具身智能的大脑，200亿一张门票

智平方和自变量又掐起来了。

前几天，彭博社刚曝出智平方准备明年赴港IPO的消息，紧接着，就传出自变量已经向港交所秘密提交了上市申请。

这不是巧合。就在一个月多前的6月29日，两家公司在同一天宣布完成新一轮融资，投后估值均超过200亿元。

200亿，这个数字放到往年还难以想象。如今已经变成了具身智能头部公司的新门槛。

按照公开口径披露，除去灵巧手类零部件厂商，跻身具身智能“200亿俱乐部”的企业至少有五家：智平方、自变量、星海图、千寻智能和银河通用。

要知道，这200亿俱乐部可是在收缩中被选出来的。

据烯牛数据《2026年H1中国私募股权市场深度解析报告》 ，截止2026年7月5日，LP（私募基金出资人）出资降了32.65%，政府类LP直接腰斩，单笔均值五年缩水44.8%。同时报告还指出，具身智能融资事件却同比增长107%，并在新晋独角兽企业TOP10中独占4席。

在商业化路径还未被验证时，五家公司通过高密度融资迅速越过200亿估值线。这是目前一级市场能给到的最高一档价格。

再往上，就只能借助IPO了，比如宇树和智元。

专注本体的宇树拥有业界顶尖的运控技术和控本能力，2025年，宇树的人形机器人出货达5500台，营收约17亿；智元出货量不相上下，超5000台，营收则超10.5亿。

最近，宇树的发行价刚刚出炉，上市估值为609亿元。智元进入IPO阶段后的目标估值是363到433亿元。

和上面两家巨头相比，200亿俱乐部里的成员有所不同，出货量基本还刚摸到顶流的门槛。那凭什么撑起这个估值？

参考市场上“确定性的定价”。宇树610亿的发行价和智元的目标估值，根据营收算下来的市销率都是35-40倍这个区间。拿这把尺子去量“200亿俱乐部”，算下来就是要有5亿上下年收入。收入达不到，只能证明溢价客观存在。

不难发现，这五家公司都不约而同地把重心押在了大脑上。而资本市场对机器人大脑的偏好，正在成为投资机构的共同判断。换句话说就是，市场普遍认为大脑更值钱。

这一点在海外市场表现得也很明显。比如不生产本体的Skild AI，核心产品是一套可适配机械臂、人形机器人和四足机器人的通用模型，今年估值飙到了140亿美元。Physical Intelligence同样专注跨本体、跨任务的具身基础模型，一年内估值从20亿美元涨到56亿美元。

和200亿区间之下的公司相比，这五家公司不只是选对了大脑这条正确的路，还在于他们拥有相对前沿的基座模型，扎实的数据闭环，以及清晰的落地场景。

资本正在以前所未有的速度给这个赛道重新定价。问题是，200亿这个价格，在具身智能行业中意味着什么？这200亿到底买的是什么？

五种大脑 解决同一组问题

当商业化路径还没跑通，技术实力就成了衡量公司价值的另一把标尺。

表面看这200亿买的都是大脑，或者说是基座模型，实际上五家公司的技术栈都各不相同，但又互相渗透。

目前市面上在大脑侧的主流路线仍然是VLA，区别在于是在VLA的基础上强化，还是把世界模型和VLA融合。强化VLA主要是为了解决模型“理解慢、行动快”这个问题，加入世界模型，则是让模型多一层推演能力，用来应对陌生场景的泛化。

智平方、星海图和千寻智能走的都是强化VLA路线。

为解决模型推理速度和实时控制之间的冲突，智平方的FiS-VLA采用了快慢双系统结构。慢系统负责理解指令、拆解任务和高层推理，快系统负责生成动作。这不是把两个模型简单拼接，而是将快系统嵌入慢系统，共享部分参数，以不同频率异步运行。一句话总结，就是既保留端到端的“快反应”，又借助L（语言模型）让整套系统能“思考”。

2026年，这套技术被进一步改造成了NeuroVLA大模型，变成“皮层—小脑—脊髓”的三层类脑结构。多出的小脑模块负责维持动作的稳定性，比如受到碰撞后能否快速反应。从架构上看，是进一步强化“快系统”的反应了。

同样是加快反应速度，星海图的解法是提高模型内部的信息传递方式。

早期VLA中，视觉、语言、动作之间的交流要依靠编码器来翻译，信息在传递中难免有压缩和丢失。因此，星海图的G0.5采用了一套统一自回归架构，去掉中间的编码器，把图像、推理和动作转化成统一的内部Token，放进同一序列生成。这样一来，推理就不只是动作模型的输入，而是成为动作生成的一部分，变得更丝滑。

相比前两个在架构上做文章，千寻智能就显得很“原教旨主义”，更相信VLA本身的Scaling能力。

千寻智能Spirit v1.5试图通过扩大数据规模和复杂度，让模型获得更强的跨场景泛化能力。尤其是未经高度筛选的“脏数据”，比如遮挡、停顿、失败的，以此避免模型只会模仿标准动作，而不理解复杂的长尾信息。

但强化VLA这条路线还是有局限。

因为具身模型更高层的目标还是对物理世界的理解和泛化。传统VLA能通过观察和指令做下一步动作，但不会根据环境预判，比如松开手杯子会落到哪里。将世界模型和VLA融合的路线，就是为了补齐这块短板。

自变量的WALL-B，就是把物理预测和视觉、语言、动作放到同一个网络联合训练，让机器人不单是模仿训练中的动作，还能在行动前预测动作可能造成的结果。

银河通用的模型架构最为复杂，因为他不是用一个模型包揽所有能力，而是把几个VLA模型放在一个基座上。其中包括负责上半身抓取的GALBOTVLA，负责下半身移动的TrackVLA，再加一个用来理解指令的人机交互层。合在一起称为GALBOT VLA。

到今年，GALBOT VLA基座又统一演化成了AstraBrain（银河星脑）。拆出来分别是：大脑（WAM 0.5）、小脑（WBC 0.5）、灵巧手神经控制（DexNDM）。是不是和智平方的类脑结构有点像？不仅如此，这个基座里大小脑的连接方式，同样采用了智平方同款的快慢双系统。

在作为大脑的WAM 0.5中，世界模型的作用不只是提供一个预测层，而是和VLA在一个模型里联合建模，直接参与动作规划。

总而言之，从架构上看，各家有各家的路线，但放到整个行业里，解决的其实是同一组问题：机器人能否从执行单个动作，走向完成几十个步骤组成的任务；能否从见过的物体，泛化到陌生物体；能否将一个本体学会的能力，迁移到另一种机器人上；能否在动作失败后自主恢复。

有意思的是，对比几家技术路线背后还有一层信号：路线之争打到最后，架构开始互相“抄作业”。这或许说明200亿之后，比拼的不再是谁选正确的路，而是谁在选定的路上跑得快。

要跑得更快，只从模型上下功夫还远远不够，更关键的瓶颈还在于数据。

数据， 重塑模型的权力

模型架构决定了机器人如何思考，但模型能否持续进化，最终取决于它能接触到什么数据。

在数据类型的配比上，行业里大致分两种：更注重真实数据，还是更倾向仿真数据。

真实数据是行业的共同痛点，数量少，价格高，而且复杂的长尾数据很难大量采到。优势也很明显，就在字面上，真实，迁移到训练上误差更小。

仿真路线的优势在于规模大、成本低，还能主动制造真实世界中很难采集的失败案例。但问题也同样明显，仿真环境无法完整复现真实世界中质感，移到真机时面临“Sim-to-Real Gap”的问题。

目前业内仍以真实数据为主。但具体采集方式是偏向遥操、无本体采集，还是让机器人直接下场，各家的侧重点都不一样。

无本体采集几乎是公认采集真实数据成本最低的方式。这就是英伟达一手缔造的EGO路线，这种方式比真人视频准确性更高，也比遥操便宜。

比如千寻智能，主要通过自研可穿戴设备扩大采集效率。这个路径能低成本记录人类操作，不用每一条数据配置一台机器人。

但人类身体和机器人本体的自由度、受力、动作范围并不完全一致，如何把人类动作精准地映射成机器人动作，仍是个问题。

也有很多公司直接把产品当成采集工具，用模型绑定本体，机器人一边干活一边产生数据，再把数据回流到模型训练，形成闭环。这在行业内被称作数据“部署回流”。相比EGO和遥操，部署回流解决的是真实分布对齐+持续进化，可以认为是最顶层也是最具价值的数据。

星海图、千寻智能、自变量、智平方比较青睐这个模式，只不过数据入口不一样，厂商们选择的难易度也不尽相同。

星海图的数据来源主要依靠开发者，开发者多数没有适配要求，部署成本更低，但收上来的数据也更杂。

千寻智能和智平方倾向工业数据，比如让机器人在工厂承接检测、装配、物流等工作。这类数据对于提升商业交付能力最有效。

问题是覆盖范围通常较窄。一条汽车产线与一家半导体工厂的数据分布可能完全不同，如果每进入一个客户都需要重新开发，数据闭环可能得退回项目制。

自变量的重心则放在最复杂的家庭数据上。比如让机器人跟着保洁去客户家里收拾桌面、叠衣服。一百个家庭可能有一百种环境，光线、物品摆放、人和宠物的移动，都是变量。这意味着，这条路线的数据标准化难度更大。

无论如何，对大部分公司来说，真实数据都是模型训练的基底，也是确定模型能力的边界。

但业内从不缺唱反调的人，银河通用就是较早大规模押注仿真合成数据的公司。其GraspVLA几乎完全是基于合成动作数据完成的预训练，合成数据集里装了十亿帧的机器人抓取数据。

在仿真环境中，可以通过改变物体的材质、位置和背景，让机器人在短时间内经历不同状态，迅速习得一些技能。但在后训练和现实适配环节，依然需要真机数据来校对和强化。因此，银河通用也在从纯仿真往混合方向转，数据基座除了覆盖互联网视频、仿真合成，也有真机遥操和机器人回流。

表面上，资本给这五家公司支付的都是大脑的价格，背后买的其实是不同的模型架构与数据生产方式。

从200亿元走向更高估值，最终比拼的也不只是模型发布时跑赢了多少项评测，而是谁能持续获得数据，让每一台已经部署的机器人，都成为下一代模型的训练入口。

但目前阶段，谁家的机器人都没走到真正启动的状态，模型架构也好，数据闭环也好，都是为了在这之前，调整到一个更好的起跑姿势。

大脑， 在落地中被定价

技术上的快速迭代和商业化尚未验证，使得市场对具身智能行业的评估标准也一直在变。虽然200亿买的是一个长期预期，但资本更要看到具体落地的可能。

从今年WAIC就能看出，行业追求落地的趋势愈加明显。所有的机器人都在干活，有的把汽车产线搬到展厅，让机器人在里面演示上下料；有的布置成超市和药房，机器人负责从货架上递商品；有的是家庭客厅，机器人帮人把衣服送进洗衣机。

虽然都是干活，但场景和场景之间亦有不同。

工业被市场认为是具身智能最先实现商业化的场景。

这类场景流程相对清晰、价值容易量化。机器人能否完成任务，也可以通过节拍、成功率、故障间隔和人工替代率直接衡量。一旦通过验证，客户复购的可能性也相对较高。

宁德时代的工厂里，就部署了银河通用和千寻智能两家的机器人。银河通用的Galbot S1做物料搬运、拣选等重载任务；千寻智能的小墨负责柔性线束的插接，号称成功率99%以上，作业节拍达到熟练工人水平。

同样押注工业场景的还有智平方。去年，智平方和惠科（半导体）签了三年1000台的机器人订单，覆盖仓储物流、零部件装配和质检测试，同时也和东风柳汽和华熙生物展开场景合作。

工业之外，更有可能跑通的就是零售。

这类场景同样具备标准化的基础，货架、商品位置、工作流都可以提前设计出来。同时，这些工作内容重复、营业时间长，也容易体现机器人连续作业的优势。

银河通用在零售领域也有布局，而且更有辨识度。Galbot G1曾在中关村论坛完成数千杯咖啡取送，任务成功率达到99.97%；在智慧药房，可以完成药品抓取、识别和追溯码采集；甚至放到零售太空舱，让机器人尝试自主完成商品售卖。

按照场景的标准化梯度排，家庭场景的难度最高，距离成熟的商业化也最远。工厂可以固定灯光、物料位置和工作节拍，在家庭中这些变量却很难统一。而且，机器人即使能完成80%的任务，剩余20%的错误也可能带来额外的人力成本，甚至抵消效率收益。

由此看来，自变量主攻的家庭场景，目前更大价值在于获得真实数据和验证模型能力，而不是证明商业模式的成立。

如果说以上几家都是在"让机器人干活"上寻求落地，星海图目前更像一个卖铲子的。

他的R1 Pro和R1 Lite主要被用于模型研发、数据采集和后训练，而不是让机器人在应用场景直接产生价值。这说明，星海图的出货方向仍停留在科研、数据采集这样的过渡需求上，比起行业应用，他对商业化的理解更接近做开发平台。

这么一算，五家公司其实只有四种生意：智平方和千寻卖工业劳动力，银河通用工业零售通吃，自变量赌家庭，星海图卖工具。

过去，机器人模型的能力往往是通过一段精心设计的视频展示。如今，各家几乎都在用更实际的落地，让大脑这个复杂的技术变得可以被测量。

这些指标会逐渐将200亿元估值中的想象拆开。比如固定时间内自主完成多少任务，任务成功率是多少，效率达到人工的百分之多少，失败后需要几次人工接管。

同时，这是投资者们愿意押注200亿的底色，也是一次筛选的结果。在LP出资缩水三成的年份里，活钱没有变多，只是变得更集中。这决定了公司们天生背着“只能赢、不能输”的压力。

押注机器人大脑，本身是一项长期投资。语言模型可以在数据中心里快速迭代，机器人模型却必须反复进入工厂、商店和家庭，在物理世界中经历碰撞、磨损和失败。每一次技术突破，都可能需要数年的数据积累和工程优化。

市场需要给企业足够的时间穿越这个周期，公司也需要用真实指标回应这份耐心。

责任编辑 | 陈斌