文｜高见Pro

具身智能持续升温。

在近一周的时间内，德塔智能、擎羽科技、源策未来、自变量机器人、智平方、无界动力、智澄AI、欧拉万象、纬钛机器人、具微科技、临界点AGILINK、深度机智等超15家公司密集宣布完成新一轮融资。

轮次从种子轮到C轮，从基础模型到核心部件到垂直应用，几乎覆盖了产业链的每一个关键环节。

融资金额本身就是信号。自变量机器人两个月内累计融资超40亿元，智平方C轮融资近50亿元，无界动力一年内完成融资累计超30亿元，欧拉万象天使轮数亿元，源策未来种子轮数亿元......

不少公司在早期轮次拿到的钱，已经超过了以前中后期才能撬动的体量。

更值得关注的是出资方。美团、阿里、字节跳动、小米等互联网巨头，茅台集团、中国生物制药、京东关联基金等在具身智能领域不断落子，带着场景、订单和供应链协同入场。

如果细看，你会发现，这些完成新一轮融资的具身智能企业，横跨不同的技术路线、不同的产业链层级、不同的人才背景，但指向同一个判断：

具身智能进入到产业链分层、技术路线分化、资本定价逻辑重构的结构化阶段。但分层不是终点，接下来会发生什么，这个问题比“谁在融资”难回答得多。

人才的四条河流

在2023年前后，具身智能领域迎来创业的第一波浪潮。这波热潮主要由高校教授主导，技术从实验室向产业迁移。到了2025-2026年这批新锐公司，人才来源发生了变化。

截至目前，「高见Pro」认为，至少可以辨识出四股不同的人才流。

第一股是自动驾驶的"二次迁徙"。 和第一波不同，这批从智驾战场走出来的人，带着的是百万级的量产交付经验。

智平方创始人郭彦东，履历横跨微软、OPPO首席科学家和小鹏汽车首席科学家，他在视觉感知和AI工程化方面的积累，直接塑造了智平方"端到端VLA"的技术基因。

无界动力创始人张玉峰在地平线把智驾业务做到中国自主品牌市场份额第一。源策未来联合创始人李天羽是华为量产自动驾驶ADS 4.0世界引擎方案的核心开发者。

第二股是大厂的技术溢出。

华为系的扩散效应尤其明显。欧拉万象创始人周顺波，在华为云搭建了具身智能团队；智澄AI创始人胡鲁辉，曾任华为美国研究院首席架构师兼CTO，此前还在微软、亚马逊和Meta担任重要角色。

擎羽科技创始人彭锐,在大疆做了近十年嵌入式工程师。腾讯Robotics X实验室的早期核心成员熊坤，后来进入智元机器人执掌灵巧手业务，再独立创立临界点AGILINK。

第三股是学术成果的直接产业化。

德塔智能由北京通用人工智能研究院孵化，创始人马晓健在Google Robotics和NVIDIA Research做过大规模机器学习研究，联合创始人刘航欣参与了DARPA等多项顶级机器人项目。

纬钛机器人创始人李瑞，在MIT师从美国两院院士Edward Adelson，博士期间联合研发了GelSight视触觉传感器，至今仍是该领域引用率最高的开创性成果。

这些不是"教授下海"的老故事，他们的学术成果本身就有明确的产业化指向。

第四股是连续创业者。他们容易被忽略，但可能也是最有意思的。

比如具微科技创始人王子煊，90后温州籍连续创业者，经济学硕士，曾创立顺遂国际，主导投资过零跑汽车、欣旺达等，再自己下场做特种机器人。

这类人的核心能力不在算法深度，而在于对商业化节奏和产业资源的把控。在一个人人都讲技术的赛道里，这种"商业嗅觉"可以说是稀缺资源。

四股河流，四种基因。从某种程度上说明，具身智能正在成为一个足够大的产业容器，容纳了不同背景的创业者。

技术路线的分化

在近期完成融资的公司中，几乎没有两家的技术叙事完全相同。这种分化程度指向一个判断：路线尚未收敛，行业仍处于"前范式"阶段。

端到端VLA路线的代表企业是自变量机器人和智平方。

自变量是国内最早采用完全端到端路径的团队之一，其WALL系列模型将视觉、语言、动作置于同一网络联合训练。智平方同样坚持端到端VLA，今年推出并开源了类脑模型NeuroVLA，将"皮层—小脑—脊髓"三级协同机制引入机器人控制系统，在半导体显示和生物制药领域实现批量落地。

这两家公司几乎同时宣布估值突破200亿元，侧面说明VLA路线已经跑出了第一批被市场充分定价的玩家。

世界模型路线内部也在分化。

无界动力走的是"隐空间世界模型+强化学习"，不在像素空间或语言空间做预测，而是在一个抽象的隐空间中完成多模态信息的统一表征与推理。技术路线上和Meta的杨立昆（Yann LeCun）有所呼应。

德塔智能则聚焦"原生3D世界引擎"和全身协同操作，切入角度更偏底层渲染与物理仿真。

在物理AI路线上，深度机智主张"全面向人类对齐"，以人类真实世界数据构建大规模物理数据集，而不是依赖仿真。这种数据策略本质上在回答一个问题：训练数据应该从哪里来？

垂直技术路线的差异化更加鲜明。

纬钛机器人不做"大脑"，做"皮肤"，GelSight视触觉传感器要让机器获得接近人类的触觉感知。临界点AGILINK从智元机器人灵巧手部门独立，产品覆盖多自由度五指灵巧手到高性价比夹爪的完整矩阵。

擎羽科技与深圳人工智能与机器人研究院（AIRS）联合研发新型线驱动刚性/连续体机械臂，瞄准医疗康复和高端制造。

基座模型路线上，源策未来构建"全身智能"，注重全身移动与操作能力的统一。智澄AI打造TR（Transforming Robot）通用人工智能计算平台，试图做具身智能的"操作系统"。

欧拉万象则选择了一个独特切口：消费级具身智能。在大多数公司瞄准工业场景时，它直接面向终端消费者。具微科技完全走特种路线，轮式四足机器人解决强磁场、爆破等极端场景的作业需求。

技术路线的高度分化，说明行业尚未找到"标准答案"。对创业者来说，这恰恰是最好的窗口期：如果路线已经收敛，后来者就只能跟随；而现在，每一条路上的创业者都有机会成为"标准"。

产业链“分层”与投资新逻辑

产业链正在发生清晰的“分层”，这是同样值得关注的结构性信号。

第一层，基座模型。自变量机器人、深度机智、源策未来、德塔智能。这一层做的是具身智能的底层基础模型，类似于移动互联网时代的操作系统或芯片层，未来或被大量整机厂商调用。

第二层，核心部件。纬钛机器人的视触觉传感器、临界点AGILINK的灵巧手等核心的交互部件，战略价值正被重新定价。这一层某种程度上，决定了整机的能力上限。

第三层，整机平台。智平方、无界动力、欧拉万象、智澄AI等，这一层做的是软硬一体的完整解决方案。

第四层，垂直应用。这一层不做通用平台，而是在特定场景中建立壁垒。

比如具微科技的特种轮式四足机器人可解决极端场景需求，擎羽科技的连续体机械臂面向医疗康复与高端制造。可见，不是所有价值都要通过"通用"来实现，资本对"窄而深"的垂直路线同样认可。

第五层，产业生态。这一层没有单独对应某一家公司，而是弥合在交叉地带。

临界点既做灵巧手也提供系统集成方案；智澄AI既做平台也做整机；无界动力自研大脑的同时也做本体。跨层垂直整合在产业早期是常态，但随着产业链成熟，各层会逐渐分离，有望出现专门的供应商和客户。

分层意味着什么？意味着投资人不再需要押中一家做对所有的公司。他们可以分别下注每一层头部玩家，分散风险的同时覆盖整条价值链。

从一级市场看，投资机构对具身智能的定价方式也在发生转变。

最明显的特征是，天使轮的“大额化”、"C轮的“集中化”。当企业在种子轮和天使轮就能拿到过去A轮甚至B轮的金额，说明资本对早期判断的信心在增强，或者说FOMO心态在加剧。

与此同时，自变量两个月内完成4轮融资、智平方一年完成12轮融资，可见资金正以罕见的速度向头部集中。

产业资本从财务参与转向场景嵌入。换句话说，资本正在自带场景入场。

京东关联基金入局无界动力，背后是全球最大的物流零售试验场。特斯拉核心生态链企业集体重仓智平方，指向供应链协同。中国移动和国家AI产业投资基金同时出现在自变量的投资方名单中，基础设施意图明确。

远景科技集团对无界动力“投资+订单”的绑定模式，则意味着产业方已经不是在单纯押注概念，而在锁定供应商。国寿长三角科创基金领投深度机智，保险+养老的场景对接意图清晰。

估值逻辑从"看故事"转向"看数据"。

智平方和自变量虽估值几乎同时撞线200亿，但定价逻辑截然不同。

智平方的估值支撑是，年产2000台产线运转、半导体显示和制药领域的批量落地、NeuroVLA开源带来的生态影响力。自变量的估值支撑是互联网巨头领投、机器人与58同城合作实现C端复杂环境落地。

两家公司都在用真实的运营数据支撑估值。这标志着具身智能的定价锚点正在从团队背景和技术愿景的叠加，转向"交付量+场景验证+数据闭环"。

互联网巨头的集体入场，也是本轮融资潮中最值得关注的结构性变化。

阿里、美团、字节、小米同时押注自变量；京东入局无界动力；百度战投投资智平方。互联网巨头在具身智能赛道上的布局密度，已经超过了很多人在两年前对机器人赛道的想象。

它们要的不是短期财务回报，而是下一个计算平台的入口，就像在移动互联网时代对手机操作系统的争夺。

那些被忽略的信号

除了“谁完成新一轮融资，估值多少”，大家关注的另一问题是“接下来会发生什么”。显然，这个问题比“谁在融资”难回答得多。

站在2026年年中，我们可做判断的是，分层不是终点，是洗牌的开始。

先看一个容易被忽略的信号。

目前宣布融资的这批公司，几乎都在强调自己在某一层的“唯一性”或“第一性”。比如自变量说自己是国内首家端到端VLA，无界动力说自己是“隐空间世界模型”的国内独家。

问题在于，当所有人都找到了“无人区”，意味着“无人区”本身已经不存在了。

这是一个很微妙的行业信号。技术路线的“高度分化”在融资阶段是加分项。投资人需要差异化的故事来支撑估值。但进入产品交付阶段后，分化就会变成竞争。因为整机厂、场景方等下游客户不会为每一种技术路线都留出采购预算。他们会选。

分化的下一步，是收敛。而收敛的过程，本质上是一场淘汰赛，而不是谁先IPO谁赢。目前收敛的条件正在形成，那就是第一批产品的实际交付数据。

谁能在2026年下半年到2027年上半年拿出可复制的、客户愿意续约的交付案例，谁就能定义那条“被验证的路线”。所以现在判断谁赢了，没有任何意义。真正的分水岭在交付之后。

另外，VC的“分层下注”策略，可能在2027年失效。

产业链分层之后，VC可以分别下注每一层的头部，分散风险。这个判断本身没错，但它忽略了一个关键变量，各层之间的依赖关系，决定了某一层的“头部”可能被另一层的“头部”直接替代。

举例来说：如果基座模型层的某家公司，最终证明自己的模型可以适配多种整机平台，那么整机平台层的公司就会面临一个选择，自己研发模型，还是采购第三方模型？

这个选择题的答案，决定了整机平台层公司的估值逻辑。

如果市场认为“采购第三方模型是主流方案”，那整机平台层的估值就会向“系统集成商”靠拢。反之，如果市场认为“自研模型是核心竞争力”，那基座模型层的独立玩家就会面临天花板，因为最好的客户都在自己造模型。

如果一家公司只在某一层做到“头部”，但无法向相邻层延伸，大概率它在2027年之后的估值天花板会比现在低得多。

这也是为什么我们看到无界动力、智澄AI、临界点等都在跨层布局。从某个角度看，它们是在提前抢占“两层以上”的战略位置。

反过来说，如果某家公司到了2027年仍然“只做一层”且没有明显的跨层协同优势，那么它在下一轮融资时会面临一个尴尬的问题：“如果隔壁那家两层都做的公司切到你这层，你拿什么挡？”

我们再回到一个根本问题：具身智能公司的核心竞争力究竟是什么？创始人履历可以挖，融资条款可以谈，供应链可以换。真正难以复制的是数据资产。

具体来说，是机器人在真实物理环境中采集的、带有场景标签的、已经用于模型训练的数据集。谁的机器人先进入更多真实场景，谁就能先采集到高质量的训练数据。

先采集到数据，模型就迭代得更快。模型迭代得更快，客户体验就更好。客户体验更好，下一批产品就能进入更多场景。这是一个典型的“数据飞轮”。

在这个逻辑下，那些手握真实场景入口的公司，数据积累本身就是护城河。而这个护城河的厚度，取决于先发时间差。

如果一家公司比竞争对手早6个月进入某个场景，它就多了6个月的数据采集窗口。数据量差异在模型性能上可能不是“好一点”，而是“能不能用”的区别。

所以接下来，值得追踪的指标不是“融了多少钱”，或是“机器人实际部署了多少台、在多少个真实场景里跑、跑了多少小时、采集了多少有效数据”。这些数据目前大部分公司不会对外披露，但投资人已经在内部尽调里问得很细了。

另外，投资人对“平台型公司”的追逐或在2027年之后经历一轮理性回归。

不是每家公司都应该讲“平台故事”，也不是每个讲“平台故事”的公司都值得给平台估值。到那时，市场会重新回答一个最简单也最根本的问题：“这家公司到底解决了什么具体问题？解决得有多好？”

这个答案，比估值更值得追问。