作者：彭堃方
编辑：吕鑫燚
出品：具身研习社
具身智能最诡异的是什么？
行业内选择用同一把尺子丈量本体和大脑公司：“你什么时候赚钱？”
这事诡异之处在于，虽同处一个产业，但本体公司和重脑公司是完全相悖的商业逻辑。本体企业撬动商业飞轮的支点在于量产规模，这也是大部分本体企业更偏向于展览、演出等场景的原因之一，毕竟出货的本质是摊薄成本，有订单某种程度上就等于有商业飞轮的可行性。
而重脑公司的商业飞轮在于模型、数据，走的是一条边际成本趋零、赢者通吃的商业路径，而非偏向制造业的线性增长。在全球大脑公司均没有出现绝对性巨头之前，这部分群体要做的是疯狂屯集粮草，因为在具身这个万亿规模市场面前，当前的增长曲线仍属“平缓”，拐点在于何时攻克那个让物理世界产生类人智慧的“大脑”卡点。
所以我们看到，一级市场上包含国有资本、互联网巨头、顶级市场化等多元资金，共同流向了做具身大脑的企业，量级达到10亿、20亿元。热钱涌进的时候，大脑厂商并没有同样回报激进姿态，商业化口号显得十分保守可见在具身智能赛道上，对于大脑企业来说，过早地谈论商业化落地，或许是一场对技术逻辑的致命误读。
然而，当下行业内弥漫的商业化焦虑，正在强制抹平这种本体与大脑企业的节奏差异。本体厂商在算法尚未成熟时被迫兜售场景，模型厂商则在寻找规模化落地的压力下分散了精力。
这种“倒逼出来的繁荣”，极易演变成一场用力分散的资源内耗。具身大脑企业现阶段不一定要把商业化放在首位，因为在通往通用人工智能的质变前夜，过早的俯身捡钱，往往意味着失去了抬头看路的资格。
过去三个月，具身智能赛道里最密集的动作，并非新品发布，也不是量产数字刷新，而是一笔笔体量惊人的融资。
多家更侧重于“大脑”的具身智能企业，在一级市场完成了10亿、20亿元级别的融资，资金集中度和规模，远超行业此前的想象：
- 25年12月银河通用完成3亿美元（超20亿元）新一轮融资,3月又完成25亿元融资；
- 26年1月自变量完成10亿元融资；紧接着2月25日又完成数亿元新融资；
- 26年2月11日星海图完成10亿元新一轮融资；
- 26年2月23日智平方宣布完成10亿元融资；
- 26年2月24日千寻智能宣布完成两轮共20亿元融资；
这些厂商的模型能力，普遍能够支撑人形机器人在工厂产线或商业服务领域，进行部分自主作业，在驱动人形机器人完成基础的抓取、拿放以及部分相对精细的长时序柔性操作上，进展明显。
不过，我们看到一笔笔重磅资金涌入大脑企业之际，被投方却并未给予市场短期馈赠，没有激进的商业化口号，甚至直接对外表态“急不得”。相比之下，同期本体市场传来的却是“量产预期翻倍”“节后销量暴增”等捷报。
这种冷热反差之下，其实暗藏一种共识的形成。
对于具身大模型企业来说，普遍的紧迫感并不是出货量排第几，而是怎么“存弹药”。近日千寻智能CEO韩峰涛在媒体采访中判断“26年的具身会非常像23年的大模型，如果你拿不到很多钱，模型性能跑不到头部，就没有上牌桌的机会了。”
这类具身模型企业之所以敢于在商业化上保持克制，是因为它们清楚，这是一场长线作战。具身大模型的训练周期、数据积累和算法突破，本质上是指数曲线，而不是线性迭代。一旦跨过某个能力阈值，模型的泛化能力将快速外溢，复制到不同场景、不同本体之上，其边际成本趋近于零。
当目标是成为通用物理智能平台时，短期收入并不等同于长期价值。甚至在某些阶段，这种过早商业化反而可能成为战略干扰项。例如那些缺乏耐心的资本，势必看到模型企业的商业落地，而忽视技术的发展曲线。
正如智驾赛道中，更多价值沉淀在方案商和算法平台，而非单一车型制造商，具身智能的长期护城河，也更可能沉淀在通用的物理世界基座大模型与数据飞轮之上。
透过模型企业的态度来看，现在依旧属于早期的“攻坚时刻”，那此时资方押注的到底是什么？
走访多位投资人后，具身研习社发觉大多资方逐渐意识到，具身智能真正的卡点已由硬件生产、运控算法，漂移至模型能力。用几个月前王兴兴自己的话来说，“硬件已经够用了”，但模型还没有。
具身研习社也曾撰文指出“人形机器人的本体工程化能力已经跨过‘从0到1’的临界点，行业竞争焦点正向更高维度的智能交互迁移。”真正拉开差距的，是对非结构化场景的理解能力、对多模态信息的融合能力，以及长程任务规划的稳定性等脑力比拼。
彼时，资方押注的不仅是模型的未来，而是能掩盖FOMO情绪，别错过“模型版宇树”
追求商业化，是投资逻辑使然，没有投资人会重仓一个长期无法自造血的企业，更没有人会去接盘这样的企业。但这也容易产生认知误区，是不是所有企业都应该短期盈利、有能力盈利？
具身智能因为词热，导致重脑的具身大模型企业与以人形机器人构型为主的本体厂商混为一谈，二者的分野，并不仅仅是产品形态不同，而是商业基因的根本差异。
做人形机器人，本质上是在搭建一个高度复杂的工程系统。它将运动控制、电驱系统、结构设计、材料工艺与整机架构压缩进一个可规模复制的产品形态中。当核心部件自研比例提升、供应链体系稳定、装配流程标准化之后，成本曲线才会开始拐弯，可靠性与一致性才会形成复利。
它的增长节奏具备重资产技术行业特有的周期性，它需要工程体系打磨成熟，架构被验证，产品逐渐沉淀出标准与一致性。它的逻辑闭环是：规模扩大-单位成本下降-毛利改善-再扩大规模。并且在规模化过程中，本体会成为智能提升最可靠的物理基础，大量本体可以用于反复验证、迭代运控算法。
这和春晚前夕宇树训练的逻辑相同，因为有足够多的本体、足够大的场景，可以在训练高难度的动作时源源不断对运控算法做出多元化的反馈，让运控更丝滑，更能吸引外界注意，撬动更多订单。
这就是一个完整的商业闭环。
而做具身大脑，则更接近软件平台甚至基础设施逻辑。如果说本体是物理世界的结构底座，那么大模型所做的，是在这个底座之上建立认知与决策的通用层。一旦模型训练完成，便可以部署在无数个硬件终端之上。新增机器部署的成本不再是核心考虑的因素，能力却可以在数据回流中持续增强。
它遵循的是指数增长逻辑：能力跨越某个门槛后，市场会迅速向少数头部集中。它的逻辑闭环是：能力突破-场景泛化-规模落地-数据回流-能力再突破。所以，你会发现具身大脑企业短期效仿本体企业，盲目投产只会增加成本，大脑的命题支线是“留钱”，等产业技术性的拐点。
在智驾领域，我们已经看到类似趋势：最终可能只会留下少数几家拥有核心算法与数据闭环能力的方案商，而大量整车厂则围绕这些能力构建差异化产品。具身智能的未来，或许也是这类“寡头型基础模型竞争”，即真正具备通用物理推理与操作能力的大模型，数量不会太多。
因此，具身大模型企业如果过早被拉入“接订单—做项目—定制化开发”的节奏，极有可能削弱其通用性探索，某种程度变为“定制化SaaS”。而且为了满足某个具体客户需求而不断微调模型，短期来看也收入曲线并不性感。据了解，这类定制项目耗时耗力耗财，往往落地一台，亏损一笔，更多情况下成为配合投资人共同讲的一个商业故事。
所以，这正是它们对商业化保持距离的原因，不是不想赚钱，而是不愿意为了不一定现实的线性收入，牺牲充满想象力的指数曲线。
遗憾的是，我们经常能看到问模型企业要商业化订单的事情。
就拿过去的3个月来看，当本体厂商展示量产能力、亮相春晚舞台时，模型厂商也面临越来越多关于“落地能力”的追问。这与国外资本市场始终未见到Figure订单却将其估值推到数千亿来看，耐心差距明显。
所以，一种似因似果的现象出现。半年前普遍提及的“全栈能力”招来资本青睐；半年后的今天，本体厂商在资本与市场的双重压力下，开始主动攻坚大模型，希望将“智能”能力掌握在自己手中。而模型厂商在巨额融资之后，也需要向市场证明其价值，开始展示落地场景与规模化部署能力。
表面上看，这是一种相互促进，硬件补齐智能短板，模型验证现实场景。但另一种可能，是一种被倒逼的资源分散。
如果模型突破节奏慢于预期，本体厂商为了商业化节奏不得不自建算模型团队，投入大量资源重复造轮子；如果本体企业已经实现一定盈利，模型企业则会在商业化能力不足的质疑下，被迫切入具体项目，拆分通用目标，转向定制化交付。
结果便是，两类企业都在偏离自己最具优势的路径，用力开始分散，难度成倍叠加。
换句话说，“商业化焦虑”正在模糊企业基因的差异。本应以平台逻辑成长的模型公司，被要求遵循制造业节奏；本应以制造业逻辑稳扎稳打的本体厂商，被期待承担基础模型的颠覆使命（也是为了估值）。
这种评价体系的单一化，容易制造一种“全面开花”的错觉，却可能削弱真正的突破力量。
不过，已有企业对这一现状有清晰认知。此前，松延动力创始人兼CTO姜哲源曾在和具身研习社对话时表示，未来机器人市场会形成两类公司，大脑和本体会更加分化，大脑公司还会留下一批账上有足够多钱的一些公司，不断的投研发；剩余的本体公司会更加细分。
总之，具身智能不是单线赛道，而是由制造业与基础模型两条曲线交织而成的复合结构。不同类型企业所承担的历史角色，并不相同。
在通往通用人工智能的质变前夜，也许更重要的问题不是谁先实现盈利，而是谁能守住自己的战略边界。因为一旦物理世界的类人智能真正跨过临界点，价值将呈现非线性释放。
而在那之前，过早俯身捡钱，可能真的会错过抬头看路的时刻。
热门跟贴