继舞台和实验室后，具身智能企业探索四大出海路径

2026年一季度，中国机器人出口额突破113亿元，其中工业机器人出口同比增长42%。海关数据亮眼，机器人似乎正成为一张新的外贸名片。

然而，繁荣背后有个略显尴尬的现实：绝大多数具身机器人，至今仍在实验室和舞台上“打工”。IDC的统计显示，全球超过85%的人形机器人应用在文娱表演、教育科研和导览导购场景。宇树科技的招股书更是直接印证了这一点，其收入中高达73.6%来自科研教育领域。

显然，没人甘心只做“演员”或“小白鼠”。今年以来，风向开始转变，中国的具身智能产业正尝试进入工厂、车间、园区等真实工作场景，走上一条“现实主义”的升级路径。例如，星动纪元在物流领域完成了首个PMF验证，智元机器人在龙旗科技的车间直播上下料，Vbot维他动力的首批500台量产机也已下线。

这几家公司不约而同地抛开了炫技式的话语，转而强调量产能力和场景验证。这种务实的态度也影响了投资圈的评判标准，焦点正从团队背景和技术构想，转向交付能力、稳定工作时长和客户复购率。

可以说，产业场景的商业化闭环，已经成为检验具身智能企业真功夫的终极擂台。

就在4月底，魔法原子在硅谷举办了一场声势浩大的发布会，明星站台，大咖云集，一口气发布了MagicBot X1人形机器人、MagicHand H01灵巧手以及世界模型Magic-Mix，并宣布投入10亿美元构建生态。

热闹的表象之下，实质是“中国式现实主义”路径向硅谷“AGI叙事大本营”的一次亮牌。它宣告着，具身智能的竞争，不再只是比谁的大模型更聪明，更是比谁的机器人能率先在真实场景里做到不犯错、不停机、不亏本。

在这种“现实主义”共识下，中国头部的具身智能企业都在做同一件事：基于各自的基因和优势领地，向全栈能力和更高的生态位升级。

魔法原子携“现实主义”打法进入硅谷

AGI（通用人工智能）一直是硅谷的核心叙事。无论是OpenAI、Anthropic还是谷歌的Gemini，都强调用更大的算力推动更强的模型；Figure、特斯拉的Optimus等具身企业，也遵循着同样的“大模型、大算力”逻辑，试图打造机器人的泛化能力，创造“最强大脑”。

但问题在于，Figure的“最强大脑”至今大多只出现在精心剪辑的YouTube视频里，而特斯拉Optimus的量产时间表也一再推迟。

就在这个当口，魔法原子带着全系列产品登陆硅谷，并发布了全新的MagicBot X1。它展示的核心逻辑并非炫技，而是机器人如何实现7×24小时作业，并且不犯错、不停机、不亏本。

这并非简单的技术路线之争，而是量产困境下的现实选择。Figure、特斯拉Optimus等美国公司走的是“模型驱动”路径，优先堆叠算法和算力，却在制造和量产环节反复卡壳。其中，离量产最近的特斯拉，从2024年就开始谈论量产，至今仍未实现。

反观中国具身企业，优势在于供应链整合和工程化落地能力，能够实际交付机器人本体并实现规模化生产。但短板同样明显：高达85%的应用场景仍停留在靠预设程序运行的舞台和实验室，“大脑”的智能水平是整个行业的共同焦虑。

因此，魔法原子此次出海硅谷，意图正是在这个分野的两端同时布局。一方面，利用中国工业场景的丰富性优势——例如在追觅工厂跑通码垛、搬运等流程，并自建真机数据采集工厂——来证明中国供应链不仅能量产设备，更能在真实场景中快速训练和迭代。另一方面，在硅谷发布世界模型Magic-Mix并拓展技术团队，希望借助当地的人才及生态优势，补强“大脑”能力。

这并非中国路径与硅谷路径的对决，而是在优先保障本体能力的前提下，同步布局模型能力的全球竞争，为通往具身智能泛化的终局储备筹码。

魔法原子总裁顾诗韬对此表示，中美产业界对于机器人需要走向真实场景是有共识的，但美国团队偏重理论实验，多数实验室本体的工程化较为粗糙；而中国企业在场景理解、从1到100的规模化能力，以及系统性设计、生产、交付上具备比较优势。

她也坦言，当前行业“在不缺订单的情况下，供给侧仍是卡点，特别是在模型人才上存在缺口。”这正是魔法原子出海硅谷的核心动机：寻找顶尖的模型人才，补上机器人“大脑”的短板，将两端的优势结合起来。

具身智能出海的四大路径：从卖硬件到卡生态

魔法原子的“两头布局”，恰恰揭示出整个具身智能行业的共同难题：如何从舞台和实验室，走向真实场景的产业化落地。

目前，中国有超过200家具身智能企业，每家企业都握着不同的筹码，朝着通用泛化的终局升级，也卡在了不同的产业化深度。纵观全局，其升级路径大致呈现出四种截然不同的形态，共同构成了中国具身智能出海的完整图景。

（中国具身智能企业出海四大路径，制图：钛媒体出海参考）

第一类，标准产品渗透型：先把硬件卖出去，但不止于卖硬件。这是当前最主流的出海形态，也是内部分化最剧烈的板块。

这类企业的共同起点是“产品直出”，但升级方向却大相径庭：有的试图从科研教育客户转向工业场景，有的则试图借助成熟品类的渠道向具身新品类延伸。它们的核心命题都是：如何将一次性的硬件销售，转变为可持续的客户关系？

“产品直出”型的升级困境非常典型。宇树科技便是其中的样本，其招股书显示，2025年1-9月，其人形机器人收入中科研教育占比高达73.6%，境外收入占比约40%。凭借极致性价比和可得性，宇树将中国硬件铺进了全球的科研实验室。

但升级压力同样真实，同期其行业应用收入占比仅为9.01%。如何从“科研标本”变为“产业工具”，考验的不仅是客户结构的重构，更是从面向师生到卖给工厂采购经理的组织能力跃迁。

众擎机器人、加速进化、星动纪元等也面临相似问题。早期的科研教育客户决策链短、验证周期快，而工业客户的POC（概念验证）周期动辄6-12个月，且对稳定性、售后响应、备件供应链的要求完全不同。

“渠道延伸”型企业的升级逻辑更直接，但也更隐蔽。越疆科技是这一路径的代表，其协作机器人累计部署超10万台，2025年海外营收过半。它的升级路径是“一脑多体”，希望用协作机器人时代积累的海外渠道和客户信任，向人形机器人领域延伸。

但渠道复用并非易事。协作机器人的客户通常是工厂自动化部门，而人形机器人的决策者可能是物流、商业服务甚至应急管理部门。同一渠道，触达的可能是完全不同的决策单元。

傅利叶智能、擎朗智能、卧安科技、普渡科技等路径相似。它们的升级命题在于：渠道复用是出海最快的跳板，但具身新品类能否借上这股力，取决于渠道客户与新场景需求的重叠度。

第二类，产业场景落地型：从“卖出去”到造“脑”、“扎下去”。这类企业以场景方案商而非单纯硬件供应商的身份出海。一个值得注意的趋势是，几乎所有这类企业都在自研模型，以满足产业落地的刚需。

无论是优必选进入空客飞机生产线，银河通用与德国博世合作，还是千寻智能在宁德时代工作，云深处聚焦海外电力巡检、应急救援等场景，这些企业都依靠售卖场景解决方案切入行业，并同步构建场景数据闭环。

难点在于，工业场景的碎片化程度极高。汽车、3C电子、动力电池、飞机产线，其组件、流程与工艺完全不同，每个新项目几乎都要重新开发。机器人要“扎下去”的深度，与将方案复制到新产线的速度，是一对天然矛盾。

解决矛盾的选择，就是自研具身大模型，自建机器人“大脑”。优必选有Thinker系列模型，银河通用发布了GraspVLA等端到端模型体系，智平方研发了GOVLA模型，千寻智能推出Spirit模型，它石智航则自研了AWE模型。

拥有自己的模型，再结合真实场景，才能形成“数据-模型-场景”的闭环，客户的替换成本也将指数级上升。“造脑”并非技术理想主义，而是产业落地型企业的一种升级策略，旨在用模型壁垒对冲硬件定制带来的低可复制性。

但这同时也带来了行业性的资源分散问题。企业各自训练VLA模型、世界模型，建设仿真数据工厂，某种程度上是在重复造轮子。这种各自为战的模型建设，短期看是企业护城河，长期看可能是整个行业的效率损耗。

第三类，技术生态卡位型：赌的是标准入口。这是估值最激进、落地最模糊的一类，核心命题是如何把“卖机器人”变成“收生态税”。自变量机器人与星海图是其中的典型。

自变量发布了基于世界统一模型架构的WALL-B模型；星海图则发布了端到端VLA基础模型并开源了世界模型。它们的叙事基本上是“模型即生态”，升级路径是从模型公司向平台公司跃迁，试图用平台思维降低行业的重复建设成本。

但这个模式存在一个悖论：生态的黏性取决于真机在真实场景跑起来的数量，而真机数量又取决于生态能否吸引足够多的开发者。这是一个需要持续投入、依靠规模效应才能达成的正向循环。目前，这类玩家的筹码主要集中在模型和资本两侧，在真机部署的“重”资产一侧，仍显不足。

不过，变化正在发生。星海图已开始在全球铺开上千台轮式双臂机器人，积累真实场景数据喂养模型。其团队曾公开表示，2026年行业更关键的指标不是市占率，而是能否在客户现场连续作业24小时，能否让客户算清实实在在的投资回报。

这意味着，技术生态类企业的升级路径开始从模型叙事，向真机验证回摆，以期形成“用真机数量证明模型价值，再用模型价值吸引开发者”的良性循环。

第四类，核心部件嵌入型：声量最小，但嵌入最深、走得更远。灵心巧手已完成融资并推进产品交付，其Linker Hand系列灵巧手直接出口至剑桥、斯坦福等顶尖高校及三星、西门子；帕西尼感知以触觉传感器+灵巧手双轮驱动；意优智能年产300万个一体化关节，已嵌入智元等头部整机厂的供应链。

这类企业不依赖品牌声量，而是选择成为具身产业链的“基础设施”，嵌入别人的整机搭车出海。它们的升级路径不是横向扩展品类，而是纵向做深技术壁垒。其风险不来自品牌认知度，而依赖于整机厂的出海节奏，受限于智元、银河通用等客户的海外扩张步伐。但好处也显而易见：当整机企业在海外打品牌战时，它们可以稳定地赚取“卖水”的钱。

魔法原子，一个想同时握着三张牌的升级样本

在看清这四类路径之后，魔法原子的独特位置才清晰起来。它并非标准产品渗透类中间出货量最大的，也不是产业场景落地类中挖得最深的，更不是技术生态卡位类中叙事最响亮的。但它是行业中少数同时触及以上三个节点，并试图用场景验证来打通前后两端的玩家。

第一张牌，是“产品直出+海外整机销售”的硬件能力。魔法原子整机自研率超过90%，2025年海外收入占比超30%。尽管其交付量级尚未达到智元（万台）或宇树（5000台）的水平，但其产品主要流向了工业、健康等场景客户，而非科研教育市场，这凸显了其差异化的场景基因。

第二张牌，是“场景验证+数据闭环”的场景能力。据顾诗韬介绍，魔法原子机器人已入驻追觅工厂、商业零售等场景进行训练和数据采集，并与上百家企业合作进行场景化开发，能够以1个月的交付速度进入真实场景。在自己控制的场景里把硬件跑起来、把数据采回来，这是魔法原子区别于单纯“产品直出”企业的核心资产。

第三张牌，是“生态卡位+模型叙事”的想象空间。魔法原子在硅谷高调发布世界模型Magic-Mix，并宣布10亿美元生态投入，旨在吸引全球开发者和生态伙伴的关注。

这三张牌的衔接逻辑，揭示了魔法原子升级路径的特殊性：通过量产真机进入场景验证和数据采集，再用场景数据反哺模型迭代，试图形成“真机—数据—模型”的正向循环。

当然，这个循环的闭合程度仍有待观察。已交付的400台机器人中，有多少进入了可进行数据采集的真实作业场景？每日采集的1.6万条数据训练出的Magic-Mix模型，究竟带来了多少场景迁移和智能提升？

在等待这些答案的同时，2026年具身赛道的竞争焦点也已浮出水面：千台级交付是否达成、Magic-Mix是否有公开的开发者应用案例、意向合同转化率是否显著提升、机器人实际使用时长如何、售后存在哪些问题。

在火热的具身赛道里，魔法原子的样本意义在于，它代表了一种务实的升级思路：不把赌注押在单一路径的极致上，而是用多张牌的组合，来对冲产业化不同阶段的风险。

它的“现实主义”底色，正是中国具身智能全球化从“舞台和实验室”走向“工厂和产线”的缩影。最终，通往具身智能终局竞赛的入场券，或许不是最聪明的模型，而是最稳定的交付能力，以及“真机—数据—模型”这个循环的闭合速度。

升级布局的旗帜已经插到了硅谷。从中国走向海外，从工厂、商场走向更广阔的家庭场景，魔法原子面前的考卷，仍有待一一作答。