机器人行业正在经历一场典型的"淘金热"分化：卖铲子的比挖金子的先赚到了钱。

2026年中报季，这个分化被数据彻底坐实。优必选营收12.69亿元，同比翻了一倍多，净亏损仍达3.39亿元。新松机器人亏损额同比扩大近一倍。

2026上半年机器人相关企业营收对比数据表

而另一边，速腾聚创的机器人数据与感知业务板块已实现独立盈利，滴普科技AI数据相关业务带动第二季度单季扭亏为盈，净利润约3010万元。整机厂烧钱换规模，数据采集方开始兑现利润，行业的分化拐点已经到了。

诊断化验单，亏损是战略性失血，不是经营恶化

这份半年报化验单上，有两个指标比利润的亏损数字更值得关注。

第一个是毛利率。优必选整体毛利率44.7%，同比提升9.7个百分点。越疆科技毛利率47.4%，微升0.4个百分点。亏损扩大的企业，毛利率大多在改善而非恶化。这说明它们不是产品卖不出去被迫降价，而是卖掉一台机器人，毛利本身是健康的。

第二个是营收增速。优必选全尺寸人形机器人收入5.9亿元，同比增长1445%，首次成为公司第一大收入来源。珞石机器人上半年营收4.15亿元，同比增长135.8%。行业的出货量在真实放量，2026年上半年全球人形机器人出货量约1.91万台，中国厂商贡献超过97%。

亏损的出血点不在毛利端，而在费用端。优必选上半年研发费用3.03亿元，同比增长38.9%。新松机器人明确表示，亏损扩大的核心原因是"加大了半导体、机器人等前沿领域研发投入"。

一位行业分析师将这种亏损定性为"战略性亏损而非经营性亏损--毛利率稳固、现金流整体健康，企业主动选择用利润换技术空间"。

数据缺口，一个比整机更紧迫的瓶颈

把整机厂的亏损和数据采集公司的盈利放在一起看，中间的传导逻辑是：行业碰到了一个比造机器人更难的问题--训练机器人干活的数据严重不够。

当前国内真实物理交互场景合规数据仅50万小时，而机器人商业化落地需要数千万小时量级，缺口极大。整机厂商如果自己从零搭建场景、采集数据、标注治理，周期至少6个月，而且无法覆盖产线边缘的异常工况。

自贡数据有限公司签下的首笔"撕飞边"数据集订单，就是替整机厂解决了这个痛点：向无锡优奇智能交付300条工业场景数据集，单条定价100元，帮客户省掉了半年的自建采集时间。

数据采集方之所以能先兑现收入，是因为它们在这个缺口上找到了标准化、可复制的盈利模式，而不是像整机厂那样还在做定制化项目交付。2026年6月，全国启用超70家具身智能数据训练场，86%覆盖工业制造场景。

具身智能数据训练场内工作人员调试机械臂设备

8月31日，觅蜂科技交付第2万套无本体数采设备，累计产出可售卖数据超100万小时，成为全球首家跨越百万小时级门槛的服务商。从实验室里的零散项目，到设备量产、产能落地、百万小时级数据可售，这个规模化拐点发生在2026年年中，恰好赶在中报季集中兑现。

这场"铲子热"的生存预测

现阶段的盈利分化，并不意味着给机器人做数据采集就是一桩稳赚不赔的长期生意。它更像一个阶段性机会窗口，能不能持续，至少要看三个条件。

第一，数据采集的技术路线还在剧烈博弈中。真机遥操作精度高但成本大，无本体采集成本低但存在"仿真到现实"的迁移鸿沟，仿真数据生成效率最高但物理真实性存疑。

屏幕显示具身智能数据采集系统实时运行界面

北京首个人形机器人数据训练中心已经出现了合作方撤出的情况--睿尔曼智能退出集中数采中心，转向真实工厂场景的远程真机遥操，理由是"实验室环境参数可控、场景单一，导致机器人的环境泛化能力一般"。

如果未来仿真预训练、自监督学习或世界模型取得突破，今天重资产投入的物理采集产能可能面临技术路线替代的风险。

第二，行业对"需要多少数据"没有任何共识。据估算，达到智能涌现需要1亿小时训练数据，但没有任何公开验证证明大模型的Scaling Law可以直接套用在机器人领域。

北京人形机器人创新中心通州数采基地的负责人坦言："Scaling Law在具身领域究竟指向1000小时、100万小时还是1亿小时，现在没有定论，大家只是拿ChatGPT做了一个粗略的量化。"

如果最终所需数据量远低于当前预期，那么正在疯狂扩张的采集产能很快会面临供过于求，低质通用数据将无法变现。

第三，数据采集公司的盈利样本目前集中在头部，不代表全行业都在赚钱。开普云2026年上半年净利润为-1894.63万元，由盈转亏，其跨界布局的具身智能训练场尚未带来当期盈利贡献。

社交平台晒出的线下场景数据采集兼职相关截图

北京人形通州数采基地年产能18万小时，但基地负责人明确表示"目前不是靠数据采集业务挣钱"。这条产业链上，赚到钱的仍然是少数率先跑通标准化交付和规模化产能的企业。

反例同样存在于整机端。埃斯顿上半年归母净利润1.61亿元，同比增长2314%，核心驱动是全产业链自主化带来的毛利率提升。宇树科技上半年归母净利润2.74亿元，依托核心零部件自研降本和规模化量产实现扭亏。

这些反例说明，整机企业并非注定亏损，谁能率先打通"全产业链自研-规模化量产-成本控制"的闭环，谁就能提前进入盈利周期。

整体来看，机器人行业当前的分化，本质上是产业链不同环节的兑现节奏错位。数据采集方踩在了"行业急需数据、自建来不及、外部采购是唯一解"的窗口期，用标准化产能跑出了先发盈利优势。

但它的长期价值取决于两个变量：一是数据到底需要多少，二是整机企业什么时候建起自己的数据闭环。如果数据需求最终被验证为万亿级，或者整机厂的自回流数据模式失效，那数据采集方的"铲子"生意就会从阶段性红利变成长期壁垒。

反之，如果整机厂在三年内完成规模化盈利并搭建内部数据闭环，今天先赚钱的这批数据采集公司，可能需要重新找自己的位置。