“物理AI的市场空间十倍于数字AI（大模型），但最终存活下来的预计不超过十家。”
在过去15个月里投了45家包括具身智能在内的早期AI+项目后，光源资本创始人兼CEO郑烜乐给这个赛道浇了一瓢冷水。
据高工机器人统计，全球具身智能赛道上半年融资总额约1325亿元，超越2025年全年。明星公司中，宇树科技以219倍的市盈率登陆科创板，智元机器人、银河通用、星海图、自变量等估值200亿的阵营也日益壮大。
但转折已悄然来临，2026年7月，具身融资一反前态，出现环比下滑；8月，下滑幅度进一步扩大至18.94%。与此同时，分化已然开始。不同于2025年的“广泛撒网”，2026年资本明显转向“精挑细选”，行业洗牌逐步启动。具身产业链公司的财报和股价走势，将成为检验赛道成色的“试金石”，会在一定程度上影响一级市场的融资预期。
2026年8月，光源资本创始人兼CEO郑烜乐在2026世界机器人大会上演讲
成立于2014年的光源资本，早期专注为哔哩哔哩、快手等新经济企业提供私募融资顾问（FA）服务，2018年起向并购、证券承销、资管等投行、投资方向拓展。
2025年年初，郑烜乐牵头成立L2F光源创业者基金，专注AI及未来科技产业的早期投资，银河通用、诺因智能、至简动力、光象科技等公司的成立初期，身边都站着光源资本。目前，光源已构建起“孵化（3i产业创新孵化器）+投资（L2F）+投行”的投资生态。
在郑烜乐看来，具身智能正经历四个变化：大脑向本体迁移、本体向关键部件和全身控制整合、零部件向集成子系统和Tier 1演进、芯片及仿真等从单点工具向平台化发展。未来三年，行业每年都会经历一轮洗牌，留在牌桌的关键是跨过物理智能的“复利拐点”，这又取决于两个公式，一个关乎“经济循环”，另一个关乎“学习循环”。
以下是南方周末研究员对郑烜乐的访谈。
押注“长信号与非共识”
南方周末：当前，具身大脑存在VLA（视觉-语言-动作）、世界模型两大技术路线，物理原生智能等新兴方向也在崛起，您如何看待路线之争？
具身大脑的技术路线尚未收敛，很难判断哪种“正确”。我们更关注如何“把智能变成生产力”——谁能让数据产生更高效的转化率，谁能更好地把决策、执行、控制一体化，谁能让智能跨本体复用、不断缩短经验转化周期等。
南方周末：你们考虑押注非共识路线吗？比如橡木果发布的具身本能模型Natus AGE-0，声称可以绕过数据卡点。
会的。在整个具身叙事里，技术其实是扩散的——就算有人先找到了突破点，别人也会很快跟上。比如银河通用之前做VLA，现在也在做世界模型，这不是它以前做不了，而是现在的资源（资金、人才）充足，就一定会去做。
所谓的“非共识”，经过3-18个月都可能被“共识化”。早期“非共识”投资人可能获得可观回报，创业公司也能得到充足的发展空间。大家不必纠结于技术路线，它们不一定非此即彼，也不一定完全互斥。“长信号，非共识”是我们的方向。
南方周末：从产业和融资来看，专注大脑的企业数量明显多于本体玩家，宇树科技近期也表示要做大脑。这是否意味着大脑智能的投资价值更高？
机器人是软件定义硬件的产品，大脑的价值一定非常高。只要是有能力做大脑的团队，都会考虑要不要进入这个领域。
当然，未来不可能出现大量专注大脑的机器人公司，就像2023年的大模型赛道，一开始很多公司都想做自己的基座模型，但最终会收敛下来，真正跑出来的也就几家。
南方周末：既然如此重要，中国为什么没有诞生Physical Intelligence这样的纯大脑公司？
同样类比大模型的两种商业模式：一是卖Token（词元），卖智能本身；二是做应用，把智能嵌入Codex等生产工具。
在具身领域，纯大脑公司就属于卖Token。现在赛道还没收敛，卖不出好价格。未来，智能边界拐点到来，各家大脑能力会出现大幅分化，赢家诞生后卖Token才是好生意。
卖应用，本质上是销售机器人本身，这是一个相对确定的商业模式。因为无论在家庭、工厂、商场还是餐厅，机器人都是智能能力的物理载体——它把智能转化为具体的服务或作业，以场景落地的形式交付给客户。
南方周末：这反映了怎样的中美差异？
我觉得中国的具身生态比美国更加繁荣。美国不会有那么多销售本体的公司能赚到钱；但在中国，很多本体公司都在盈利。中国是整个具身产业链一起往上走，而美国相对单一，纯大脑的资本集中度可能更高一些。
南方周末：长期来看，单做本体的公司有价值吗？机器人表演节目，但没有交互能力，增量空间在哪里？
本体公司是有价值的。本体是一整套复杂系统，包括系统成本、本体复用性、技术复用性等，把复杂系统做到极致就能降低开发者面临的不一致性。
现阶段，我们看到机器人表演、做咖啡、帮忙拿东西只是觉得有趣，这是用情绪价值包裹生产力。未来不会一直这样，最终会回到经济效益，生产力时代一定会到来。
VC不能赚到所有钱
南方周末：在具身领域，光源资本在极早期就深度参与、投资了一批代表性企业，它们的共性特质是什么？
我们总计下来有以下几点：一是敢于走难而正确的路，即在非共识里呆得住。像银河通用为代表的具身团队，都是在赛道还没受到追捧的时候就扎进去了。团队对技术路线有自己的判断，不盲目跟风，而且愿意在早期花大量时间做底层验证；
二是既能做技术判断，也能做工程落地。一个项目想要跑出来，团队光有学术能力是不够的，还需要有在真实场景落地的能力。我们投的团队里，有些学术背景很强的同时产业经验也不落后，有些出身产业一线，但对技术走向的判断也很敏锐；
三是能快速补齐短板。创业早期的团队一定会遇到自己不擅长的事情，包括产品节奏怎么定、资本结构怎么搭、用户付费场景哪里找等等，但是好的团队往往都能快速意识到短板，然后主动积极去找资源补齐。
我们内部对此有一个判断框架，叫“学习×工业×留存”，就是说团队有没有持续进化的能力，能不能以可接受的成本规模交付，在产业链里占据的位置有没有价值留存。我们投的这些代表性公司，每一家都在不同的维度上回答了这三个问题，且都回答得很好。
南方周末：能不能讲讲你们和被投企业的故事，如何伴随他们成长、设定里程碑？
光源在具身智能为代表的AI+领域的做法，是用 “孵化 + 投资 + FA（财务顾问）” 三条线同时介入，孵化器做 0 到 1 的验证，基金做 1 到 10 的加速，FA 做 10 到 100 的放大。企业需要什么，我们就补什么，而不只局限于单一做孵化方、投资方或者FA。
银河通用就是一个典型例子。2023 年我们接触银河通用时，具身智能还是一个热度较低的赛道。光源作为早期参投方，帮助银河通用匹配了顶级的投资人组合，持续梳理每一轮融资的节奏和战略方向。后续银河通用仅用两年半的时间就累计融资约 6 亿美元，现在估值已超 200 亿元，成为行业头部。
爱诗科技走的是另一条路。2023 年初 AI 视频生成几乎没人看好，我们判断这是 AI 再工业化最快的赛道之一，于是从 0 开始深度参与，帮它搭团队、定方向。不到三年，爱诗科技AI视频生成平台PixVerse 全球用户超过1.5亿，ARR（年度经常性收入）超 4000 万美元。
这两个项目让我们验证了一件事：在非共识赛道里，机构早期介入的价值不仅是给钱，更需要帮创业者把想法变成可验证的产品。后来我们正式成立了 3i 产业创新孵化器和 L2F 光源创业者基金，把这种能力体系化。
孵化器解决的是 “从技术到产品” 的问题，帮科学家和工程师走出实验室，对接真实的产业场景和第一个愿意付费的客户。比如光象科技从清华实验室走向汽车产线，就是 3i 帮其对接了头部制造业的场景和订单，让技术一出来就能在真实的工位里验证。L2F解决的是 “从产品到公司” 的问题，帮早期团队理顺资本结构、设计融资节奏、对接产业资源。诺因智能、至简动力等也都是 L2F 在非常早期就进入，让他们能把精力集中在产品和交付上。
南方周末：有没有让你觉得特别遗憾、因为某些原因错过的项目？
我们2023年就在关注具身领域，当时最大的问题是没有合适的基金来投早期项目，我们就想做一只聚焦AI前沿创新的基金。2025年5月，L2F光源创业者基金成立，之后我们积极布局和投资包括具身在内的早期AI+项目。我们的动作很快，大约15个月已经投了45家公司。
过程中一定有遗憾。好在这个赛道的红利期足够长，虽然我们入场不算早，但也不算太晚。投资人不可能赚到所有钱，我们投到银河通用、至简动力这样的优质标的，已经非常幸运了。
南方周末：作为早期投资机构，你们入场不算早，如何得到创业者的信任呢？
我们的理念是，一级市场应该靠差异化竞争，而不是拼成本、拼体力、拼速度。
L2F光源创业者基金的资金都来自中国顶级产业方和成功企业家，这些LP资源还能延伸到AI相关各个行业，为创业者提供场景和订单支持。同时，我们的生态网络中有一群顶级互联网和科技领域的成功创业者，他们能为被投企业提供创业经验上的帮助。相当于我们一手拿着场景订单，一手拿着创业经验，去帮助早期创业者。
南方周末：在市场关注落地能力的背景下，你们的投资标准是否有所调整？比如倾向于具备产业背景、有制造基因的团队？
光源追求的是找到合适团队，这个团队和他们做的事情高度匹配。如果事情更贴近产业化，我们肯定优先看产业化背景强的人；如果这件事情更偏向“摸高”，那就要找摸高能力足够强的人，再用我们的资源补足产业化能力。
上面提到的“匹配”也可以具体看两个PMF。一个是 People-Mission Fit（人员-使命适配度），团队做这件事的初心和动力是否足够强、是否非他不可；二是 Product-Market Fit（产品-市场匹配度），能不能在真实场景里找到付费意愿明确的客户、把技术转化成可验收的产品。不同阶段侧重点不一样。超早期阶段我们可能更看重前者，因为方向还没定、需要不断试错，团队的学习和迭代能力比什么都重要；到了产品有雏形之后，后者就变得越来越关键。
比如至简动力是VLA与世界模型融合的一体化路线，偏向产业化，团队来自理想汽车；而子午线光年专注世界模型，属于“摸高”型团队，因为世界模型本质是“压缩”世界，压缩能力最终体现在技术高度上。
南方周末：近期你们看好哪些新兴具身公司，或是相关产业链企业？
我们最近在看一些上游公司。现阶段，具身产业正在大爆发，下游机器人数量已经超过百家。相比之下，上游关键环节相对收敛，比如机器人计算的探测芯片、感知模组等。未来，这些端侧计算可能会出现“矩阵版”英伟达的机会，也就是不靠单颗芯片，而是由多类芯片（如感知、决策、控制、安全）组合而成的解决方案。
“生产力时代”拐点有两个公式
南方周末：对比去年，2026年具身智能产业发生了哪些变化？
我们观察到四个产业发展趋势：一是大脑公司向本体迁移，比如银河通用为了软硬一体和数据闭环自研本体；二是本体厂商向关键部件整合，比如自研关节、灵巧手、控制器和算法；三是零部件转向灵巧手、执行器及交互、计算、移动、操作等子系统集成；四是芯片、仿真和工具链开始平台化，从单点工具走向开发生态。
这四个趋势代表着产业链角色分工的快速流动，也说明产业链上的每一个角色都在沿着自身的核心能力寻找最能形成闭环的生态位。
南方周末：融资端有没有相应的调整？
目前融资规模最大的仍是本体制造、部署应用和大脑。但同时，芯片与域控、核心部件与子系统、数据与学习基础设施的创业公司数量和融资额也在快速增加。整个产业链已初步形成，资本正从本体和大脑向数据、零部件、计算等环节延展。
南方周末：资本在产业链各环节延展，其实也反映了大家对“生产力时代”拐点预期的不同判断，3年、5年、10年都有。你们如何判断这个时间点？
不同场景的拐点差异很大，没有统一的共识。比如核电站巡检，这类工作对人来说辛苦且有风险，机器人替代就能直接创造经济价值。而在家庭场景中，预期会和成本挂钩——20万的机器人完成非常多工作才算值，一两万的产品只要提供基础功能。
南方周末：怎么判断一家公司快要跨过拐点？
要看AI有没有跨过物理智能的“复利拐点”，核心看两个东西，一个是经济循环能不能成立，另一个是学习循环能不能转起来。
经济循环看的是单次任务的经济账，就是机器人干活创造的价值（V）能不能覆盖硬件的、部署的、运维的全链路成本（Csys）。我们总结了一个公式，E （经济循环强度）= V / Csys。如果E小于1，部署越多亏得越多，谈不上拐点。
学习循环看的是干了这一单之后，下一次能不能干得更好。我们也可以拆成几个环节来看：干多少活（Q，有效任务量），里面有多少是真正值得学习的边界情况（F，高价值反馈率），这些经验能不能转化成系统能力的提升（L，学习转化率），这个提升能不能跨机器、跨场景复用（U，能力复用率），以及整个过程需要多快（T，经验-能力转化周期）。串起来就是另一个公式，S = Q × F × L × U / T。
真正跨过拐点，是这两件事同时发生：R = E × S，机器人不仅能赚钱（E≥1），还能越干越好（S 持续提升）。每一次部署都不光是多卖一台机器，整个系统也跟着往前走一步。所以在内部我们判断一家公司，经常会用三个问题来检验：能不能养活自己？能不能越做越好？能不能让“越做越好”的速度跑赢规模扩张的消耗？
南方周末：不同场景从Demo到落地的过程中，有没有共同的卡点？
具身智能是长链条的系统工程，进入一个场景时，看的不只是单点技术的突破，更关键的是链条上多个环节能否同时优化到位。今天真正的难点不在于做出一个聪明的Demo，做出聪明的Demo有很多办法，比如用更好的模型、更精心的场景布置、更充分的预训练等等。但Demo和真实交付之间隔着整条链路：智能怎么形成、怎么变成稳定输出、怎么产生经济价值。做Demo可以靠运气，做交付只能凭系统。
举个例子，机器人每换一个任务或场景，需要新增多少数据才能让模型适应？如果数据成本降不下来，规模化就是空谈。同时，软硬件结合的链条很长，数据误差容易层层放大，光有漂亮的演示远远不够，最后拼的是能不能在客户现场长期、持续、稳定地干活、持续创造价值。
南方周末：具身智能是一项系统工程，数据、算法、硬件、软件是否会形成类似智能手机时代的标准化架构？
长期来看，“标准化架构”存在，且是动态的。在智能拐点出现之前，企业各有各的神通。一旦找到了理想架构，大家都会往这个方向靠——就像Transformer架构出现后，大模型的技术路线开始收敛。
具身和大模型的区别在于，前者作为一套复杂系统，在整个长链条中仍然会有不同环节的能力提升点，有点类似DNA的波形状态——收敛之后还会再发散，发散之后找到下一个波点再收敛，如此循环往复、持续进化。
横向整合与巨头雏形将出现在三年后
南方周末：2026年上半年，中国具身赛道的融资已经超过900亿元。投资人如何为中国的具身智能公司定价？
定价取决于两大因素，一是基本面，比如重大技术突破、订单大幅增加或是行业地位领先；二是市场预期，由供需关系决定。某家公司被很多投资人看好，后来者的投资门槛自然就被抬高。
现阶段，很多公司估值增长与业务增长是不匹配的。比如，一家公司两三轮融资后估值涨了几倍，但它在业务层面与三个月前并没有本质区别。过程中的几倍估值增长，不是来自基本面，而是资本市场预期。
南方周末：供需关系带来的估值增长，很多时候被认为是泡沫。你怎么看？
“泡沫”是个中性词。物理AI规模十倍于数字AI，因为它能进入更多时空、提升更多产业场景的效率、承担更多责任，理论上应当对应更大的经济价值。正是因为市场足够大，投资人都想提前布局，供需关系一推，早期估值自然就高了。
但同时也要看到，物理AI也是一个复杂系统，不像数字AI那样容易上量。它的交互更为复杂，涉及大量计算和物理环境的实时反馈，还有很多场景落地和社会伦理的挑战需要解决。物理AI每一个动作都要落到接收方上，落地节奏也会比数字AI慢。
怎么解决这个问题？两个方向，首先，团队得有能力去优化整个系统，尽可能追平估值和交付之间的差距——这对团队能力的要求更高，或者说进入门槛确实更高了。其次，团队需要获取更多的产业资源和场景支持，缩短交付的周期。
南方周末：2026年市场已经有洗牌和聚焦的趋势，2027年是否可能出现“寒冬”？
我认为不是寒冬，而是分化——真正能够量产交付的企业，与那种号称有订单的企业，会逐渐拉开差距。最终，行业巨头的市占率会越来越高，壁垒也越来越厚。后来者想要进入的门槛，同样变得越来越高。
当前，具身智能公司已经超过百家，2027年会继续洗牌，最终跑出来的可能也就10家左右，关键是能否打通从智能形成到生产力兑现的完整链路。
南方周末：在漫长的落地周期中，你们如何保持信心和理性？
物理AI市场足够大。把时间尺度拉长来看，很多公司估值虽高，但也具备一定的合理性。问题是，多数投资人可能撑不到那个时候——比如一个赛道需要几年才能真正成熟，而很多人关心的是能不能在一两年内估值涨10倍、20倍，然后IPO退出。
具身赛道非常漫长，中间一定会经历估值波动、快速的资本聚集，也可能遇到资本寒冬，这也是长赛道的魅力所在。我觉得投资人要有好的心态，做好长期投入的准备。
南方周末：您此前提到在具身智能领域，中美之间的差距远小于2023年时大模型的差距。起跑线更近了，最好的具身模型有可能诞生在中国、而非硅谷吗？
这是我们希望的，大家也在用自己的努力去推动这件事发生。中国和美国相比，确实有自身的优势——庞大的工程师红利、完善的产业环境、极具“战斗力”的创业者，加上政府支持和资本关注，这些都是很好的基础。
我相信中国从技术到产业的转化落地一定会更快，但是最终能不能成，没有人敢断言。技术突破从来不是线性增长，往往是在一段沉寂之后突然涌现出来。这是一场长跑，任何一个时间点的领先，都不代表最终的胜负。
南方周末：你如何看来三年具身产业的发展？
具身智能是一场“再工业化”，把那些需要体力和脑力的、复杂的、非标的服务工作，变成可标准化、可规模化、可持续优化的工业智能产能。
未来一年，行业会从讲故事转向拼交付，产生经济价值的公司逐渐浮出水面；两年后，市场将出现一批高频验收、成本可控、经济价值>1的具体任务，机器人自进化成为行业通识；三年后，大脑、本体、应用公司之间会出现横向整合，中国有机会跑出具身领域的宁德时代、富士康，也将出现模型、数据、部署、制造纵向一体化的巨头雏形。
南方周末研究员 曹妍
责编 丁莉