來源虎嗅•較早收集於 46m
中國具身智能200億俱樂部解密
中國頂尖具身智能新創正靠「機器人大腦」獲得高估值，本文拆解其架構與資料策略。
30 秒速覽
有什麼變化
五家公司主要競爭的是機器人「大腦」技術，而非本體硬體；市場正將具身基礎模型視為更高價值的環節。
為什麼重要
文章顯示，具身智能投資人正重新圍繞通用模型、資料取得與部署閉環為產業定價，而不再只看機器人銷量。對創業者而言，差異化可能愈來愈取決於可量化的模型擴展能力與跨機器人部署能力，而非專有硬體。
下一步行動
在投入更大模型前，先從延遲、陌生物體泛化、跨機器人遷移與失敗恢復四個方向評測你的具身模型。
誰應關注：Founders & Product Leaders
關鍵要點
- •五家公司主要競爭的是機器人「大腦」技術，而非本體硬體；市場正將具身基礎模型視為更高價值的環節。
- •智平方、星海图與千寻智能強化 VLA 路線；自变量將 VLA 與世界模型結合；银河通用則整合多個 VLA 模組。
- •核心技術目標包括提升即時控制速度、泛化至陌生物體、跨本體遷移能力，以及失敗後自主恢復。
- •智平方採用快慢雙系統與皮層—小腦—脊髓架構；银河通用的 AstraBrain 也將大腦、小腦與靈巧手控制分層。
- •產業仍受資料瓶頸制約：真實世界資料稀缺且昂貴，模擬資料雖具規模優勢，卻可能增加遷移誤差。
關鍵數字40%200億
深度解析
本篇為 AI 生成分析，非原文內容。
增強重點摘要
- •中國具身智能產業鏈正加速向『具身智能+工業場景』轉型，部分企業已開始與汽車製造商（如比亞迪、蔚來）進行小規模產線驗證，以解決數據採集成本過高的問題。
- •資本市場對具身智能的估值邏輯已從單純的『模型參數規模』轉向『數據飛輪效率』，即企業獲取高質量真實物理數據並轉化為模型權重的速度成為核心競爭力。
- •具身智能領域出現了『軟硬解耦』趨勢，部分領先企業開始提供標準化機器人作業系統（ROS）中間件，試圖建立行業軟體標準以降低硬體適配門檻。
- •政府政策層面，北京、上海與深圳等地已設立具身智能專項基金，並推動『具身智能機器人創新中心』建設，旨在解決通用機器人底層算力與模擬器基礎設施不足的痛點。
- •人才結構發生顯著變化，頂尖具身智能團隊中，來自自動駕駛領域的感知與規劃算法工程師佔比已超過 40%，顯示出自動駕駛技術棧向機器人領域的快速遷移。
競品分析
智平方
- 核心技術路線
- 皮層-小腦-脊髓架構
- 數據獲取策略
- 模擬與真實數據混合訓練
- 商業化重點
- 工業自動化與物流
自变量
- 核心技術路線
- VLA+世界模型
- 數據獲取策略
- 大規模模擬數據生成
- 商業化重點
- 通用操作任務
星海图
- 核心技術路線
- VLA 強化學習
- 數據獲取策略
- 閉環數據採集系統
- 商業化重點
- 服務機器人
千寻智能
- 核心技術路線
- VLA 泛化模型
- 數據獲取策略
- 雲端數據回傳與標註
- 商業化重點
- 居家場景
银河通用
- 核心技術路線
- 分層大腦控制
- 數據獲取策略
- 多模態數據融合
- 商業化重點
- 零售與倉儲
| 公司 | 核心技術路線 | 數據獲取策略 | 商業化重點 |
|---|---|---|---|
| 智平方 | 皮層-小腦-脊髓架構 | 模擬與真實數據混合訓練 | 工業自動化與物流 |
| 自变量 | VLA+世界模型 | 大規模模擬數據生成 | 通用操作任務 |
| 星海图 | VLA 強化學習 | 閉環數據採集系統 | 服務機器人 |
| 千寻智能 | VLA 泛化模型 | 雲端數據回傳與標註 | 居家場景 |
| 银河通用 | 分層大腦控制 | 多模態數據融合 | 零售與倉儲 |
技術深入
- 具身基礎模型 (VLA) 架構：採用 Transformer 為主幹，融合視覺編碼器 (Vision Encoder) 與語言模型 (LLM)，實現視覺指令到機器人動作序列的端到端映射。
- 數據閉環機制：利用模擬器 (如 NVIDIA Isaac Sim) 進行大規模合成數據生成，並通過 Sim-to-Real 技術進行遷移，輔以少量真實場景數據進行微調 (Fine-tuning)。
- 分層控制架構：將高層語義規劃 (大腦) 與底層運動控制 (小腦/脊髓) 分離，大腦負責任務拆解與邏輯推理，小腦負責高頻率的電機控制與力控反饋。
- 泛化能力實現：通過大規模多任務預訓練 (Multi-task Pre-training) 提升模型對未見過物體 (Unseen Objects) 的抓取與操作能力，並引入隨機擾動訓練以增強魯棒性。
前景展望基於引用來源的 AI 分析
2027年底前，具身智能企業將出現首個實現大規模商業化量產的通用人形機器人產品。
隨著數據閉環效率提升與硬體成本下降，具身智能已具備進入特定工業場景進行規模化部署的技術基礎。
具身智能領域將發生行業整合，估值超過200億的企業將開始併購小型硬體初創公司以補齊本體製造能力。
軟體算法的領先優勢需要通過穩定的硬體載體落地，垂直整合將成為提升商業化競爭力的必然選擇。
時間線
2023-05
中國具身智能產業進入爆發期，多家初創公司獲得頂級風險投資機構種子輪融資。
2024-03
具身智能基礎模型 (VLA) 概念在國內學術界與產業界達成共識，成為技術研發核心。
2025-06
首批具身智能企業完成技術驗證，開始向工業客戶交付原型機進行產線測試。
2026-01
多家頭部具身智能公司投後估值突破200億元人民幣，標誌著資本市場對該賽道的深度認可。
- 2023-05中國具身智能產業進入爆發期，多家初創公司獲得頂級風險投資機構種子輪融資。
- 2024-03具身智能基礎模型 (VLA) 概念在國內學術界與產業界達成共識，成為技術研發核心。
- 2025-06首批具身智能企業完成技術驗證，開始向工業客戶交付原型機進行產線測試。
- 2026-01多家頭部具身智能公司投後估值突破200億元人民幣，標誌著資本市場對該賽道的深度認可。
AI 週報
閱讀本週精選 AI 大事摘要 →
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週電子報
每週一封，可隨時退訂。