在刚刚结束的WAIC 2026上，一组数字震惊了业界：企业参展中有200多家是具身智能公司，300多台机器人同台竞技，拆垛、上料、巡检等真实作业场景取代了武术表演炫技。其中，有近60台人形机器人在会场做导览、讲解、问询，大规模的机器人“上班”成了最抢眼的风景。
和去年相比，今年WAIC上的机器人们明显聪明了，能在真实场景里干活了。这一现象的背后是行业竞争逻辑在发生变化，具身智能的竞争重心正在迁移：本体决定机器人能否进入物理世界，大脑开始决定它能在这个世界里做什么。未来具身智能的比拼，不再是谁能造出机器人，而是谁的“大脑”能跨场景泛化、自适应未知环境、自主完成复杂物理任务。身体可量产，大脑才是赛道真正的终局壁垒。
随之而来的是，资本也从“身体”涌向“大脑”。 近日，中国具身智能赛道再现投资热潮，三家公司同日官宣巨额融资。其中蚂蚁灵波科技启动首轮15亿元募资，求之科技拿到1亿美元天使+轮，破壳机器人完成亿美元级Pre-A轮。三笔钱投向三家，方向却惊人一致，它们做的都是机器人的“大脑”。特别是蚂蚁灵波，首轮融资15亿，机器人大脑正在被资本作为一种独立资产识别和定价。
值得关注的是，今年资本一改去年过亿美元融资投向本体企业的局面。据行业报告，上半年国内具身智能赛道融资总额934.74亿元，融资事件322笔。其中，“具身大模型”赛道共有40起融资，总金额223亿元，是资金流向最集中的方向之一。
在业内看来，互联网巨头、本体厂商与海外科技企业已同步将研发资源全面倾斜至通用大脑。与此同时，一级市场也在将大额融资密集投向VLA、世界模型等具身模型企业。具身智能的行业竞争核心，不再是造出一台能移动的机器人，而是搭建一套适配多元物理场景的通用大脑平台。
竞争转向 资本争抢具身智能“大脑”
今年以来，具身智能行业出现了一个明显的变化：那些爱表演的机器人开始干活了。但真正落地后才发现，绝大多数产品“小脑”发达、“大脑”缺失，能灵活移动，却理解不了复杂指令，无法在动态环境中自主决策。
与此同时，硬件赛道已进入同质化阶段，国产供应链成熟后，底盘、舵机、传感器等成本持续下探，本体量产门槛大幅降低，行业再也无法靠硬件参数构建长期壁垒。
反观“大脑”一侧，跨场景泛化、物理环境自适应、复杂任务自主规划等核心能力非常稀缺，成为拉开产品差距的关键。随着工业制造、智慧零售、仓储物流、民生服务等场景加速开放，市场已不满足于“演示能力”，转而追求全天候、高适配、低干预的真实作业价值。
在此背景下，补齐智能大脑短板，从产业加分项变成了企业生存的必答题，互联网巨头、本体厂商与海外头部玩家纷纷将资源向感知、决策与任务规划环节倾斜，全行业开启“换脑升级”竞速赛。
蚂蚁灵波7月发布全栈大脑2.0，涵盖空间感知、环境交互、灵巧操作6大模型矩阵；宇树科技科创板IPO计划将大量募集资金智能机器人模型研发；京东三个月内连投六家产业链企业后，又在6月联合领投无界动力超2亿美元天使轮，直指通用具身大脑；海外市场上，特斯拉Optimus正将自动驾驶积累的FSD芯片和神经网络架构向机器人模型迁移。
从这些布局不难看出，软件定义机器人的时代正在加速到来。中国社会科学院大学数字中国研究院特聘研究员刘兴亮分析认为，硬件是具身智能的“身体”，“大脑”才是决定上限的“灵魂”。这不仅是技术重心的迁移，更是具身智能从机器迈向智能体的质变节点。
产业端的集体转向，迅速传导到了资本市场，资本用真金白银印证着大脑赛道的稀缺价值与紧迫趋势。进入8月以来，“大脑”公司的融资消息密集落地。蚂蚁集团旗下蚂蚁灵波科技启动首轮独立融资；破壳机器人宣布完成亿美元级Pre-A轮融资；求之科技在一个月内完成两轮合计超亿美元融资。
据IT桔子统计，2026年上半年国内具身智能赛道融资总额约934.74亿元，其中以VLA模型、世界模型和数据基础设施为核心的“大脑派”公司开始分走大部分的钱。大量大脑派公司融资节奏快到平均一个月一轮，Pre-A轮平均融资7亿元、B轮平均22.5亿元，放在其他领域，这都是C、D轮的量级。
干杯基金桑一丰表示，第一阶段“强本体加弱智能”已经过去，现在市场开始转向“灵巧操作+强模型”，核心在于手脑一体与数据闭环，且相关技术栈与第一阶段可能完全不同。当硬件成本被国产供应链打下来之后，资本愿意为智能单独计价。这背后原因在于，本体决定物理下限，大脑决定智能上限。
跨越虚拟到物理鸿沟 两条路线同台竞速
尽管行业集体转向“大脑”，但做具身智能大脑的难度远高于大模型，也让这场技术竞速的紧迫性进一步凸显。原因在于，大语言模型面对的是符号和逻辑，具身大脑面对的是重力、摩擦、形变和实时反馈。一个能写出满分作文的模型，未必能让机器人稳稳地抓起一盒药。
刘兴亮分析认为，具身智能不是简单的大模型参数竞争。大模型解决的是“理解和生成”，而具身智能的突破关键在于跨越从虚拟认知到物理行动的鸿沟。
他进一步指出，当前面临四大核心难点。真实交互数据极度稀缺且采集成本高昂；机器人需要内化物理常识与因果逻辑，而非仅物体识别；感知-规划-控制必须在动态环境中保持毫秒级闭环；以及面对光照、布局、物体形态多变的真实场景，微小扰动即可打断任务链。只有同时攻克这些难题，才能让机器人真正“理解世界并改变世界”，推动产业从演示走向规模化落地。
面对这些难题，行业已经分化出两条技术路线。一条是“嫁接派”，通过现有的大语言模型或多模态模型赋予机器人控制能力；另一条是“原生派”，从物理交互的原始需求出发，重新设计空间感知、世界模型和行动模型的架构。
目前，两条路线上都站满了玩家。聚焦“原生派”，各企业选择了不同切入角度。蚂蚁灵波是原生派的核心代表，率先提出“具身原生”技术路线，围绕空间感知、动作控制和实时交互三个方向，构建了具身原生全栈大脑2.0模型矩阵。
据蚂蚁灵波数据，在空间感知层面，LingBot-Depth 2.0将训练数据从300万扩充至1.5亿规模，深度误差较上一代减半，解决了透明、反光等复杂场景的深度感知难题；其视觉基座LingBot-Vision更是业内率先把“边界结构”作为预训练目标的模型，实现了亚像素级的边界定位。
在动作控制层面，LingBot-VLA 2.0融入了6万小时真实物理数据，覆盖17家主流品牌的20多种构型，在GM-100评测中展现出较强的双臂协同和长程移动操作泛化能力。具身原生世界动作模型LingBot-VA 2.0则引入语义视觉-动作分词器，采用严格因果预训练范式，通过MoE架构和异步推理机制，实现了单卡150Hz的实时闭环控制。
公开数据显示，截至今年7月，灵波全系列模型在GitHub上的Star数已接近3万，位居国内具身智能项目前列，是第二名的2.7倍以上。在招银国际等行业研报中，蚂蚁灵波也被列为AI从数字走向物理世界的典型案例。这也侧面证明了灵波“原生大脑”的技术优势备受行业和学术界认可。
在刘兴亮看来，“嫁接派”依托现有大模型微调赋予机器人控制能力，起步快但受限于语言模型对物理世界缺乏真实理解；“原生派”则从物理交互出发重新设计空间感知、世界模型和行动模型，更贴近长期需求但技术难度更高。未来更可能是两者的融合，语言模型提供高级认知，具身模型负责物理交互，共同构成通用机器人智能。以蚂蚁灵波为代表的探索，正是在具身基础模型方向布局，其意义在于推动行业竞争从“造机器人”进入“造机器人智能”的新阶段。
商业化提速 平台生态成重要变量
技术路线再精巧，最终要接受真实商业环境的检验。过去机器人落地要改造工厂、铺设磁条、建封闭操作间；现在的趋势是机器人适应环境，而非环境适应机器人。
在此前举办的WAIC 2026上，蚂蚁灵波机器人智慧药房则被列为十大“镇馆之宝”之一。
蚂蚁灵波相关人士表示，在上海国大药房东靖路门店，搭载蚂蚁灵波通用大脑的机器人已经上岗。接到线上订单后，它能够自主移动至目标货架，在超过150种常见药品中识别目标药盒，完成抓取并将药品送回工作人员身边，单次任务平均耗时不到3分钟。与传统药房自动化方案不同，这家智慧药房没有为机器人重新设计货架、轨道或封闭作业区。
尤为关键的是，这套逻辑可以延伸到连锁零售、仓储物流、柔性制造等场景。透镜咨询创始人况玉清表示，背靠阿里完整商业体系，灵波具备其他纯机器人算法厂商难以比拟的场景资源支撑。外卖、电商海量线下履约场景，都可以成为机器人大脑落地测试、迭代优化的天然试验场。成熟线下流量与履约入口的独特优势，灵波有机会成长为独立第三方通用机器人智能生态平台。
但这并不意味着通用大脑已经成熟。今日资本创始人徐新判断，当前具身智能的技术渗透率可能还只有2%至3%，真正的商业化最终还要依靠企业客户买单，进入能够创造实际劳动价值的生产场景。
刘兴亮认为，具身智能商业化将遵循“场景越标准、价值越高，落地越先”的规律。工业制造因流程稳定、精度要求高，将率先规模化应用；物流仓储环境相对可控、重复劳动密集，紧随其后；养老康复等特殊服务场景随人口结构变化将催生长期需求；而家庭场景复杂度高、不确定性大，则是更长期的终极目标。
更进一步看，具身智能的竞争终将演变为基础模型与生态体系的较量。硬件只是载体，真正的制高点是背后的智能平台。未来，产业格局将由操作系统、应用生态和开发者体系决定，谁能打造开放、通用、可扩展的“大脑平台”，谁就将在下一阶段智能终端的竞争中握有主动权。
216.73.216.61
