QUOTE
路线之争的终结,不是因为谁赢了辩论,而是因为账算不过来了。
2026 年上半年,国内具身智能赛道融走了1091.74 亿元,诞生了多家估值超过两百亿的独角兽。
同一时间,行业里曾经争吵最激烈的声音,忽然安静了下来。
在 2024 年和 2025 年,具身智能领域最大的争论是路线之争。一派坚信纯端到端 VLA 能靠数据规模推平一切,另一派坚信必须依赖世界模型对物理规律建模。
两派论文在各大顶会互相打架,发布会上的技术术语满天飞。
到了 2026 年下半年,这场争论几乎没人再提。
从硅谷的 Physical Intelligence、Figure AI,到国内头部的智平方、银河通用、千寻智能、自变量机器人,头部的技术路线正在迅速走向收敛。
世界模型不再被当成 VLA 的对手,而是被装进了 VLA 的系统里;快慢双系统成了标配,类脑的三层架构开始被公认为演进方向。
技术路线突然不吵了,不是因为哪位学者在理论上说服了所有人。而是在真实的工位、算力账单和客户交付要求面前,物理法则用最冷酷的方式,逼所有人做出了同一种妥协。
01
EVOLUTION
四代演进的物理纠偏
具身大模型走到今天,经历了四次关键的代际跨越。
每一次跨越,都是在给上一代的理论假设补漏。
GENERATION 01 · 2024.06
端到端 VLA:一个网络包办所有
第一代是 2024 年 6 月出现的端到端 VLA。智平方发布 RoboMamba,入选 NeurIPS 2024,行业开始尝试把视觉、语言和动作绑在同一个神经网络里。
当时大家最乐观的假设,是复制大语言模型的 Scaling Law:只要塞进去足够多的视频和动作数据,机器人就能自然学会干活。
现实很快给出了警告。纯粹的端到端大模型推理速度慢,控制频率通常只有5 到 15 Hz。
机器人动作迟缓,一个简单的抓取动作要在空中停顿数秒;一旦现场光线变化或遇到轻微碰撞,大模型根本来不及反应,机械臂直接撞停在传送带上。
GENERATION 02 · 2025.06
快慢双系统:把推理和执行拆开
第二代是 2025 年 6 月出现的快慢双系统。智平方推出 FiS-VLA,星海图拿出 EFM-1。
大家开始将系统拆分为两层:慢系统负责高层语义理解和任务规划,快系统负责高频动作执行。控制频率被推到了117.7 Hz,机器人终于不再像电影慢动作一样卡顿。
但第二代依然解决不了物理预测问题。纯反应式的策略网络缺乏时序动力学建模,一旦工件被视野遮挡,或者抓取过程中出现未建模的接触干涉,动作就会严重漂移。
GENERATION 03 · 2025.11
世界模型与 VLA 融合
于是行业在 2025 年 11 月推出了第三代:世界模型与 VLA 融合。
智平方的 Video2Act、银河通用的 AstraBrain 以及自变量机器人的 WALL-B,开始让大模型在特征空间预演动力学演化,预测重力、摩擦力与接触形变。
GENERATION 04 · 2026.04
类脑三层:大脑皮层、小脑、脊髓
到了 2026 年 4 月,第四代类脑架构正式成型。
智平方发布 NeuroVLA,将整套系统细化为“大脑皮层、小脑、脊髓”三层体系。
大脑皮层负责多模态推理与长期任务规划,小脑负责运动技能协调与快慢系统桥接,脊髓层则通过脉冲神经网络处理毫秒级的低层反射控制。
从一代到四代,表面看是模型架构越来越复杂。
这背后的真实驱动力,是早期的技术假想在物理世界里接连碰壁,工程师们被迫照着人类神经系统的分工,把原本指望一个黑盒解决的任务一层层拆解。

02
CONSTRAINTS
三条路线收敛背后的三道工程硬约束
2026 年的具身大模型头部图谱里,原本定义完全不同的三条技术路线,正在互相渗透。
ROUTE 01
纯 VLA 扩展
Physical Intelligence π0.7 / Figure Helix 02 / 智元启元系列
在策略网络里外挂轻量世界模型来生成子目标
ROUTE 02
世界动作模型(WAM)
英伟达 GR00T N2 / Cosmos 3、Meta V-JEPA、星海图 Fast-WAM
将动作列为与语言、视频并列的基座模态,但落地执行端依然要接低层控制网
ROUTE 03
融合路线
银河通用 / 千寻智能
早早把快慢系统融进了一体化底盘
路线之所以收敛得这么快,是因为所有人都撞上了同三道物理与工程硬约束。
CONSTRAINT 01
算力成本账
1 万张
H100 训练用量
3 个月
Cosmos 1 训练周期
数美分
单次云端抓取推理
纯世界模型的高保真推演极其消耗算力,英伟达训练 Cosmos 1 的账就是最直观的样本。如果每一次抓取都要靠云端大模型做多步视频未来预测,单次动作的推理成本会高到没有任何工业或商业客户能够承受。
必须由高频快系统在端侧直接输出控制指令,世界模型只能以低频形式按需介入。
CONSTRAINT 02
控制频率与延迟死线
200 ms
云端通信 + 推理
20 ms
安全反射上限
80.2%
急动度峰值降幅
工业与商业服务现场对物理干涉的容忍度是毫秒级的。机械臂在执行高精度装配或搬运易碎物品时,传统的云端大模型通信加上模型推理延迟,足以导致机械臂击碎工件或损坏末端灵巧手。
智平方在 NeuroVLA 中单设脊髓层,目标就是把碰撞后的安全反射压进安全窗口,同时让急动度峰值显著下降。
CONSTRAINT 03
端侧功耗墙
1–2 kWh
整机电池容量
0.4 瓦
脊髓层推理功耗
2.19 ms
端侧推理延迟
一台标准全尺寸人形机器人背负的锂电池组,既要驱动全身数十个高功率关节电机持续做功,还要为板载计算平台供电。如果端侧计算单元的功耗达到几百瓦,整机的有效作业时间将直接被压缩至 1 小时以内。
智平方将脊髓层神经元部署在脉冲神经网络上,把推理功耗与端侧延迟同时压下来。
当物理世界把能耗极限、通信延迟与单次作业成本白纸黑字列入工程指标时,理论上的学派分歧就失去了生存空间。
能进入量产测试的模型,无一例外走向了分层自治的复合架构。
03
VALUATION
硬件溢价塌缩与控制权转移
技术路线收敛的同时,整个赛道的资本结构与利益分配发生了彻底的倒挂。
2024 年之前,行业里最吸金、估值最高的是本体制造商。谁的双足走得稳、谁能空翻、谁的关节自由度多,谁就能拿到最高的资本溢价。
到了 2026 年,硬件本体的溢价空间正在被迅速压缩。
宇树科技登陆科创板后的 2026 年三季报,把本体厂商的利润压力写得很清楚。
6.65 亿元
Q3 营收 · 同比 +69.93%
1.13 亿元
归母净利 · 同比 -17.37%
10.19 亿元
期末存货 · 较年初 +277%
扣非净利润同比下滑 18.78%;前三季度研发投入大幅增加,第三季度研发费用同比激增 249.58%,占营收比重抬升至 19.1%。
宇树平均销售单价 · 2023—2025
59.34 万
2023 年均价
26.04 万
2024 年均价
16.64 万
2025 年均价
降幅超过71%。虽然其在 2025 年以 5215 台的出货量拿下全球约 32.4% 的市场份额,但利润被大幅压缩。
硬件价格战打到这个程度,证明本体制造已经进入标准化工业品的规模化降本通道。
反观大模型阵营,估值与高额融资正在加速向头部集中。
智平方
200 亿元
估值 · 6 月单笔融资近 50 亿元,资方为国家级基金、部委引导资金、险资与半导体产业方
银河通用
200 亿元
估值 · 约 30 亿美元,大基金三期 B 轮、中国移动领投
千寻智能
30 亿元
累计融资 · 沙特阿美 P7 基金、红杉中国、博世创投
智元机器人
420 亿元
IPO 轮估值
Figure
390 亿美元
C 轮后估值 · 海外
硬件本体变成了入场门票,大模型成了决定系统溢价的唯一变量。
这种转折的根源,在于机械硬件的工程普及速度远快于具身智能软件的泛化速度。
当高密度无框力矩电机、谐波减速器与灵巧手供应链走向标准化批量生产,纯硬件组装的物料门槛与制造利润被迅速压平,单纯将双足站稳已不再构成排他性壁垒。
全行业的核心溢价与生态控制权,彻底转移到了能够自主适应真实物理场景、具备动力学泛化能力的大脑系统手中。
今天的具身智能正在经历这场控制权的大转移。
没有自研大模型能力的纯硬件厂商,正在退化为外部大模型团队的硬件载体。苹果发布 HALO 自主系统,直接采购宇树 G1 作为真机评测本体;Meta 测试具身多模态模型,选择与傅利叶合作采购人形原型 Max。
真正能够直接面向终端客户交付作业成果、并收取持续服务费用的,是大脑系统开发商。
04
DELIVERY
真实工位的交付指标与出清机制
2026 年上半年,在 1091.74 亿元资金涌向头部大模型企业的同时,龙慧医疗、深兰机器人等多家缺乏场景自研算法与供应链复购的机器人企业相继进入破产清算程序。
融资数额的狂欢并不能掩盖现场验收的严酷。进入 2026 年下半年,具身智能的考核指标彻底摒弃了实验室 Demo,收敛至工业与商业现场的具体工程参数上。
行业落地形成了明确的分层结构,不同场景给出了截然不同的硬性交付标准。
SCENARIO 01
精密制造:几毫米就报废一整块面板
在精密制造与半导体显示产线,考核的核心是高频启停时的动态抑振能力与防碰撞保护。
1000 台
惠科订单 · 3 年
80.2%
末端急动度峰值降幅
75%
运动抖动降幅
这组数字是智平方的算法进入半导体产线的前提。玻璃基板与超薄显示面板搬运时,几毫米的机械超调或微小的末端震荡都会造成整块面板报废。传统 PID 控制无法适应复杂负载变化,必须由具备动力学预测的模型实现平滑轨迹输出。
SCENARIO 02
动力电池:产线一停,账就废了
在动力电池制造领域,产线考核的是全天候连续作业的极低失效率。
99%+
Moz1 工业插接成功率
1079 台
优必选 2025 全尺寸交付
14 亿元
在手订单
千寻智能的 Moz1 进驻宁德时代全球动力电池产线,并保持全年零故障运行指标,进而切入比亚迪与亿纬锂能的供应体系。
优必选 Walker S2 在产线上的关键突破,是配置了热插拔自主换电系统。锂电池单次续航不足两小时,充电意味着停机等待,这块物理短板过去只能靠排班绕开。换电把它直接消掉了,产线才能 7×24 小时不间断轮转。
SCENARIO 03
零售与医药:一千种包装,同一只手去抓
在商业零售与医药流通场景,考核的核心转变为跨 SKU 泛化识别与长时间无人值守稳定性。
银河通用 Galbot S1 在海王星辰连锁药房实现持证运营,在全国 20 余座城市部署“银河太空舱”。
100+ 台
20 余城部署
50 kg
单机最大负载
1200 台
2025 累计出货
药房里是成千上万种反光包装、软质袋装及异形盒装药品,非结构化密集货架对视觉识别近乎苛刻。Galbot S1 依赖基于 20 亿帧动捕数据与合成基建训练的策略模型,在这类货架上保证抓取成功率。
除了上述常规作业指标外,大模型在 2026 年确立了两个衡量算法成熟度的深度技术指标。
INDICATOR 01
任务恢复成功率
54.8%
智平方 NeuroVLA 实测
在真实物理工位上,光照变化、物体打滑、输送带微小位移等长尾扰动必然发生,单次动作成功率并不代表模型可用。传统自动化系统在单步执行受阻后只能停机报错,等待人工介入复位。
智平方在 NeuroVLA 中验证的核心能力,在于其具备主动感知与时序记忆。机械臂抓取脱落或初始对齐偏差时,模型能够在数秒内自主识别失败状态,重新规划纠偏轨迹并完成补救动作。这是实现产线低人工干预率的核心前提。
INDICATOR 02
长程任务的组合成功率衰减
91%
单项动作平均成功率
50%
三项串联任务成功率
苹果研究团队在测试 HALO 系统时披露了一组具备行业代表性的真实数据:在宇树 G1 未经预先扫描的真实房间内,机器人完成单项动作的平均成功率高达 91%。
但当任务变为“俯身过障碍→走向目标位置→推移箱子”的三项串联组合任务时,成功率直接断崖式下滑至 50%。单项动作的仿真泛化已经初步成熟,但多阶段动作链条中的累积误差消除,依然是各家模型团队正在攻克的深水区。
05
FLYWHEEL
数据飞轮与资本筛选逻辑
为了击穿这道长程任务瓶颈,头部企业在数据飞轮的构建方式上彻底分化。
100 万小时
千寻 · 目标真实交互数据
百亿级
银河 · 合成数据规模
DATA ROUTE A · 千寻智能
把“脏数据”留在飞轮里
摒弃单纯人工清洗的传统方式,搭建了“数据金字塔”与“小时级在线进化飞轮”。
工业工位产生的卡顿、干涉、失败等“脏数据”不再被剔除,而是被直接转化为策略网络优化容错边界的高价值样本。
DATA ROUTE B · 银河通用
用合成数据穷举长尾
依靠百亿级合成数据基础设施“银河星坊”,利用仿真引擎穷举几何与光照的长尾工况。
再经由 RSS 2026 收录的 LDA-1B 跨本体隐式模型实现跨机械结构迁移。
这一轮技术分水岭直接重塑了资本的筛选逻辑。
2026 年流向具身大模型的千亿资金中,纯财务投资机构的话语权显著缩减,大基金三期、中国移动、沙特阿美 P7、博世创投、宁德时代与比亚迪等产业与战略资本成为绝对主力。
这些资方审查被投企业的标准非常直接:在真实作业现场,只看三件事。
01
非关联第三方的订单金额是多少
02
连续无故障作业时间达到多少小时
03
客户的复购率是多少
∞
EPILOGUE
当物理指标抹平所有分歧
从四代架构的物理收敛,到毫秒级延迟与零点四瓦功耗的硬性死线,再到真实工位上对抑振精度、换电轮转与任务自恢复率的逐项验收,具身大模型的竞争已经剥离了所有概念包装。
当学术层面的路线分歧被物理世界的现实指标全部抹平,谁能扎进具体场景把千台级机器人的长尾故障率压至工业容限之内,谁才能真正吃下这一轮估值重构的全部红利。
END
我是 具身智能Nova,在这里记录具身智能产业的结构与账本。
如果你觉得今天这篇有收获,欢迎点赞、在看、转发三连,我们下篇见。

