机器人“大脑”战争，开打了

机器人行业吵了这么多年'先有身体还是先有大脑'，答案正在浮出水面。

2026年9月，三件事几乎挤在同一周发生：Figure发布Helix 2.5，机器人零样本做家务；蚂蚁灵波CEO朱兴独立融资后首次露面，明确表态不做本体、只做通用大脑；具脑磐石发布类脑认知世界模型Cog-WM 1.0。加上年初以来Skild AI、Physical Intelligence两笔百亿级融资，一个此前只是论文话题的赛道——具身'大脑'——正式进入资本和产业的双重定价期。

这篇文章想回答一个问题：当身体已经量产，大脑到底由谁来造、怎么造、靠什么赚钱？

🧠 Helix 2.5：零样本做家务，到底'零'了什么？

先看最有传播度的那件事。

当地时间9月17日，Figure正式推出神经网络模型Helix 2.5。实验设计很有意思：团队先用人类行为数据集Index预训练三种行为——整理客厅、折毛巾和整理床铺，然后把搭载该模型的Figure 03人形机器人直接扔进陌生环境。结果是，机器人在没有任何额外训练的情况下，实现了零样本的全身自主做家务。

翻译成工程师的话：以前换一个客厅，机器人就得重新学一遍；现在它能把自己对物理世界的理解，从一个环节迁移到另一个环境，实时适应动态变化。

这件事的技术含金量不在'折毛巾'本身。折毛巾是柔顺体操作，床铺整理涉及长程任务规划，客厅整理是开放场景的语义理解——三个任务覆盖了具身智能最难啃的三类问题。Helix 2.5用一套模型把它们打包跑通，说明'任务泛化'从PPT关键词变成了可复现的工程结果。

但也要泼半盆冷水。家庭场景的容错率极低，一个花瓶的代价可能比一台机器人还贵。零样本做家务是能力验证，距离'放家里用三年不出事'的可靠性标准，中间还隔着完整的产品化周期。据多位接近人形机器人公司的人士透露，目前各家的家庭场景演示，基本都还在受控环境内完成。

真正值得记录的是产业信号：具身智能第一次在'大脑'层面展示了跨环境迁移能力，这直接抬高了整个赛道的估值锚点。

📈 独立大脑公司：资本开始为智能单独定价

一家不造机器人的公司，凭什么估值百亿美元？

今年1月，Skild AI完成14亿美元新一轮融资，估值超过140亿美元；5月，Physical Intelligence融资约10.5亿美元，估值约112亿美元。这两家公司都没有自己的机器人整机业务，卖的是一套可以跨机器人、跨任务反复使用的通用智能。

放在五年前，这种公司连BP都写不圆——投资人会问，你不掌握本体，数据从哪来？但逻辑已经变了：当AI接管感知、决策和控制，让机器完成任务的，是体内那套能感知、会决策、驱动身体执行的智能系统，而不是外形。行业里给它起了个名字，叫'大脑'。

这套定价逻辑其实早就被演示过一遍。今年9月，一批金色的Cybercab开始在美国得州奥斯汀街头提供付费服务——一个由AI感知、决策并作用于现实世界的机器，开始执行可以直接计价的商业任务。Andrej Karpathy在特斯拉负责AI时说过一句话：汽车本来就是机器人，特斯拉本质上是一家'robotics at scale'的公司。

把这句话推到极致：当同一套大脑可以持续控制成千上万台机器，在真实场景中积累数据、让第三方基于它部署业务，公司出售的就不再是硬件，而是一种物理世界的智能基础设施。操作系统、云、大模型的API，都是'一次投入、多方复用'的结构。

资本显然听懂了。给独立大脑公司百亿美元估值，本质是在为'平台期权'付费——赌的是其中有玩家能成为具身智能时代的Windows。

🔀 平台化岔路口：造本体，还是造大脑？

具身智能走到商业部署阶段，不同生态位的公司开始望向不同的北极星。

独立大脑公司追求复用率：Skild AI、Physical Intelligence、Generalist AI、FieldAI都在让一套智能跨机器人、跨任务反复使用。本体公司看到的是出货量：Figure、1X、宇树首先要把硬件卖出去、把数据收回来。而随着宇树等厂商相继启动或完成上市，这条赛道正式交由二级市场定价——生态位差异带来的分化，会被资本市场进一步放大。

9月11日，启动独立融资后的蚂蚁灵波CEO朱兴首次公开露面，把一部分答案推向台前。从外滩大会展区和合作伙伴生态传递出的信号看，蚂蚁灵波想做的并不是再造一台属于自己的机器人，而是成为更多广义机器人背后的那颗通用大脑。

这个选择的风险和诱惑同样明显。做大脑，意味着放弃整机的现金流，靠'智能授权+生态分成'变现，前期收入曲线极难看；但一旦网络效应成立，护城河也比整机深得多——本体可以换供应商，大脑的迁移成本极高。据业内私下流传的说法，多家本体厂商正在评估'自研大脑还是接入第三方大脑'的取舍，这个决策会直接决定未来五年的产业格局。

一个直观的对照表：

🌊 类脑路线：换个范式回答数据墙问题

在大模型路线高歌猛进时，一小拨人在往回走——回到人脑。

9月14日，上海具脑磐石在浦江创新论坛类脑具身智能分论坛上，发布全球首代类脑认知世界模型Cog-WM 1.0。它基于成体系类脑神经机制，构建类脑隐空间预测驱动的统一架构，借鉴人脑认知地图中组织记忆、选择性更新信息、预测后续状态的机制，并与JEPA（联合嵌入预测架构）结合。用更直白的话说：它关注的不是像素怎么变，而是抽象特征空间里'未来会怎么变'。

为什么要换范式？具脑磐石抛出了三个绕不过去的问题：如何降低对海量任务数据和特定环境适配的依赖？如何让历史信息真正被用起来？如何提高长程任务的完成度？他们的判断很尖锐：这三问不是再优化两年工程就能跨过去的局部问题，把数据扩大十倍、参数扩大十倍，并不能自动换来物理世界的认知理解。

公开基准上的数据支撑了这个叙事：导航任务上，与认知地图导航SOTA——Nature Communications上的BSC-Nav基线相比，Cog-WM 1.0实现无预建图自主导航，导航成功率提升超10%；操作任务上，优于基于海量数据预训练的SOTA π0.5最多16%以上。该模型已在轮式人形、四足机器人等多构型本体上验证了无预建图导航、时空记忆检索、空间关系问答与寻物等能力。

这组数字的产业含义在于'去条件化'：不需要预建地图、不需要海量数据预训练，意味着部署成本断崖式下降。对集成商和场景方来说，'开箱即用'四个字比跑分更有说服力。当然，类脑路线的挑战同样明确——机制故事动听，但能否在更多真实场景规模化复现，还需要时间检验。单点基准领先和产业级通用能力之间，隔着无数个脏活累活。

⚠️ 落地检验：从演示到计价，还差几道坎

所有路线最终都要回答同一个问题：谁为你的智能付钱？

这个循环里最贵的一环是可靠性验证。工业场景愿意为确定性付费，家庭场景要求万无一失，两条曲线的收敛速度决定了大脑公司的收入曲线。而商业模式的分野也在此刻定型：本体公司赚硬件的钱，大脑公司赚复用的钱——前者是制造业逻辑，后者是基础设施逻辑，估值体系完全不同。

小结一下。2026年9月的这一周，具身智能行业实际上完成了一次路线对表：Helix 2.5证明大模型路线的泛化能力在快速爬坡，Cog-WM 1.0证明换范式也能拿到好数据，蚂蚁灵波和两家美国同行则证明了资本愿意为'智能本身'单独定价。身体已经就位，大脑的竞争才刚刚开打。接下来12个月值得盯住的信号只有一个：谁的'大脑'先在真实商业场景里，拿到第一笔可规模化复制的订单。