具身智能“大脑”争夺战：200亿估值背后，五家公司押注同一方向

2026/08/10 08:16阅读量 3

具身智能赛道头部公司估值集体冲破200亿元，智平方、自变量、星海图、千寻智能和银河通用五家公司均以“大脑”为核心。文章拆解了它们的技术路线、数据策略与落地场景，指出资本正在为机器人大脑给出高溢价，但商业化尚未验证，真正的比拼在于数据闭环与工程化能力。

事件概述

具身智能领域正出现一批估值超过200亿元的头部公司，被称为“200亿俱乐部”。智平方、自变量、星海图、千寻智能和银河通用五家均以机器人大脑（基座模型）为核心竞争力。在私募股权投资整体收缩的背景下，具身智能融资事件同比增长107%，新晋独角兽TOP10中占据4席。

智平方、自变量在6月29日同一天宣布完成新一轮融资，投后估值均超200亿元。
宇树科技发行价对应估值609亿元，智元机器人IPO目标估值363—433亿元，按营收计算市销率均在35—40倍。以此推算，200亿俱乐部公司需具备5亿元左右年收入，但多数尚未达到，资本市场实际在为“大脑”的长期潜力定价。
海外同样如此：Skild AI和Physical Intelligence均专注通用具身模型，估值分别达140亿美元和56亿美元。

当前主流路线是对VLA（视觉-语言-动作模型）进行强化，或将世界模型与VLA融合。各家架构差异明显，但目标一致：让机器人能完成多步骤任务、泛化到陌生物体、跨本体迁移能力、失败后自主恢复。

智平方：采用快慢双系统（FiS-VLA），后升级为NeuroVLA大模型，形成“皮层—小脑—脊髓”三层类脑结构，小脑模块负责动作稳定性。
星海图：自研G0.5统一自回归架构，去掉编码器，将图像、推理、动作统一为内部Token，加快信息传递。
千寻智能：Spirit v1.5强调VLA本身的Scaling能力，扩大数据规模与复杂度，主动使用“脏数据”以提升泛化。
自变量：WALL-B将物理预测与视觉、语言、动作联合训练，使机器人在行动前预判结果。
银河通用：GALBOT VLA基座整合多个模型，包括抓取、移动、交互，后演化为AstraBrain（大脑WAM 0.5、小脑WBC 0.5、灵巧手神经控制DexNDM），同样采用快慢双系统，世界模型与VLA联合建模。

行业普遍以真实数据为主，但采集方式不同：
- 千寻智能：自研可穿戴设备采集操作数据，成本低。
- 星海图、千寻、自变量、智平方：采用“部署回流”，机器人边干活边产生数据，回流训练。其中，星海图靠开发者提供数据，数据杂但部署成本低；千寻和智平方侧重工业数据，商业交付价值高但覆盖窄；自变量主攻家庭数据，标准化难度最大。
银河通用：较早大规模押注仿真合成数据，GraspVLA基于十亿帧合成动作数据预训练，但后训练仍需要真机数据校对，正在转向混合路线。

工业：被视为最先商业化场景。宁德时代工厂部署了银河通用Galbot S1（物料搬运）和千寻智能小墨（柔性线束插接，成功率99%以上）。智平方与惠科签下三年1000台订单，并与东风柳汽、华熙生物合作。
零售：银河通用G1在中关村论坛完成数千杯咖啡取送，成功率99.97%，并在智慧药房、零售太空舱尝试落地。
家庭：难度最高，自变量押注此场景，目前更大价值在于获取真实数据与验证模型，而非商业模式成熟。
开发平台：星海图R1 Pro/R1 Lite主要面向模型研发、数据采集和后训练，更像“卖铲子”的生意。

资本以200亿元估值为机器人大脑定价，本质是押注长期技术领先。但模型架构、数据闭环和商业化路径均未跑通，头部公司必须在真实物理世界中持续验证。未来估值能否站稳，取决于各家公司能否用落地指标（任务成功率、效率、人工接管次数等）证明“大脑”的真实价值。