资本重仓“具身大脑”

仅仅半个月，三笔融资，近十亿热钱，涌向了同一个赛道。

7月底，具身智能数据基础设施企业德塔智能宣布完成近5亿元天使++轮融资。几乎同期，眸深智能宣布完成近亿元Pre-A轮追加投资。再往前推几天，物理AI公司正奇未来也在近8个月内完成了3轮数亿元融资。

三家企业的共同标签是：均非传统硬件制造商，而是聚焦机器人感知、决策与执行的软件能力，业界习惯称之为“具身大脑”。

若仅看融资密度，很容易得出“赛道突然爆发”的结论。但拉长时间轴会发现，这并非一夜之间的转向。资本正在从押注“谁能造出能站能走的人形机器人”，转向押注“谁能让机器人真正看懂并改变世界”。

资本开始“换挡”：从押注本体到重仓大脑

这种资本层面的“换挡”，在数据层面有着极其直观地体现。

IT桔子事件库数据显示，2026年上半年国内具身智能赛道融资总金额达到935亿元，较2025上半年提升了5倍；赛道内头部企业融资能力极强，融资额TOP 20企业合计融资总额达550亿元，占总融资额的近六成。

其中，资本大额押注人形、大脑等赛道。在这TOP20企业中，人形机器人本体是资本豪赌的绝对核心赛道，9家入围企业合计融资约315亿元。而具身智能大脑则是第二大核心布局赛道，7家入围企业合计融资约145亿元。

具体来看，资本对具身智能大脑赛道的布局核心聚焦在具身智能引擎、机器人操作系统、全身运动控制算法、多模态感知融合软件等核心环节。这些软件和模型构成了人形机器人的“大脑”和“神经系统”，是决定机器人性能上限的核心技术壁垒。具备核心算法能力的软件企业，即便处于早期阶段，也能获得资本的大额押注。

华盖资本投资总监高露凝表示，“硬件已经开始‘卷’和同质化，但机器人的脑子和数据才是木桶的短板。大脑强可以原谅硬件平庸。”据悉，华盖资本了参与德塔智能天使轮融资，后者专注于研发?原生通用人形机器人基础模型，公司成立半年内完成了六轮融资。

这种共识直接催生了极高的估值溢价。据第一财经，2026年上半年，具身智能领域新增了19家百亿估值独角兽，包括云深处、自变量、智平方、星海图、千寻智能、众擎智能、极佳视界、灵心巧手、光轮智能、星尘智能、苏度科技、星动纪元、它石智航、地瓜机器人等在内。

其中，自变量、星海图、千寻智能、它石智航等明确提及要重点投入具身“大脑”，具备强大的具身大脑或全栈自研能力。例如，专注机器人通用大脑的千寻智能在半年内连融四轮，估值超过200亿元；致力于具身原生大脑的它石智航完成4.55亿美元融资，刷新国内具身智能单轮融资纪录。

更值得玩味的是，宇树、智元等本体出货量领先的企业，也已加入“具身大脑”的争夺与建设行列，积极布局具身智能的核心认知能力。这并非简单的业务扩张，而是出于对行业长远发展的深层焦虑。

一方面，随着硬件毛利率持续走低成为定局，企业亟需通过“大脑”来开拓软件订阅与增值服务的利润池；另一方面，出货量领先的企业本应掌握最丰富的真实场景数据回流，若大脑依赖第三方，核心数据资产将面临流失风险。此外，本体企业自研大脑，可以打造软硬一体的协同优势，是纯软件公司难以简单复制的物理壁垒。

过去两年，人形机器人行业在核心零部件领域完成了关键的降本与国产化突围。电机、关节模组、结构外壳，这些曾经卡住国产机器人脖子的硬件环节，正在以惊人的速度走向成熟。各家厂商的机械架构趋于同质化，双足行走的工程难题基本得到解决。单从硬件参数上看，很难区分出代际差距，硬件不再是护城河，甚至不再是门槛。

这正是“具身大脑”站上风口的底层逻辑。当机器人的“四肢”趋于标准化，决定产品力高下的唯一变量，变成了机器人感知环境、理解任务、自主决策的“大脑”能力。资本的重仓押注，本质上是在为这场关于“机器人灵魂”的争夺战提前下注。

部分企业选择避开硬件内卷，坚定做“卖铲人”。星源智机器人聚焦通用具身大脑，制造大小脑模型、高算力域控制器等产品，不涉及本体。眸深智能CEO穆泽林也表示“我们不做机器人整机，我们给所有机器人提供大脑。”目前行业内，换一个机器人本体，大脑适配通常需要数周甚至一个月，而眸深只能宣称已缩短到一周甚至三天。

路线之争：从VLA到世界模型

在“大脑”的技术路线上，分歧正在加剧。

很长一段时间里，VLA（Vision-Language-Action）架构一度是主流。VLA架构将视觉感知、语言理解和动作生成集成于一体，将感知输入直接映射为控制动作，优势在于语义理解能力强、交互自然。

但其短板同样突出：模型无法预判行为带来的环境变化，对动态场景的预测能力弱，且高度依赖海量真机数据采集，成本高昂、迭代缓慢。

而世界模型则代表了另一种思路。它本质上是一个内部虚拟推演模块，能够基于当前画面和假设动作预测后续环境状态、模拟物理因果，在行动之前提前评估方案好坏。

宇树科技创始人王兴兴在3月中旬的英伟达GTC大会上判断，在通往具身智能ChatGPT时刻的路径中，世界模型几乎“看不到天花板”，是更主流的技术方向。

据量子位的数据，2026年上半年有融资动态的35家“大脑派”公司中，有27家都在研发世界模型，占比近八成。

不过需要注意的是，将VLA与世界模型视为“二选一”对抗路线的认知，正在被学界与产业界共同修正。

2026年6月的北京智源大会上，智平方创始人兼CEO郭彦东对这一行业争论抛出明确答案：世界模型不是VLA的竞争路线，而是VLA体系中的核心组成部分；在世界模型与VLA融合之后，类脑架构将成为下一代机器人大脑的重要演进方向。

同样在路线融合上表态的还有星海图。在2026年?星海图全球开发者大会上，星海图CEO高继扬表示，我们一直不认为VLA和世界模型是对立关系，它们是同源共生，而且未来一定会越来越融合。无论训练VLA还是训练世界模型，底层逻辑其实都一样：把多模态数据转化成Token，通过多层Transformer编码，再通过不同的监督和训练方式得到输出。

学术界的进展同样印证了这一趋势。香港科技大学与字节跳动Seed团队提出的WMPO（World Model-based Policy Optimization）方法，则将VLA的强化学习过程完整迁移到视觉世界模型中完成，让机器人在“想象”中训练，无需在真实机器人上进行大规模交互即可显著提升策略性能。

尽管资本对于具身大脑热情高涨，技术路线逐渐清晰，但产业层面的现实难题同样不容忽视，高质量的真实交互数据，仍是制约“具身大脑”发展的最大瓶颈。

截至2026年初，全球合规可用的机器人数据仅约50万小时，不足大语言模型训练数据的两万分之一。数据的匮乏不仅限制了模型的训练效果，也推高了数据采集的成本。谁能率先突破数据瓶颈，谁就有可能在这一轮竞争中占据先机。这也解释了为何德塔智能这类聚焦数据基础设施的企业，能在天使轮阶段就获得近5亿元的巨额融资。

具身大脑赛道的升温绝非概念的泡沫，而是产业演进的自然选择。当人形机器人的“四肢”从稀缺走向普及，决定这场竞赛终局的，将是那颗能够真正理解世界并改变世界的“灵魂”。而这场关于“灵魂”的争夺战，才刚刚拉开序幕。