سرمایهگذاری خطرپذیر در حوزه استارتاپهای رباتیک در سال ۲۰۲۶ با شتابی بی‌سابقه افزایش یافته است و بخش عمده این جریان سرمایه به سوی شرکتهای مستقر در چین و ایالات متحده روانه میشود. دادههای جدید کرانچبیس نشان میدهد که مجموع تأمین مالی خطرپذیر برای استارتاپهای رباتیک در سهماهه سوم سال جاری به ۹.۹ میلیارد دلار رسیده است؛ رقمی که بیش از دو برابر سرمایهگذاری ۴.۳ میلیارد دلاری ثبت‌شده در سهماهه سوم سال ۲۰۲۵ به شمار می‌رود.
این آمار ادامه‌دهنده زنجیره‌ای از سه‌ماهه‌های متوالی است که در آن‌ها حجم سرمایهگذاری به مرز ۱۰ میلیارد دلار نزدیک شده یا از آن عبور کرده است. در مجموع، کل سرمایه جذب‌شده در بخش رباتیک طی ۹ ماهه نخست سال ۲۰۲۶ رشدی در حدود ۱۸۵ درصد را نسبت به مدت مشابه سال گذشته تجربه کرده است.
ایالات متحده و چین با فاصله‌ای چشمگیر هدایت این بازار را در دست دارند. از ابتدای سال جاری تاکنون، بیشترین حجم تأمین مالی به چین با ۱۳.۲ میلیارد دلار و سپس به آمریکا با ۱۲.۱ میلیارد دلار اختصاص یافته است. کشور آلمان به عنوان سومین مقصد بزرگ سرمایه‌گذاری‌های رباتیک، با جذب ۱.۷ میلیارد دلار فاصله زیادی با دو رقیب صدرنشین دارد.
در چین، بزرگ‌ترین راندها متعلق به شرکت Xpeng Robotics مستقر در گوانگژو بود که ۹۰۰ میلیون دلار برای توسعه مدل‌های هوش مصنوعی و ربات‌های فیزیکی جذب کرد؛ و همچنین شرکت AI² Robotics در شنژن که در حال ساخت ربات‌های هوشمند برای خطوط تولید صنعتی، حوزه سلامت و خدمات عمومی است و توانست یک دور سری C به ارزش ۷۳۶ میلیون دلار را نهایی کند. در آمریکا نیز دورهای میلیاردی متعددی ثبت شده است؛ از جمله شرکت Atoms در لس‌آنجلس که توسط تراویس کالانیک (بنیان‌گذار اوبر) تأسیس شده و فعالیت‌های آن شامل روباتیک در حوزه آشپزخانه‌های ابری، معدن و حمل‌ونقل است، و همچنین شرکت Skild AI در پیتسبورگ که ۱.۴ میلیارد دلار برای توسعه مدل پایه رباتیک خود با نام Skild Brain جذب کرد. علاوه بر این، شرکت آلمانی Neura Robotics نیز موفق به جذب ۱.۴ میلیارد دلار برای توسعه زیرساخت هوش و ربات‌های شناختی خود شد.
اولریک استیگ هانسن، هم‌بنیان‌گذار و مدیرعامل شرکت Encord که ارائه‌دهنده لایه داده برای هوش مصنوعی فیزیکی است، در حاشیه نشست Long Horizon Physical AI در سان‌فرانسیسکو توضیح داد که جهان در حال تجربه آغاز پرواز هوش مصنوعی فیزیکی است. به گفته او، اگرچه توان محاسباتی و ذخیره‌سازی برای پشتیبانی از این سیستم‌ها با سرعت رشد کرده، اما ساخت و آموزش مدل‌ها برای جهان فیزیکی زمان‌بر است؛ به‌ویژه در مقایسه با مدل‌های زبانی بزرگ که روی اقیانوسی از متن‌های آماده در اینترنت آموزش دیده‌اند. او تأکید کرد: «هوش مصنوعی فیزیکی کاملاً متفاوت است، زیرا اینترنتی از دادههای حرکتی فیزیکی وجود ندارد؛ بنابراین ابتدا باید داده‌ها جمع‌آوری شوند و سپس توکن‌های حسی به توکن‌های حرکتی و اقدام تبدیل گردند.»
هانسن اشاره کرد که حجم مجموعه‌داده‌ها در هوش مصنوعی فیزیکی چندین مرتبه بزرگ‌تر است و نیازمند ادغام دادههای چندوجهی شامل بینایی، حس لامسه، نیرو و گشتاور است. جمع‌آوری، پاک‌سازی، غنی‌سازی و اعتبارسنجی این حجم از داده برای فعال‌سازی سیستم‌ها فرآیندی بسیار پرهزینه است. به باور کارشناسان، صنعت رباتیک در حال حاضر در فاز پیش‌آموزش (Pre-training) هوش فیزیکی قرار دارد و به زودی وارد مرحله پس‌آموزش (Post-training) خواهد شد.
در حال حاضر حدود ۷۵ شرکت رباتیک در باشگاه تک‌شاخ‌ها (یونیکورن) جای گرفته‌اند که طی سه سال اخیر تأمین مالی شده‌اند. نکته حائز اهمیت این است که بیش از نیمی از این شرکت‌ها (۴۵ شرکت) تنها در طول سال ۲۰۲۶ به ارزش‌گذاری میلیاردی رسیده‌اند. با وجود ابهاماتی که پیرامون برندگان نهایی این موج وجود دارد، تنوع کاربردهای فیزیکی در صنایع سنگین، تولید، لجستیک و امور خانگی فضایی را ایجاد کرده که استارتاپهای متعددی شانس موفقیت پایدار خواهند داشت.