具身智能的认知偏差：用同一标尺衡量两条迥异赛道
具身智能领域最令人费解的现象是什么？
行业内竟用同一把尺子去衡量本体企业和大脑企业：“你们何时能盈利？”
这一现象的诡异之处在于，尽管同属具身智能产业，但本体企业与大脑企业的商业逻辑截然不同。本体企业推动商业发展的关键在于量产规模，这也是多数本体企业倾向于展览、演出等场景的原因之一——毕竟出货的核心是摊薄成本，有订单在某种程度上就意味着商业运转具备可行性。
而大脑企业的商业逻辑则围绕模型与数据展开，走的是边际成本趋近于零、赢者通吃的路径，并非制造业式的线性增长。在全球大脑企业尚未出现绝对巨头之前，这类企业的首要任务是积累资源，因为在具身智能这个万亿规模的市场面前，当前的增长曲线仍较为平缓，其发展拐点取决于何时攻克让物理世界产生类人智慧的“大脑”技术难关。
因此我们看到，一级市场中，国有资本、互联网巨头、顶级市场化资本等多元资金纷纷流向具身大脑企业，融资规模达到10亿、20亿元级别。在热钱涌入时，大脑厂商并未表现出激进的商业化姿态，反而在商业化口号上显得十分保守。由此可见，在具身智能赛道中，对大脑企业而言，过早谈论商业化落地或许是对技术逻辑的严重误读。
然而，当前行业内弥漫的商业化焦虑，正试图消除本体与大脑企业之间的发展节奏差异。本体厂商在算法尚未成熟时就被迫推广场景，模型厂商则在寻找规模化落地的压力下分散了精力。
这种“被倒逼出的繁荣”，很容易演变成一场资源内耗。具身大脑企业现阶段未必需要将商业化置于首位，因为在通往通用人工智能的质变前夕，过早追求短期收益，往往意味着失去了把握长远方向的机会。
01
热钱流向技术攻坚领域
过去三个月，具身智能赛道最密集的动作并非新品发布或量产数字刷新，而是一笔笔大额融资。
多家侧重“大脑”研发的具身智能企业在一级市场完成了10亿、20亿元级别的融资，资金集中度和规模远超行业此前预期：
- 25年12月银河通用完成3亿美元（超20亿元）新一轮融资，3月又完成25亿元融资；
- 26年1月自变量完成10亿元融资，紧接着2月25日又完成数亿元新融资；
- 26年2月11日星海图完成10亿元新一轮融资；
- 26年2月23日智平方宣布完成10亿元融资；
- 26年2月24日千寻智能宣布完成两轮共20亿元融资；
这些厂商的模型能力普遍能支撑人形机器人在工厂产线或商业服务领域进行部分自主作业，在驱动人形机器人完成基础抓取、拿放及部分相对精细的长时序柔性操作方面取得了显著进展。
不过，在一笔笔重磅资金涌入大脑企业时，被投方并未给市场带来短期回报，没有激进的商业化口号，甚至直接对外表示“急不得”。相比之下，同期本体市场传来的却是“量产预期翻倍”“节后销量暴增”等好消息。
这种冷热反差背后，其实暗藏着行业共识的形成。
对于具身大模型企业来说，紧迫感并非来自出货量排名，而是如何“储备资源”。近日千寻智能CEO韩峰涛在媒体采访中判断：“26年的具身智能行业会非常像23年的大模型领域，如果拿不到足够资金，模型性能无法进入头部，就没有参与竞争的机会。”
这类具身模型企业敢于在商业化上保持克制，是因为它们清楚这是一场长期战役。具身大模型的训练周期、数据积累和算法突破本质上是指数曲线，而非线性迭代。一旦跨越某个能力阈值，模型的泛化能力将快速扩展，应用到不同场景和本体上，边际成本趋近于零。
当目标是成为通用物理智能平台时，短期收入并不等同于长期价值。甚至在某些阶段，过早商业化反而可能成为战略干扰。例如缺乏耐心的资本，可能只关注模型企业的商业落地，而忽视技术发展曲线。
正如智能驾驶赛道中，更多价值沉淀在方案商和算法平台而非单一车型制造商，具身智能的长期竞争优势更可能体现在通用物理世界基座大模型与数据循环上。
从模型企业的态度来看，目前仍处于早期“攻坚阶段”，那么此时资方押注的究竟是什么？
走访多位投资人后，具身研习社发现多数资方逐渐意识到，具身智能的真正技术卡点已从硬件生产、运动控制算法转向模型能力。用几个月前王兴兴的话来说，“硬件已经够用了”，但模型还未达标。
具身研习社也曾撰文指出：“人形机器人的本体工程化能力已跨过‘从0到1’的临界点，行业竞争焦点正向更高维度的智能交互转移。”真正拉开差距的是对非结构化场景的理解能力、多模态信息融合能力以及长程任务规划的稳定性等“脑力”比拼。
此时，资方押注的不仅是模型的未来，更是为了避免错失“模型版宇树”这样的潜在机会。
02
具身智能的商业化焦虑
追求商业化是投资逻辑的必然，没有投资人会重仓长期无法自我造血的企业，更不会接盘此类企业。但这也容易产生认知误区：是否所有企业都应短期盈利、具备盈利能力？
由于具身智能概念火热，导致侧重大脑研发的具身大模型企业与以人形机器人构型为主的本体厂商被混为一谈。二者的区别不仅在于产品形态，更在于商业基因的根本差异。
做人形机器人本质上是搭建一个高度复杂的工程系统，将运动控制、电驱系统、结构设计、材料工艺与整机架构整合进可规模复制的产品形态中。当核心部件自研比例提升、供应链稳定、装配流程标准化后，成本曲线才会下降，可靠性与一致性才会形成复利效应。
其增长节奏具有重资产技术行业特有的周期性，需要工程体系打磨成熟、架构得到验证、产品逐渐形成标准与一致性。逻辑闭环为：规模扩大-单位成本下降-毛利改善-再扩大规模。且在规模化过程中，本体成为智能提升最可靠的物理基础，大量本体可用于反复验证、迭代运动控制算法。
这与春晚前夕宇树的训练逻辑相同：足够多的本体和场景，能在训练高难度动作时对运动控制算法提供多元化反馈，让运控更流畅，吸引更多关注并撬动订单。
这是一个完整的商业闭环。
而做具身大脑更接近软件平台甚至基础设施逻辑。如果说本体是物理世界的结构底座，那么大模型则是在底座上建立认知与决策的通用层。一旦模型训练完成，便可部署在无数硬件终端上。新增机器部署成本不再是核心考量，能力却能在数据回流中持续增强。
它遵循指数增长逻辑：能力跨越门槛后，市场会迅速向少数头部集中。逻辑闭环为：能力突破-场景泛化-规模落地-数据回流-能力再突破。因此，具身大脑企业短期效仿本体企业盲目投产只会增加成本，其核心任务是“储备资金”，等待产业技术拐点。
在智能驾驶领域已出现类似趋势：最终可能只剩少数拥有核心算法与数据闭环能力的方案商，大量整车厂围绕这些能力构建差异化产品。具身智能的未来或许也是“寡头型基础模型竞争”，即真正具备通用物理推理与操作能力的大模型数量不会太多。
因此，具身大模型企业若过早陷入“接订单—做项目—定制化开发”的节奏，极可能削弱通用性探索，某种程度上变成“定制化SaaS”。而且为满足具体客户需求不断微调模型，短期收入曲线并不理想。据了解，这类定制项目耗时耗力耗财，往往落地一台亏损一笔，更多时候只是配合投资人讲商业故事。
所以，这正是它们与商业化保持距离的原因：不是不想赚钱，而是不愿为了不确定的线性收入，牺牲充满想象空间的指数增长。
03
两类迥异企业却被同一标尺衡量
遗憾的是，我们常看到向模型企业索要商业化订单的情况。
以过去3个月为例，当本体厂商展示量产能力、登上春晚舞台时，模型厂商也面临越来越多关于“落地能力”的追问。这与国外资本市场在Figure未公布订单却将其估值推至数千亿的耐心形成鲜明对比。
于是出现一种因果交织的现象：半年前“全栈能力”受资本青睐；半年后的今天，本体厂商在资本与市场双重压力下，开始主动攻坚大模型，希望掌握“智能”能力。而模型厂商在巨额融资后，也需向市场证明价值，开始展示落地场景与规模化部署能力。
表面看这是相互促进：硬件补齐智能短板，模型验证现实场景。但另一种可能是资源被倒逼分散。
若模型突破节奏慢于预期，本体厂商为跟上商业化节奏不得不自建模型团队，投入大量资源重复研发；若本体企业已实现一定盈利，模型企业则会在商业化能力不足的质疑下，被迫切入具体项目，拆分通用目标转向定制化交付。
结果便是两类企业都偏离了自身优势路径，精力分散，难度倍增。
换句话说，“商业化焦虑”正在模糊企业基因差异。本应以平台逻辑发展的模型公司，被要求遵循制造业节奏；本应以制造业逻辑稳扎稳打的本体厂商，被期待承担基础模型的颠覆使命（也是为了估值）。
这种单一化的评价体系容易制造“全面开花”的错觉，却可能削弱真正的突破力量。
不过已有企业对现状有清晰认知。此前松延动力创始人兼CTO姜哲源在与具身研习社对话时表示，未来机器人市场会形成两类公司，大脑和本体会更加分化：大脑公司中会留下一批资金充足的企业持续投入研发；剩余本体公司会更加细分。
总之，具身智能不是单一赛道，而是制造业与基础模型两条曲线交织的复合结构。不同类型企业承担的角色不同。
在通往通用人工智能的质变前夜，更重要的或许不是谁先盈利，而是谁能守住战略边界。因为一旦物理世界的类人智能真正跨越临界点，价值将非线性释放。
而在此之前，过早追求短期收益，可能真的会错过把握长远方向的机会。
本文来自微信公众号“具身研习社”，作者：彭堃方，编辑：吕鑫燚，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com