具身智能“200亿俱乐部”背后：资本重估机器人大脑，模型与数据定生死
在一级市场整体遇冷的背景下，资本正以超200亿元的高估值重仓具身智能的“大脑”（基座模型与数据闭环），但其最终价值仍需在工业、零售与家庭等真实场景的落地指标中被重新定价。
一级市场寒冬中的具身智能逆势溢价
LP出资
↓
32.65%
政府类LP直接腰斩，单笔均值五年缩水44.8%
融资事件
↑
同比增长107%
新晋独角兽TOP10中具身智能独占4席
200亿
— 头部公司估值门槛 —
智平方、自变量、星海图、千寻智能和银河通用投后估值均超200亿，形成“200亿俱乐部”
宇树科技
估值
上市估值 609亿元
营收
约 17亿元
出货
2025年 5500台
市销率 35–40 倍
智元机器人
估值
目标 363–433亿元
营收
超 10.5亿元
出货
超 5000台
市销率 35–40 倍
溢价定价逻辑：按照35–40倍市销率的行业确定性定价标尺，200亿估值意味着企业需具备5亿元左右的年收入，但在出货量有限的当下，客观存在的溢价证明了资本对“大脑”基座模型的押注。
海外市场同样偏好机器人大脑
Skild AI
通用模型（适配机械臂、人形、四足）
140亿美元
Physical Intelligence
跨本体跨任务具身基础模型
20→56亿美元
五种大脑解决同一组泛化难题
智平方
FiS-VLA / NeuroVLA
强化VLA（快慢双系统/类脑结构）
快系统嵌入慢系统共享参数异步运行；演变为皮层-小脑-脊髓三层结构，强化碰撞等稳定性反应。
星海图
G0.5
强化VLA（统一自回归架构）
去掉编码器，将图像、推理、动作转化为统一内部Token同序列生成，减少信息丢失。
千寻智能
Spirit v1.5
强化VLA（原教旨主义Scaling）
扩大数据规模与复杂度，大量使用未高度筛选的“脏数据”以增强跨场景泛化能力。
自变量
WALL-B
世界模型与VLA融合
物理预测与视觉、语言、动作同网络联合训练，行动前预测动作结果。
银河通用
AstraBrain（银河星脑）
多VLA模型基座+世界模型联合建模
大脑、小脑、灵巧手神经控制分层，大小脑采用快慢双系统，世界模型直接参与动作规划。
“路线之争打到最后，架构开始互相‘抄作业’。这或许说明200亿之后，比拼的不再是谁选正确的路，而是谁在选定的路上跑得快。”
— 行业观察 · 技术架构趋同现象
真实与仿真的博弈及闭环构建
千寻智能
无本体采集（EGO路线）
通过自研可穿戴设备低成本记录人类操作，扩大采集效率。
星海图
部署回流（开发者生态）
依靠开发者使用R1机器人产生数据回流，部署成本低但数据较杂。
千寻智能 / 智平方
部署回流（工业数据）
在工厂承接检测、装配、物流，提升商业交付能力，但面临场景覆盖较窄、易退回项目制的风险。
自变量
部署回流（家庭数据）
跟随保洁进入真实家庭采集桌面收拾、叠衣服等复杂数据，标准化难度极大。
银河通用
大规模押注仿真合成数据
GraspVLA基于十亿帧合成动作数据预训练，后训练转为混合数据以校对真机适配。
资本支付200亿的背后，买的是不同的数据生产方式。 谁能持续获得数据，让每一台已部署的机器人都成为下一代模型的训练入口，谁就能在估值上继续向上突破。
从展示视频走向真实指标测量
卖工业劳动力
智平方、千寻智能
千寻在宁德时代做柔性线束插接（成功率99%以上）；智平方在惠科签三年1000台订单，覆盖仓储与质检。
工业零售通吃
银河通用
工业端Galbot S1在宁德时代做重载搬运；零售端Galbot G1在药房、太空舱及论坛咖啡取送（成功率99.97%）。
赌家庭场景
自变量
主攻家庭环境，目前更大价值在于获取真实非标数据与验证模型，而非证明商业模式成立。
卖工具平台
星海图
R1 Pro和R1 Lite主要用于模型研发、数据采集，商业化理解更接近开发平台。
投资者押注200亿的底色是看真实落地指标： 固定时间自主完成多少任务、成功率多少、效率达到人工百分之几、失败需几次接管。在LP出资缩水的年份，活钱变得集中，公司背负着只能赢不能输的压力。
“押注机器人大脑，本身是一项长期投资。语言模型可以在数据中心里快速迭代，机器人模型却必须反复进入工厂、商店和家庭，在物理世界中经历碰撞、磨损和失败。市场需要给企业足够的时间穿越这个周期，公司也需要用真实指标回应这份耐心。”
— 光锥智能 · 具身智能的长期主义与价值回归