、倒飲料等多樣化上崗能力，生動呈現了其對復雜任務的理解執行能力與自然親切的交互潛力。

如今，針對商超、展會等需要更高頻互動和靈活性的場景，擎朗進一步推出小尺寸人形機器人XMAN-L1“K仔”。它身高136cm，擁有42個仿生自由度，配備100TOPS端側算力，接入了豆包、騰訊等行業主流大模型。作為擎朗“通+專”矩陣中的輕量互動崗位，XMAN-L1主要承擔潮酷互動、客流引導與輕量表演三大核心職責，在商場、品牌快閃店等場景中與XMAN-R1形成互補協同。

02.

三條路線，分野已經出現

而技術路線的分歧，是這場競爭最底層的變量。當前市場上能夠清晰識別的路線，我們認為同樣可以梳理出三條。

第一條是量產優先。代表是宇樹。G1以9.9萬元的定價切入市場，核心邏輯是用供應鏈效率和成本控制能力建立壁壘，和當年大疆在無人機市場的打法如出一轍。量產能力即護城河，單臺利潤薄，但規模效應一旦形成，后來者很難在價格上正面競爭。

第二條是技術縱深。銀河通用是代表，VLA大模型疊加“通用大腦”概念，試圖讓機器人在不同場景中具備自主學習和泛化能力。這條路估值最高、故事最動聽，但技術難度也最大。因為通用性越強，落地門檻越高。

第三條是場景深耕。擎朗和越疆是這派的代表。它們不追最漂亮的參數，而是把時間和資源花在場景理解上。例如擎朗的差異化在于，它不是把服務機器人作為人形機器人的替代，而是用實實在在的人形機器人上崗案例來證明崗位化落地的可行性。從香格里拉酒店的XMAN-R1實時互動，到挪瓦咖啡的“賽博咖啡師”，再到XMAN-L1在商場場景的互動服務，擎朗人形機器人已經覆蓋了咖啡制作、遞送、導覽、引導互動等多種崗位類型。

這種場景縱深理解，來自于過去十年服務機器人積累的數據和對客戶痛點的一手洞察。這種打法要求對場景有極深的理解，例如酒店排班系統怎么設計、餐廳動線如何規劃、商超貨架管理的細節是什么，這些知識不會出現在論文里，但它們決定了機器人在真實場景里能不能用、能不能用好。

而這一切的底層能力，來自擎朗自研的全球首個服務行業模型——KOM2.0。該模型采用“快-慢雙系統”架構，慢系統基于多模態大模型，通過擎朗構建的崗位服務場景數據集K-Infinity實現對服務場景的環境感知、任務理解與規劃；快系統采用動作專家模型，利用大量真機數據進行訓練，用于精細的動作生成。這一模仿人類“大小腦”協同的架構設計，實現了高層任務規劃的可靠性與低層運動執行的高效性的統一。

在KOM2.0之上，擎朗還進一步打造了崗位化垂域模型KEENON ProS，面向餐飲、酒店、商超等場景中的具體崗位，使機器人能夠快速掌握崗位技能，實現“上崗即干活”。這正是擎朗人形機器人能夠從香格里拉到挪瓦咖啡、從CES展到各類商業場景快速部署、能力復用的根本原因。

機器人大講堂認為，商業化的核心，從來不是“像不像人”，而是能不能進入具體崗位。機器人能持續承擔一個清晰的任務，比如連續10小時分揀、24小時巡檢，才叫真正的崗位化落地。這個標準比任何技術參數都更殘酷，也更真實。科研場景可以容忍機器人在特定演示中表現出色，工業客戶要的卻是日復一日的穩定產出。這條標準，也是評判三條路線的真正分水嶺：誰能更快讓機器人在具體崗位上站住，誰就拿到了商業化的第一張牌。

擎朗的崗位化背后邏輯恰恰在于，其主張一機一崗，即工作內容可精確描述，結果可量化評估。無論是XMAN-R1在酒店門口“互動遞糖”，還是在咖啡館“制作咖啡”，都是可以被計件、被考核的具體勞動，而不是展廳里的即興表演。

與之對應的是一個值得注意的信號，2026年以來，工業客戶的采購決策正在從“技術驗證”轉向“成本收益核算”。換句話說，客戶不再只看機器人能做什么，而是開始算賬。這臺機器人的投資回報周期，能不能跑贏一個工人的年薪，這對量產派和場景深耕派是利好，對技術派則是直接的考驗。

03.

三種活法，賺錢能力各不同

因為技術路線的差異，最終會體現在商業模式上。機器人大講堂發現，當前人形機器人公司主要有三種變現路徑。

賣工具。這是宇樹和加速進化的邏輯。單臺銷售，定價從幾萬到幾十萬不等，核心競爭力是供應鏈成本控制。好處是收入確認快，不依賴大客戶訂單；挑戰是單臺利潤空間有限，必須靠規模取勝，且售后服務體系的建設是一筆持續投入。宇樹已經驗證了這條路的可行性：毛利率60%，扣非凈利潤6億元，是行業里罕見的盈利樣本。

賣解決方案。優必選、越疆和眾擎是這派的代表。它們的客戶以汽車主機廠和大型制造業企業為主，訂單金額大，但交付周期長、定制化程度高、毛利率波動大。這類公司更像系統集成商，而非純粹的機器人公司。能否拿下標桿客戶、能否把標桿案例復制推廣，是核心命題。智元的SOP系統、眾擎的年度框架訂單，都是這個路數的具體體現。

賣崗位化服務。大規模商業化的前提，是“算得過來賬”。這個經濟賬不是技術問題，而是商業問題。它要求機器人必須在具體崗位上持續運行足夠長的時間，才能攤薄初始投入。企業如果按崗位職能提供服務，客戶可以按需租賃或按服務效果付費。這種模式的核心是綁定場景、形成長期數據閉環，讓機器人在具體崗位上持續運轉、持續創造可量化的價值。

目前能做到這一點的場景，少之又少；能穩定跑通的崗位，正在成為行業稀缺品。但擎朗人形機器人XMAN-R1已經在酒店、咖啡等場景中卻驗證了這一經濟賬——香格里拉酒店的運營數據顯示，人力成本降低了超30%；在挪瓦咖啡的實踐中，人形咖啡師可承擔標準化制作工作，在高峰時段補充人力，讓員工專注于情感溝通等高價值環節。這意味著XMAN-R1不是在“像人”，而是在具體崗位上穩定、可靠、可量化地工作。

賣工具的已經盈利，賣崗位化服務的最有后勁。這個判斷，我們認為會在接下來的三年里逐漸被驗證。

04.

擎朗的底牌，不是參數是數據

整體而言，擎朗不是這波人形機器人熱潮中最耀眼的名字。當銀河通用用VLA大模型的概念拿到頂級估值、當宇樹用9.9萬的定價攪動市場時，擎朗顯得過于安靜。

但安靜背后，有一套不同的生存邏輯。此前，已經有公司發布了人形產品，但尚未看到真實場景的大規模部署。關鍵原因可能在于“場景縱深”。例如理解酒店前臺的排班邏輯，理解餐廳的動線設計，理解商超貨架的管理方式。這種縱深理解，使得擎朗這種從服務機器人走出來，并且扎了根的玩家，其實更有能力定義人形機器人在這些場景中“應該做什么”。

因為擎朗在服務場景里做得足夠深，不只是提供機器人，而是深入到場景的運營邏輯里。而一些發布人形產品但未能量產落地的公司，往往是在服務機器人階段就沒有建立足夠的場景縱深。它們賣的是機器人產品，而不是場景解決方案。當它們試圖切入人形機器人時，發現自己既沒有足夠多的運行場景數據，也沒有足夠深的場景理解，量產落地自然困難重重。

人形機器人最難的已經不是造出來，而是讓它在真實環境里穩定運行更多小時。但這恰恰戳中了這個行業最核心的挑戰：Demo容易，量產難；造出來容易，跑起來難；跑起來容易，持續穩定地跑更難。

這不是技術問題，而是場景理解、數據積累和運營能力的綜合工程較量。這些數據不是公開數據集能夠替代的，它們來自真實的運營壓力測試，來自真實的客戶投訴和優化迭代，來自真實的效率指標考核。

因此，機器人本質上現階段不應瞄準“全能保姆”，而應先從具體崗位切入。一個能穩定運行12小時的分揀機器人，遠比一個在展廳里能倒水但在工廠里站不穩的“全能型”更有商業價值。而擎朗在服務場景里積累的，正是這種崗位化的能力，不是在讓機器人“更像人”，而是讓它在具體崗位上比人更穩定、更便宜、更不知疲倦。

這種場景縱深帶來的優勢，是參數指標無法體現的。行業里經常可以看到兩臺人形機器人在實驗室里PK某個動作的精度。但到了真實的酒店大堂，決定機器人能不能用好的，往往不是極限精度，而是對突發情況的處理、對非結構化場景的適應、對人類工作習慣的理解。這些能力，需要時間積累，無法靠融資快速追趕。

擎朗沒有選擇去工業場景和工業派正面對決，也沒有選擇去科研場景和宇樹爭奪高校客戶。它在自己最熟悉的戰場上，用最熟悉的方式，逼近人形機器人規模化落地的答案。這聽起來不像一個宏大的故事。但商業世界里，“正確”和“性感”往往不能兼得。

05.

行業挑戰，沒有人能獨善其身

人形機器人的資本故事講了兩年，展廳里的demo越來越漂亮，但商業化這道題，依然沒有標準答案。

Sim-to-Real鴻溝是技術層面的第一道坎。大模型在仿真環境下訓練成功率很高，但轉移到真實非結構化場景后性能會衰減約40%，真實場景成功率不足30%。僅依賴仿真數據訓練的任務，在真實工廠環境里極易失敗。這意味著，能在發布會上做漂亮演示是一回事，能在客戶現場日復一日穩定運行是另一回事。

商業化路徑三大問題，至今無解。賣給誰？企業為什么要買？投入回報周期有多長？這三個問題，沒有一家人形機器人公司能給出準確回答。即便已有部分人形機器人進入工廠，落地過程也相當耗時。工廠需要根據機器人重新調整產業鏈，投入大量資金，而何時能收回成本、替代人工，業內普遍認為至少還需要三到五年時間。

更直接的壓力來自客戶群體的轉變。科研客戶愿意為技術可能性付費，但工業客戶只看經濟賬。客戶從“技術驗證”轉向“成本核算”，意味著機器人必須比人工劃算或效率更高才能打開市場。

但擎朗所在的服務場景有一個工業場景不具備的優勢，那就是服務業的用工荒、高流動性和標準化痛點，使得機器人替代的經濟賬更容易算過來。一個咖啡師月薪加社保可能過萬，而一臺人形咖啡師租賃一年可能只需要幾萬元，且永遠不會辭職、不會出錯、不需要排班調休。這就是擎朗選擇服務場景作為主戰場的商業理性。大小人形按需分工、各司其職，與專用機器人協同作業，能實現這條商業路徑的最大化運營。而且海外的人工相對更貴，一旦跑通，市場前景更加值得期待。

06.

三條路線的分野已成

人形機器人賽道的競爭，正在從“誰能做出來”轉向“誰能賣出去”。因為資本的耐心在消退，客戶的眼睛在變挑剔，行業的淘汰賽本質上已經鳴槍。

三條路線，各有各的局限，也各有各的機會。量產派需要持續的供應鏈投入和技術迭代；技術派需要等待大模型能力的突破和成本下降；場景深耕派需要證明自己積累的場景優勢能夠在人形機器人上成功遷移。

擎朗押注服務場景，是賭注，也是壁壘。服務場景的復雜度和多樣性，決定了它無法被快速復制；十年的客戶關系積累和數據沉淀，是后來者最難跨越的護城河。

誰先在真實場景中跑通規模化和數據閉環，誰就拿到了下一階段的門票。答案會在未來兩三年內逐漸揭曉。