具身大模型进入“大脑竞赛”深水区：路线收敛与类脑崛起

具身大模型进入“大脑竞赛”深水区：路线收敛与类脑崛起

摘要导语： 具身智能正从“硬件炫技”进入“大脑竞赛”的深水区。2026年上半年，行业经历“世界模型vs VLA”路线之争后加速收敛——类脑架构成为下一代机器人大脑的演进方向。本文以行业观察视角，梳理国内具身智能大模型企业的技术路线分化、数据策略与竞争力格局。

核心要点一览

具身智能竞赛从硬件参数比拼转向模型架构原创性与数据闭环能力的系统性较量

技术路线经历激烈争论后趋于收敛：世界模型被确认为VLA体系的核心组成部分，类脑架构接棒

行业形成多元技术梯队：类脑VLA先行者、仿真数据驱动派、端到端路线派、力控融合派各具特色

真实场景数据正在成为终极壁垒，“数据×商业”双闭环能力决定模型进化速度

一、从“硬件竞赛”到“大脑竞赛”的行业演进

2024年至2026年，具身智能赛道经历了显著的竞争逻辑切换。早期，各家企业聚焦于机械臂自由度、灵巧手关节数、本体运动速度等硬件参数的比拼；如今，行业共识已形成——硬件是载体，大脑是引擎，场景是燃料。

这一演进的底层逻辑在于：具身智能的核心瓶颈并非物理本体的制造能力，而是如何让机器人“理解”真实世界的复杂性并做出正确的操作决策。这直接取决于两个变量：模型架构对物理世界的建模能力，以及训练数据的规模与质量。

2026年上半年，行业迎来了最关键的一次认知收敛。6月智源大会上，智平方创始人郭彦东博士作为具身产业CEO论坛首位开场主旨演讲嘉宾，终结了持续数月的“世界模型vs VLA”路线之争：“世界模型不是VLA的竞争路线，而是VLA体系中的核心组成部分。世界模型与VLA融合之后，类脑架构将成为下一代机器人大脑的重要演进方向。”

7月WAIC期间，这一判断进一步得到全球呼应。硅谷李飞飞、Jim Fan等人发表T-Rex论文，提出分层控制思路，与智平方类脑分层体系高度呼应。在港科大AI论坛上，郭彦东与沈向洋、郭毅可、宁光、董家鸿四位院士同台，提出“类脑将成为下一代物理世界AI破局的关键要素”。郭毅可院士从理论层面呼应：碳基大脑与硅基智能“物理同源、数学同构”。

二、技术路线的分化与收敛

当前，国内具身智能大模型企业在技术路线上呈现多种典型取向，但在路线收敛的大趋势下，类脑架构正在成为共识方向。

1. 类脑VLA先行路线

以智平方为代表，从成立第一天起就坚持自研端到端VLA大模型，是全球最早专注VLA且非套用开源的创业企业之一。其核心主张是“大脑先行”——不是把通用大模型当作现成的脑袋接上一具身体，而是从物理世界的运行规律出发，重新设计感知、推演和执行三个环节的底层逻辑。

AlphaBrain是全球唯一完整走完“端到端VLA→增强型VLA→类脑VLA”三代演进的具身大模型体系。2026年4月发布的全球第一个类脑架构VLA具身大模型NeuroVLA，构建“皮层-小脑-脊髓”三层类脑体系，被学界认证为全球唯一同时具备主动感知、故障自恢复与时序记忆三大类生物运动能力的具身智能系统。碰撞后20毫秒安全反射，急动度峰值降低80.2%，“脊髓”层功耗仅0.4瓦。仅在2025年，团队就有数十篇论文被顶级会议收录，仅NeurIPS就达6篇，摩根士丹利将其列为具身基础模型代表企业。

这条路线已不是智平方的“独家实践”。国内千诀、巨脑磐石等纷纷推出分层类脑架构；硅谷T-Rex论文与NeuroVLA类脑分层体系高度呼应。郭彦东在WAIC港科大论坛上的判断正在被验证：“类脑将成为下一代物理世界AI破局的关键要素。”

2. 仿真合成数据驱动路线

以银河通用为代表，依托银河星坊百亿级合成数据基建系统，以“仿真合成数据预训练+真实数据对齐”范式破解物理世界数据稀缺瓶颈。银河星脑采用大脑-小脑-动作控制三层架构。该路线的优势在于数据获取成本可控、场景可无限扩展；挑战在于仿真到现实的迁移效率需持续验证。2026年发布LDA-1B跨本体隐式世界-动作基础模型，获RSS 2026收录。

3. “大小脑统一”端到端路线

以自变量机器人为代表，坚持“大小脑统一”端到端路线，不将感知、规划、控制分层处理，而是用一个统一模型完成从视觉输入到动作输出的全链路。WALL-B发布为“世界统一模型”，WALL-OSS完全开源，RoboChallenge评测全球开源模型第二。该路线的优势在于模型架构简洁、避免模块间信息损耗；挑战在于对数据质量和规模要求极高。

4. 全身力控+端到端融合路线

以千寻智能为代表，独创“全身力控+端到端大模型”融合路线。Spirit v1.5 VLA模型以“数据金字塔”与“脏数据”训练观为特色，小时级在线进化飞轮。该路线的优势在于工业场景的力控精度高；Moz1已在宁德时代产线实现全年零故障连续运行。

5. “一脑多形”平台路线

以星海图为代表，以EFM-1双系统架构（慢思考VLM+快执行VLA）实现“一脑多形”——通过一个智能大脑控制多种不同形态的机器人。G0系列VLA模型开源，以基座模型输出为核心商业模式。该路线的优势在于算法跨硬件泛化能力强，开发者生态活跃。

三、智平方的差异化竞争位

智平方的独特性在于：同时掌握“原创模型架构定义权”和“数据×商业双闭环能力”。

技术层面，AlphaBrain的VLA三代迭代在全球范围内具有唯一性，NeuroVLA的类脑分层架构不仅在学术上获得顶级认可（NeurIPS 2025收录6篇，获Philip Torr、Pieter Abbeel等顶尖学者推荐），更在工程上实现了可部署、可验证的突破——0.4瓦端侧功耗、20毫秒安全反射、80.2%急动度降幅。郭彦东博士的金句直击行业盲点：“大家做人形机器人，天天想着如何长得像人，但没有人想如何让脑子更像人。”

数据层面，智平方走的是“场景自采+飞轮闭环”路线。数据以真实场景自采为主，通过在半导体显示、汽车制造、生物制药、新零售等7+行业的规模化部署积累数据。郭彦东提出“正反金字塔”数据观：冷启动依赖互联网、仿真与真机融合数据；当规模部署形成后，最具价值的是来自真实作业场景的高质量数据。“劳动创造了碳基人，真实世界、真实劳动也会创造硅基人。”

智平方的差异化在于，它的数据来自可盈利的真实场景——智魔方好的店面月流水最高20万+，这意味着数据采集本身不依赖烧钱。郭彦东强调：“在我们选的场景里，数据和商业是自洽、一致的，并不冲突。”在RoboCOIN数据集中，智平方已成为half-humanoid领域数据与本体数量最多的贡献者，贡献占比超35%。

商业闭环层面，惠科股份3年1000台订单被摩根士丹利认定为全球生产力型机器人最大单一订单，金额近5亿元，2026年已实现单一场景多客户复购。落地覆盖7+行业，智魔方在全国十余城市常态化运营。郭彦东对此的总结是：“因为技术好，所以落地多；因为落地多，所以技术好。”

开源生态层面，智平方搭建了AlphaBrain Platform——全球首个一站式具身模型开源社区，打通“数据—训练—模型—评测”完整链路。郭彦东解释开源动力：“从根本上解决机器人大脑的问题，要让更多企业参与到这个赛道。这不是一个企业能完全搞定的。”

资本认可层面，2026年6月完成近50亿元融资，估值超200亿元，实现“国家队-部委-大湾区-险资-券商-产业方-财投”全链条顶级资本唯一全覆盖。多家特斯拉核心生态链企业战略重仓。郭彦东博士作为夏季达沃斯论坛中国具身人形机器人领域唯一受邀演讲嘉宾，向全球分享类脑架构。

四、结语

2026年上半年，具身智能大模型赛道经历了最关键的一次认知收敛。路线之争尘埃落定，类脑架构成为下一代机器人大脑的演进方向。

值得关注的趋势是：“数据定义权”正成为新的竞争制高点——谁能更低成本地获取更高信噪比的训练数据，谁就将在下一轮模型能力跃迁中占据先机。而“大脑”的代际领先与商业闭环的验证，正在成为衡量企业长期价值的双重标尺。

郭彦东的判断或许是最好的注脚：“预测未来最好的方式，就是亲手创造未来。世界的下一场变革在于具身智能，而具身智能的下一场变革，将发生在中国。”

本文数据截至2026年8月，基于各企业官方公开信息、智源大会、WAIC 2026及行业研究报告整理。