作者：彭堃方
編輯：呂鑫燚
出品：具身研習社
具身智能最詭異的是什么？
行業(yè)內(nèi)選擇用同一把尺子丈量本體和大腦公司：“你什么時候賺錢？”
這事詭異之處在于，雖同處一個產(chǎn)業(yè)，但本體公司和重腦公司是完全相悖的商業(yè)邏輯。本體企業(yè)撬動商業(yè)飛輪的支點在于量產(chǎn)規(guī)模，這也是大部分本體企業(yè)更偏向于展覽、演出等場景的原因之一，畢竟出貨的本質(zhì)是攤薄成本，有訂單某種程度上就等于有商業(yè)飛輪的可行性。
而重腦公司的商業(yè)飛輪在于模型、數(shù)據(jù)，走的是一條邊際成本趨零、贏者通吃的商業(yè)路徑，而非偏向制造業(yè)的線性增長。在全球大腦公司均沒有出現(xiàn)絕對性巨頭之前，這部分群體要做的是瘋狂屯集糧草，因為在具身這個萬億規(guī)模市場面前，當前的增長曲線仍屬“平緩”，拐點在于何時攻克那個讓物理世界產(chǎn)生類人智慧的“大腦”卡點。
所以我們看到，一級市場上包含國有資本、互聯(lián)網(wǎng)巨頭、頂級市場化等多元資金，共同流向了做具身大腦的企業(yè)，量級達到10億、20億元。熱錢涌進的時候，大腦廠商并沒有同樣回報激進姿態(tài)，商業(yè)化口號顯得十分保守可見在具身智能賽道上，對于大腦企業(yè)來說，過早地談?wù)撋虡I(yè)化落地，或許是一場對技術(shù)邏輯的致命誤讀。
然而，當下行業(yè)內(nèi)彌漫的商業(yè)化焦慮，正在強制抹平這種本體與大腦企業(yè)的節(jié)奏差異。本體廠商在算法尚未成熟時被迫兜售場景，模型廠商則在尋找規(guī)?；涞氐膲毫ο路稚⒘司?。
這種“倒逼出來的繁榮”，極易演變成一場用力分散的資源內(nèi)耗。具身大腦企業(yè)現(xiàn)階段不一定要把商業(yè)化放在首位，因為在通往通用人工智能的質(zhì)變前夜，過早的俯身撿錢，往往意味著失去了抬頭看路的資格。
過去三個月，具身智能賽道里最密集的動作，并非新品發(fā)布，也不是量產(chǎn)數(shù)字刷新，而是一筆筆體量驚人的融資。
多家更側(cè)重于“大腦”的具身智能企業(yè)，在一級市場完成了10億、20億元級別的融資，資金集中度和規(guī)模，遠超行業(yè)此前的想象：
- 25年12月銀河通用完成3億美元（超20億元）新一輪融資,3月又完成25億元融資；
- 26年1月自變量完成10億元融資；緊接著2月25日又完成數(shù)億元新融資；
- 26年2月11日星海圖完成10億元新一輪融資；
- 26年2月23日智平方宣布完成10億元融資；
- 26年2月24日千尋智能宣布完成兩輪共20億元融資；
這些廠商的模型能力，普遍能夠支撐人形機器人在工廠產(chǎn)線或商業(yè)服務(wù)領(lǐng)域，進行部分自主作業(yè)，在驅(qū)動人形機器人完成基礎(chǔ)的抓取、拿放以及部分相對精細的長時序柔性操作上，進展明顯。
不過，我們看到一筆筆重磅資金涌入大腦企業(yè)之際，被投方卻并未給予市場短期饋贈，沒有激進的商業(yè)化口號，甚至直接對外表態(tài)“急不得”。相比之下，同期本體市場傳來的卻是“量產(chǎn)預(yù)期翻倍”“節(jié)后銷量暴增”等捷報。
這種冷熱反差之下，其實暗藏一種共識的形成。
對于具身大模型企業(yè)來說，普遍的緊迫感并不是出貨量排第幾，而是怎么“存彈藥”。近日千尋智能CEO韓峰濤在媒體采訪中判斷“26年的具身會非常像23年的大模型，如果你拿不到很多錢，模型性能跑不到頭部，就沒有上牌桌的機會了?！?/p>
這類具身模型企業(yè)之所以敢于在商業(yè)化上保持克制，是因為它們清楚，這是一場長線作戰(zhàn)。具身大模型的訓(xùn)練周期、數(shù)據(jù)積累和算法突破，本質(zhì)上是指數(shù)曲線，而不是線性迭代。一旦跨過某個能力閾值，模型的泛化能力將快速外溢，復(fù)制到不同場景、不同本體之上，其邊際成本趨近于零。
當目標是成為通用物理智能平臺時，短期收入并不等同于長期價值。甚至在某些階段，這種過早商業(yè)化反而可能成為戰(zhàn)略干擾項。例如那些缺乏耐心的資本，勢必看到模型企業(yè)的商業(yè)落地，而忽視技術(shù)的發(fā)展曲線。
正如智駕賽道中，更多價值沉淀在方案商和算法平臺，而非單一車型制造商，具身智能的長期護城河，也更可能沉淀在通用的物理世界基座大模型與數(shù)據(jù)飛輪之上。
透過模型企業(yè)的態(tài)度來看，現(xiàn)在依舊屬于早期的“攻堅時刻”，那此時資方押注的到底是什么？
走訪多位投資人后，具身研習社發(fā)覺大多資方逐漸意識到，具身智能真正的卡點已由硬件生產(chǎn)、運控算法，漂移至模型能力。用幾個月前王興興自己的話來說，“硬件已經(jīng)夠用了”，但模型還沒有。
具身研習社也曾撰文指出“人形機器人的本體工程化能力已經(jīng)跨過‘從0到1’的臨界點，行業(yè)競爭焦點正向更高維度的智能交互遷移?！闭嬲_差距的，是對非結(jié)構(gòu)化場景的理解能力、對多模態(tài)信息的融合能力，以及長程任務(wù)規(guī)劃的穩(wěn)定性等腦力比拼。
彼時，資方押注的不僅是模型的未來，而是能掩蓋FOMO情緒，別錯過“模型版宇樹”
追求商業(yè)化，是投資邏輯使然，沒有投資人會重倉一個長期無法自造血的企業(yè)，更沒有人會去接盤這樣的企業(yè)。但這也容易產(chǎn)生認知誤區(qū)，是不是所有企業(yè)都應(yīng)該短期盈利、有能力盈利？
具身智能因為詞熱，導(dǎo)致重腦的具身大模型企業(yè)與以人形機器人構(gòu)型為主的本體廠商混為一談，二者的分野，并不僅僅是產(chǎn)品形態(tài)不同，而是商業(yè)基因的根本差異。
做人形機器人，本質(zhì)上是在搭建一個高度復(fù)雜的工程系統(tǒng)。它將運動控制、電驅(qū)系統(tǒng)、結(jié)構(gòu)設(shè)計、材料工藝與整機架構(gòu)壓縮進一個可規(guī)模復(fù)制的產(chǎn)品形態(tài)中。當核心部件自研比例提升、供應(yīng)鏈體系穩(wěn)定、裝配流程標準化之后，成本曲線才會開始拐彎，可靠性與一致性才會形成復(fù)利。
它的增長節(jié)奏具備重資產(chǎn)技術(shù)行業(yè)特有的周期性，它需要工程體系打磨成熟，架構(gòu)被驗證，產(chǎn)品逐漸沉淀出標準與一致性。它的邏輯閉環(huán)是：規(guī)模擴大-單位成本下降-毛利改善-再擴大規(guī)模。并且在規(guī)模化過程中，本體會成為智能提升最可靠的物理基礎(chǔ)，大量本體可以用于反復(fù)驗證、迭代運控算法。
這和春晚前夕宇樹訓(xùn)練的邏輯相同，因為有足夠多的本體、足夠大的場景，可以在訓(xùn)練高難度的動作時源源不斷對運控算法做出多元化的反饋，讓運控更絲滑，更能吸引外界注意，撬動更多訂單。
這就是一個完整的商業(yè)閉環(huán)。
而做具身大腦，則更接近軟件平臺甚至基礎(chǔ)設(shè)施邏輯。如果說本體是物理世界的結(jié)構(gòu)底座，那么大模型所做的，是在這個底座之上建立認知與決策的通用層。一旦模型訓(xùn)練完成，便可以部署在無數(shù)個硬件終端之上。新增機器部署的成本不再是核心考慮的因素，能力卻可以在數(shù)據(jù)回流中持續(xù)增強。
它遵循的是指數(shù)增長邏輯：能力跨越某個門檻后，市場會迅速向少數(shù)頭部集中。它的邏輯閉環(huán)是：能力突破-場景泛化-規(guī)模落地-數(shù)據(jù)回流-能力再突破。所以，你會發(fā)現(xiàn)具身大腦企業(yè)短期效仿本體企業(yè)，盲目投產(chǎn)只會增加成本，大腦的命題支線是“留錢”，等產(chǎn)業(yè)技術(shù)性的拐點。
在智駕領(lǐng)域，我們已經(jīng)看到類似趨勢：最終可能只會留下少數(shù)幾家擁有核心算法與數(shù)據(jù)閉環(huán)能力的方案商，而大量整車廠則圍繞這些能力構(gòu)建差異化產(chǎn)品。具身智能的未來，或許也是這類“寡頭型基礎(chǔ)模型競爭”，即真正具備通用物理推理與操作能力的大模型，數(shù)量不會太多。
因此，具身大模型企業(yè)如果過早被拉入“接訂單—做項目—定制化開發(fā)”的節(jié)奏，極有可能削弱其通用性探索，某種程度變?yōu)椤岸ㄖ苹疭aaS”。而且為了滿足某個具體客戶需求而不斷微調(diào)模型，短期來看也收入曲線并不性感。據(jù)了解，這類定制項目耗時耗力耗財，往往落地一臺，虧損一筆，更多情況下成為配合投資人共同講的一個商業(yè)故事。
所以，這正是它們對商業(yè)化保持距離的原因，不是不想賺錢，而是不愿意為了不一定現(xiàn)實的線性收入，犧牲充滿想象力的指數(shù)曲線。
遺憾的是，我們經(jīng)常能看到問模型企業(yè)要商業(yè)化訂單的事情。
就拿過去的3個月來看，當本體廠商展示量產(chǎn)能力、亮相春晚舞臺時，模型廠商也面臨越來越多關(guān)于“落地能力”的追問。這與國外資本市場始終未見到Figure訂單卻將其估值推到數(shù)千億來看，耐心差距明顯。
所以，一種似因似果的現(xiàn)象出現(xiàn)。半年前普遍提及的“全棧能力”招來資本青睞；半年后的今天，本體廠商在資本與市場的雙重壓力下，開始主動攻堅大模型，希望將“智能”能力掌握在自己手中。而模型廠商在巨額融資之后，也需要向市場證明其價值，開始展示落地場景與規(guī)?；渴鹉芰?。
表面上看，這是一種相互促進，硬件補齊智能短板，模型驗證現(xiàn)實場景。但另一種可能，是一種被倒逼的資源分散。
如果模型突破節(jié)奏慢于預(yù)期，本體廠商為了商業(yè)化節(jié)奏不得不自建算模型團隊，投入大量資源重復(fù)造輪子；如果本體企業(yè)已經(jīng)實現(xiàn)一定盈利，模型企業(yè)則會在商業(yè)化能力不足的質(zhì)疑下，被迫切入具體項目，拆分通用目標，轉(zhuǎn)向定制化交付。
結(jié)果便是，兩類企業(yè)都在偏離自己最具優(yōu)勢的路徑，用力開始分散，難度成倍疊加。
換句話說，“商業(yè)化焦慮”正在模糊企業(yè)基因的差異。本應(yīng)以平臺邏輯成長的模型公司，被要求遵循制造業(yè)節(jié)奏；本應(yīng)以制造業(yè)邏輯穩(wěn)扎穩(wěn)打的本體廠商，被期待承擔基礎(chǔ)模型的顛覆使命（也是為了估值）。
這種評價體系的單一化，容易制造一種“全面開花”的錯覺，卻可能削弱真正的突破力量。
不過，已有企業(yè)對這一現(xiàn)狀有清晰認知。此前，松延動力創(chuàng)始人兼CTO姜哲源曾在和具身研習社對話時表示，未來機器人市場會形成兩類公司，大腦和本體會更加分化，大腦公司還會留下一批賬上有足夠多錢的一些公司，不斷的投研發(fā)；剩余的本體公司會更加細分。
總之，具身智能不是單線賽道，而是由制造業(yè)與基礎(chǔ)模型兩條曲線交織而成的復(fù)合結(jié)構(gòu)。不同類型企業(yè)所承擔的歷史角色，并不相同。
在通往通用人工智能的質(zhì)變前夜，也許更重要的問題不是誰先實現(xiàn)盈利，而是誰能守住自己的戰(zhàn)略邊界。因為一旦物理世界的類人智能真正跨過臨界點，價值將呈現(xiàn)非線性釋放。
而在那之前，過早俯身撿錢，可能真的會錯過抬頭看路的時刻。
特別聲明：本文為合作媒體授權(quán)DoNews專欄轉(zhuǎn)載，文章版權(quán)歸原作者及原出處所有。文章系作者個人觀點，不代表DoNews專欄的立場，轉(zhuǎn)載請聯(lián)系原作者及原出處獲取授權(quán)。(有任何疑問都請聯(lián)系idonews@donews.com)
