93,5 Milliarden Yuan an heißem Spekulationskapital und kalter Ernüchterung: Wird Unitree die letzte Wunderaktie im Bereich der Embodied Intelligence?

Gerade heute hat Unitree Technology offiziell den Sci-Tech Innovation Board (STAR Market) notiert und ist damit zum „ersten Aktienkurs für humanoide Roboter“ an der A-Aktien-Märkten geworden. Der Eröffnungskurs betrug 1100 Yuan pro Aktie, was im Vergleich zum Emissionspreis von 150,80 Yuan einem Anstieg von 629,44 % entspricht und damit den neuen Rekord für den höchsten Eröffnungsanstieg eines neuen Börsenunternehmens in diesem Jahr aufstellt.

Dieses Fest des Kapitalmarkts wirkt wie ein auffälliger Fußnote für den sich stetig erwärmenden Bereich der Embodied Intelligence.

Laut dem „Bericht über Investitionen und Finanzierungen im Bereich der chinesischen Embodied Intelligence im ersten Halbjahr 2026“ von IT Juzi gab es im ersten Halbjahr dieses Jahres insgesamt 322 Finanzierungsereignisse im inländischen Bereich der Embodied Intelligence mit einem Gesamtfinanzierungsvolumen von 93,5 Milliarden Yuan; davon entfielen 190 Frühphasenfinanzierungen wie Seed-Runde, Angel-Runde und Pre-A-Runde auf 58,94 % aller Finanzierungsereignisse, was zeigt, dass das Kapital immer noch bereit ist, in noch nicht vollständig ausgereifte Technologien und Startup-Teams zu investieren. Die Top 20 Unternehmen nach Finanzierungsvolumen (z. B. Autonomous Robotics, Zhifang, Qianxun Intelligence usw.) erhielten zusammen 55 Milliarden Yuan, was 59 % des gesamten Finanzierungsvolumens des Bereichs entspricht, was darauf hindeutet, dass große Gelder sich schnell auf wenige führende Projekte konzentrieren.

Betrachtet man nur diese Zahlen, scheint die Embodied Intelligence sich immer noch in der heißesten Phase zu befinden.

Aber wenn man den Blick von den Finanzierungsmitteilungen auf den tatsächlichen Finanzierungsprozess lenkt, entsteht ein anderes Gefühl. Die ununterbrochenen Nachrichten über große Finanzierungen können Gründern leicht eine Illusion vermitteln: Der Bereich ist so heiß, das Geld sollte immer noch leicht zu bekommen sein. Aber nachdem sie tatsächlich mit der Finanzierung begonnen haben, stellen einige Startups fest, dass Investoren vorsichtiger werden und Projekte einen längeren Kommunikations- und Bewertungsprozess durchlaufen müssen. Sogar Unternehmen, die bereits mehrere Finanzierungsrunden nacheinander abgeschlossen haben, können deutlich spüren, dass die Fragen der Investoren immer konkreter werden.

Minnie, ein Investor eines Zwei-Währungs-Fonds, der den Bereich der Embodied Intelligence seit langem beobachtet, sagte zu Xiaguang AI, dass er kürzlich deutlich gespürt hat, dass das tatsächliche Investitionsniveau der Branche sinkt, der Markt sich in einem Zustand der „verbleibenden Wärme“ befindet, die Investoren haben noch Geld, aber Investitionsentscheidungen werden immer rationaler.

Dieses Gefühl spiegelt sich auch in den Urteilen einiger Industriekapitalien wider. Im Juli dieses Jahres sprach Wang Guangxi, Vizepräsident der Lenovo Group und Managing Partner von Lenovo Capital, während der Lenovo Capital Week, dass der Markt für Embodied Intelligence derzeit „überhitzt“ ist und die Bewertungen stark aufgeblasen werden. Da führende Unternehmen nacheinander an die Börse gehen und immer mehr Roboter in echte Geschäftsszenarien eintreten, könnte diese von Kapital angetriebene Wärme ab der zweiten Hälfte dieses Jahres oder im nächsten Jahr langsam abklingen.

Das bedeutet, dass die aktuelle Finanzierungswelle der Embodied Intelligence in eine heikle Phase eintreten könnte: Die Finanzierung wird weitergehen, aber der frühere Zustand, in dem Kapital schnell einströmt und bei Gelegenheit entschlossen investiert wird, schwächt sich ab. Sogar einige Gründer beginnen zu zweifeln, ob die heute zu sehenden dichten Finanzierungen bereits das Ende dieser konzentrierten Freisetzung von „heißem Geld“ erreichen.

Wird die Finanzierung der Embodied Intelligence wirklich die Ära des „verstreuten Geldausgebens“ beenden?

Ein Demo reicht nicht mehr aus, um Investoren zu überzeugen

Zhirong ist ein Unternehmen für physische Intelligenzmodelle, dessen Kernprodukt ZRPhysicalWorld ist. Seit Mai dieses Jahres hat Zhang Yunbo, Gründer, CEO und CTO des Unternehmens, intensiv Investoren getroffen, und bis heute hat er mehr als ein Dutzend getroffen.

Im Verlauf des Prozesses spürte er deutlich eine Veränderung: Früher konnten Gründer im Bereich der Embodied Intelligence mit einem Demo zu Investoren gehen und, solange sie beweisen konnten, dass „dieses Ding funktioniert“, die Chance auf weitere Gespräche erhalten. Jetzt konzentrieren sich Investoren nicht mehr nur auf die technische Demonstration selbst, sie sind nicht mehr bereit, einige technische Details anzuhören, sondern fragen direkt: „Sagen Sie es in einem einfachen Satz: Was genau können Sie tun?“

Diese Frage scheint einfach zu sein, zwingt die Gründer jedoch, ihre Ausdrucksweise neu zu ordnen.

Denn wenn eine Branche noch sehr jung ist, sind der Hintergrund des Teams, die technische Route und die Urteile des Gründers selbst Teil der Geschichte; wenn immer mehr Unternehmen in denselben Bereich eintreten, müssen Investoren wissen, wo genau die Fähigkeiten und Unterschiede jedes Unternehmens liegen, abgesehen von der Aussage „Ich mache auch Embodied Intelligence“.

Quan Bo von Lighthouse Capital (FA) teilt die Finanzierungssituation der letzten Jahre in drei Wellen ein.

Die erste Welle dauerte von Ende 2023 bis 2024, typische Vertreter dieser Phase sind Galaxy, Unitree und Zhiyuan. Damals war der Markt für Embodied Intelligence noch relativ fremd, Investoren achteten zuerst auf das Team, die technische Richtung und die Konzepte. Die zweite Welle fand 2025 statt, die Branche begann, mehr technische und produktive Leistungen zu sammeln, und Investoren begannen, neben dem Team auch auf konkretere Dinge wie Datenfähigkeit und Demo zu achten. Im ersten Halbjahr dieses Jahres trat die dritte Welle ein, und der Schwerpunkt der Marktaufmerksamkeit verlagerte sich weiter auf Szenarien und Umsetzung.

Die Entwicklung dieser drei Phasen bedeutet nicht nur, dass das Finanzierungsvolumen immer größer wird, sondern auch, dass sich die Art und Weise ändert, wie Investoren die Branche verstehen.

Anfangs mussten sie die Frage beantworten: Ist dies eine Richtung, in die es sich zu investieren lohnt? Später wurde die Frage: Kann dieses Team das Produkt tatsächlich herstellen? Jetzt wird die Frage weiterentwickelt zu: Welche Probleme kann es nach der Fertigstellung tatsächlich lösen?

Aus diesem Grund beginnen Investoren heute, bei der Bewertung eines Embodied-Intelligence-Projekts gewohnheitsmäßig mehrere konkretere Fragen zu stellen.

„Was ist die Positionierung, welchen Markt bedient man, wie plant man das Rollout.“ Minnie gab an, dass er diese drei Fragen zur ersten Filterung verwendet, wenn er Projekte prüft.

Lighthouse Capital, als führendes FA im Bereich der Embodied Intelligence, achtet bei der Übernahme von Projekten ebenfalls auf mehrere Schlüsselpunkte.

Erstens: Welches Problem löst ein Unternehmen tatsächlich für Kunden oder den Markt? Löst es ein bereits vorhandenes bestehendes Bedürfnis oder schafft es einen neuen inkrementellen Markt? Im Wesentlichen geht es darum, das Value Proposition eines Unternehmens zu prüfen.

Zweitens: Die Fähigkeit selbst. Wie sind Algorithmen, Modelle, Daten und Trainingsmethoden beschaffen, wo liegen die echten Fähigkeitsbarrieren.

Drittens: Die Kommerzialisierungs- und Lieferfähigkeit, die in diesem Jahr höher eingestuft wird: Wenn das Produkt auf den Markt kommt, kann die Lieferung abgeschlossen werden, und können Kommerzialisierungsfähigkeit und Lieferfähigkeit Schritt halten.

Dahinter steckt ein sehr realer Grund: Bei Unternehmen im selben Bereich heute ist es anhand der externen Darstellung im Geschäftsplan des Unternehmens schwer, wirklich zu beurteilen, wer über stärkere Fähigkeiten verfügt. Jeder Hersteller von Gehirnmodellen kann behaupten, dass sein Modell das stärkste ist, und Hersteller von Roboter-Körpern haben jeweils eigene Stärken, einige zeigen Tanzfähigkeiten, andere Fußballfähigkeiten, wieder andere treten in Einzelhandelsszenarien ein.

Dennoch sind diese Demos nicht wertlos. Nach Ansicht von Quan Bo ist Tanzen und Fußballspielen selbst eine Art Fähigkeitsdarstellung. Das Tanzen von Robotern kann hinter der Fähigkeit zur Bewegungssteuerung stehen; wenn diese Fähigkeit auf andere Aufgaben generalisiert werden kann, ist es nicht nur ein Demo für „Tanzen“. Sogar die Darstellung dieses emotionalen Werts selbst ist sinnvoll, aber von dem emotionalen Wert zu industriellen Problemen und dann zu Produkten, die Endverbraucher wirklich kontinuierlich nutzen möchten, muss Schritt für Schritt erreicht werden.

Daher schauen Investoren nicht plötzlich nicht mehr auf Demos, sondern das, was ein Demo repräsentiert, hat sich geändert.

Früher konnte ein Demo beweisen: „Ich kann es machen“. Jetzt möchten Investoren viel mehr wissen: Welche deiner Fähigkeiten beweist dieses Demo, ob diese Fähigkeit weiterentwickelt werden kann und wohin sie letztendlich führen wird.

Die Finanzierung steigt weiter, aber das Kapital wechselt den Gang

Wenn die Urteile der Investoren vorsichtiger und konkreter werden, entsteht ein scheinbar widersprüchliches Problem: Warum gibt es bis heute immer wieder neue Nachrichten über große Finanzierungen im Bereich der Embodied Intelligence, die nie unterbrochen werden?

Die Antwort liegt zuerst in der eigenen Logik der „fortlaufenden Finanzierung“.

„Der Markt in diesem Jahr ist immer noch sehr heiß, insbesondere für Fonds mit chinesischer Währung: Wenn sie nicht in die Hochwertige Fertigung investieren und nicht viele Richtungen für KI-Software haben, ist Embodied Intelligence immer noch ein wichtiger Investitionsort“, sagte Minnie. Allerdings bedeuten Unternehmen, die in diesem Jahr mehrere Finanzierungsrunden nacheinander erhalten haben, nicht unbedingt, dass diese Unternehmen plötzlich intensive Investitionen vom Kapitalmarkt erhalten haben. Ein Teil der Unternehmen ist tatsächlich bereits letztes Jahr in den Finanzierungsmarkt eingetreten, und dieses Jahr ist nur der Zeitpunkt gekommen, an dem phasenweise Ergebnisse leichter sichtbar sind.

Es gibt eine andere Art von Unternehmen mit einer anderen Situation: Sie verfügen über starke technische Fähigkeiten, sind aber erst spät auf den Markt eingetreten und hatten eine relativ niedrige frühe Bewertung, sodass sie durch mehrere aufeinanderfolgende Finanzierungsrunden ihre Bewertung allmählich auf das allgemein übliche Marktniveau heben können.

Quan Bo verwendete einen sehr bildhaften Ausdruck – „Karten aufdecken“.

Früher befand sich der Kapitalmarkt ständig in der Phase der Investition. Jedes Unternehmen hat eigene Merkmale bei Team, Geschichte und technischer Route, und Investoren können kaum wissen, wer am Ende erfolgreich sein wird, daher sind alle bereit zu investieren, sogar in einigen Phasen relativ gleichmäßig zu investieren.

Aber in diesem Jahr beginnt die erste Karte aufgedeckt zu werden. Modellfähigkeit, Datenfähigkeit, Umsetzungsfähigkeit in Szenarien – diese Dinge, die früher in der Präsentation geschrieben standen, zeigen nun tatsächliche Leistungen. Einige Unternehmen laufen deutlich schneller als ihre Konkurrenten, daher konzentriert sich das Kapital natürlich weiter auf diese Unternehmen; während für einige andere Projekte, deren Leistungen nach dem Aufdecken der ersten Karte die Erwartungen der Investoren nicht erfüllen, die nachfolgende Finanzierung schwieriger wird und der Markt sich stetig differenziert.

Das Aufdecken der ersten Karte lässt den Markt nur die Karten in der Hand sehen, bedeutet aber nicht, dass das Ergebnis bereits feststeht. Unternehmen mit hoher Gewinnwahrscheinlichkeit heute behalten ihren Vorteil in der nächsten Phase möglicherweise nicht immer; umgekehrt können Unternehmen, die heute eine relativ niedrige Gewinnwahrscheinlichkeit aufweisen, durch technische Durchbrüche oder Fortschritte bei Szenarien wieder aufholen. Wenn die nächste Karte aufgedeckt wird, wird der Markt erneut beurteilen.

Diese Filterung wird fortgesetzt und sich entlang der industriellen Kette der Embodied Intelligence tiefer ausbreiten. Der Markt achtete zuerst auf die Roboter-Körper, und viele der Unternehmen, die heute kurz vor dem Börsengang stehen, sind Hersteller von Roboter-Körpern. Danach verlagert das Kapital seine Aufmerksamkeit auf das Embodied Brain; später tauchen in detaillierteren Gliedern wie Datenerfassung und taktilen Sensoren nacheinander Unternehmen auf, die große Finanzierungen erhalten können.

„Das zeigt genau, dass das Verständnis von Kapital und Industrie für Embodied Intelligence Schritt für Schritt voranschreitet: Investoren brauchen Zeit, um zu verstehen, welche Probleme es in dieser Branche gibt, welche Probleme am wichtigsten sind und welche Fähigkeiten wirklich Investitionswert haben“, sagte Zhang Yunbo.

Minnie beobachtete auch diese entscheidende Veränderung. Er ist der Ansicht, dass solange das Branchen-β im Bereich der Embodied Intelligence vorhanden ist und Daten kontinuierlich in das Modell eingespeist werden können, gibt es theoretisch noch Raum für die Verbesserung der Modellleistung. Daher ist es kurzfristig schwer, einfach zu sagen, dass eine bestimmte technische Route bereits widerlegt wurde. Ein Schlüsselproblem, das die weitere Entwicklung der Branche einschränkt, ist nach wie vor die Daten.

Aber viele Daten bedeuten nicht, dass die Daten effektiv sind. Rückblickend auf die erste Welle des Marktes sagte er, dass die Branche in der Frühphase tatsächlich viele „scheinbar fleißige“ Arbeiten ausgeführt hat, und einige Daten haben keinen echten Wert erzeugt. Zum Beispiel ergibt das direkte Einspeisen einer großen Anzahl nicht gefilterter Daten in das Modell nicht automatisch gute Trainingsergebnisse. Das eigentliche Problem ist, dass die Branche zuerst herausfinden muss, welche Daten wertvoll sind und wie die Daten angepasst werden können.

„Die Fähigkeit zur Datenanpassung inländischer Modellanbieter war in der Vergangenheit relativ schwach, und die Branche war lange Zeit eher im Gefolge. Da alle nun tatsächlich in die Phase des Modelltrainings eintreten, werden die Qualität, die Erfassungsmethoden und die Anpassungsfähigkeit der Daten selbst zu Kernproblemen.“

Zhirong hat bereits sehr früh über dieses Problem nachgedacht.

Im Jahr 2019, als das Team von Zhang Yunbo mit der Arbeit an Robot Learning begann, war der Begriff „Embodied Intelligence“ noch nicht so populär wie heute. Das zu lösende Problem war sehr einfach: Kann man Roboter durch KI-Modelle dazu bringen, einige Dinge selbstständig zu erledigen.

Nachdem sie tatsächlich begonnen haben, Modelle zu trainieren und Algorithmen zu entwickeln, stießen sie auf das realistischste Problem – ohne Daten kann das Modell überhaupt nicht laufen.

Daher begann das Team zu diesem Zeitpunkt, ständig Methoden zur Datenerfassung zu erforschen, und entwickelte allmählich die technische Route, die es bis heute beibehält: Daten und Modell zusammenzuführen, sodass beide einen kontinuierlichen geschlossenen Zyklus bilden.

Sein Kernproduktsystem umfasst KI-gestützte Datenerfassung, ein physisches Intelligenz-Trainingsfeld und ein physisches Weltmodell. Es soll Daten aus realen Aufgaben in das Modelltraining einfließen lassen und die Modellfähigkeiten wiederum die Datenerfassung und Aufgabenausführung unterstützen, wodurch ein schnelleres