作者｜李沐蓉
放在以前，如果去问一个投资人，一家刚成立的公司值多少钱，大概率会得到这样的回答：再等等，看产品、看商业化，现在谈估值还太早。
但具身智能赛道，正在改变这套传统逻辑。
2025年 5 月刚成立的苏度科技，如今，据公开信息，估值已经超过了人民币200亿元。
这不是孤例，进入2026年，具身智能企业估值上涨的速度不断刷新大家的认知。
原力灵机 4 月完成上一轮融资后，估值已经到了 100 亿左右，在 8 月完成股改后，估值直接冲上 200 亿元。
还有智平方从百亿估值迈向 200 亿，用了 4 个月，星海图、千寻智能更快，只用了大约两个月的时间。
截止2026年8月，宇树、智元、银河通用、星海图、千寻智能、自变量、智平方、灵心巧手、苏度、酷哇科技、原力灵机，11 家具身智能企业已经相继跨入 200 亿估值梯队。
对这批获得头部资本密集下注的公司而言，200亿元正在从估值高点变成新一轮竞争的起跑线。
但这条起跑线通向的，究竟是产业格局的落定，还是又一轮更残酷的淘汰赛？
资本正在完成具身智能第一次排序
要看懂具身智能估值为什么涨得这么快，得先想清楚三个问题：
钱在往哪个方向流、是谁在给钱、这些钱给出去之后发生了什么变化。
这三个问题，反映了三个正在发生的趋势：
钱从「身体」流向「大脑」；
出资方从VC变成产业资本；
资本开始向少数玩家集中。
资金流向，向来是判断行业价值锚点最直观的指标。
据量子位不完全统计，2026年上半年，做大脑的公司拿走了 222.5 亿融资，占全行业的 50.8%；
做整机本体的公司只拿到 56 亿，占 12.8%。
行业的重心，已经明显从身体转向了大脑。
这并不意味着机器人本体不重要，而是说明资本正在重新寻找产业链中更具想象空间的环节。
这几年，机器人本体这条路，核心零部件、供应链和整机制造能力逐渐成熟。宇树、智元等企业的机器人也已经逐步量产下线，成本控制和可靠性也正在持续验证。
随着本体的「可获得性」提高，具身智能的瓶颈开始更多转向模型泛化、数据获取和任务闭环能力，大脑的估值溢价，就凸显出来了。
而大脑这条路眼下仍充满不确定性，机器人怎样理解物理世界，怎样在从未见过的环境里自主工作，整个行业都还在摸索答案。
但恰恰是这种「没有标准答案」的状态，让资本愿意花更多的钱去押注。因为一旦押中，机器人大脑所产生的产业价值，将是颠覆性的。
这也解释了为什么银河通用、星海图、千寻智能、智平方这些主攻「大脑」的公司，能够快速拿到极高估值。
资本愿意押注，还不足以解释估值上涨的速度。真正的关键变量，是出资方本身也在发生变化。
在具身智能爆发初期，市场主力还是市场化 VC，VC 的钱需要一轮一轮验证，不敢轻易 all in。
但把2026年 10 亿以上的大额融资拉出来看，出资方名单里出现频率最高的，已经变成了百度、字节跳动、小米、美团、上汽、汇川等产业大厂，以及亦庄国投、杭州资本等地方国资。
这些资金的目的，已经不只是单纯地寻找财务回报。
对于当下产业大厂而言，投资具身智能企业更像是一场提前布局。
一方面，它们希望通过资本绑定潜在供应商和技术伙伴；
另一方面，也希望在机器人产业链形成时，占据更有利的位置。
比如，自变量同时拿到美团、阿里、字节跳动、小米四家巨头投资的具身智能企业。
银河通用，拿到了国家大基金三期的第一笔具身智能领域投资。
但当前更多还是技术卡位、生态绑定和供应链布局阶段。真正的大规模商业订单、场景复制和批量部署，仍然需要时间验证。
这种抢位心态，加上产业资本和国家队资源有限的事实，资源自然向少数公司集中，钱会越来越往少数几家头部集中，马太效应已经显现。
据 IT 桔子数据，2026年上半年，具身智能赛道共发生 288 起融资，披露总额超 460 亿元，涉及 226 家企业。
但排名前 5 的公司吸走了约 171 亿，占融资总额的 37%；前 20 家公司合计拿走约 330 亿，占比超过七成。剩下的 200 多家公司，只分到大约 124 亿。
这种集中效应，在头部企业身上体现得更加明显。
千寻智能在 3 个月内累计融资 45 亿元，几乎相当于后边 200 多家公司融资总和的三分之一。
钱没有消失，只是流向了头部企业，现在正形成一个明显循环：
一家公司被认为更有潜力，就会聚集更多资金，投入更多研发、数据和人才；能力提升后，又更容易获得下一轮资本支持。
当这个循环形成，估值就会像滚雪球一样越滚越快。这正是几家公司能在两三个月内估值翻倍的直接原因。
但硬币总有另一面。估值上涨的速度，正在脱离产品进度。融资排名取代产品排名，成为行业话语权的主变量。
当「谁拿的钱多」比「谁的产品更好用」更容易被市场感知的时候，资本的定价重心将从产品和收入，转向技术路线的期权价值、团队稀缺性和生态卡位能力。
当估值上涨速度快于产品验证速度的时候，定价偏差和泡沫风险也会同步累积。
所以，跨过 200 亿门槛，只是这个故事的前半段。
后半段要讲的，是这些公司怎么把纸面上的估值，兑现成真正立得住的产品、场景和收入。
200亿估值背后，具身智能的三套定价逻辑
几家企业虽然同时站上 200 亿估值梯队，但如果把它们的估值逻辑拆开看，会发现市场其实在用三套完全不同的方法定价。
第一类是业绩定价。
拿真金白银的营收和订单换估值，以宇树、智元、酷哇科技为代表。
宇树选择的是硬件全栈自研这条最扎实的路线，从伺服电机、减速器、控制器，到激光雷达、感知系统和运动控制算法，大量核心环节选择自主研发，第三方采购成本占比仅约 14% 至 18% 。
这种垂直整合能力，让宇树不仅能够控制产品性能，也具备更强的成本优势。2025 年实现营业收入 16.99 亿元，同比增长 335%，成为行业内为数不多实现规模化盈利的公司。
智元走的是软硬一体、快速上量的路线，它没有选择单纯等待机器人大脑成熟，而是选择整机、模型和应用场景同步推进，把技术能力快速转化为产品能力。
2025 年营收 10.5 亿元，2026年一季度单季就超过 10 亿，几乎追平去年全年，2026年 6 月已经累计下线 15000 台机器人。
目前，智元已经推出多款人形机器人和具身智能模型，还把灵巧手、数据采集、机器人租赁、四足机器狗、商业清洁这几块高毛利业务，拆成独立子公司单独运营，打法更像是再用华为式的产业思维，打造一个完整的产业生态。
酷哇科技则完全是另一个故事，走的是先专用后通用的路线，它没有直接冲向通用人形机器人，而是先从城市环卫、城配物流这些劳动强度高、环境复杂但需求明确的场景切入，积累了近十年的机器人运营经验，做到了全国头部，去年实现收入约 10 亿元，累计订单达 50 亿元。
如今，酷哇已经形成覆盖全球约 50 个城市的业务网络。
有了这些客户资源和真实作业数据打底，酷哇才开始向通用机器人市场延伸，目前已打造出涵盖轮式、轮足、四足及泛人型机器人的产品矩阵。
三家公司路径完全不同，但共同点很明确，估值背后有真金白银的营收和订单撑腰。市场愿意为它们买单，买的是已经做到了的确定性。
第二类，是技术期权定价，资本为未来的技术入口买单。
比如银河通用、星海图、千寻智能、自变量、智平方、苏度科技、原力灵机。
与第一类企业不同，这些公司的共同特点是，当前收入规模并不是估值核心，资本押注的是它们解决具身智能核心瓶颈的可能性，机器人如何真正理解和适应复杂世界。
自变量选择了最底层的问题去攻克。
它发布的 WALL-B 模型，把视觉、语言、动作、物理预测放进同一个神经网络从零联合训练，之后又对机器人感知世界的基本单元进行重新思考，发布了 WALL-WM，提出一个更深层的判断，机器人感知世界不该按固定帧率采样，而应该按「关键事件序列」采样。
星海图则更关心的是如何把模型真正跑进真实场景，作为全球较早探索「快-慢双系统」VLA 模型的团队之一，最新的 G0.5 模型主攻零样本泛化能力，同时推进的 Fast-WAM 世界模型，则在推理速度上实现突破，将单步推理延迟压缩至 190 毫秒，比传统架构快 4 倍以上，使其具备走向真实场景的工程可行性。
银河通用押的是机器人对物理世界的理解深度，做出了业内较早把大脑、小脑、神经控制三者端到端集成的全身全手端到端具身大模型。
既能盘核桃时精准控制指尖力度，也能叠衣服时对柔性物体做出实时形变适应。
它不追单纯的模型规模，而是要机器人同时具备大脑、小脑、神经控制这三层能力。
智平方走的是类脑架构路线。
借鉴人类神经系统的分层控制机制，自研类脑 VLA 模型 NeuroVLA，把人类「皮层—小脑—脊髓」三级协同机制引入机器人控制，做成了行业内较早同时具备主动感知、故障自恢复、时序记忆三种生物级运动能力的具身智能系统。
千寻智能瞄准的是长程任务能力，Spirit v1.6 基座模型通过 VLA 与世界模型结合，让 Moz1 机器人仅凭单条自然语言指令，就能自主完成「整理餐厅」「客厅收纳」等长程复杂任务，即使被打断也能自主调整继续执行。
这种长程任务的鲁棒性，比单点抓取演示更有说服力，因为它更接近真实世界中机器人会遇到的情况。
原力灵机选择的是具身原生路线，试图从底层模型能力上解决机器人泛化不足的问题，发布的 DM0.5 通用具身基础模型，不仅拥有零样本执行能力，加入上下文记忆机制，最长支持 60 秒有效记忆，让机器人能够持续理解任务状态，而不是每一步都从零开始决策。
苏度则选择用更直接的方式证明自己的技术路线。
它没有先讲宏大的模型概念，而是靠一段长达60分钟、未经剪辑的连续操作视频来展示机器人能力，面对陌生物体，抓取首次成功率达到98%，随后在WAIC上，它又展示了移动操作、双手协作、柔性操作、精密组装等十余项技能。
目前没有人能证明哪条路线一定正确，但市场为它们买单，买的是未来的技术入口。
第三类，则是产业链卡位定价，为不可替代的核心部件买单，代表企业是灵心巧手。
它不做整机，只做机器人最复杂、最必不可少的末端执行器，灵巧手。
灵巧手技术难度极高，能真正做到量产且性能稳定的企业凤毛麟角，而灵心巧手是业内少有的覆盖连杆、腱绳、直驱三大技术路线的企业，产品矩阵覆盖 11 至 22 自由度的全系列，适配科研、工业、消费等不同场景。
除了硬件本身，灵心巧手还构建了端云融合、遥操作与技能库等配套能力，打造出灵巧手+软件平台一体化方案，能快速向客户交付标准化整套方案。
它的估值逻辑很清晰，整机厂商会迭代、会洗牌、会换赛道，但高质量的灵巧手是几乎所有机器人都需要复用的关键部件。
只要技术和量产能力跑通，可以服务大量整机客户，技术天花板未必比整机公司低。
三套定价逻辑，对应三种不同的价值判断。业绩兑现、技术突破、产业链卡位，每条路径都有自己的风险和天花板，也都有自己的想象空间。
200亿估值的门槛，只是故事的开头。
真正的分水岭在于：谁能在自己的定价逻辑里，真正跑出对应的结果。
200亿之后，真正考验数据和商业化
200 亿估值，并不是具身智能企业给出的最终答案，更像是一张进入下一阶段竞争的入场券。
因为最终决定具身智能企业价值的标准始终没有改变，机器人能不能在真实世界长期、稳定地完成任务。
站上 200 亿之后，所有公司都要面对具身智能行业最核心的两道难题：数据从哪里来，以及商业化能不能跑通。
先看数据采集这道题，行业内至今没有共识。
一种思路是依靠仿真扩大数据规模。银河通用和苏度科技，都把大规模仿真作为训练体系的重要基础。
因为完全依靠真实采集数据，成本太高、规模也上不去，根本满足不了通用智能所需要的上万亿条数据。
银河通用选择以合成仿真数据为主、真机数据为辅，目前已经搭建了约 20 个高度仿真的模拟场景，90% 的训练数据来自虚拟仿真，并能够快速生成大规模操作数据。
仿真真正的价值在于两点：
一是可靠性，能对光照、摩擦系数、几何形状、物体类型、物理参数做系统性的随机化，把覆盖面做得足够广；
二是效率，不需要真机一遍遍跑，就能批量产出海量数据。
正如，李飞飞此前提到，仿真不是可选项，而是必选项，因为它提供了真实数据无法替代的反事实推理能力。
人类解决复杂问题时，本质上也在不断进行模拟和预测，就像球队备战，不管是数字化模拟还是在白板上画战术，本质上都是在做仿真。
苏度选的也是这条路，仿真承担规模化预训练，提供大规模、多模态的物理信息，真机数据用于修正、对齐、长程行为和部署验证，从而降低对真机数据采集的依赖。
此前，苏度那段 60 分钟连续、未剪辑的公开视频，展示的不只是操作能力，更是在验证一件事，过去难以规模化、难以跨越虚实鸿沟的仿真数据，确实可以训练出高泛化的操作技能。
但其他企业选择相信真实世界的数据价值。
他们认为，机器人最终面对的是复杂、不确定的现实环境，而这些东西很难完全通过仿真复现。
千寻智能走的是数据金字塔式多源融合路线，它并不刻意追求数据干净，而是保留了「多样性脏数据」，真实世界中的碰撞、失误、环境变化，这些「不完美数据」恰恰可能帮助模型建立更强的泛化能力。
星海图则选择构建全链路、高效率的物理世界数据采集与模型训练基座。
它开源的 GOD 数据集，发布一个月就登顶全球下载量第一，希望解决行业长期缺少高质量物理数据的问题。
自变量则试图降低高质量数据的获取成本。
除了建设数据采集体系，还探索如何利用大量无本体数据，通过数据筛选、动作对齐和质量控制，提高低成本数据的训练价值，通过配比实验找到「10 份无本体数据+1 份真机数据」的黄金配比，训练出的模型性能可媲美同等规模的纯真机数据。
还有原力灵机选择以真实世界数据为核心。DM0.5 基于 15 万小时多源数据训练，包括 5 万小时真机高精度操作数据和 10 万小时 Ego 视角数据，额外加入人类第一视角数据，帮助模型更全面理解环境与任务。
宇树、智元则多了一层优势，除了无本体多模态数据采集，它们有大量机器人产品在真实场景中运行，能持续积累运动控制数据，形成数据飞轮，尤其在空翻、抗干扰恢复这类高动态运动控制上，宇树靠数千台机器人长期并行训练积累的优势，短期内很难被复制。
这场数据采集路线之争短期内不会有定论。
但无论选择仿真还是真机路线，最终衡量标准都应回到同一个问题：数据能否有效转化为真实场景下的任务成功率提升，而不是数据规模本身。
再看商业化这道题，蓝驰创投合伙人曹巍提到，当下，项目考察重点已经从团队和实验室 Demo，转向工程化交付、规模化落地和持续复购。
Demo只能证明机器人可以完成任务，却证明不了它能不能长期作为生产设备运行下去。
真正该被追问的，其实是连续运行时长、故障间隔、人工接管率、部署周期、单位任务成本这些更具体的工程指标。
但这些数据目前大多没有被公开披露，也是外界评估企业真实工程能力时最大的信息盲区。
按这些标准去看，11 家公司其实已经拉开了差距。
宇树、智元凭借规模化产品和收入表现，已经走在商业化前列。
其他企业，则在探索不同的落地路径。
智平方选择工业和消费双线推进，在工业端，拿到了半导体面板巨头惠科股份近 5 亿元订单，计划部署上千台机器人，在消费端，在商场做常态化的饮料售卖等场景验证机器人在开放环境中的长期运行能力。
银河通用则聚焦工业场景，和宁德时代、博世这些巨头深度绑定，累计订单达数千台，通过真实生产环境验证机器人能力。
而星海图则先抢占科研市场和开发者社区的头部份额，优先搭建开发者圈层与完整技术底座生态，再循序渐进落地工业物料搬运、仓储物流分拣等生产力场景，当下已完成千台级订单验证，为下一阶段的规模化商业落地做准备。
苏度科技表现出少有的克制。
创始人韩铮明确表示，公司「不太选择做短期营收」如果没有满足最终端客户对机器人可操作、可部署的要求，宁可不为了收入去接项目。
这种克制，有着两面性：
一面是有利于减少低质量定制项目对研发资源的分散。
另一面则意味着公司需要更长时间证明技术能否转化为收入，并承担相应的融资节奏和现金流压力。
因此，这是一种需要被验证的商业假设，而非已经被证明的更优路径。
无论哪种打法，估值快速上涨的同时，泡沫的风险也在同步累积。
具身智能的量产元年是 2026 年，如果参照部分高资本开支新兴产业的发展节奏，2028 到 2029 年很可能是验证期窗口关闭的关键时点。
如果届时企业仍然拿不出规模化的营收和可复制的商业模型，资本退潮几乎不可避免。
当下，越来越多企业已经启动上市计划，标志着赛道正走出一级市场讲故事阶段，进入二级市场业绩兑现阶段。
行业从不缺高估值的公司，缺的是能穿越周期的公司，具身智能的下半场，才刚刚拉开序幕。
下一阶段，所有路线终将收敛于同一个问题，机器人是否真正具备创造商业价值的能力。
当聚光灯从 Demo 转向商业化，泡沫与价值的分野，才真正开始显现。
原文标题 : 200亿估值之后，具身智能真正的淘汰赛开始
作者｜李沐蓉
放在以前，如果去问一个投资人，一家刚成立的公司值多少钱，大概率会得到这样的回答：再等等，看产品、看商业化，现在谈估值还太早。
但具身智能赛道，正在改变这套传统逻辑。
2025年 5 月刚成立的苏度科技，如今，据公开信息，估值已经超过了人民币200亿元。
这不是孤例，进入2026年，具身智能企业估值上涨的速度不断刷新大家的认知。
原力灵机 4 月完成上一轮融资后，估值已经到了 100 亿左右，在 8 月完成股改后，估值直接冲上 200 亿元。
还有智平方从百亿估值迈向 200 亿，用了 4 个月，星海图、千寻智能更快，只用了大约两个月的时间。
截止2026年8月，宇树、智元、银河通用、星海图、千寻智能、自变量、智平方、灵心巧手、苏度、酷哇科技、原力灵机，11 家具身智能企业已经相继跨入 200 亿估值梯队。
对这批获得头部资本密集下注的公司而言，200亿元正在从估值高点变成新一轮竞争的起跑线。
但这条起跑线通向的，究竟是产业格局的落定，还是又一轮更残酷的淘汰赛？
资本正在完成具身智能第一次排序
要看懂具身智能估值为什么涨得这么快，得先想清楚三个问题：
钱在往哪个方向流、是谁在给钱、这些钱给出去之后发生了什么变化。
这三个问题，反映了三个正在发生的趋势：
钱从「身体」流向「大脑」；
出资方从VC变成产业资本；
资本开始向少数玩家集中。
资金流向，向来是判断行业价值锚点最直观的指标。
据量子位不完全统计，2026年上半年，做大脑的公司拿走了 222.5 亿融资，占全行业的 50.8%；
做整机本体的公司只拿到 56 亿，占 12.8%。
行业的重心，已经明显从身体转向了大脑。
这并不意味着机器人本体不重要，而是说明资本正在重新寻找产业链中更具想象空间的环节。
这几年，机器人本体这条路，核心零部件、供应链和整机制造能力逐渐成熟。宇树、智元等企业的机器人也已经逐步量产下线，成本控制和可靠性也正在持续验证。
随着本体的「可获得性」提高，具身智能的瓶颈开始更多转向模型泛化、数据获取和任务闭环能力，大脑的估值溢价，就凸显出来了。
而大脑这条路眼下仍充满不确定性，机器人怎样理解物理世界，怎样在从未见过的环境里自主工作，整个行业都还在摸索答案。
但恰恰是这种「没有标准答案」的状态，让资本愿意花更多的钱去押注。因为一旦押中，机器人大脑所产生的产业价值，将是颠覆性的。
这也解释了为什么银河通用、星海图、千寻智能、智平方这些主攻「大脑」的公司，能够快速拿到极高估值。
资本愿意押注，还不足以解释估值上涨的速度。真正的关键变量，是出资方本身也在发生变化。
在具身智能爆发初期，市场主力还是市场化 VC，VC 的钱需要一轮一轮验证，不敢轻易 all in。
但把2026年 10 亿以上的大额融资拉出来看，出资方名单里出现频率最高的，已经变成了百度、字节跳动、小米、美团、上汽、汇川等产业大厂，以及亦庄国投、杭州资本等地方国资。
这些资金的目的，已经不只是单纯地寻找财务回报。
对于当下产业大厂而言，投资具身智能企业更像是一场提前布局。
一方面，它们希望通过资本绑定潜在供应商和技术伙伴；
另一方面，也希望在机器人产业链形成时，占据更有利的位置。
比如，自变量同时拿到美团、阿里、字节跳动、小米四家巨头投资的具身智能企业。
银河通用，拿到了国家大基金三期的第一笔具身智能领域投资。
但当前更多还是技术卡位、生态绑定和供应链布局阶段。真正的大规模商业订单、场景复制和批量部署，仍然需要时间验证。
这种抢位心态，加上产业资本和国家队资源有限的事实，资源自然向少数公司集中，钱会越来越往少数几家头部集中，马太效应已经显现。
据 IT 桔子数据，2026年上半年，具身智能赛道共发生 288 起融资，披露总额超 460 亿元，涉及 226 家企业。
但排名前 5 的公司吸走了约 171 亿，占融资总额的 37%；前 20 家公司合计拿走约 330 亿，占比超过七成。剩下的 200 多家公司，只分到大约 124 亿。
这种集中效应，在头部企业身上体现得更加明显。
千寻智能在 3 个月内累计融资 45 亿元，几乎相当于后边 200 多家公司融资总和的三分之一。
钱没有消失，只是流向了头部企业，现在正形成一个明显循环：
一家公司被认为更有潜力，就会聚集更多资金，投入更多研发、数据和人才；能力提升后，又更容易获得下一轮资本支持。
当这个循环形成，估值就会像滚雪球一样越滚越快。这正是几家公司能在两三个月内估值翻倍的直接原因。
但硬币总有另一面。估值上涨的速度，正在脱离产品进度。融资排名取代产品排名，成为行业话语权的主变量。
当「谁拿的钱多」比「谁的产品更好用」更容易被市场感知的时候，资本的定价重心将从产品和收入，转向技术路线的期权价值、团队稀缺性和生态卡位能力。
当估值上涨速度快于产品验证速度的时候，定价偏差和泡沫风险也会同步累积。
所以，跨过 200 亿门槛，只是这个故事的前半段。
后半段要讲的，是这些公司怎么把纸面上的估值，兑现成真正立得住的产品、场景和收入。
200亿估值背后，具身智能的三套定价逻辑
几家企业虽然同时站上 200 亿估值梯队，但如果把它们的估值逻辑拆开看，会发现市场其实在用三套完全不同的方法定价。
第一类是业绩定价。
拿真金白银的营收和订单换估值，以宇树、智元、酷哇科技为代表。
宇树选择的是硬件全栈自研这条最扎实的路线，从伺服电机、减速器、控制器，到激光雷达、感知系统和运动控制算法，大量核心环节选择自主研发，第三方采购成本占比仅约 14% 至 18% 。
这种垂直整合能力，让宇树不仅能够控制产品性能，也具备更强的成本优势。2025 年实现营业收入 16.99 亿元，同比增长 335%，成为行业内为数不多实现规模化盈利的公司。
智元走的是软硬一体、快速上量的路线，它没有选择单纯等待机器人大脑成熟，而是选择整机、模型和应用场景同步推进，把技术能力快速转化为产品能力。
2025 年营收 10.5 亿元，2026年一季度单季就超过 10 亿，几乎追平去年全年，2026年 6 月已经累计下线 15000 台机器人。
目前，智元已经推出多款人形机器人和具身智能模型，还把灵巧手、数据采集、机器人租赁、四足机器狗、商业清洁这几块高毛利业务，拆成独立子公司单独运营，打法更像是再用华为式的产业思维，打造一个完整的产业生态。
酷哇科技则完全是另一个故事，走的是先专用后通用的路线，它没有直接冲向通用人形机器人，而是先从城市环卫、城配物流这些劳动强度高、环境复杂但需求明确的场景切入，积累了近十年的机器人运营经验，做到了全国头部，去年实现收入约 10 亿元，累计订单达 50 亿元。
如今，酷哇已经形成覆盖全球约 50 个城市的业务网络。
有了这些客户资源和真实作业数据打底，酷哇才开始向通用机器人市场延伸，目前已打造出涵盖轮式、轮足、四足及泛人型机器人的产品矩阵。
三家公司路径完全不同，但共同点很明确，估值背后有真金白银的营收和订单撑腰。市场愿意为它们买单，买的是已经做到了的确定性。
第二类，是技术期权定价，资本为未来的技术入口买单。
比如银河通用、星海图、千寻智能、自变量、智平方、苏度科技、原力灵机。
与第一类企业不同，这些公司的共同特点是，当前收入规模并不是估值核心，资本押注的是它们解决具身智能核心瓶颈的可能性，机器人如何真正理解和适应复杂世界。
自变量选择了最底层的问题去攻克。
它发布的 WALL-B 模型，把视觉、语言、动作、物理预测放进同一个神经网络从零联合训练，之后又对机器人感知世界的基本单元进行重新思考，发布了 WALL-WM，提出一个更深层的判断，机器人感知世界不该按固定帧率采样，而应该按「关键事件序列」采样。
星海图则更关心的是如何把模型真正跑进真实场景，作为全球较早探索「快-慢双系统」VLA 模型的团队之一，最新的 G0.5 模型主攻零样本泛化能力，同时推进的 Fast-WAM 世界模型，则在推理速度上实现突破，将单步推理延迟压缩至 190 毫秒，比传统架构快 4 倍以上，使其具备走向真实场景的工程可行性。
银河通用押的是机器人对物理世界的理解深度，做出了业内较早把大脑、小脑、神经控制三者端到端集成的全身全手端到端具身大模型。
既能盘核桃时精准控制指尖力度，也能叠衣服时对柔性物体做出实时形变适应。
它不追单纯的模型规模，而是要机器人同时具备大脑、小脑、神经控制这三层能力。
智平方走的是类脑架构路线。
借鉴人类神经系统的分层控制机制，自研类脑 VLA 模型 NeuroVLA，把人类「皮层—小脑—脊髓」三级协同机制引入机器人控制，做成了行业内较早同时具备主动感知、故障自恢复、时序记忆三种生物级运动能力的具身智能系统。
千寻智能瞄准的是长程任务能力，Spirit v1.6 基座模型通过 VLA 与世界模型结合，让 Moz1 机器人仅凭单条自然语言指令，就能自主完成「整理餐厅」「客厅收纳」等长程复杂任务，即使被打断也能自主调整继续执行。
这种长程任务的鲁棒性，比单点抓取演示更有说服力，因为它更接近真实世界中机器人会遇到的情况。
原力灵机选择的是具身原生路线，试图从底层模型能力上解决机器人泛化不足的问题，发布的 DM0.5 通用具身基础模型，不仅拥有零样本执行能力，加入上下文记忆机制，最长支持 60 秒有效记忆，让机器人能够持续理解任务状态，而不是每一步都从零开始决策。
苏度则选择用更直接的方式证明自己的技术路线。
它没有先讲宏大的模型概念，而是靠一段长达60分钟、未经剪辑的连续操作视频来展示机器人能力，面对陌生物体，抓取首次成功率达到98%，随后在WAIC上，它又展示了移动操作、双手协作、柔性操作、精密组装等十余项技能。
目前没有人能证明哪条路线一定正确，但市场为它们买单，买的是未来的技术入口。
第三类，则是产业链卡位定价，为不可替代的核心部件买单，代表企业是灵心巧手。
它不做整机，只做机器人最复杂、最必不可少的末端执行器，灵巧手。
灵巧手技术难度极高，能真正做到量产且性能稳定的企业凤毛麟角，而灵心巧手是业内少有的覆盖连杆、腱绳、直驱三大技术路线的企业，产品矩阵覆盖 11 至 22 自由度的全系列，适配科研、工业、消费等不同场景。
除了硬件本身，灵心巧手还构建了端云融合、遥操作与技能库等配套能力，打造出灵巧手+软件平台一体化方案，能快速向客户交付标准化整套方案。
它的估值逻辑很清晰，整机厂商会迭代、会洗牌、会换赛道，但高质量的灵巧手是几乎所有机器人都需要复用的关键部件。
只要技术和量产能力跑通，可以服务大量整机客户，技术天花板未必比整机公司低。
三套定价逻辑，对应三种不同的价值判断。业绩兑现、技术突破、产业链卡位，每条路径都有自己的风险和天花板，也都有自己的想象空间。
200亿估值的门槛，只是故事的开头。
真正的分水岭在于：谁能在自己的定价逻辑里，真正跑出对应的结果。
200亿之后，真正考验数据和商业化
200 亿估值，并不是具身智能企业给出的最终答案，更像是一张进入下一阶段竞争的入场券。
因为最终决定具身智能企业价值的标准始终没有改变，机器人能不能在真实世界长期、稳定地完成任务。
站上 200 亿之后，所有公司都要面对具身智能行业最核心的两道难题：数据从哪里来，以及商业化能不能跑通。
先看数据采集这道题，行业内至今没有共识。
一种思路是依靠仿真扩大数据规模。银河通用和苏度科技，都把大规模仿真作为训练体系的重要基础。
因为完全依靠真实采集数据，成本太高、规模也上不去，根本满足不了通用智能所需要的上万亿条数据。
银河通用选择以合成仿真数据为主、真机数据为辅，目前已经搭建了约 20 个高度仿真的模拟场景，90% 的训练数据来自虚拟仿真，并能够快速生成大规模操作数据。
仿真真正的价值在于两点：
一是可靠性，能对光照、摩擦系数、几何形状、物体类型、物理参数做系统性的随机化，把覆盖面做得足够广；
二是效率，不需要真机一遍遍跑，就能批量产出海量数据。
正如，李飞飞此前提到，仿真不是可选项，而是必选项，因为它提供了真实数据无法替代的反事实推理能力。
人类解决复杂问题时，本质上也在不断进行模拟和预测，就像球队备战，不管是数字化模拟还是在白板上画战术，本质上都是在做仿真。
苏度选的也是这条路，仿真承担规模化预训练，提供大规模、多模态的物理信息，真机数据用于修正、对齐、长程行为和部署验证，从而降低对真机数据采集的依赖。
此前，苏度那段 60 分钟连续、未剪辑的公开视频，展示的不只是操作能力，更是在验证一件事，过去难以规模化、难以跨越虚实鸿沟的仿真数据，确实可以训练出高泛化的操作技能。
但其他企业选择相信真实世界的数据价值。
他们认为，机器人最终面对的是复杂、不确定的现实环境，而这些东西很难完全通过仿真复现。
千寻智能走的是数据金字塔式多源融合路线，它并不刻意追求数据干净，而是保留了「多样性脏数据」，真实世界中的碰撞、失误、环境变化，这些「不完美数据」恰恰可能帮助模型建立更强的泛化能力。
星海图则选择构建全链路、高效率的物理世界数据采集与模型训练基座。
它开源的 GOD 数据集，发布一个月就登顶全球下载量第一，希望解决行业长期缺少高质量物理数据的问题。
自变量则试图降低高质量数据的获取成本。
除了建设数据采集体系，还探索如何利用大量无本体数据，通过数据筛选、动作对齐和质量控制，提高低成本数据的训练价值，通过配比实验找到「10 份无本体数据+1 份真机数据」的黄金配比，训练出的模型性能可媲美同等规模的纯真机数据。
还有原力灵机选择以真实世界数据为核心。DM0.5 基于 15 万小时多源数据训练，包括 5 万小时真机高精度操作数据和 10 万小时 Ego 视角数据，额外加入人类第一视角数据，帮助模型更全面理解环境与任务。
宇树、智元则多了一层优势，除了无本体多模态数据采集，它们有大量机器人产品在真实场景中运行，能持续积累运动控制数据，形成数据飞轮，尤其在空翻、抗干扰恢复这类高动态运动控制上，宇树靠数千台机器人长期并行训练积累的优势，短期内很难被复制。
这场数据采集路线之争短期内不会有定论。
但无论选择仿真还是真机路线，最终衡量标准都应回到同一个问题：数据能否有效转化为真实场景下的任务成功率提升，而不是数据规模本身。
再看商业化这道题，蓝驰创投合伙人曹巍提到，当下，项目考察重点已经从团队和实验室 Demo，转向工程化交付、规模化落地和持续复购。
Demo只能证明机器人可以完成任务，却证明不了它能不能长期作为生产设备运行下去。
真正该被追问的，其实是连续运行时长、故障间隔、人工接管率、部署周期、单位任务成本这些更具体的工程指标。
但这些数据目前大多没有被公开披露，也是外界评估企业真实工程能力时最大的信息盲区。
按这些标准去看，11 家公司其实已经拉开了差距。
宇树、智元凭借规模化产品和收入表现，已经走在商业化前列。
其他企业，则在探索不同的落地路径。
智平方选择工业和消费双线推进，在工业端，拿到了半导体面板巨头惠科股份近 5 亿元订单，计划部署上千台机器人，在消费端，在商场做常态化的饮料售卖等场景验证机器人在开放环境中的长期运行能力。
银河通用则聚焦工业场景，和宁德时代、博世这些巨头深度绑定，累计订单达数千台，通过真实生产环境验证机器人能力。
而星海图则先抢占科研市场和开发者社区的头部份额，优先搭建开发者圈层与完整技术底座生态，再循序渐进落地工业物料搬运、仓储物流分拣等生产力场景，当下已完成千台级订单验证，为下一阶段的规模化商业落地做准备。
苏度科技表现出少有的克制。
创始人韩铮明确表示，公司「不太选择做短期营收」如果没有满足最终端客户对机器人可操作、可部署的要求，宁可不为了收入去接项目。
这种克制，有着两面性：
一面是有利于减少低质量定制项目对研发资源的分散。
另一面则意味着公司需要更长时间证明技术能否转化为收入，并承担相应的融资节奏和现金流压力。
因此，这是一种需要被验证的商业假设，而非已经被证明的更优路径。
无论哪种打法，估值快速上涨的同时，泡沫的风险也在同步累积。
具身智能的量产元年是 2026 年，如果参照部分高资本开支新兴产业的发展节奏，2028 到 2029 年很可能是验证期窗口关闭的关键时点。
如果届时企业仍然拿不出规模化的营收和可复制的商业模型，资本退潮几乎不可避免。
当下，越来越多企业已经启动上市计划，标志着赛道正走出一级市场讲故事阶段，进入二级市场业绩兑现阶段。
行业从不缺高估值的公司，缺的是能穿越周期的公司，具身智能的下半场，才刚刚拉开序幕。
下一阶段，所有路线终将收敛于同一个问题，机器人是否真正具备创造商业价值的能力。
当聚光灯从 Demo 转向商业化，泡沫与价值的分野，才真正开始显现。
原文标题 : 200亿估值之后，具身智能真正的淘汰赛开始
