# 两条路不是价值观之争，是钱的期限之争：赛迪这篇中美对比，把「进场慢」和「做得浅」讲成了同一件事
> Figure 在宝马磨了 11 个月才上规模，美国媒体看着急；同期国内上半年 322 笔、超 900 亿元的钱多半流向整机与零部件。这篇官方课题组的稿子，把路线差异归结到了资本期限上。
### TLDR
- **来源层级**：作者为**中国电子信息产业发展研究院（赛迪）科技与标准研究所具身智能课题组**，2026-10-15 07:55 经中国电子报官方账号发布，属官方智库研判而非新闻转载。
- **最有冲击力的一条事实**：**Figure AI 在宝马工厂历经 11 个月部署周期，第 10 个月才实现装配线规模化运行**。这条被放在「美国偏技术壁垒与单场景深度验证」的论据首位。
- **我方规模口径**：**赛迪数据显示 2025 年全球人形机器人出货量约 1.7 万台，我国企业占比超 80%**；**宇树以 32.4% 的全球出货份额居首**，覆盖 60 余国。
- **与站内存量口径的差异**：本站 437 号稿（2026-10-14）引述的是「上半年中国企业占全球出货 97%」，两篇**机构、时间段与统计对象均不同，不可相加或互证**，本文并列呈现。
- **资本侧数字**：2026 年 1 月 **Skild AI 完成 14 亿美元 C 轮、估值超 140 亿美元，7 个月估值翻三倍**；2026 年 3 月 **Physical Intelligence 以超 110 亿美元估值募资约 10 亿美元**，在**无产品交付**的情况下完成。
- **结构判断**：**2026 上半年国内具身智能融资 322 笔、超 900 亿元**，资金高度集中于整机与零部件，**基础研发获投占比偏低**——这是全篇最该被抄走的一句话。
### SRC
素材时间窗为**前一日 18:00 → 当日 09:00**（北京时间 2026-10-14 18:00 → 2026-10-15 09:00）。事实性内容来自 中国电子信息产业发展研究院（赛迪）科技与标准研究所具身智能课题组署名文章《中美具身智能头部企业发展路线迥异，启示何在？》（作者：郭英、孙维灿、程楠），由中国电子报官方账号于 2026-10-15 07:55 经 腾讯新闻 发布，新浪财经财经号同日转载。核查与边界：① 本文性质为智库研判文章，其引用的第三方数据均以「据报道」「数据显示」措辞出现，本号未能逐条回溯到原始出处；② 「2025 年全球人形机器人出货量约 1.7 万台、我国企业占比超 80%」标注为赛迪研究院数据，属单一机构口径，与本站 437 号稿引述的「上半年中国企业占全球出货 97%」在机构、统计区间与统计对象上均不一致，两者并列呈现但不可互证或相加；③ Skild AI 与 Physical Intelligence 的融资额与估值，原文均以「据报道」引出，本号未能取得企业公告或 SEC 文件交叉核实；④ 「Isaac Sim 2026 年实现 100 倍训练加速」未说明对比基线与测量方法；⑤ 「斯坦福《2026 年 AI 指数报告》显示中美 AI 模型性能差距缩小至 2.7%」未给出该指数的构成方式与评测集；⑥ 文中所有对策建议均为作者机构立场，不代表本号观点。判断均以「判断：」标注。与站内存量稿的差异：437 号稿（2026-10-14）为彭博社对中国供应链与灵巧手瓶颈的特稿；本次为国内官方智库的中美路径比较研究，关注点是资本结构与产业生态，两篇主题、机构与结论均不同。
### BODY
1这篇文章真正在回答什么
不是「谁更先进」，是「为什么两家走成了这样」
这类中美对比文章常见的写法是比参数、比论文数、比融资额，结论落在「各有优劣」。这篇不一样的地方在于，它把差异归因到了产业禀赋与资本结构两个变量上，并论证二者会互相强化。
禀赋决定起点
美国 AI 基础层先发，边际收益最高的选择是继续堆技术壁垒；我国制造业体量大、场景多，闭环最快的选择是规模铺开
资本强化路径
美国风投偏好长期基础研发，与技术壁垒路线正反馈；我国产业资本与政府引导基金占比高，天然偏好短期可验证成果
结果是固化的
两条路各自形成正循环，「使两国路线差异进一步固化」
判断：「禀赋决定起点、资本强化路径」这个双变量框架，比单纯的技术对比有用得多，因为它解释了为什么双方都不肯掉头。判断依据：如果差异只来自技术积累，落后方追赶即可；但若差异来自资本退出机制这类结构性条件，则改变路径需要先改变资金来源。这也是全篇三条对策里有两条都在谈资本的原因。
2Figure 那 11 个月，是全篇最值钱的一条事实
「第 10 个月才规模化运行」意味着什么
文章在论证美国企业「注重单场景深度验证」时，给的唯一一个带时间刻度的例子是：Figure AI 在宝马工厂历经 11 个月部署周期，第 10 个月才实现装配线规模化运行。
读数一
从进场到规模化运行，前 10 个月都不是稳态产能。这段时间的成本写在谁账上，公告里通常看不到。
读数二
11 个月是单一客户、单一工位的时间。跨到第二个工厂能否缩短，才是「规模化」的判据。
读数三
文章用它论证「深度」，反过来也可读作先发优势的代价由最早的客户先付。
这条数字可以当作一把尺子：以后再看到「某某人形机器人进入某某车厂产线」的新闻，先问一句——是进场，还是规模化运行，两者之间可能隔着十个月。本站此前多篇文章反复强调「试单 ≠ 订单」「版本未冻结」，此处是同一纪律在时间维度的版本。
3两组份额数字，本的处理方式是并列而非取舍
80% 与 97%，为什么不能互相印证
本文给的是：2025 年全球人形机器人出货量约 1.7 万台，我国企业占比超 80%（赛迪研究院数据）。本站 437 号稿（2026-10-14，转述彭博社报道）给的是：今年上半年中国企业占全球人形机器人出货量 97%。
赛迪口径
年度口径（2025 全年），**以整机企业出货为统计对象**；区间为全年，包含季节性波动。
彭博转述口径
半年度口径（2026 上半年）、原始出处为第三方研究机构；与 2025 全年不可直接比较。
两者在机构、统计区间、统计对象定义三项上均不相同。合理的读法是把它们当作两条独立的证据：共同点是「中国企业占比极高」这个方向性结论；分歧点在具体数值。
判断：当一个行业里流传着多个「占比」数字时，更稳的处理方式是记住区间而非记住某一格值——而且永远不要拿 A 机构的上半年数字去「验证」B 机构的全年数字。判断依据：这类份额统计的分母定义（是否含教育科研机型、是否含仅有双臂的移动操作机器人）通常不公开，且各家口径不一致；本站此前已多次因口径混用踩过同类问题（如「480 亿美元」实为物理 AI 口径而非人形机器人）。
4资本那一段，是这个产业最诚实的一段
无产品交付也能拿到 110 亿美元估值，同时国内 322 笔钱去了整机
文章在「资本支撑」一节给了两组对照鲜明的数字。
| 公司 / 口径 | 时间 | 金额 | 估值 | 交付状态 |
|---|
| Skild AI | 2026 年 1 月 | 14 亿美元 C 轮 | 超 140 亿美元（7 个月翻三倍） | 未披露 |
| Physical Intelligence | 2026 年 3 月 | 约 10 亿美元 | 超 110 亿美元 | 无产品交付 |
| 国内具身智能 | 2026 上半年 | 322 笔、超 900 亿元 | — | 集中于整机与零部件，基础研发获投偏低 |
表注：Skild AI 与 Physical Intelligence 两行原文均以「据报道」引出，本号未能取得企业公告或监管文件交叉核实，按单一信源处理。第三行为文章自身对国内上半年融资结构的判断。
判断：把这三行放在一起，得到的是一个不太舒服的结论：钱的两端正对着机器人产业的两个极端——一端押看不见的基础模型，另一端押看得见的整机与零件；中间那段（把两者接起来的工程化能力）恰恰是缺钱的。判断依据：美国端的两笔交易都没有产品交付要求，说明资本买的是未来定价权；国内端 900 亿高度集中在整机与零部件，说明资本买的是当期可验证的出货。而真实卡住落地的「二次开发、场景适配、数据闭环」环节，两边的评价体系都不擅长给钱。
5三条对策里，有一条对交付方影响最直接
「一次采集、全行业受益」这句话如果落地，会改商业模式
文章最后给出三条建议：加强技术壁垒构建能力、提升 AI 基础设施与开发者生态、优化资本结构。其中第二条里有一句表述值得单独摘出来：推动已建成训练场和数据平台从封闭运营转向开放共享，推进场景运营数据标准化，使其具备跨场景、跨企业的复用价值，从「一次采集、一次使用」升级为「一次采集、全行业受益」。
条形表示本号对三条建议落地难度的排序，非数值刻度；全部依据出自 2026-10-15 赛迪课题组原文。
本站此前已报道过国内多地的实景实训基地与数据采集基础设施（投资规模与场地数量均属地方自披露口径）。如果「开放共享」真的写进后续政策，受影响最大的不是做机器人的公司，而是目前以「替客户采一次专属数据」为主要收入的一批交付团队。
判断：「一次采集、全行业受益」对行业整体是效率提升，对具体交付方则是一把双刃剑——它把数据从「项目交付物」重新定义为「公共品」，谁在区间里付了采集的钱、谁在后面免费搭车，会成为新的争议点。判断依据：这类共享的前提是数据标准化，而标准化的过程本身需要有人先把格式做出来；真正的受益顺序往往是标准制定者先受益、采集执行者后受益。需要说明的是，以上为本号基于原文表述的推演，文章本身并未讨论该政策的执行成本与分配机制。
6这篇文章没说的部分
三个被跳过的验证点
80% 的口径
「我国企业」如何界定（注册地还是产能地）、是否含外资在华工厂，文章未说明
1.7 万台的分母
是否含教育科研机型、是否含非人形的移动操作机器人，未见定义
900 亿元的统计
「322 笔、超 900 亿元」未说明是否含并购、战投与地方政府出资
判断：这篇稿子值得读，是因为它把一个常被写成「文化差异」的话题拆成了可测量的变量；它也值得带着距离读，是因为它的每个关键数字都缺一个分母定义。判断依据：官方智库文章的优势是能拿到产业侧的整体视角，代价是对原始数据的披露颗粒通常不如商业数据库。对本号的读者来说，可取的用法是借用它的分析框架，而不是引用它的任何一个百分比。