別再糾結啦！

具身智能領域最令人費解的現象是什么？

行業(yè)內竟用同一把尺子去衡量本體企業(yè)和大腦企業(yè)：“你們何時能盈利？”

這一現象的詭異之處在于，盡管同屬具身智能產業(yè)，但本體企業(yè)與大腦企業(yè)的商業(yè)邏輯截然不同。本體企業(yè)推動商業(yè)發(fā)展的關鍵在于量產規(guī)模，這也是多數本體企業(yè)傾向于展覽、演出等場景的原因之一——畢竟出貨的核心是攤薄成本，有訂單在某種程度上就意味著商業(yè)運轉具備可行性。

而大腦企業(yè)的商業(yè)邏輯則圍繞模型與數據展開，走的是邊際成本趨近于零、贏者通吃的路徑，并非制造業(yè)式的線性增長。在全球大腦企業(yè)尚未出現絕對巨頭之前，這類企業(yè)的首要任務是積累資源，因為在具身智能這個萬億規(guī)模的市場面前，當前的增長曲線仍較為平緩，其發(fā)展拐點取決于何時攻克讓物理世界產生類人智慧的“大腦”技術難關。

因此我們看到，一級市場中，國有資本、互聯網巨頭、頂級市場化資本等多元資金紛紛流向具身大腦企業(yè)，融資規(guī)模達到10億、20億元級別。在熱錢涌入時，大腦廠商并未表現出激進的商業(yè)化姿態(tài)，反而在商業(yè)化口號上顯得十分保守。由此可見，在具身智能賽道中，對大腦企業(yè)而言，過早談論商業(yè)化落地或許是對技術邏輯的嚴重誤讀。

然而，當前行業(yè)內彌漫的商業(yè)化焦慮，正試圖消除本體與大腦企業(yè)之間的發(fā)展節(jié)奏差異。本體廠商在算法尚未成熟時就被迫推廣場景，模型廠商則在尋找規(guī)?；涞氐膲毫ο路稚⒘司?。

這種“被倒逼出的繁榮”，很容易演變成一場資源內耗。具身大腦企業(yè)現階段未必需要將商業(yè)化置于首位，因為在通往通用人工智能的質變前夕，過早追求短期收益，往往意味著失去了把握長遠方向的機會。

01

熱錢流向技術攻堅領域

過去三個月，具身智能賽道最密集的動作并非新品發(fā)布或量產數字刷新，而是一筆筆大額融資。

多家側重“大腦”研發(fā)的具身智能企業(yè)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(guī)模遠超行業(yè)此前預期：

- 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支撐人形機器人在工廠產線或商業(yè)服務領域進行部分自主作業(yè)，在驅動人形機器人完成基礎抓取、拿放及部分相對精細的長時序柔性操作方面取得了顯著進展。

不過，在一筆筆重磅資金涌入大腦企業(yè)時，被投方并未給市場帶來短期回報，沒有激進的商業(yè)化口號，甚至直接對外表示“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(jié)后銷量暴增”等好消息。

這種冷熱反差背后，其實暗藏著行業(yè)共識的形成。

對于具身大模型企業(yè)來說，緊迫感并非來自出貨量排名，而是如何“儲備資源”。近日千尋智能CEO韓峰濤在媒體采訪中判斷：“26年的具身智能行業(yè)會非常像23年的大模型領域，如果拿不到足夠資金，模型性能無法進入頭部，就沒有參與競爭的機會?！?/p>

這類具身模型企業(yè)敢于在商業(yè)化上保持克制，是因為它們清楚這是一場長期戰(zhàn)役。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，而非線性迭代。一旦跨越某個能力閾值，模型的泛化能力將快速擴展，應用到不同場景和本體上，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，過早商業(yè)化反而可能成為戰(zhàn)略干擾。例如缺乏耐心的資本，可能只關注模型企業(yè)的商業(yè)落地，而忽視技術發(fā)展曲線。

正如智能駕駛賽道中，更多價值沉淀在方案商和算法平臺而非單一車型制造商，具身智能的長期競爭優(yōu)勢更可能體現在通用物理世界基座大模型與數據循環(huán)上。

從模型企業(yè)的態(tài)度來看，目前仍處于早期“攻堅階段”，那么此時資方押注的究竟是什么？

走訪多位投資人后，具身研習社發(fā)現多數資方逐漸意識到，具身智能的真正技術卡點已從硬件生產、運動控制算法轉向模型能力。用幾個月前王興興的話來說，“硬件已經夠用了”，但模型還未達標。

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跨過‘從0到1’的臨界點，行業(yè)競爭焦點正向更高維度的智能交互轉移?！闭嬲_差距的是對非結構化場景的理解能力、多模態(tài)信息融合能力以及長程任務規(guī)劃的穩(wěn)定性等“腦力”比拼。

此時，資方押注的不僅是模型的未來，更是為了避免錯失“模型版宇樹”這樣的潛在機會。

02

具身智能的商業(yè)化焦慮

追求商業(yè)化是投資邏輯的必然，沒有投資人會重倉長期無法自我造血的企業(yè)，更不會接盤此類企業(yè)。但這也容易產生認知誤區(qū)：是否所有企業(yè)都應短期盈利、具備盈利能力？

由于具身智能概念火熱，導致側重大腦研發(fā)的具身大模型企業(yè)與以人形機器人構型為主的本體廠商被混為一談。二者的區(qū)別不僅在于產品形態(tài)，更在于商業(yè)基因的根本差異。

做人形機器人本質上是搭建一個高度復雜的工程系統(tǒng)，將運動控制、電驅系統(tǒng)、結構設計、材料工藝與整機架構整合進可規(guī)模復制的產品形態(tài)中。當核心部件自研比例提升、供應鏈穩(wěn)定、裝配流程標準化后，成本曲線才會下降，可靠性與一致性才會形成復利效應。

其增長節(jié)奏具有重資產技術行業(yè)特有的周期性，需要工程體系打磨成熟、架構得到驗證、產品逐漸形成標準與一致性。邏輯閉環(huán)為：規(guī)模擴大-單位成本下降-毛利改善-再擴大規(guī)模。且在規(guī)?；^程中，本體成為智能提升最可靠的物理基礎，大量本體可用于反復驗證、迭代運動控制算法。

這與春晚前夕宇樹的訓練邏輯相同：足夠多的本體和場景，能在訓練高難度動作時對運動控制算法提供多元化反饋，讓運控更流暢，吸引更多關注并撬動訂單。

這是一個完整的商業(yè)閉環(huán)。

而做具身大腦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，那么大模型則是在底座上建立認知與決策的通用層。一旦模型訓練完成，便可部署在無數硬件終端上。新增機器部署成本不再是核心考量，能力卻能在數據回流中持續(xù)增強。

它遵循指數增長邏輯：能力跨越門檻后，市場會迅速向少數頭部集中。邏輯閉環(huán)為：能力突破-場景泛化-規(guī)模落地-數據回流-能力再突破。因此，具身大腦企業(yè)短期效仿本體企業(yè)盲目投產只會增加成本，其核心任務是“儲備資金”，等待產業(yè)技術拐點。

在智能駕駛領域已出現類似趨勢：最終可能只剩少數擁有核心算法與數據閉環(huán)能力的方案商，大量整車廠圍繞這些能力構建差異化產品。具身智能的未來或許也是“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(yè)若過早陷入“接訂單—做項目—定制化開發(fā)”的節(jié)奏，極可能削弱通用性探索，某種程度上變成“定制化SaaS”。而且為滿足具體客戶需求不斷微調模型，短期收入曲線并不理想。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，更多時候只是配合投資人講商業(yè)故事。

所以，這正是它們與商業(yè)化保持距離的原因：不是不想賺錢，而是不愿為了不確定的線性收入，犧牲充滿想象空間的指數增長。

03

兩類迥異企業(yè)卻被同一標尺衡量

遺憾的是，我們?？吹较蚰Ｐ推髽I(yè)索要商業(yè)化訂單的情況。

以過去3個月為例，當本體廠商展示量產能力、登上春晚舞臺時，模型廠商也面臨越來越多關于“落地能力”的追問。這與國外資本市場在Figure未公布訂單卻將其估值推至數千億的耐心形成鮮明對比。

于是出現一種因果交織的現象：半年前“全棧能力”受資本青睞；半年后的今天，本體廠商在資本與市場雙重壓力下，開始主動攻堅大模型，希望掌握“智能”能力。而模型廠商在巨額融資后，也需向市場證明價值，開始展示落地場景與規(guī)模化部署能力。

表面看這是相互促進：硬件補齊智能短板，模型驗證現實場景。但另一種可能是資源被倒逼分散。

若模型突破節(jié)奏慢于預期，本體廠商為跟上商業(yè)化節(jié)奏不得不自建模型團隊，投入大量資源重復研發(fā)；若本體企業(yè)已實現一定盈利，模型企業(yè)則會在商業(yè)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(yè)都偏離了自身優(yōu)勢路徑，精力分散，難度倍增。

換句話說，“商業(yè)化焦慮”正在模糊企業(yè)基因差異。本應以平臺邏輯發(fā)展的模型公司，被要求遵循制造業(yè)節(jié)奏；本應以制造業(yè)邏輯穩(wěn)扎穩(wěn)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）。

這種單一化的評價體系容易制造“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(yè)對現狀有清晰認知。此前松延動力創(chuàng)始人兼CTO姜哲源在與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：大腦公司中會留下一批資金充足的企業(yè)持續(xù)投入研發(fā)；剩余本體公司會更加細分。

總之，具身智能不是單一賽道，而是制造業(yè)與基礎模型兩條曲線交織的復合結構。不同類型企業(yè)承擔的角色不同。

在通往通用人工智能的質變前夜，更重要的或許不是誰先盈利，而是誰能守住戰(zhàn)略邊界。因為一旦物理世界的類人智能真正跨越臨界點，價值將非線性釋放。

而在此之前，過早追求短期收益，可能真的會錯過把握長遠方向的機會。

本文來自微信公眾號“具身研習社”，作者：彭堃方，編輯：呂鑫燚，36氪經授權發(fā)布。

本文僅代表作者觀點，版權歸原創(chuàng)者所有，如需轉載請在文中注明來源及作者名字。

免責聲明：本文系轉載編輯文章，僅作分享之用。如分享內容、圖片侵犯到您的版權或非授權發(fā)布，請及時與我們聯系進行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com