具身智能的誤讀：用一把尺子，量兩條完全不同的路

作者：彭堃方

編輯：呂鑫燚

出品：具身研習社

具身智能最詭異的是什么？

行業內選擇用同一把尺子丈量本體和大腦公司：“你什么時候賺錢？”

這事詭異之處在于，雖同處一個產業，但本體公司和重腦公司是完全相悖的商業邏輯。本體企業撬動商業飛輪的支點在于量產規模，這也是大部分本體企業更偏向于展覽、演出等場景的原因之一，畢竟出貨的本質是攤薄成本，有訂單某種程度上就等于有商業飛輪的可行性。

而重腦公司的商業飛輪在于模型、數據，走的是一條邊際成本趨零、贏者通吃的商業路徑，而非偏向制造業的線性增長。在全球大腦公司均沒有出現絕對性巨頭之前，這部分群體要做的是瘋狂屯集糧草，因為在具身這個萬億規模市場面前，當前的增長曲線仍屬“平緩”，拐點在于何時攻克那個讓物理世界產生類人智慧的“大腦”卡點。

所以我們看到，一級市場上包含國有資本、互聯網巨頭、頂級市場化等多元資金，共同流向了做具身大腦的企業，量級達到10億、20億元。熱錢涌進的時候，大腦廠商并沒有同樣回報激進姿態，商業化口號顯得十分保守可見在具身智能賽道上，對于大腦企業來說，過早地談論商業化落地，或許是一場對技術邏輯的致命誤讀。

然而，當下行業內彌漫的商業化焦慮，正在強制抹平這種本體與大腦企業的節奏差異。本體廠商在算法尚未成熟時被迫兜售場景，模型廠商則在尋找規模化落地的壓力下分散了精力。

這種“倒逼出來的繁榮”，極易演變成一場用力分散的資源內耗。具身大腦企業現階段不一定要把商業化放在首位，因為在通往通用人工智能的質變前夜，過早的俯身撿錢，往往意味著失去了抬頭看路的資格。

過去三個月，具身智能賽道里最密集的動作，并非新品發布，也不是量產數字刷新，而是一筆筆體量驚人的融資。

多家更側重于“大腦”的具身智能企業，在一級市場完成了10億、20億元級別的融資，資金集中度和規模，遠超行業此前的想象：

- 25年12月銀河通用完成3億美元（超20億元）新一輪融資,3月又完成25億元融資；

- 26年1月自變量完成10億元融資；緊接著2月25日又完成數億元新融資；

- 26年2月11日星海圖完成10億元新一輪融資；

- 26年2月23日智平方宣布完成10億元融資；

- 26年2月24日千尋智能宣布完成兩輪共20億元融資；

這些廠商的模型能力，普遍能夠支撐人形機器人在工廠產線或商業服務領域，進行部分自主作業，在驅動人形機器人完成基礎的抓取、拿放以及部分相對精細的長時序柔性操作上，進展明顯。

不過，我們看到一筆筆重磅資金涌入大腦企業之際，被投方卻并未給予市場短期饋贈，沒有激進的商業化口號，甚至直接對外表態“急不得”。相比之下，同期本體市場傳來的卻是“量產預期翻倍”“節后銷量暴增”等捷報。

這種冷熱反差之下，其實暗藏一種共識的形成。

對于具身大模型企業來說，普遍的緊迫感并不是出貨量排第幾，而是怎么“存彈藥”。近日千尋智能CEO韓峰濤在媒體采訪中判斷“26年的具身會非常像23年的大模型，如果你拿不到很多錢，模型性能跑不到頭部，就沒有上牌桌的機會了。”

這類具身模型企業之所以敢于在商業化上保持克制，是因為它們清楚，這是一場長線作戰。具身大模型的訓練周期、數據積累和算法突破，本質上是指數曲線，而不是線性迭代。一旦跨過某個能力閾值，模型的泛化能力將快速外溢，復制到不同場景、不同本體之上，其邊際成本趨近于零。

當目標是成為通用物理智能平臺時，短期收入并不等同于長期價值。甚至在某些階段，這種過早商業化反而可能成為戰略干擾項。例如那些缺乏耐心的資本，勢必看到模型企業的商業落地，而忽視技術的發展曲線。

正如智駕賽道中，更多價值沉淀在方案商和算法平臺，而非單一車型制造商，具身智能的長期護城河，也更可能沉淀在通用的物理世界基座大模型與數據飛輪之上。

透過模型企業的態度來看，現在依舊屬于早期的“攻堅時刻”，那此時資方押注的到底是什么？

走訪多位投資人后，具身研習社發覺大多資方逐漸意識到，具身智能真正的卡點已由硬件生產、運控算法，漂移至模型能力。用幾個月前王興興自己的話來說，“硬件已經夠用了”，但模型還沒有。

具身研習社也曾撰文指出“人形機器人的本體工程化能力已經跨過‘從0到1’的臨界點，行業競爭焦點正向更高維度的智能交互遷移。”真正拉開差距的，是對非結構化場景的理解能力、對多模態信息的融合能力，以及長程任務規劃的穩定性等腦力比拼。

彼時，資方押注的不僅是模型的未來，而是能掩蓋FOMO情緒，別錯過“模型版宇樹”

追求商業化，是投資邏輯使然，沒有投資人會重倉一個長期無法自造血的企業，更沒有人會去接盤這樣的企業。但這也容易產生認知誤區，是不是所有企業都應該短期盈利、有能力盈利？

具身智能因為詞熱，導致重腦的具身大模型企業與以人形機器人構型為主的本體廠商混為一談，二者的分野，并不僅僅是產品形態不同，而是商業基因的根本差異。

做人形機器人，本質上是在搭建一個高度復雜的工程系統。它將運動控制、電驅系統、結構設計、材料工藝與整機架構壓縮進一個可規模復制的產品形態中。當核心部件自研比例提升、供應鏈體系穩定、裝配流程標準化之后，成本曲線才會開始拐彎，可靠性與一致性才會形成復利。

它的增長節奏具備重資產技術行業特有的周期性，它需要工程體系打磨成熟，架構被驗證，產品逐漸沉淀出標準與一致性。它的邏輯閉環是：規模擴大-單位成本下降-毛利改善-再擴大規模。并且在規模化過程中，本體會成為智能提升最可靠的物理基礎，大量本體可以用于反復驗證、迭代運控算法。

這和春晚前夕宇樹訓練的邏輯相同，因為有足夠多的本體、足夠大的場景，可以在訓練高難度的動作時源源不斷對運控算法做出多元化的反饋，讓運控更絲滑，更能吸引外界注意，撬動更多訂單。

這就是一個完整的商業閉環。

而做具身大腦，則更接近軟件平臺甚至基礎設施邏輯。如果說本體是物理世界的結構底座，那么大模型所做的，是在這個底座之上建立認知與決策的通用層。一旦模型訓練完成，便可以部署在無數個硬件終端之上。新增機器部署的成本不再是核心考慮的因素，能力卻可以在數據回流中持續增強。

它遵循的是指數增長邏輯：能力跨越某個門檻后，市場會迅速向少數頭部集中。它的邏輯閉環是：能力突破-場景泛化-規模落地-數據回流-能力再突破。所以，你會發現具身大腦企業短期效仿本體企業，盲目投產只會增加成本，大腦的命題支線是“留錢”，等產業技術性的拐點。

在智駕領域，我們已經看到類似趨勢：最終可能只會留下少數幾家擁有核心算法與數據閉環能力的方案商，而大量整車廠則圍繞這些能力構建差異化產品。具身智能的未來，或許也是這類“寡頭型基礎模型競爭”，即真正具備通用物理推理與操作能力的大模型，數量不會太多。

因此，具身大模型企業如果過早被拉入“接訂單—做項目—定制化開發”的節奏，極有可能削弱其通用性探索，某種程度變為“定制化SaaS”。而且為了滿足某個具體客戶需求而不斷微調模型，短期來看也收入曲線并不性感。據了解，這類定制項目耗時耗力耗財，往往落地一臺，虧損一筆，更多情況下成為配合投資人共同講的一個商業故事。

所以，這正是它們對商業化保持距離的原因，不是不想賺錢，而是不愿意為了不一定現實的線性收入，犧牲充滿想象力的指數曲線。

遺憾的是，我們經常能看到問模型企業要商業化訂單的事情。

就拿過去的3個月來看，當本體廠商展示量產能力、亮相春晚舞臺時，模型廠商也面臨越來越多關于“落地能力”的追問。這與國外資本市場始終未見到Figure訂單卻將其估值推到數千億來看，耐心差距明顯。

所以，一種似因似果的現象出現。半年前普遍提及的“全棧能力”招來資本青睞；半年后的今天，本體廠商在資本與市場的雙重壓力下，開始主動攻堅大模型，希望將“智能”能力掌握在自己手中。而模型廠商在巨額融資之后，也需要向市場證明其價值，開始展示落地場景與規模化部署能力。

表面上看，這是一種相互促進，硬件補齊智能短板，模型驗證現實場景。但另一種可能，是一種被倒逼的資源分散。

如果模型突破節奏慢于預期，本體廠商為了商業化節奏不得不自建算模型團隊，投入大量資源重復造輪子；如果本體企業已經實現一定盈利，模型企業則會在商業化能力不足的質疑下，被迫切入具體項目，拆分通用目標，轉向定制化交付。

結果便是，兩類企業都在偏離自己最具優勢的路徑，用力開始分散，難度成倍疊加。

換句話說，“商業化焦慮”正在模糊企業基因的差異。本應以平臺邏輯成長的模型公司，被要求遵循制造業節奏；本應以制造業邏輯穩扎穩打的本體廠商，被期待承擔基礎模型的顛覆使命（也是為了估值）。

這種評價體系的單一化，容易制造一種“全面開花”的錯覺，卻可能削弱真正的突破力量。

不過，已有企業對這一現狀有清晰認知。此前，松延動力創始人兼CTO姜哲源曾在和具身研習社對話時表示，未來機器人市場會形成兩類公司，大腦和本體會更加分化，大腦公司還會留下一批賬上有足夠多錢的一些公司，不斷的投研發；剩余的本體公司會更加細分。

總之，具身智能不是單線賽道，而是由制造業與基礎模型兩條曲線交織而成的復合結構。不同類型企業所承擔的歷史角色，并不相同。

在通往通用人工智能的質變前夜，也許更重要的問題不是誰先實現盈利，而是誰能守住自己的戰略邊界。因為一旦物理世界的類人智能真正跨過臨界點，價值將呈現非線性釋放。

而在那之前，過早俯身撿錢，可能真的會錯過抬頭看路的時刻。