当人形机器人的双腿能稳稳行走、双手可以灵巧抓握，行业却迎来了一道清晰的分水岭。

数据很能说明问题。2026年上半年，近440亿元资金涌入国内具身智能赛道；与此同时，一个惊人的结构性变化也在发生——超过一半的钱流向了“大脑派”公司，机器人本体厂商拿到的钱甚至不到20%。

本质上，眼下的具身智能领域，运动控制这套“小脑”已经高度成熟。但负责理解世界、自主规划的“大脑”，仍被海量场景数据和技术瓶颈牢牢困住。

当身体不再是门槛，大脑便是一切上限。从VLA大模型到端侧算力芯片，从世界模型到数据基础设施，一场围绕机器人大脑的卡位战，已经全面打响。

当“大脑”成为决胜点

今年5月，苏超联赛开赛前夕，一场别开生面的全自主机器人3V3足球对抗赛率先开打。现场，多台人形机器人追逐着一颗足球，它们没有遥控器、没有预设轨迹，全靠自身“大脑”实时感知场上局势、自主规划跑动路线，并决策传球还是射门。

虽然动作偶尔略显笨拙，但每一步都是机器自己“想”出来的。而在三年前，这样的场景还只存在于实验室的设想中。

彼时，行业还在为人形机器人能不能站稳、能不能走路而绞尽脑汁。但到了2026年，画风已经骤变。随着宇树、优必选、智元等厂商的产品已经能稳定行走、搬运物料，甚至完成拧瓶盖这类精细活，机器人“小脑”层面的运动控制已高度成熟。

不过，走得稳和想得明白之间，似乎还横亘着一道天堑。

要实现通用自主能力，一个合格的机器人大脑至少需要千万小时级别的高质量真实交互数据。而现实是，截至2026年初，全球合规可用的机器人数据只有50万小时，缺口超过99%。

数据的匮乏直接表现为大脑的“幼稚”。今天的机器人在结构化工厂里可以娴熟地装配零件，一旦走进家庭、商超这些开放场景，面对凌乱的桌面、突然闯入的宠物、千变万化的用户需求，它们却常常陷入窘境。

或许正是看到了这个致命短板，资本开始选择“用脚投票”。

据量子位不完全统计，2026年上半年（截至6月12日），国内具身智能赛道融资近438亿元，逼近2025年全年约554亿元的80%。按照这一速度，2026年全年将毫无悬念地刷新纪录。

但比总量更耐人寻味的是钱的流向。在近440亿元融资中，超过一半的资金涌向了“大脑派”公司；而纯“本体派”厂商只分到了约12.8%的份额，这个数字甚至低于生产灵巧手、传感器、关节模组等核心零部件企业14.4%的占比。

而大脑赛道内部的分化同样剧烈。VLA（视觉－语言－动作）模型一口气吃掉了42%的资金，世界模型占27%，数据基础设施占20%，端侧芯片占11%。大量大脑派公司融资节奏快到平均一个月一轮，甚至有企业两轮融资间隔只有两周。

与此同时，科技巨头和云厂商们也纷纷下场。华&为、腾讯、百度等均加码布局机器人大脑，生态战全面打响。

其中，华&为推出CloudRobo平台，试图将机器人接入昇腾算力矩阵；腾讯则定位为产业生态中的“钛螺丝”，通过开源混元大模型解决机器人的思考问题。大厂集体选择做大脑而不做本体，除了有效避免在硬件本体上陷入价格战，更关键的是能发挥自身海量算力、仿真环境和多模态大模型底座的核心能力。

当身体的门槛被逐渐踏平，大脑的壁垒正越筑越高。随着具身智能竞赛规则的改写，这场关于“灵魂”的争夺才刚刚鸣枪。

谁在定义机器人大脑？

目前来看，具身智能大脑赛道已形成多路并进的格局。

其中，模型自研派以VLA与世界模型为核心壁垒，走模型定义大脑路线，是融资规模最大、估值增速最快的阵营。千寻智能是其中跑得最快的选手之一。

这家2024年1月才成立的公司，在2026年迎来了一轮令人瞠目的融资狂飙。其在2月连融两轮近20亿元，投资者包括云锋基金、红杉资本等顶级机构；3月再获10亿元融资，估值跃升至200亿元；随后又拿下15亿元，短短三个月累计吸金45亿元。

图 / 千寻智能官方微信公众号

而让资本如此亢奋的，是它在技术上的一个标志性突破。今年1月，千寻智能的开源模型Spirit v1.5在性能上超越了美国头部公司Physical Intelligence的Pi0.5模型，成为中国首个实现此突破的开源模型。同时，其技术含金量也很快在零售、工业等产业端场景得到验证。

图 / 千寻智能官方微信公众号

另一家走模型路线的无界动力，则押注隐空间世界模型与强化学习的双轮驱动路线。其逻辑是让机器人理解世界运行的物理规律，而非仅仅记忆场景。这意味着机器人可以走进任何一扇没见过的门，而不是只在熟悉的地方走路。

2026年6月，无界动力发布的MWA™具身通用大脑在斯坦福大学等机构联合发起的RoboCasa GR1 TableTop榜单上登顶全球第一，超越ACE-EGO-0、DIAL等多款主流模型。

图 / 无界动力官方微信公众号

端侧算力派则从大算力加大模型端侧部署切入，强调本地化实时决策与量产交付能力。这一阵营中，知行科技旗下的如一动力值得关注。

如一动力深耕机器人大脑领域，依托知行科技在自动驾驶领域积累的技术栈和工程量产经验，完成初期技术与工程验证。其核心产品机器人AI Box边缘计算设备，算力覆盖80、128至560TOPS，可推动具身智能端侧算法转向模型驱动。同时，结合专为端侧部署优化的VLN（视觉－语言－导航）与VLA（视觉－语言－动作）模型架构，机器人可摆脱对云端的绝对依赖，在本地高效完成实时感知、推理、决策等。

目前，如一动力的技术能力已在多个真实场景中得到验证。除了前文提到的足球对抗赛，在今年的北京亦庄人形机器人半程马拉松上，如一动力团队通过开发与部署自主导航避障算法，让机器人以不到两小时成绩成功完赛。其自研的AI BOX产品iRC100P（AI算力128TOPS）还获得国内头部具身智能企业规模化量产订单，并完成首批交付与部署。

此外，本体+大脑一体派同时拥有顶尖模型与自研本体，试图以软硬协同形成闭环。一体派的核心逻辑是同时掌控“身体”与“灵魂”，这一路线中，星海图是典型代表。

不过，这套逻辑听起来很性感，但代价也显而易见。因为要同时兼顾模型与本体，两条线都需要资金、团队，一体派企业的现金流压力通常会超过纯软件或纯硬件公司。因此，能否跑通这条路，也取决于企业是否可以在融资节奏和产品落地之间找到平衡点。

类脑架构派则试图绕开传统VLA的数据瓶颈，从仿生学底层重构大脑架构。智平方是这一方向的先行者。

2026年，这家公司发布了全球首个类脑具身智能系统NeuroVLA，借鉴了人类大脑皮层—小脑—脊髓的三级体系。不同于传统大模型对海量数据和算力的持续依赖，NeuroVLA依托人脑工作机制，可以让机器人通过更少的数据完成学习与决策。

图 / 智平方官方微信公众号

当然，多路并进，殊途同归。

VLA派追求模型能力的极致突破，端侧派卡位算力部署的工程高地，一体派试图用软硬协同构建闭环，类脑派则从仿生学底层重构大脑架构。而所有玩家奔向的是同一个终点——让机器人真正理解世界。

未来，或许谁能在技术收敛之前完美跑通从模型到场景的商业闭环，谁就有望定义下一代机器人的思考方式。

下一站在哪里？

钱在往里涌，人在往前冲。但一个更底层的问题摆在那里：这个市场到底有多大？钱最终会流向价值链的哪个环节？

赛迪研究院《2026年未来产业十大赛道》报告指出，全球具身智能市场未来五年复合增长率73%，2030年市场规模有望达到2388亿美元。GGII也曾预测，2030年国内人形机器人市场规模将接近380亿元，销量将增长至27.12万台。

数字很大，但真正值得关注的不是规模，是结构。

过去两年，资本主要集中在硬件本体和运动控制层面，但随着本体能力的成熟和同质化加剧，价值链的重心逐渐向上游大脑迁移。这个判断在政策端也得到了印证。

2026年政府工作报告和“十五五”规划都明确将具身智能列为国家战略级产业方向。在政策的棋盘上，大脑被赋予了定义产品上限的战略角色。它不再是产业链上游的一个技术模块，已跃升为中游智能底座，占据着整条价值链中最具定价权的生态位。

那么，这个智能底座会朝什么方向进化？

技术架构层面，行业共识正在从单一的VLA模型向信息—物理—认知三域融合演进。世界模型不再是VLA的竞争路线，它是VLA体系中的核心拼图，负责在高维空间里推演；而VLA负责把推演结果转化为具体动作。大脑和小脑有望从各管一摊走向协同进化。

模型能力层面，今天的机器人大脑还停留在被动执行阶段，需要你提供一个指令，它想办法完成；而下一代大脑将具备主动推演和自我进化的能力，会越用越聪明，具有更强的环境适应性和复杂任务处理能力。

部署层面，大脑不能永远长在云端。毕竟，像家庭、商超、医院等场景，没有稳定的网络环境，也不会允许哪怕毫秒级的延迟。而将大算力与大模型部署在端侧，机器人便能逐步摆脱对云端的依赖，在真实世界中完成实时感知与自主决策。

交互层面，未来的机器人或许不再是孤立的个体，它们会逐步适应与人共处的复杂环境，甚至与其他机器人形成群体智能。

因此，从这些维度来说，具身智能大脑的未来，绝不仅仅是更强的算法或更大的模型，它正在长成一个融合认知、推演、控制与学习的全栈式智能中枢。

而当这个中枢真正成熟，机器人将不再是听令行事的工具。它们将成为在开放世界里真正自主理解、自主决策的智能体。