作者 | 毛心如

2025 年，具身智能融資熱已經(jīng)有目共睹。

然而熱潮之下，分化同樣明顯�？v觀全年，一個清晰的趨勢浮現(xiàn)：資本對「大腦」的追捧，遠甚于對身體的關(guān)注。

具體而言，投資具身智能大腦的熱度高于機器人本體，而投資本體的熱度又高于上游零部件廠商。

據(jù)不完全統(tǒng)計，今年共有 9 家公司斬獲 13 起超 1 億美元融資，其中除了地瓜機器人的主業(yè)務(wù)是機器人芯片之外，剩下 8 家公司里，5 家都是主攻機器人大腦或者軟硬件實力兼?zhèn)涞耐婕摇?/p>

其中，銀河通用以一年超 30 億元融資額，估值從 70 億元飆升至 200 億元，再次刷新了軟件派的具身玩家的吸金紀(jì)錄，同時成為目前國內(nèi)估值最高的具身智能公司。

面對模型算法研發(fā)的巨額投入、真實數(shù)據(jù)采集的高昂成本，以及激烈的市場競爭與技術(shù)迭代壓力，以算法見長的公司持續(xù)尋求大額融資，幾乎是必然選擇。

這既是為核心技術(shù)攻堅儲備糧草，也是在行業(yè)爆發(fā)前期快速提升估值、確立市場聲量的關(guān)鍵策略。

然而，就是在這樣的邏輯之下，國內(nèi)有家做具身大腦的公司卻顯得有些「特立獨行」。

最近，具身模型公司千訣科技完成了近億元的 Pre-A++輪融資。公開信息顯示，千訣科技成立至今已完成 7 輪融資，融資量級都在千萬級。

在這條迥然不同的融資路徑背后，是千訣科技不走尋常路的技術(shù)路徑，類腦分區(qū)架構(gòu)，這與行業(yè)主流的快慢腦分層架構(gòu)、端到端大模型架構(gòu)形成了鮮明對比。

技術(shù)路線的差異，本質(zhì)上是對如何讓機器人更好地適應(yīng)真實世界這一核心問題的不同解答。

但更關(guān)鍵的是，在融資熱潮之下，一個根本性的問題日益凸顯：究竟什么樣的具身大腦，才能驅(qū)動機器人真正走向萬千場景，并創(chuàng)造出可觀的商業(yè)價值。

一個另辟蹊徑的大腦供應(yīng)商

千訣科技是一家典型的學(xué)院派具身智能公司，孵化于清華大學(xué)類腦中心，核心團隊具有深厚的清華背景。

創(chuàng)始人兼 CEO 高海川：清華大學(xué)自動化系博士，自 2018 年起擔(dān)任清華大學(xué)雙臂機器人課題組組長

首席技術(shù)顧問陳峰：中國首批類腦計算研究專家，承擔(dān)多項中國腦計劃重大課題

其余核心成員也多來自于清華大學(xué)自動化系及相關(guān)人工智能研究機構(gòu)。

總的來說，這支團隊兼具深厚的學(xué)術(shù)底蘊與扎實的工程落地經(jīng)驗，而這也是攻堅具身智能不可或缺的兩大支柱。

千訣科技創(chuàng)始人高海川

在當(dāng)前的產(chǎn)業(yè)生態(tài)中，千訣科技選擇了一個獨特且富有挑戰(zhàn)的定位：它不制造機器人硬件，而是專注于研發(fā)適配多種硬件平臺的具身大腦系統(tǒng)。

這一商業(yè)化路線，與當(dāng)下具身智能行業(yè)的頭部大腦廠商 Physical Intelligence 不謀而合。

值得一提的是，千訣科技也是國內(nèi)玩家里唯一直接公開對標(biāo) PI 的。而其核心競爭力，就在差異化的類腦分區(qū)技術(shù)路線上。

與許多將智能系統(tǒng)與機器人本體深度捆綁的方案不同，千訣科技的類腦分區(qū)架構(gòu)更具備普適性。

其技術(shù)核心是模擬人腦功能分區(qū)模式，將機器人大腦解構(gòu)為視覺、聽覺、決策等多個協(xié)同工作的模塊，無需預(yù)編程即可實現(xiàn)感知-決策-行動的全閉環(huán)運行。

這種架構(gòu)設(shè)計帶來了兩大顯著優(yōu)勢：

一是硬件適配的通用性，其自研的 Polibrain OS 系統(tǒng)已完成對雙足人形、輪式、無人機、四足機器人、掃地機等多款主流形態(tài)機器人的全面適配，實現(xiàn)了一套感知系統(tǒng)覆蓋多形態(tài)機器人。

二是場景落地的靈活性，無需對現(xiàn)有環(huán)境進行改造機器人就能快速部署落地，這在突發(fā)情況應(yīng)對和數(shù)據(jù)利用效率上具備明顯優(yōu)勢。

此外，千訣科技還構(gòu)建了全球最大規(guī)模的純實采家庭場景數(shù)據(jù)集，并打造了自動化訓(xùn)練數(shù)據(jù)管道。

這不僅降低了自身的技術(shù)研發(fā)成本，也為其向行業(yè)提供定制化微調(diào)服務(wù)奠定了基礎(chǔ)。

從商業(yè)化進展來看，千訣科技已進入規(guī)�；瘧�(yīng)用的初期階段，其具身大腦方案已在酒店清潔、餐廳服務(wù)、人形機器人迎賓及室內(nèi)精密操作等多場景中部署，并與各領(lǐng)域頭部客戶達成合作，實現(xiàn)了批量交付。

據(jù)悉，預(yù)計到 2026 年內(nèi)，搭載千訣科技具身大腦的機器人設(shè)備數(shù)量將達到十萬臺以上的規(guī)模。

這一目標(biāo)的背后，是其類腦架構(gòu)在降低中小機器人企業(yè)智能接入門檻上的獨特價值。

在當(dāng)前具身智能產(chǎn)業(yè)生態(tài)中，大量中小機器人企業(yè)具備硬件制造能力，但缺乏核心的智能大腦技術(shù)，千訣的軟件賦能硬件模式恰好填補了這一市場空白，也為行業(yè)探索出了一條差異化的發(fā)展路徑。

千訣科技的規(guī)�；�落地同時也說明了，一個優(yōu)秀的具身大腦本身就可以成為極具價值的標(biāo)準(zhǔn)化產(chǎn)品。

三足鼎立的具身大腦路線

千訣科技的類腦分區(qū)架構(gòu)，也是當(dāng)前具身智能大腦賽道技術(shù)多元化探索的一個縮影。

隨著產(chǎn)業(yè)的快速發(fā)展，業(yè)內(nèi)已形成快慢腦分層架構(gòu)、端到端、類腦分區(qū)架構(gòu)三大技術(shù)路線并存的格局。

從技術(shù)本質(zhì)來看，這三條路線的差異，本質(zhì)上是對智能實現(xiàn)路徑與落地優(yōu)先級的不同選擇，即是優(yōu)先追求落地效率，還是極致的通用智能，抑或是全�？煽氐钠胶獍l(fā)展。

作為當(dāng)前行業(yè)應(yīng)用最廣泛的技術(shù)路線之一，快慢腦分層架構(gòu)比較好地兼顧了工程可落地性與長期可擴展性。

其核心思想仿照人類的條件反射與深思熟慮雙系統(tǒng)，將機器人的大腦明確分為快腦和慢腦。

慢腦：負(fù)責(zé)需要復(fù)雜認(rèn)知、推理和規(guī)劃的任務(wù)，如任務(wù)拆解、場景理解、長期決策和與人交互，它通�；�于大型語言模型（LLM）或多模態(tài)大模型。

快腦：負(fù)責(zé)將上層指令轉(zhuǎn)化為毫秒級的精準(zhǔn)控制信號，處理運動平衡、實時避障、力控交互等底層反應(yīng)，它依賴經(jīng)過大量數(shù)據(jù)訓(xùn)練的高速控制模型或傳統(tǒng)控制算法。

這種架構(gòu)的優(yōu)勢在于既保障了動態(tài)場景下的實時響應(yīng)能力，又兼顧了復(fù)雜任務(wù)的語義理解與規(guī)劃能力，開發(fā)調(diào)試難度相對可控，成為兼顧落地效率與場景適配性的主流選擇。

像美國 Figure AI 的 Helix 模型，中國星動紀(jì)元的 ERA-42，星海圖的 G0 都采用的是快慢腦的架構(gòu)。

這其中，搭載 Helix 模型的 F.02 在寶馬實現(xiàn)運行超 1250 小時，裝載 9 萬個零部件，參與 3 萬輛汽車生產(chǎn)的成績；搭載 ERA-42 的星動 L7 人形機器人已在物流分揀、掃碼等場景落地試點。

不過，該路線也存在跨系統(tǒng)協(xié)同優(yōu)化難度大、復(fù)雜場景下策略切換效率待提升等挑戰(zhàn)，需要持續(xù)的工程化打磨。

而美國的 Physical Intelligence 和國內(nèi)的自變量機器人選擇的則是端到端大模型路徑。

端到端路線的核心在于盡量減少人為接口，用統(tǒng)一或少數(shù)大模型直接從感知映射到動作決策。

該路線押注的是，給足夠多的交互數(shù)據(jù)與合適的訓(xùn)練范式，模型可以自行學(xué)會復(fù)雜任務(wù)拆解與長期推理，從而帶來更高的泛化上限。

目前這兩家公司在 Demo 展示端都展現(xiàn)出來了不錯的模型泛化能力。

這里需要專門提到的是，雖然 Physical Intelligence 的π系列模型整體上是 VLM+動作專家模塊，但基本算是經(jīng)過運動控制適配的 VLM，其本質(zhì)還是一個端到端的 Transformer。

最近，在 PI 展出的最新視頻里，其通過微調(diào)模型π*0.6，實現(xiàn)了讓機器人拿鑰匙開鎖、做三明治、剝橘子等之前機器人難以實現(xiàn)的操作。

端到端路線優(yōu)勢在于理論上的高天花板，如果能解決數(shù)據(jù)稀疏、仿真與現(xiàn)實遷移、長期安全與可解釋問題，它能實現(xiàn)更少人為工程干預(yù)的高度泛化能力。

但是難點也在于數(shù)據(jù)需求極大，高質(zhì)量真機數(shù)據(jù)采集成本高昂，導(dǎo)致研發(fā)投入居高不下。

同時模型的決策過程難以解釋，在工業(yè)、醫(yī)療等對安全性要求極高的場景中規(guī)模化應(yīng)用受限。

無論是快慢腦分層架構(gòu)還是端到端大模型，都還在 VLA 模型的討論范圍內(nèi)，但千訣科技提出的類腦分區(qū)架構(gòu)，則脫離了這一架構(gòu)，與腦科學(xué)緊密聯(lián)系起來。

它借鑒人腦信息處理的核心原則，如功能分區(qū)、稀疏編碼、注意力機制等，旨在設(shè)計出既高效又具備良好泛化能力的神經(jīng)網(wǎng)絡(luò)架構(gòu)。

這種架構(gòu)的優(yōu)勢在于，它既避免了端到端模型的黑箱與數(shù)據(jù)饑渴問題，又比傳統(tǒng)分層架構(gòu)更具靈活性和適應(yīng)性，其可解耦的特性直接支撐了跨形態(tài)快速部署的商業(yè)化能力。

目前，這條路徑的玩家相對較少，因為需要有大量神經(jīng)科學(xué)、計算科學(xué)和機器人學(xué)的交叉背景的人才，門檻較高。

除此之外，該路線目前也面臨模塊協(xié)同效率待提升、復(fù)雜任務(wù)整合能力不足等挑戰(zhàn)，需要持續(xù)的研發(fā)投入和場景驗證。所以千訣科技在收獲融資的同時不斷擴大規(guī)�；瘧�(yīng)用，也是實現(xiàn)技術(shù)迭代升級的有效措施。

具身大腦如何實現(xiàn)商業(yè)化價值

無論技術(shù)路線如何差異，商業(yè)化落地始終是造具身智能大腦的核心追求。

從行業(yè)發(fā)展現(xiàn)狀來看，場景適配決定價值成為了一種共識，只有實現(xiàn)技術(shù)能力-硬件適配-場景需求的閉環(huán)，才能真正實現(xiàn)商業(yè)價值的轉(zhuǎn)化。

從商業(yè)化變現(xiàn)模式上看，現(xiàn)在也主要圍繞著軟件賦能和軟硬件一體化這兩種模式展開。

顯然，千訣科技是軟件賦能模式的代表，其核心邏輯是以標(biāo)準(zhǔn)化軟件能力賦能全行業(yè)硬件，通過輸出具身大腦系統(tǒng)及定制化服務(wù)實現(xiàn)盈利，是輕資產(chǎn)、高復(fù)用性的規(guī)模化變現(xiàn)路徑。

在這個模式中，企業(yè)聚焦具身大腦核心算法與模型研發(fā)，不涉足機器人硬件生產(chǎn)，通過基礎(chǔ)授權(quán)費+定制化微調(diào)服務(wù)費的收費模式盈利。

千訣科技也憑借這一模式快速打開市場，其類腦分區(qū)架構(gòu)的具身大腦可即插即用，已適配七大類別、35 個品牌廠商的機器人產(chǎn)品，覆蓋多服務(wù)場景并實現(xiàn)批量交付。

千訣大腦提供機器人進行餐飲清潔

與軟件賦能模式的輕資產(chǎn)路線不同，軟硬件一體化模式走的是深度綁定場景的重資產(chǎn)路線，以星動紀(jì)元為核心代表。

這種模式的核心邏輯是自研大腦+自主硬件的深度協(xié)同，通過提供一體化解決方案深耕垂直場景，實現(xiàn)技術(shù)價值與硬件利潤的雙重變現(xiàn)。

企業(yè)不僅負(fù)責(zé)具身大腦的研發(fā)，還自主設(shè)計、生產(chǎn)機器人本體，將軟件算法與硬件結(jié)構(gòu)深度融合，打造差異化的終端產(chǎn)品，再通過產(chǎn)品銷售、場景服務(wù)費等方式盈利。

星動紀(jì)元正是通過自研 VLA 模型 ERA-42 與星動 L7 人形機器人本體的深度適配，形成智能大腦+模塊化硬件的一體化方案。

2025 年其斬獲超 5 億元商業(yè)化訂單，其中物流領(lǐng)域拿下近五千萬元大額訂單，與吉利、順豐等頭部企業(yè)達成深度合作。

具體場景中，星動紀(jì)元的解決方案在物流領(lǐng)域可完成包裹、藥品的分揀及掃碼；在制造領(lǐng)域聚焦零部件抓取、高精度裝配、質(zhì)量檢測等任務(wù)；在商業(yè)服務(wù)領(lǐng)域可實現(xiàn)門店客座清潔、物品遞送、導(dǎo)游導(dǎo)覽等功能，部分場景效率已達到 70%。

除了上述兩種主流模式，還有部分玩家選擇先建立數(shù)據(jù)飛輪與技術(shù)生態(tài)，再通過長尾效應(yīng)實現(xiàn)商業(yè)化，星海圖和 Figure AI 是這一路徑的典型代表。

2025 年星海圖預(yù)計年營收約七千萬元，主要收入來源是具身智能開發(fā)平臺 EDP。

這款平臺集成了數(shù)據(jù)采集管理、存儲、處理、質(zhì)檢、分析等全流程功能，能簡化數(shù)據(jù)管理流程，提升數(shù)據(jù)采集效率與模型訓(xùn)練的速度、準(zhǔn)確度。

星海圖的核心戰(zhàn)略是「整機+智能」，在這一架構(gòu)下，其自研算法、硬件和場景方案，通過 VLA 模型與后訓(xùn)練工具鏈，搭建面向全球開發(fā)者的具身智能基礎(chǔ)設(shè)施。

這種前期開放生態(tài)，后期以數(shù)據(jù)與 API 服務(wù)構(gòu)建護城河的路徑，當(dāng)前價值更多體現(xiàn)在科研生態(tài)搭建與技術(shù)發(fā)展層面，商業(yè)化落地還處于早期階段。

Figure AI 的路徑與之類似。其 C 輪投資方 Brookfield 會先為 Figure 提供家庭、服務(wù)業(yè)等真實場景，幫助其積累真實世界數(shù)據(jù)集。

通過對這些數(shù)據(jù)的持續(xù)訓(xùn)練，機器人大腦會不斷迭代優(yōu)化，在更多場景下實現(xiàn)零樣本學(xué)習(xí)。最終，搭載最新算法的 Figure 機器人將投入 Brookfield 旗下資產(chǎn)進行商業(yè)化應(yīng)用。

這種數(shù)據(jù)飛輪+長尾效應(yīng)的變現(xiàn)模式，也是具身智能發(fā)展早期階段一種切實可行的探索路徑。

對于 Physical Intelligence、自變量機器人等押注端到端大模型的玩家而言，其商業(yè)化價值變現(xiàn)周期會更長。

由于技術(shù)路徑對數(shù)據(jù)與算力的極致需求，它們現(xiàn)在通過積極開源模型并與頭部公司進行合作，模式更偏向于構(gòu)建底層基礎(chǔ)設(shè)施或與產(chǎn)業(yè)巨頭形成生態(tài)飛輪。

總的來說，無論選擇哪種變現(xiàn)路徑，最終的競爭核心都將聚焦于價值創(chuàng)造能力。只有真正解決場景痛點、提升運營效率，為客戶創(chuàng)造實實在在的價值，才能實現(xiàn)可持續(xù)盈利。

同時，隨著技術(shù)成熟度提升和硬件成本下降，變現(xiàn)模式也將逐步從 B 端為主向 B 端+C 端協(xié)同演進，家庭服務(wù)、養(yǎng)老陪護等消費級場景，有望成為新的變現(xiàn)增長點。

2025 年的具身智能融資熱潮，既彰顯了行業(yè)的發(fā)展活力，也暴露了賽道的核心命題：技術(shù)路線的選擇終究要服務(wù)于商業(yè)化價值的實現(xiàn)，而不是單純的資本追捧或技術(shù)炫技。

最終，衡量一個具身大腦價值的，或許不再是它在基準(zhǔn)測試中的分?jǐn)?shù)，而是它在多少真實的場景中解決了問題、提升了效率、創(chuàng)造了收入。

那些真正理解了場景、構(gòu)建了閉環(huán)、創(chuàng)造了現(xiàn)金流的具身大腦，才是定義行業(yè)格局的勝負(fù)手。

       原文標(biāo)題 : 具身智能的三種“大腦”，都有了變現(xiàn)的新故事