身體已就位、大腦卻斷糧：熱錢狂涌下，誰在爭奪機器人“靈魂”？

出品 | 創業最前線

作者 | 元君

編輯 | 閃電

美編 | 邢靜

審核 | 頌文

當人形機器人的雙腿能穩穩行走、雙手可以靈巧抓握，行業卻迎來一道清晰的分水嶺。

數據顯示，2026年上半年，近440億元資金涌入國內具身智能賽道；與此同時，一個驚人的結構性變化也同時發生，超過一半的錢涌向了“大腦派”公司，而機器人本體廠商拿到的錢不到20%。

事實上，眼下的具身智能領域，運動控制這套“小腦”已高度成熟，負責理解世界、自主規劃的“大腦”，仍被海量場景數據和技術瓶頸牢牢困住。

當身體不再是門檻，大腦便是一切上限。從VLA大模型到端側算力芯片，從世界模型到數據基礎設施，一場圍繞機器人大腦的卡位戰已經全面打響。

1、當“大腦”成為決勝點

今年5月，蘇超聯賽開賽前夕，一場別開生面的全自主機器人3V3足球對抗賽率先開打。現場，多臺人形機器人追逐著一顆足球，它們沒有遙控器、沒有預設軌跡，全靠自身“大腦”實時感知場上局勢、自主規劃跑動路線，并決策傳球還是射門。

雖然動作偶爾略顯笨拙，但每一步都是機器自己“想”出來的。而在三年前，這樣的場景還只存在于實驗室的設想中。

彼時，行業還在為人形機器人能不能站穩、能不能走路而絞盡腦汁。但到了2026年，畫風已經驟變。隨著宇樹、優必選、智元等廠商的產品已經能穩定行走、搬運物料，甚至完成擰瓶蓋這類精細活，機器人“小腦”層面的運動控制已高度成熟。

不過，走得穩和想得明白之間，似乎還橫亙著一道天塹。

要實現通用自主能力，一個合格的機器人大腦至少需要千萬小時級別的高質量真實交互數據。而現實是，截至2026年初，全球合規可用的機器人數據只有50萬小時，缺口超過99%。

數據的匱乏直接表現為大腦的“幼稚”。今天的機器人在結構化工廠里可以嫻熟地裝配零件，一旦走進家庭、商超這些開放場景，面對凌亂的桌面、突然闖入的寵物、千變萬化的用戶需求，它們卻常常陷入窘境。

或許正是看到了這個致命短板，資本開始選擇“用腳投票”。

據量子位不完全統計，2026年上半年（截至6月12日），國內具身智能賽道融資近438億元，逼近2025年全年約554億元的80%。按照這一速度，2026年全年將毫無懸念地刷新紀錄。

但比總量更耐人尋味的是錢的流向。在近440億元融資中，超過一半的資金涌向了“大腦派”公司；而純“本體派”廠商只分到了約12.8%的份額，這個數字甚至低于生產靈巧手、傳感器、關節模組等核心零部件企業14.4%的占比。

而大腦賽道內部的分化同樣劇烈。VLA（視覺－語言－動作）模型一口吃掉了42%的資金，世界模型占27%，數據基礎設施占20%，端側芯片占11%。大量大腦派公司融資節奏快到平均一個月一輪，甚至有企業兩輪融資間隔只有兩周。

與此同時，科技巨頭和云廠商們也紛紛下場。華為、騰訊、百度等均加碼布局機器人大腦，生態戰全面打響。

其中，華為推出CloudRobo平臺，試圖將機器人接入昇騰算力矩陣；騰訊則定位為產業生態中的“鈦螺絲”，通過開源混元大模型解決機器人的思考問題。大廠集體選擇做大腦而不做本體，除了有效避免在硬件本體上陷入價格戰，更關鍵的是能發揮自身海量算力、仿真環境和多模態大模型底座的核心能力。

當身體的門檻被逐漸踏平，大腦的壁壘正越筑越高。隨著具身智能競賽規則的改寫，這場關于“靈魂”的爭奪才剛剛鳴槍。

2、誰在定義機器人大腦？

目前來看，具身智能大腦賽道已形成多路并進的格局。

其中，模型自研派以VLA與世界模型為核心壁壘，走模型定義大腦路線，是融資規模最大、估值增速最快的陣營。千尋智能是其中跑得最快的選手之一。

這家2024年1月才成立的公司，在2026年迎來了一輪令人瞠目的融資狂飆。其在2月連融兩輪近20億元，投資者包括云鋒基金、紅杉資本等頂級機構；3月再獲10億元融資，估值躍升至200億元；隨后又拿下15億元，短短三個月累計吸金45億元。

（圖 / 千尋智能官方微信公眾號）

而讓資本如此亢奮的，是它在技術上的一個標志性突破。今年1月，千尋智能的開源模型Spirit v1.5在性能上超越了美國頭部公司Physical Intelligence的Pi0.5模型，成為中國首個實現此突破的開源模型。同時，其技術含金量也很快在零售、工業等產業端場景得到驗證。

（圖 / 千尋智能官方微信公眾號）

另一家走模型路線的無界動力，則押注隱空間世界模型與強化學習的雙輪驅動路線。其邏輯是讓機器人理解世界運行的物理規律，而非僅僅記憶場景。這意味著機器人可以走進任何一扇沒見過的門，而不是只在熟悉的地方走路。

2026年6月，無界動力發布的MWA?具身通用大腦在斯坦福大學等機構聯合發起的RoboCasa GR1 TableTop榜單上登頂全球第一，超越ACE-EGO-0、DIAL等多款主流模型。

（圖 / 無界動力官方微信公眾號）

端側算力派則從大算力加大模型端側部署切入，強調本地化實時決策與量產交付能力。這一陣營中，知行科技旗下的如一動力值得關注。

如一動力深耕機器人大腦領域，依托知行科技在自動駕駛領域積累的技術棧和工程量產經驗，完成初期技術與工程驗證。其核心產品機器人AI Box邊緣計算設備，算力覆蓋80、128至560TOPS，可推動具身智能端側算法轉向模型驅動。同時，結合專為端側部署優化的VLN（視覺－語言－導航）與VLA（視覺－語言－動作）模型架構，機器人可擺脫對云端的絕對依賴，在本地高效完成實時感知、推理、決策等。

目前，如一動力的技術能力已在多個真實場景中得到驗證。除了前文提到的足球對抗賽，在今年的北京亦莊人形機器人半程馬拉松上，如一動力團隊通過開發與部署自主導航避障算法，讓機器人以不到兩小時成績成功完賽。其自研的AI BOX產品iRC100P（AI算力128TOPS）還獲得國內頭部具身智能企業規模化量產訂單，并完成首批交付與部署。

此外，本體+大腦一體派同時擁有頂尖模型與自研本體，試圖以軟硬協同形成閉環。一體派的核心邏輯是同時掌控“身體”與“靈魂”，這一路線中，星海圖是典型代表。

不過，這套邏輯聽起來很性感，但代價也顯而易見。因為要同時兼顧模型與本體，兩條線都需要資金、團隊，一體派企業的現金流壓力通常會超過純軟件或純硬件公司。因此，能否跑通這條路，也取決于企業是否可以在融資節奏和產品落地之間找到平衡點。

類腦架構派則試圖繞開傳統VLA的數據瓶頸，從仿生學底層重構大腦架構。智平方是這一方向的先行者。

2026年，這家公司發布了全球首個類腦具身智能系統NeuroVLA，借鑒了人類大腦皮層—小腦—脊髓的三級體系。不同于傳統大模型對海量數據和算力的持續依賴，NeuroVLA依托人腦工作機制，可以讓機器人通過更少的數據完成學習與決策。

（圖 / 智平方官方微信公眾號）

當然，多路并進，殊途同歸。

VLA派追求模型能力的極致突破，端側派卡位算力部署的工程高地，一體派試圖用軟硬協同構建閉環，類腦派則從仿生學底層重構大腦架構。而所有玩家奔向的是同一個終點，讓機器人真正理解世界。

未來，或許誰能在技術收斂之前完美跑通從模型到場景的商業閉環，誰就有望定義下一代機器人的思考方式。

3、下一站在哪里？

錢在往里涌，人在往前沖。但一個更底層的問題擺在那里：這個市場到底有多大？錢最終會流向價值鏈的哪個環節？

賽迪研究院《2026年未來產業十大賽道》報告指出，全球具身智能市場未來五年復合增長率73%，2030年市場規模有望達到2388億美元。GGII也曾預測，2030年國內人形機器人市場規模將接近380億元，銷量將增長至27.12萬臺。

數字很大，但真正值得關注的不是規模，是結構。

過去兩年，資本主要集中在硬件本體和運動控制層面，但隨著本體能力的成熟和同質化加劇，價值鏈的重心逐漸向上游大腦遷移。這個判斷在政策端也得到了印證。

2026年政府工作報告和“十五五”規劃都明確將具身智能列為國家戰略級產業方向。在政策的棋盤上，大腦被賦予了定義產品上限的戰略角色。它不再是產業鏈上游的一個技術模塊，已躍升為中游智能底座，占據著整條價值鏈中最具定價權的生態位。

那么，這個智能底座會朝什么方向進化？

技術架構層面，行業共識正在從單一的VLA模型向信息—物理—認知三域融合演進。世界模型不再是VLA的競爭路線，它是VLA體系中的核心拼圖，負責在高維空間里推演；而VLA負責把推演結果轉化為具體動作。大腦和小腦有望從各管一攤走向協同進化。

模型能力層面，今天的機器人大腦還停留在被動執行階段，需要你提供一個指令，它想辦法完成；而下一代大腦將具備主動推演和自我進化的能力，會越用越聰明，具有更強的環境適應性和復雜任務處理能力。

部署層面，大腦不能永遠長在云端。畢竟，像家庭、商超、醫院等場景，沒有穩定的網絡環境，也不會允許哪怕毫秒級的延遲。而將大算力與大模型部署在端側，機器人便能逐步擺脫對云端的依賴，在真實世界中完成實時感知與自主決策。

交互層面，未來的機器人或許不再是孤立的個體，它們會逐步適應與人共處的復雜環境，甚至與其他機器人形成群體智能。

因此，從這些維度來說，具身智能大腦的未來，絕不僅僅是更強的算法或更大的模型，它正在長成一個融合認知、推演、控制與學習的全棧式智能中樞。

而當這個中樞真正成熟，機器人將不再是聽令行事的工具。它們將成為在開放世界里真正自主理解、自主決策的智能體。

*注：文中題圖及未署名圖片來自攝圖網，基于VRF協議。