夜雨聆风
【摘要】2026年，具身智能赛道正处在从“能动”到“会干”的历史性拐点，智元创始人邓泰华将这一年定义为具身智能部署态元年。
当机器人不再只是酷炫的表演工具，而是能在真实产线上自主作业、创造价值的生产力单元时，仍有一个摆在所有玩家面前的根本性问题：做具身智能，到底该怎么干？
是像千诀科技、极佳视界那样轻装上阵、专攻软件大脑；还是像智元、星动纪元那样软硬兼施、全栈自研，构建从本体到大脑的完整技术闭环；抑或是像宇树、开普勒那样硬件先行、以规模化制造为矛？
不同的路线选择背后，是不同的战略逻辑、差异化的资源禀赋和对产业终局的个性化预判。
以下为正文：
01
“大脑”供应商的轻资产逻辑
面向具身智能赛道，部分企业选择重软件、轻硬件的部署逻辑，将机器人“大脑”与“身体”解耦，专注于构建可跨形态部署的通用智能系统。
这类企业通常将硬件视为可外采或合作的标准化部件，自身则聚焦于具身智能的“大脑”，从事感知、决策、规划、控制等软件层的研发，千诀科技和极佳视界便是具有代表性的轻资产具身智能企业。
千诀科技成立于2023年，公司从创立之初就选择了一条与业界主流截然不同的技术路径——类脑分区架构。
不同于端到端大模型或传统分层路径，千诀科技通过模拟人脑功能区划分，将视觉、听觉、决策、交互、记忆等功能解耦为独立模块，构建可跨形态部署的通用大脑。
图片来源：千诀科技官方公众号
这一技术路线的核心优势在于标准化和模块化设计。通过模块化解耦，千诀大脑能够像即插即用的标准部件一样，快速适配到人形、轮式、无人机、四足乃至扫地机等不同形态的机器人“身体”上，实现从感知到决策的闭环，且无需对机器人原有算法产生较大影响。
目前，公司已完成第三代“具身大脑”的与训练工作，其具身智能方案也已经在酒店清洁、餐厅服务、室内精密操作等多场景中完成部署，预计2026年内搭载千诀大脑的设备规模将达到十万台级别。
如果说千诀科技解决的是大脑“能不能想”的问题，那同年成立的极佳视界，其具身智能在“主动思考”的同时，还专注于另一个同样关键的瓶颈——数据。
极佳视界通过GigaWorld系列世界模型，构建了一个极度逼真的数字世界模拟器，在虚拟世界中生成可预测、可交互、多样化的具身交互数据，让机器人在模拟环境中以更高的效率进行试错和进化，进而实现具身智能的跨域泛化能力。
图片来源：极佳视界官方公众号
官方信息显示，公司具身世界模型 GigaWorld-0已将世界模型生成数据在VLA训练中占比提升至90%，所训练的VLA模型在新纹理、新视角、新物体位置三大泛化维度上均实现近300%的性能提升。
利用世界模型，极佳世界构建了从世界模型生成数据，到VLA训练与真实场景执行，再到真实数据回流助力世界模型迭代优化的智能飞轮，也开辟了一条数据高效、高泛化、低成本的具身智能规模化道路。
对具身智能企业而言，以软件大脑为核心、硬件依赖外采或合作的轻资产模式，是切入门槛相对较低、扩张速度最快的路径之一。
公司可以将研发资源高度集中于算法和模型，以更快的速度迭代软件能力。同时，由于大脑与本体松耦合，软件供应商可以同时服务于多家硬件厂商、多元化商业场景，形成应用适配效应也为覆盖更多应用场景提供更多技术和商业空间。
然而，这种重软件、轻硬件的路线也有其天然困境。
一方面，“大脑”与“身体”的拆分，让具身智能企业面临着通用产品还是定制化的适配困境。在一些高频动态或者精细操作的场景中，通用大脑很难为每一款硬件及特定场景进行定制优化，而定制化的“大脑”又增加高企业的研发成本。
另一方面，作为大脑供应商的具身智能企业，其商业成功的核心取决于合作伙伴的终端落地能力。一旦硬件厂商选择自研大脑，或者行业格局收敛，大脑供应商的议价空间与市场空间将被严重挤压。
值得关注的是，极佳视界在2025年11月发布了自研本体Maker H01并开启量产交付，这家软件派企业正在向硬件领域扩张，这也恰恰折射出纯软件路线的焦虑。
02
硬件先行的规模化制造思维
在具身智能赛道，还有一批玩家选择硬件先行、软件后补的发展路径，将资源集中于关节电机、电驱系统、结构设计等硬件领域，追求成本可控、可量产、高可靠性的本体产品。
通过规模化制造与成本控制，快速占领市场，并在软件层面利用开源框架、购买成熟方案或与大脑公司合作进行补充。
宇树科技就是这条路线的代表企业，公司的核心竞争力根植于硬件。
自研关节电机、高性能电驱系统等硬件层面的积累，让宇树的具身智能产品能够在保持高性能的同时，降成本进一步压缩。其中，公司消费级人形机器人G1的售价仅9.9万元起，对比而言，多数竞品的人形机器人仍停留在原型验证、高价销售或少额出货的阶段。
图片来源：宇树科技官方公众号
2025年度，宇树科技人形机器人出货量超过5500台，位居全球第一；四足机器人销量合计超30000台。招股书显示，2025年公司实现营收16.99亿元，扣非净利润达5.91亿元，盈利能力持续提升。2026年6月1日，宇树科技科创板IPO申请通过上交所上市审核委员会审议，从3月20日IPO申请到过会用时仅73天。
不仅是宇树科技，开普勒也选择了硬件先行、软件跟进的模式。
公司自主研发行星滚柱丝杠执行器等关键硬件，并已经量产交付“蓝领人形机器人”K2大黄蜂。基于公司的混动架构，该机器人能效利用率高达81.3%，实现了充电1小时，连续工作8小时续航能力；最高达30kg的双臂负载能力，可胜任搬运、装卸等任务。
图片来源：开普勒官方公众号
截至目前，开普勒机器人已达成框架协议下的明确意向的订单数达千台，交易金额高达数亿元，客户涉及工业贸易、数据采集、展厅、智能制造、特种作业等领域。
整体来看，宇树科技和开普勒机器人这种硬件先行的模式可助力具身智能快速从实验室产品转换为制造业产品，在跑通市场后，通过真实应用场景的数据积累，反哺企业产品的新一轮迭代。
然而，这一路径的核心挑战在于软件能力的滞后。
随着行业竞争的重心从“运动能力”转向“智能水平”时，端到端VLA模型、多模态大模型、复杂操作的泛化能力等恰恰是硬件派最薄弱的环节。尽管可以通过购买或移植来快速补充，但软件系统的深度优化需要与硬件特性紧密结合，外购方案往往难以达到最佳效果。
另一个隐忧在于商业模式的抗风险能力。硬件先行的企业高度依赖高校、科研机构、工厂企业等大客户以及海外市场，一旦市场应用场景落地出现波动以及订单波动，会迅速导致公司下一轮迭代周期的资金受阻。
与此同时，随着具身智能走验证走向落地，越来越多企业的机器人业务开始放量，在规模化出货背景下，宇树科技和开普勒机器人难以长期保持成本优势，此时，软件短板将更加凸显。
03
软硬兼施全栈自研的攻守之道
不论是专注软件，还是专注硬件，具身智能企业往往都会面临存在各类短板的问题。由此，将“大脑”与“本体”都握在自己手中，走全栈自研路线正逐渐成为企业的终极目标。
在软硬一体这条路线上，智元机器人给出了“一体三智”的全栈自研答卷，即以一个稳定可靠、高上限、低成本的本体，加上运动智能、交互智能、作业智能三个智能层，实现机器人的软硬件有效耦合。
在技术创新层面，智元构建了从硬件本体、底层操作系统到AI基座大模型的全栈式技术体系。值得关注的是，在大、小脑AI的研发上智元投入了远超3/4的研发费用，公司研发人员占比超过75%。
图片来源：智元机器人官方公众号
这一模式的优势在于技术协同的深度和迭代速度。2025年，智元在合作伙伴大会上一次性发布了四大本体新品、六大AI模型、七大生产力解决方案，并首次公开AIMA全栈生态技术体系。这种“大火猛攻”的推进节奏，或只有在软硬件同时研发、互为支撑的架构下才能实现。
除智元机器人以外，星动纪元这家清华大学唯一持股的具身智能企业，同样坚持“具身大脑”与“人形本体”软硬一体全栈自研。
硬件层面，公司自研比例超过95%，涵盖关节模组、灵巧手、电机、减速器、控制器等全链路核心部件，实现供应链垂直整合。
算法层面，星动纪元的具身大脑ERA-42已实现对高自由度全尺寸双足人形机器人全身及五指灵巧手的精准控制。值得关注的是，目前全球仅四家企业达成此技术能力，其余三家为Figure Helix、特斯拉Grok及英伟达GR00T。
反映在商业成果上，星动纪元2025年总订单额突破5亿元，物流领域最大单笔订单近5000万元，海外业务占比50%，全球TOP10市值科技巨头中9家为星动纪元客户，业务覆盖北美、欧洲、中东、日韩。
图片来源：星动纪元官方公众号
与智元、星动纪元同样坚持全栈自研的还有魔法原子。作为最年轻的具身智能企业之一，公司硬件自研率高达90%，覆盖关节模组、灵巧手、减速器等23类核心部件，与此同时，其自研“原子万象”大模型采用“大脑+小脑”双模架构可实现任务自主规划与动态决策。
2025年，魔法原子启动“千景共创”计划，计划携手全球1000家合作伙伴打造1000个落地应用场景。这种以生态驱动全栈的思路，本质上是试图用场景需求倒逼技术和产品的快速迭代，以更好适配规模化商业应用。
图片来源：魔法原子官方公众号
选择软硬兼施全栈自研这条路的逻辑是：只有软硬一体深度协同，才能将机器人的性能天花板推到极致，实现硬件定义性能、软件定义智能的闭环。
当算法团队和硬件团队在同一组织内协作时，可以针对特定任务对机械结构、电气参数、控制算法等进行联合调优，避免各自架构导致的信息不对称。
与此同时，全栈企业建立的是从底层零部件到上层算法的完整专利壁垒，竞争对手难以通过“换一个大脑”或“换一个身体”来复制其性能。智元机器人的“一体三智”和魔法原子的“1+2+N”体系本质上都是一套环环相扣的技术栈，任何一个环节缺失都可能影响整体表现。
在迭代速度上，由于软件和硬件在同一节奏下推进，新产品发布时可以一次性完成“本体+大脑”的同步升级，而非等待第三方供应商适配，这也是全栈路线的独特优势。
然而，全栈自研是一条“贵族路线”，选择这条路线的具身智能企业也是当前赛道中最“重资产”的一批玩家。
企业首先需要面对的是资金和组织门槛。自研关节模组需要电机、减速器、编码器的专业团队；自研控制器需要嵌入式硬件和底层软件人才；自研大脑需要大模型、强化学习、机器人学的交叉团队，这些资源同时在组织内配置，研发投入之庞大可想而知。
举例而言，智元陆续拆分成立4家子公司、投资20余家早期企业、计划五年投入超20亿元用于生态建设，这种大包大揽的投入强度，对绝大多数创业公司来说可望不可即。
更为根本的挑战是数据瓶颈，全栈企业虽然拥有物理本体，但真机数据的采集成本极高。这意味着全栈企业不仅要搞定软硬件技术，还要自建数据采集体系、数据飞轮，投入规模可谓惊人。
此外，全栈模式还面临“全能型”带来的维度压力。在每个细分维度上，全栈企业不一定能跑赢专注该领域的头部企业——这是垂直整合模式的固有代价，资源分散，难以在所有维度保持领先。
04
殊途同归背后的规则
站在2026年这个时间节点，具身智能赛道的三种路线各有优势，也各有隐忧，但三种路线的分野未必是永久性的，随着产业发展阶段的变化，企业可能在不同阶段切换或融合不同的路线。
对具身智能企业而言，投入资金、技术壁垒、规模化落地仍是目前行业面临的不可能三角。
全栈自研意味着更深的技术护城河与更快的商业闭环，但企业也不得不面临重资产带来的资金压力，对绝大多数资源有限的创业公司而言仍存在较高门槛；
硬件先行意味着快速的产品落地与商业价值转化，但随着当行业竞争的关键维度从运动能力转向智能水平时，软件短板可能需要巨大的后续投入来弥补；
专注软件意味着不需要承担高昂的硬件制造和供应链成本，且快速覆盖尽可能多的应用场景，但仍面临定制化困境、议价能力以及商业订单被动化的局面。
三条路线的核心矛盾，归根结底是个经济学问题。
具身智能市场分工与垂直整合的边界在哪里？具身智能最终会不会像移动互联网一样，出现Android这样的通用操作系统和ARM这样的芯片架构，让大部分硬件厂商只需关注硬件本体设计与制造？还是说，具身智能的特殊性决定了只有软硬件深度耦合才能达到最优效果？
智元联合创始人彭志辉曾表示，国内真正的优势在于工程化落地和供应链整合。我们能够在一个充分开放的场景里，快速利用好整个制造业的供应链、制造链，用中国的速度和场景，跑出全球最好的具身智能。
这也暗示了一个可能出现的行业格局：在通用硬件层面，中国制造业的极致效率将成为不可替代的护城河；而在软件大脑层面，能够实现大模型与物理世界深度融合的企业将成为真正的稀缺资源。
05
尾声
不管最终哪种路线成为主流，2026年作为具身行业分水岭的节点共识已然形成。
当机器人能自主干活、独立创造价值，它就会成为物理AI世界真正的生产力。而生产力这个标准意味着可持续的、可规模化的经济价值，这也将精确而残酷地检验每一条路线的商业未来。
- XINLIU -
