当孙正义、贝佐斯、黄仁勋三位科技与资本领域的领军人物不约而同地将巨额资金投向机器人“大脑”时，全球具身智能行业的竞争格局正悄然发生深刻变化。软银以140亿美元估值入股Skild AI，并斥资53.75亿美元收购ABB机器人业务；贝佐斯个人领投Physical Intelligence（PI）；黄仁勋则将“物理AI”定义为AI产业第三波浪潮，预言机器人的“ChatGPT时刻”即将到来。这场资本盛宴背后，是行业对机器人智能化核心环节的重新认知——从“身体”到“大脑”的竞争重心转移。
过去几年，具身智能领域的竞争主要聚焦于机器人本体的运动能力。厂商通过提升关节精度、负载水平和量产速度，试图突破物理极限。然而，当机器人从实验室走向工厂、仓库等真实场景时，一个关键问题浮现：即使是最灵活的“身体”，也无法自动转化为生产力。例如，一台已掌握搬箱子技能的机器人，在面对不同颜色、材质或尺寸的箱子时，性能会显著下降；更换工厂或工位后，企业往往需要重新采集数据、调整模型，导致每新增一个部署点位都近乎重新实施项目。这种“碎片化”落地难题，迫使行业将竞争焦点从硬件本体转向软件模型。
目前，海外具身模型已形成两条技术路径：一条以Figure为代表，通过将视觉感知、语言理解和全身控制深度集成于VLA系统，实现软硬件闭环。其2025年发布的Helix系统将上肢控制扩展至全身，2026年推出的Helix 02进一步统一神经系统，显著提升动作稳定性。但这种路径的泛化能力受限于自有机器人的部署规模，例如在展示家务场景时，投行伯恩斯坦曾质疑其能否适应外观、尺寸完全不同的碗碟。另一条路径则以PI的π系列为代表，试图通过通用模型实现跨本体和场景的泛化。π0模型支持68种任务和7种机器人形态，π0.5通过融合多源数据完成未训练场景的长程任务，π0.7则展示了跨本体迁移能力。这种“一套大脑驱动多种身体”的模式，被视为物理AI时代的“安卓系统”，吸引了贝佐斯、OpenAI等顶级资本的押注。
与此同时，英伟达和谷歌将竞争延伸至基础设施层面。英伟达的GR00T N1模型结合真实轨迹、人类视频和合成数据训练，并配套仿真工具和物理引擎，构建从数据生成到真机部署的完整链条。谷歌的Gemini Robotics系列则将多模态理解能力延伸至机器人，其双模型架构（推理模块与控制模块解耦）为行业提供了新的技术思路。这些探索共同指向一个趋势：具身智能的竞争正从本体参数转向模型能力，而“数据-训练-部署-迭代”的闭环能力成为关键分水岭。
中国市场的变化同样显著。以宇树、优必选为代表的全栈硬件厂商，正从本体制造向上构建模型能力；小米等消费电子企业则依托供应链优势切入，其开源的380亿参数模型Xiaomi-Robotics-U0已用于数据生成和迁移；而银河通用等以模型为核心的公司，则选择“逆向延伸”路径——以具身大模型为原点，反向定义硬件架构和数据体系。例如，银河通用的“银河星脑”模型将感知、规划与控制集成于端到端架构，其本体Galbot G1和S1已在零售、工业、康养医疗等场景规模化落地，其中S1自今年3月起在宁德时代产线实现7×24小时自主运行，G1覆盖全国40余城数百家门店。数据层面，其“银河星数”基座通过虚实融合训练和五层金字塔管理体系，形成“真实场景-数据回流-模型进化-场景复制”的闭环，使每次部署都成为模型进化的机会。
资本对模型层的追捧已反映在融资数据中。PI在2024年完成4亿美元融资后，2025年B轮估值飙升至56亿美元；今年1月，软银与英伟达以140亿美元估值投资Skild AI；6月，Generalist完成4亿美元融资，累计融资超5亿美元。国内市场同样活跃，银河通用今年3月完成25亿元融资，由国家人工智能产业基金领投，估值位居中国具身智能领域首位。这些高估值的背后，是市场对模型能力、数据资产和平台化潜力的预期。英伟达CEO黄仁勋将物理AI定义为AI产业第三波浪潮，认为未来将有千亿级自主机器人在现实世界运行；软银董事长孙正义更断言，物理AI与人形机器人将诞生下一批万亿美元市值公司；亚马逊创始人贝佐斯则从效率角度出发，认为通用机器人大脑将极大提升物理世界的创新效率。
摩根士丹利分析师指出，机器人“大脑”的重要性将在2026年进一步凸显，模型能力将成为企业差异化的核心。具身智能行业可能形成两类商业路径：一类是独立模型供应商，如PI和Skild AI，专注于开发通用模型并向本体厂商输出能力，按调用量或部署规模收费；另一类是全栈技术飞轮，如特斯拉和银河通用，通过大规模部署积累数据并迭代模型，形成软硬件闭环。但后者面临部署边际成本的挑战——若每新增一个场景都需要重新采集数据和调整模型，飞轮将难以持续运转。银河通用通过WAM-TTT框架减少对遥操作数据和驻场人力的依赖，将新场景适配从“项目制”转向“标准化”，初步验证了可行性。其宁德时代产线的常态化运行和全国门店的落地，为行业提供了参考样本。
尽管“模型溢价”存在技术路线不确定性、商业化节奏滞后和巨头价格战等风险，但物理AI作为AI产业最后一块拼图，其市场空间远超数字世界细分赛道。对于投资者而言，2026年下半年需关注三个核心指标：模型在新场景的泛化成功率、新增部署点位的边际成本变化趋势，以及真实操作数据的积累速度。这些指标将决定“模型溢价”能否持续，也预示着具身智能行业下一个竞争阶段的到来。
