具身智慧賽道的頭部公司正集體跨過200億元估值門檻，形成一個新的“200億俱樂部”。據公開資訊，目前至少有五家公司——智平方、自變數、星海圖、千尋智慧和銀河通用——躋身這一行列。這一數字在往年難以想象，如今卻已成為具身智慧頭部企業的新標配。
就在不久前，彭博社曝出智平方計劃明年赴港IPO，隨後又傳出自變數已向港交所秘密提交上市申請。兩家公司於6月29日同一天宣佈完成新一輪融資，投後估值均超過200億元。這並非巧合，而是資本對具身智慧“大腦”價值重估的集中體現。
值得注意的是，這一估值抬升發生在私募市場整體收縮的背景下。據烯牛資料《2026年H1中國私募股權市場深度解析報告》，截至2026年7月5日，LP出資額下降32.65%，政府類LP出資近乎腰斬，單筆均值五年縮水44.8%。然而，具身智慧領域的融資事件卻同比增長107%，並在新晉獨角獸企業TOP10中佔據4席。活錢沒有變多，只是變得更集中，這決定了這些公司天生揹負著“只能贏、不能輸”的壓力。
這五家公司的共同點是都將重心押在了“大腦”上，即機器人的基座模型。資本市場對機器人大腦的偏好，正在成為投資機構的共同判斷。海外市場同樣如此，例如不生產本體的Skild AI，其核心產品是可適配多種機器人的通用模型，今年估值飆至140億美元；Physical Intelligence專注跨本體、跨任務的具身基礎模型，一年內估值從20億美元漲至56億美元。
儘管都聚焦大腦，五家公司的技術路線卻各不相同。目前主流路線仍是VLA（視覺-語言-動作模型），區別在於是在VLA基礎上強化，還是將世界模型與VLA融合。智平方、星海圖和千尋智慧走的是強化VLA路線。智平方的FiS-VLA採用快慢雙系統結構，慢系統負責理解與推理，快系統負責動作生成，兩者共享引數非同步執行；2026年升級為NeuroVLA大模型，形成“皮層—小腦—脊髓”三層類腦結構。星海圖的G0.5則採用統一自迴歸架構，去掉編碼器，將影像、推理和動作轉化為統一Token，提升資訊傳遞效率。千尋智慧更相信VLA本身的Scaling能力，其Spirit v1.5通過擴大數據規模和複雜度，增強跨場景泛化能力。
自變數和銀河通用則選擇將世界模型與VLA融合。自變數的WALL-B將物理預測與視覺、語言、動作聯合訓練，讓機器人能預判動作結果。銀河通用的架構最為複雜，其GALBOT VLA基座包含多個模型，今年統一演化為AstraBrain（銀河星腦），分為大腦（WAM 0.5）、小腦（WBC 0.5）和靈巧手神經控制（DexNDM），同樣採用快慢雙系統。
技術路線之爭背後，架構開始互相借鑑，這或許說明200億之後，比拼的不再是誰選對路線，而是誰在選定的路上跑得更快。而跑得更快的關鍵瓶頸在於資料。
在資料策略上，行業大致分為真實資料與模擬資料兩派。真實資料數量少、價格高，但遷移誤差小；模擬資料規模大、成本低，但存在“Sim-to-Real Gap”問題。目前業內仍以真實資料為主，但採集方式各異。千尋智慧通過自研可穿戴裝置低成本採集人類操作資料；星海圖、千尋智慧、自變數、智平方則青睞“部署迴流”模式，讓機器人在實際工作中產生資料並回流訓練。星海圖資料主要來自開發者，部署成本低但資料較雜；千尋智慧和智平方傾向工業資料，對商業交付最有效；自變數則主攻最複雜的家庭資料。銀河通用較早大規模押注模擬資料，其GraspVLA基於十億幀合成抓取資料預訓練，但也在向混合方向轉變。
商業化落地方面，工業被市場認為是最先實現商業化的場景。寧德時代工廠已部署銀河通用和千尋智慧的機器人，銀河通用的Galbot S1負責物料搬運，千尋智慧的小墨負責柔性線束插接，號稱成功率99%以上。智平方與惠科簽下三年1000台機器人訂單，覆蓋倉儲物流、零部件裝配等。零售場景同樣具備標準化基礎，銀河通用的Galbot G1曾在中關村論壇完成數千杯咖啡取送，成功率99.97%。家庭場景難度最高，自變數主攻家庭，目前更大價值在於獲取真實資料和驗證模型能力。星海圖則更像“賣鏟子”的，其R1 Pro和R1 Lite主要用於模型研發和資料採集。
總體來看，五家公司其實只有四種生意：智平方和千尋賣工業勞動力，銀河通用工業零售通吃，自變數賭家庭，星海圖賣工具。資本為這200億支付的，是不同模型架構與資料生產方式的長期預期。隨著落地指標逐漸清晰，200億估值中的想象空間將被逐步拆解。市場需要給企業足夠時間穿越週期，公司也需要用真實指標回應這份耐心。