资本焦点迁移：“大脑”成2026年具身智能核心战场

　　当行业从“有没有”进入“好不好用”的阶段，技术路线的分野开始成为决定企业命运的关键变量。一个值得关注的现象是，春节前后新增的多家具身智能百亿元级独角兽，均属于“具身大脑”方向，这标志着资本焦点已从“本体”向“大脑”迁移。

　　刘扬直言不讳地向记者指出了行业“不太被讨论的尴尬真相”：“绝大多数机器人本体公司并不具备独立开发大模型的能力。基础大模型的训练成本太高了，这不是一家机器人初创企业融几亿元、几十亿元就能覆盖的。所以，你会看到很多本体企业只能依托阿里、字节等科技大厂的通用大模型来赋能。但问题来了，当科技大厂亲自下场做机器人的时候，这些‘借脑’生存的企业怎么办？”

　　这种路线差异，本质上对应着对“智力来源”的不同判断：是挂载通用大模型“借智”，还是从头训练具身原生模型？是在仿真环境中合成数据加速迭代，还是在真实场景中采集数据构建飞轮？

　　原力无限选择坚持全栈自研具身大脑。“我们的Hyper-VLA端到端多模态大模型和因果世界模型的深度融合，不是嫁接在别人的基座上，而是完全自主可控的。2月25日，我们官宣了前英伟达DriveAV创始成员、伯克利大学博士王一舟出任CTO（首席技术官），与我们少年科学家陈佳玉主攻的前沿大模型形成了‘控制论+大模型’的双引擎。”刘扬认为，2026年，具身智能的核心战场将聚焦三大关键维度：谁拥有自主可控的“大脑”、谁掌握最大规模的真实场景数据、谁能率先跑通从“概念验证”到“重复采购”的商业闭环。

　　在刘扬看来，PC（个人电脑）时代是Intel做芯片、微软做操作系统；智能手机时代是富士康做硬件、苹果和谷歌做iOS和安卓。“到了具身智能时代，本体（机器人的躯壳）终将被中国强大的供应链能力拉平成标准品，而谁掌握了通用具身大脑，谁就掌握了这个万亿级生态的最终话语权，这也是原力无限的终极赌注。”刘扬表示。

　　“对于星源智而言，今年将是我们拉开差距的关键一年。我们坚信，当行业从拼硬件走向拼智能时，谁能提供最聪明、最稳定、最懂物理世界的‘大脑’，谁就能定义下一代机器人。”刘东表示。

　　季超认为，随着技术架构的不断演进以及证伪，今年各家企业会更加重视数据，相关的解决方案也会百花齐放，而“数据的重要性”这一认知，已基本在行业内形成普遍共识。各家会凭借自身优势，八仙过海各显神通，其主要挑战可能在于如何选择合适的技术路径，去真正验证数据对具身模型的　　Scaling Law（规模定律），去打造企业自己的具身大脑，这可能也是大部分公司近几年的重点工作，商业模式的重要性也会随之提高。

　　白国超则提到，今年以来，客户从单纯咨询转向批量下单，产业协同效率大幅提升，市场对核心部件自主化的需求空前迫切。热潮之下，行业更需回归硬核本质。知行机器人将继续聚焦灵巧手与核心执行器研发量产，以技术自主可控支撑产业规模化，在这一轮关键周期里站稳赛道、做实价值。

　　2026年不是商业化爆发元年，而是淘汰赛元年

　　“2026年不是‘商业化爆发元年’，而是‘商业化验证元年’与‘淘汰赛元年’的叠加。”对于身处这场风暴中心的创业者而言，刘扬的这一判断，引发行业广泛共鸣。

　　2025年底到2026年初，海外已有多家明星机器人企业陷入生存危机：硅谷企业K-Scale Labs在量产前夜因资金耗尽解散，协作机器人先驱Rethink Robotics遭遇二度“死亡”，而扫地机器人鼻祖iRobot则申请了破产保护。

　　胥晓敏将2026年定义为一场“大考”：“对于有明确垂域场景的公司来说，2026年是一场大考。大部分公司都不缺客户和订单，关键在于能不能跑出一套行之有效的技术路线，打磨出一套完整的交付体系。”

　　季超则从更宏观的视角分析行业可能出现的分化：“因各家目前在赛道的生态位不同，可能在2026年会有较为分化的发展路径。商业化是比较重要的一环，但可能不是所有具身公司今年的目标。对于大部分公司来说，用好已有资源，调整商业模式放大自身优势可能更加重要。市场会更加狂欢，也　会更加理性。”

　　刘东预测，2026年将出现明显的两极分化：“工业及特种场景将迎来小规模爆发。这些场景客户付费意愿强、泛化能力强、复用性高、容错率高，我们会看到一些垂直领域的‘隐形冠军’诞生。不过，在商用及家庭场景，商业化还有‘最后十米’要走，‘机器人大规模进家庭’也尚需时日。”

　　在他看来，未来更大的分水岭在于有无场景数据。只在实验室秀技术、没有绑定真实物理场景的企业，下半年会感受到融资的寒意。因为资本会发现这些技术只是空中楼阁。

　　喧嚣过后，什么是真正重要的？

　　刘东认为，具身智能正在脱下科技华服，穿上“战袍”走向战场。春晚的热闹终会散去，资本的热情也会归于平静。最后留在牌桌上的，一定是那些真正在车间、在仓库里、在各行各业干起活来的机器人。

　　“我们内部其实很早就判断，具身智能的竞争，最终会落在数据基础设施上。模型可以迭代，算法可以升级，但真实世界的数据体系一旦建立，积累是不可逆的。谁能够持续、稳定地产出高质量真机数据，谁就更有机会把模型能力推向更高的上限。”赵广智表示。