2025 年 1 月，中国人工智能公司深度求索（DeepSeek）发布了推理模型 R1。性能对标当时最前沿的闭源大模型，训练成本却远低于行业水平，模型权重在发布当天同步开源。
一周后，英伟达股价单日下跌超过 17%，市值蒸发超过 5600 亿美元，跌穿 3 万亿美元大关。这是英伟达历史上市值蒸发最大的一天，也是截至当时美股历史上单家公司单日市值蒸发的最高纪录。
在 R1 发布之前，市场的主流预期是：AI 发展需要持续、大规模的算力投入，而英伟达几乎垄断了供给端。R1 打破了这个预期——模型能力的提升未必需要等比例地增加算力采购。算力不再是唯一的瓶颈，模型本身才是估值溢价的核心。
这场冲击迅速传导至资本市场。R1 发布后的数月间，全球大模型赛道的投资逻辑被重新审视，2025 年全年，中国 AI 领域的融资活动持续活跃，头部大模型公司的估值在年内经历了多轮重估，资金进一步向具备核心技术能力的团队集中。
2026 赛道热度不减，更迎来了标志性事件，DeepSeek 获得国家大基金领投，一级市场估值锚定约 450 亿美元；中国大模型公司的整体估值中枢整体上移。
资本用真金白银确认了一个判断：在 AI 的下半场，定价权正在从硬件向模型转移。
同样的逻辑，正在具身智能行业加速复现——资本正在用相似的估值逻辑，重新定价机器人的价值构成。
政策亮牌，资本涌入：" 大脑 " 成为具身智能新估值锚
资本追逐的是确定性，大语言模型时代，资本是探路者；而在具身智能，政策率先亮明了态度。
2026 年政府工作报告明确提出培育具身智能等未来产业，这是具身智能连续第二年写入政府工作报告。" 十五五 " 规划建议也将其列入前瞻布局的未来产业。政策的重心在下半年进一步明确：工信部与国资委联合启动专项行动，将 " 提升大小脑模型算法 " 列为攻关任务；北京、上海、深圳、杭州四地相继发布行动计划，无一例外将 " 大小脑 " 模型放在关键技术首位。
信号已经足够清晰，资本的响应也更为集中。
IT 桔子数据显示，2026 年上半年国内具身智能赛道融资总额达到 935 亿元，较 2025 年上半年增长超过 5 倍。已进入上市程序的企业，招股书里排在首位的募投项目多为模型与算法研发。7 月 24 日，港交所进一步优化 18C 章上市制度，降低科技企业上市门槛——在这套规则下，企业的估值依据主要落在技术能力上，而具身智能企业的技术能力，说到底就是 " 大脑 "。
在海外，资本同样汇集到聚焦在 " 大脑 " 层面的头部公司。
2026 年 7 月，美国 " 机器人大脑 " 公司 General Intuition 完成 3.2 亿美元 A 轮融资，估值达 23 亿美元，核心主张是不造机器人、只造 " 大脑 "；英国 Humanoid 完成 1.52 亿美元 A 轮融资，成为欧洲首家人形机器人独角兽。
更具标志性意义的是 Figure AI。这家公司投后估值已达 390 亿美元，累计融资 19 亿美元，投资方囊括微软、英伟达、OpenAI 和贝索斯。2026 年 3 月再获约 11 亿美元追加融资，目标直指通用 " 机器人大脑 "。当一家做 " 大脑 " 的公司能撑起 390 亿美元的估值时，市场对 " 大脑 " 的定价逻辑已无需多言。
产品端同样在加速转向大脑。特斯拉将 FSD 自动驾驶神经网络直接迁移至 Optimus，二者共享同一套世界模型与视觉感知系统。2026 年 Q2 业绩会确认 Optimus 进入量产，重心转向智能化软件层。英伟达推出 Halos for Robotics 安全架构，将自己定义为 " 机器人大脑的基础设施提供者 "。
一边是新兴的大脑创业公司获得超额融资，一边是科技巨头将数十年积累的技术资产转向 " 大脑 "。殊途同归，全球正在为同一个叙事买单：机器人的价值，正在从 " 身体 " 向 " 大脑 " 迁移。
机器人 " 大脑 " 争夺战：谁在领跑？
要理解 " 大脑 " 为什么重要，需要先了解具身智能的模型是怎么分层的。
我们常说的机器人 " 大脑 "，其实更准确的说法是 " 全脑 " ——它里面分了两个关键部分：小脑管运动，比如平衡、走路、跳跃，解决 " 怎么动 "；大脑管规划和决策，比如看懂环境、决定下一步做什么。但真正厉害的是 " 全脑 "（在后文中统称为 " 大脑 "），它把这两个部分打通，让感知、思考和动作在一个模型里一起配合完成。
而目前，全球具身智能行业的研究主要集中在两头。
一头是硬件本体。经过前两年的爆发式发展，硬件本体不再稀缺，机器人本体的技术门槛快速下降，资本顺着产业逻辑向更上游流动。代表企业是宇树科技，通过特定程序控制机器人完成特定的运动任务，在运动控制领域做到了很高的水平。
另一头是通用大脑，国内外多家公司近两年密集发布的具身大模型大多属于这个范畴，解决的是任务规划和场景理解的问题。但在通用小脑和全脑这一层，几乎没有公司在系统性布局和思考。
海外以特斯拉的路径最为直接。2026 年 7 月 23 日，特斯拉在 Q2 财报电话会上确认，Optimus 已确认即将进入量产阶段，并提出 V3 版本年产 100 万台、V4 版本年产 1000 万台的远期目标。业绩会上关于 Optimus 的讨论很少涉及硬件端，更多聚焦在如何实现大规模量产、软件端层所需的硬件支撑以及 VLA 端到端模型的训练——这表明硬件载体已初步定型，重心正转向智能化能力的模型层。
马斯克明确表示，Optimus 将采用与 FSD 自动驾驶相同的端到端战略——即 " 输入像素，输出控制指令 "。特斯拉打造的是一个单一的、巨大的、统一的神经网络，通过多个摄像头接收感官输入，从关节接收本体感受信号，从手部接收力和触觉反馈，并产生连续的控制输出。不同于许多竞争对手采用的分层模块化架构——将感知、规划、预测分成独立的代码库——特斯拉放弃了这些系统，转而采用单一的神经网络。
在国内，做本体的企业多，做 " 大脑 " 的企业少。
具身智能的 " 大脑 " 研发需要同时具备计算机视觉、机器人学、大规模模型训练和真实场景工程化的能力，这几个方向在高校里分属不同的院系和学科，能把它们融合在一起的研究者，在全球范围内都屈指可数。在国内，专注这一交叉领域的学术实验室和成建制的研发团队更少，这也是 " 大脑 " 方向的创业公司远少于 " 身体 " 方向的根本原因。
更深的瓶颈在于数据。
银河通用机器人创始人王鹤今年在公开场合演讲中给过一组数据：一家头部车厂单天回流的驾驶数据约 1 亿条，而全球最大规模的具身智能数据采集仅百万条量级，差距达两个数量级。自动驾驶的数据来自真实行驶车辆，边际成本几乎为零；而具身智能的数据来自实验室，每一帧都需要人工标注或遥操采集，成本高、速度慢、场景有限。这意味着具身智能无法照搬自动驾驶的 " 真实场景数据飞轮 "，必须在数据端找到完全不同的解法。
行业的共识是：有效利用多源异构数据资源。正如大语言模型依靠海量互联网文本数据实现突破一样，具身智能也需要构建覆盖物理交互全场景的数据体系——互联数据、人类动作数据、仿真数据、遥操数据、真机回流数据，五类数据源必须整合进统一框架，彼此补充、相互校验。
中国在 " 大脑 " 方向的探索上，最具有代表性的企业是银河通用。
如果说特斯拉代表的是 " 自上而下迁移 " ——从 FSD 积累的端到端驾驶模型向机器人迁移，那么银河通用的路径更接近 " 自下而上求索 " ——率先构建 " 全脑 " 能力，最终形成 " 数据—模型—本体 " 的全栈闭环。这套体系在数据端整合了多源异构数据，在模型端覆盖了通用大脑、通用小脑和灵巧手操作三个层面，并在打网球这类极端动态场景中完成了验证——所有动作由模型自主决策，无预编程轨迹，大脑和小脑在同一个框架内协同运行。央视新闻报道了这项成果，马斯克亦在海外社交平台上回复关注。
两种路径各有优势。特斯拉的端到端战略在自动驾驶领域已获验证，迁移到机器人上逻辑通顺；而银河通用的 " 自下而上 " 路径，则依托于中国全球最完整的人形机器人供应链和丰富的制造业应用场景。这意味着中国企业不需要等到 " 全脑 " 完全成熟再部署本体，而是可以在本体迭代的同时训练，形成双线并行的演进节奏。
更值得关注的是，中国在数据维度上正在构建独特的制度优势。国家数据局局长刘烈宏到银河通用机器人调研时表示，将把为具身智能行业提供高质量数据集作为实现数据要素市场化、价值化新的突破口。
这是国家顶层数据管理机构首次明确将具身智能数据作为政策发力点——当数据被定义为 " 大脑 " 的燃料，谁掌握数据体系，谁就掌握 " 大脑 " 的迭代速度。在全球尚无统一数据标准的背景下，中国正在以制度力量为 " 大脑 " 竞赛加注。
紧随其后，组织层面的支撑同步落地。近日，北京市科委、中关村管委会正式认定 " 具身智能大模型北京市重点实验室 "，王鹤担任主任。这是北京布局具身智能赛道的一项关键举措。从国家数据局的政策定调到北京市重点实验室的平台落地，制度与机构双重发力，正在为 " 大脑 " 竞赛构建从数据到研发的系统性基础设施。
资本为何愿为具身智能 " 大脑 " 溢价
回到估值的问题。
DeepSeek R1 已经证明了一个事实：在一场技术竞赛中，当硬件不再稀缺，掌握模型能力的一方拿走最大溢价。具身智能行业正在复现同样的剧本——一个正在凝聚的行业共识：" 大脑 " 不是锦上添花，而是具身智能从实验室走入真实场景的必经之路。
毕马威中国科技行业审计主管合伙人卢鹍鹏点明了技术层面的关键——以世界模型为代表的具身大模型，能够提炼物理规律、实现低延迟推理，是解决数据、任务、控制和部署四大难题的核心底座。
中国工程院院士郑南宁则从价值维度给出了判断标准：衡量具身智能系统的真正价值，" 最重要的不是屏幕上的展示 Demo，而是能否走入真实的物理环境，解决真实世界的真问题 "。
学术端的判断在资本端得到了快速验证。多位投资人复盘时指出，" 具身大脑 " 被公认为赛道内最具价值的投资标的。华盖资本科技基金投资总监高露凝直言：" 机器人的‘脑’与数据是真正的护城河，大脑强甚至可以原谅硬件平庸。" 黄浦江资本董事长赵博文则观察到一级市场定价逻辑的根本转变——估值依据正从 " 创始团队背景和论文成果 " 转向 " 核心技术壁垒能带来多大的行业定价权 "。
一个直观的对比是：一个学术背景的具身大脑团队，从天使轮估值数亿元到跻身 10 亿美金独角兽，仅需 8 到 10 个月；而 " 很多做过商业化的机器人公司，做了十年，未必能做到 100 亿估值 "。这种时间轴上的压缩，恰恰揭示了资本市场对 " 大脑 " 路线的稀缺性定价。
这一判断的含金量，从头部企业的融资结构中可见一斑。截至 2026 年 6 月，国内已有 8 家具身智能企业跻身 "200 亿元估值俱乐部 "，支撑这些估值的核心叙事高度趋同——均指向各自的通用智能模型。银河通用机器人是这条路径上获认可度最高的案例之一，投资方包括国家人工智能产业投资基金、中国石化、中信集团等 " 国家队 " 资金——国家大基金首次布局具身智能赛道，选中的正是一家 " 大脑 " 路线的代表企业。从国家级产业基金到地方政府，" 大脑 " 路线获得的认可正在从商业资本向战略资本延展。
机器的产量决定下限，而 " 大脑 " 能力将打开天花板。 硬件本体经过前两年爆发式增长，技术门槛已快速下降，通用智能模型能否在真实场景中持续泛化，才是决定企业价值上限的关键。这意味着，判断一家具身智能企业的价值，首要问题不再是 " 今年能交付多少台机器人 "，而是 " 它的模型能力走到了哪一步、数据飞轮是否已经开始转动 "。
这套定价准则一旦确立，资本市场的后续动作便有迹可循。一级市场上，" 大脑 " 公司与 " 本体 " 公司的估值剪刀差大概率继续扩大。二级市场的窗口也已打开——随着港交所 18C 章门槛进一步放宽，一批以 " 大脑 " 为核心叙事的具身智能企业正在排队上市。参照 DeepSeek 对 AI 板块带来的估值重估路径，当头部 " 大脑 " 公司完成上市定价、形成公开估值锚之后，整个赛道的价值坐标系将被重新校准。最先被重估的，必然是那些掌握模型与数据体系的稀缺标的。
历史不会简单重复，但资本的定价逻辑会。在算力时代，英伟达拿走了硬件的溢价；在大模型时代，DeepSeek 证明了模型的溢价；在具身智能时代，溢价将属于率先跑通 " 数据—模型—本体 " 闭环的 " 大脑 " 公司。
这场竞赛的终局判断标准已经清晰：不是看谁造出了更多机器人，而是看谁造出了更聪明的 " 大脑 " ——以及，谁能让资本市场最早相信这一点。
