具身智能的钱正在往大脑集中，泡沫也在集中

具身智能资本正在向“大脑派”和世界模型集中。

我认为具身智能当前最值得押注的不是本体，而是大脑与数据基础设施。量子位统计显示，2026年上半年国内具身智能赛道融资约438亿元，超过一半流向“大脑派”公司；同期本体派只占12.8%，甚至低于零部件公司。这个分化不是短期噪音，而是资本对行业价值分配的重新定价：硬件决定能不能做，模型决定能不能规模化复制。

第一，资本已经把“上限”押在大脑上了

投资人那句“本体兜住下限，大脑决定上限”，不是口号，是资金流向的真实写照。Pre-A轮平均7亿元，B轮平均22.5亿元，这种量级放在多数行业里已经接近C轮、D轮。它石智航Pre-A轮拿到4.55亿美元，千寻智能在2月至6月连融四轮、累计近50亿元，说明市场不再按传统里程碑定价，而是按“谁更像未来的机器人操作系统”定价。

这背后的逻辑很直接。机器人本体当然重要，但它更像制造业问题，考验供应链、成本和量产；大脑则更像AI问题，边际成本低、复用性强、迁移性高。中国在制造端有天然优势，意味着本体会快速进化，但真正能拉开估值差距的，还是谁先把感知、推理和行动串成闭环。资本追逐的是可复制的能力，而不是一台机器的单点性能。

第二，世界模型正在取代VLA成为新叙事中心

今年上半年有融资动态的35家“大脑派”公司里，27家在研发世界模型，占比接近八成，这个数字说明赛道共识已经发生迁移。2024年大家还在比谁的VLA更强、谁的真机数据更多；到了今天，不做世界模型似乎就像没跟上时代。它不只是技术路线变化，更是融资语言变化，因为“世界模型”比“VLA”更能承接想象空间，也更容易让投资人相信公司在做下一代平台。

但真正重要的不是名词，而是底层实现。蒋子元的判断很有代表性：很多所谓世界模型，本质上只是把视频生成模型作为backbone，而VLA更多依赖语言模型作为backbone。换句话说，路线之争没有外界想得那么硬，创业公司会不断切换更顺手的架构。就像视频生成从U-Net转向DiT，行业不会为一种范式守身如玉，谁能更快把效果做出来，谁就会成为“正确路线”。

第三，决定胜负的不是路线洁癖，而是数据基础设施

自变量机器人算法负责人甘如饴说得更到位：比起世界模型还是VLA，底层的数据基础设施才是核心竞争力。这套基础设施覆盖数采、训练和评测全流程，目标不是做一次漂亮演示，而是形成可规模化运转的工业级体系。这个判断比任何路线宣言都更接近现实，因为机器人真正难的地方，从来不是写出一个demo，而是让模型在不同场景里持续稳定地变强。

这也是为什么“能不能快速赶上”不取决于今天站在哪条路线，而取决于有没有把数据管道、评测体系和训练闭环先搭好。技术架构会变，今天的世界模型明天可能被更新范式替代，但数据资产不会凭空出现。谁先把真实世界的数据采集、标注、回放、训练和评测做成流水线，谁就拥有跨架构迁移的能力。对创业公司来说，这比押注某个名词更重要。

第四，真正稀缺的是人，不是故事

量子位统计的35家“大脑派”公司中，17家的“一号位”来自高校或科研机构，几乎占到一半。清华和北大是最密集的人才来源，自动驾驶老兵也在大量转场。这说明资本并不是单纯在买概念，而是在买一群能把前沿算法落到真实系统里的人。具身智能还没收敛，路线可以争，但团队判断必须细，因为最后能把系统做出来的，往往是既懂算法又懂工程的人。

年轻化同样是个明确信号。00后创始人、年轻PhD、放弃大厂高薪的研究型创业者，正在成为资本偏爱的对象。原因很现实：他们更贴近最新技术演进，路径依赖更少，沟通成本更低，也更敢于在不确定性里重构问题。相比之下，履历再漂亮的老兵，如果站在上一代技术范式上，也未必比年轻团队更有胜算。这个赛道看的是学习速度，不是资历厚度。

第五，泡沫不是问题，错把泡沫当终局才是问题

最强的反对意见很简单：具身智能现在估值太高、融资太快、路线太散，泡沫迟早会破。这个担心不是空穴来风。行业自己也承认，90%以上的公司可能会消失，而且泛化性如果不能兑现，真正可落地的场景会非常有限。与大模型相比，具身智能的商业化确定性更低，今天砸进去的钱，确实有相当一部分可能打水漂。

但我不接受“因此现在不该投”的结论。早期产业发展需要泡沫来聚集资本、人才和注意力，这一点在大模型时代已经被验证过。不同的是，具身智能还没收敛到只剩几条清晰赛道，所以最优策略不是回避，而是承认它是一个高波动、高淘汰率的窗口期。问题不在于有没有泡沫，而在于你是否把泡沫当成确定性，把故事当成结果。

What to do with this

如果你是工程师，就别被“世界模型”三个字绑架，先把数据管道、评测集和闭环训练做扎实；如果你是PM，就盯住可复用场景和失败边界，不要把演示当产品；如果你是创始人，就把融资当作抢时间而不是讲故事，尽快建立能跨架构迁移的数据资产和人才密度。这个赛道最后赢的，不是最会喊口号的人，而是最快把不确定性工程化的人。