深度 | 「机器人大脑」正在成为新的必争之地：机器人企业集体从「卖身子」转向「卖软件」

核心观点：机器人行业正在重演手机行业的剧本：硬件已经过剩，价值正从「卖身体」迁移到「机器人大脑」这个软件层。资本市场把天量融资几乎全押在 VLA 模型上，而谁能先突破「灵巧手」这块天花板，谁的大脑才能兑现价值。

证据等级：[A] 官方/一手 [B] 2+可靠来源 [C] 单一来源 [D] 个人判断

---

一、机器人行业正在发生一场价值迁移

2026 年 8 月，宇树科技登陆科创板，开盘暴涨 629%，市值一度超过 3400 亿元，2025 年人形机器人出货量全球第一。但同一周还有条被淹没的新闻：宇树自己承认，这家靠卖身体封神的公司，正在把重心转向自研的「大脑」，具身大模型 UnifoLM 已经进了自家工厂，自主装配关节电机。(据量子位)

这不是个案。过去两个月，资本市场把几乎所有的天量融资都砸向了「机器人大脑」：General Intuition 估值冲到 60 亿美元，Generalist 涨到 30 亿美元，中国的它石智航一笔 Pre-A 融了 4.55 亿美元，创全国单轮之最。与此同时，卖身体卖得最火的宇树，上市后市值一度接近腰斩；波士顿动力新版 Atlas 被曝月产仅 4 台。

一句话概括：机器人这个行业的利润结构，正在从「卖硬件」转向「卖软件/卖大脑」。

二、技术深潜：VLA 正在换掉整个机器人技能栈

要让机器人干活，传统做法是「感知→规划→控制」三件套，每换一个任务都要重新写规则。VLA（视觉-语言-动作）模型把这个逻辑整个推翻：它把视觉 + 自然语言指令，直接端到端映射成机器人的连续动作，行为不是写出来的，是像大模型一样学出来的。[A]

上图：VLA 从 Google RT 系列到国产轻量模型的主线，参数越小越靠近应用层。

演进线上有三个转折：RT-2（2023）把 55B 参数的大模型直接当机器人策略，把互联网学到的世界知识搬进机器人；π0（2024）确立「通用机器人策略」范式，零样本叠衣服、清桌面；π0.7（2026 年 4 月）被称作「机器人的 GPT-3 时刻」，第一次实现组合泛化，跨本体叠 T 恤完成度 85.6%，逼近人类顶级操作员的 90.9%。

但有个技术事实一直在泼冷水：机器人的手还没学会「像人一样拧东西」。Google Gemini Robotics 2 实测，货架取物 76.3%、多指换灯泡「拧出来」92%，「拧进去」却只有 36%。[C] 在 RoboDojo（30 个策略）评测里，最强通用策略真机平均成功率只有 12.8%，人类是 100%。(据 RoboDojo 官方评测) 大脑再聪明，手腕不会用劲，一切白搭。这也解释了为什么 2026 上半年中国灵巧手企业融资超 200 亿元、总估值超 750 亿元，大家都看出问题「在脑而不在手」，但手不突破，脑的价值就无法兑现。

三、竞争分析：三大流派，一个共同方向

把玩家归拢，大致三种范式：

范式	代表	打法	隐患
全栈（本体+大脑+场景）	Figure	自研 Helix VLA + 进宝马回流数据	重资产、烧钱
垂直整合（算法+供应链+自家厂）	Tesla Optimus	FSD 算法 + 自家工厂当训练场	进度跳票
纯模型派（一套脑配多本体）	Physical Intelligence	通用模型适配多本体	缺真实场景回流
开源平台派（做「Android」）	NVIDIA	GR00T + Isaac + Cosmos 全家桶	不直接卖机器人

上图：四种机器人大脑范式的对比，无论哪派都把重心压向软件层。

最值得注意的信号，是所有人都在往「大脑/软件层」压：

• NVIDIA 2026 年 1 月 CES 直接自称要当「机器人界的 Android」，发 GR00T N1.6 + Cosmos 世界模型 + Isaac 仿真的全家桶，波士顿动力、Caterpillar 都在用。[B]
• Google DeepMind 走模型路线，Gemini Robotics 一路迭代到 1.5 + On-Device。
• Figure 赌全栈，Helix 是首个控制整个人形上半身的 VLA，System 2 用 7B VLM 骨干 + System 1 用 80M 视觉运动网络。
• 中国出现「轻量反超」打法：优艾智合 FabriVLA 以 1B 参数登顶，面壁 MiniCPM-Robot 以 1.5B 参数追平 π0.5 且延迟更低，千寻以 66.09 分成为首个击败 π0.5 的国产模型。

资金方向也没有争议：中国 2025 年具身创投稿件从 173 起到 447 起、资金从 137 亿到 554 亿元，几乎全押在「大脑/预训练/世界模型」上。[B] 行业已经形成一个近乎共识的判断：单纯比本体硬件与运动控制的竞赛基本结束，下半场胜负手在大脑。

上图：两年内，机器人大脑从学术论文演变成千亿美元资本战场。

四、采用与生态：身体在量产，大脑在开源

「Demo 多、真签单进厂少」是 WAIC 2026 现场共识，但拉近看有真实落地：宇树把 UnifoLM-X1-0 放进自家工厂自动装电机；小米人形机器人进汽车产线，新工序成功率超 90%；Figure 在宝马取钢装配，30 天完成物流分拣场景微调。

这些案例有个共同点：落地最扎实的，都是「软硬一体 + 垂直场景数据闭环」的玩家。这也印证一个反直觉结论：不是大脑越通用越好用，而是谁手里有真实场景的数据回流，谁的大脑才越用越聪明。

中国机器人大脑的特色打法是全面开源：蚂蚁灵波 LingBot-VLA 2.0（6 万小时真实数据、覆盖 20 种构型）、面壁 MiniCPM-Robot（1.5B 彻底开源）、自变量 WALL-OSS（4090 单卡可训练）。[B] 为什么集体押开源？逻辑跟安卓一样：「数据 + 开发者生态 = 平台锁定」，这是一场用开源换平台地位的卡位战。

机器人大脑的燃料是数据，而这恰是它相对大模型最吃亏的地方：你不能像爬网页一样爬机器人的物理动作数据。于是出现了专门的数据产业：中国 97 家具身数据玩家，近一年 15 家数据服务商融资约 44.7 亿元，湖南甚至出现「数据采集 5S 店」，一年采 100 万小时。目前全球具身数据存量约 50 万小时，中国玩家正冲刺 2026 年底全球首个「100 万小时」。

五、战略影响：谁在卖铲子，谁在挖矿

机器人正在变成「软件定义的生意」：利润结构从卖硬件转向卖软件，重演 PC 和手机行业的剧本，硬件红海，利润都被操作系统和软件层拿走。

上图：价值链从数据到大脑、本体、平台、场景逐层重构，价值沉淀在软件与平台层。

对中国公司和工程师，有三个卡位机会：

第一，开源 + 数据规模是中国后发优势。美国在模型上限领先，但中国在量产节奏、数据采集规模、供应链上甩开一个身位。RSS 2026 上 Physical Intelligence 直言「美国具身也没成熟」，另一面是中国有机会定义更便宜更快的范式。

第二，垂直场景的数据闭环，比通用大脑的「先进」更重要。没有客户在乎一台 80% 成功率的通用机器人，客户要的是在自己产线上 98% 成功率干活的机器。

第三，对软件/模型工程师，这是一次尚未充分定价的窗口。具身模型部署成本骤降（1B 可登顶、4090 可训、约 120ms 延迟），门槛低到普通工程师也能进场；岗位需求正转向数据采集、仿真合成、人体视频蒸馏、灵巧手算法等全新工种，数据工程师缺口远比模型工程师大。[D]

六、我的判断

把整盘棋想清楚，我说几个不太顺着主流的判断。

第一，VLA 和世界模型之争，大概率不会谁赢谁输，而会走向合流。媒体爱渲染两者对撞，但蚂蚁沈宇军、NVIDIA 西雅图实验室都指向同一个方向：最终会融成「物理世界独有的模型」。我判断，未来 12-18 个月会看到大量 VLA + 世界模型混合架构，「机器人版 World Action Model」才是终局方向。

第二，机器人大脑的价值被高估了吗？我原以为是的，但数据不支持。当 General Intuition 用 8 分钟真实数据调出能跑的四足机器人，当它石智航拿到 4.55 亿美元，资本赌的不是一两家公司，而是这个赛道本身会成为下一个像 LLM 一样的独立品类。我判断这个赛道不会熄火，而会经历一次激烈的「GPT-2 时代」淘汰赛：套壳、追基准、没数据闭环的会死，少数掌握数据的赢家通吃。

第三，最被低估的是「灵巧手」这条线。钱都涌向大脑，但 36% 的拧螺丝进去、12.8% 的真机成功率都提醒：大脑的天花板被手焊死了。我预判今年下半年到明年，灵巧手/触觉这条线会迎来比大脑更猛的一波资本与人才回流。

最后，对做软件的人说句实在话：现在进场做机器人大脑，不算晚甚至算早。这行还在「GPT-2 时代」，门槛刚被开源和 1B 小模型砸下来，机会窗口是敞开的。真正的风险不是技术跟不上，而是押错「卖手机还是卖 Android」的位，我赌「软件定义」这一边。

---

每日更新。