自进化登顶，钱却涌向重工车间
具身智能正分化出三条路线：Manifold AI 流形空间登顶 RoboDojo-Agent，把机器人自进化立成技术标杆；Physical Intelligence 将基座模型 API 化；帝尔博格则拿下亿元级 Pre-A+ 轮深耕重工场景。榜单、平台、车间同时提速，本文拆解谁在赌未来、谁在赚现在。
机器人圈最近很分裂：一边，Manifold AI的「流形空间」在RoboDojo-Agent榜单登顶，把「机器人自进化」推上技术叙事C位；另一边，重工业具身智能公司帝尔博格悄悄拿走亿元级融资；Physical Intelligence则干脆把基座模型做成了API对外开卖。榜单、平台、车间，三条路线同时提速。
本文的判断是：2026年的具身智能竞争，已经从「谁的模型更强」转向「谁能把数据闭环、场景信任和商业模式拼成一个体系」。谁在赌未来，谁在赚现在，得拆开看。
🏆 46.58分背后，「自进化」不再是PPT词汇
先看一组刺激的数字。
在机器人智能体评测基准RoboDojo-Agent上，GPT-6 Astra才拿到28.97分，而登顶的WorldScape R²SI——Manifold AI的「流形空间」——直接把分数拉到了46.58。接近17分的差距，在基准评测里几乎是代差级别的。
这个榜单的意义在哪？RoboDojo-Agent考的不是聊天，不是写代码，而是机器人作为智能体在任务环境里的真实表现：能不能理解指令、能不能拆解动作、能不能在执行中修正自己。换句话说，它考的是「干活」。
「流形空间」这套技术路线的关键词是「自进化」——机器人不再完全依赖一个更大的基座模型灌能力，而是通过任务执行、结果反馈、经验沉淀的循环，让能力自己长出来。这在产业逻辑上是个重要转向：过去两年大家拼命卷参数、卷VLA模型规模，现在有人证明了，在机器人这个具体领域，进化机制比模型块头更能打。
据多位接近评测体系的人士透露，榜单分数正在成为具身智能公司融资材料里的标配项——就像当年的ImageNet和后来的各类LLM基准。基准即话语权，这事儿在大模型圈已经上演过一遍了。
但也要泼一盆冷水：榜单分再高，离车间还有距离。评测环境和真实产线之间的gap，恰恰是接下来所有玩家的必答题。
🌐 Physical Intelligence开卖API，机器人也有了「云服务商」
基座模型公司，开始按调用收费了。
Physical Intelligence在官网发布API Beta，口号很直白："Frontier Models for Every Robot"——让每台机器人都用上前沿模型。翻译一下：机器人厂商不用自研大模型了，像调用云端大模型API一样，按需调用具身基座能力。
这个动作的想象力在于平台化。一旦机器人能力以API形式交付，Physical Intelligence就站在了所有机器人厂商的上游：收调用费、沉淀跨本体的训练数据、迭代速度远超单点厂商。这是典型的「卖铲子」生意，也是大模型时代跑通过的模式复制。
有意思的细节是，这个消息在Hacker News上只拿到4分、0条评论。海外技术社区的冷淡，未必代表路线错了，更可能说明大家对「通用基座到底能泛化到什么程度」还在观望——毕竟跨本体泛化至今是VLA模型最硬的骨头。
一位产业投资人私下直言：「API化是终局想象，但客户现在只问你一个问题——敢不敢在我家产线上跑？跑砸了谁赔？」
这就是平台路线的现实处境：叙事很性感，变现很骨感。它需要大量垂直场景的落地来验证和喂养，而落地这件事，恰好是另一批人在干。
💰 帝尔博格的亿元融资：产业资本开始用脚投票
钱没去追榜单，钱去了车间。
36氪消息，重工业具身智能机器人企业帝尔博格完成亿元级Pre-A+轮融资，投资方阵容值得细品：复星锐正、清石资管、正熙资本、西高投、博众精工、苏创投。资金用途写得很清楚——重工通用具身核心技术研发、产品迭代、市场拓展。
这份名单的产业结构比金额本身更有信息量。博众精工是下游自动化设备商，典型的产业资本，它进场往往意味着「带着场景和订单进场」；西高投、苏创投是地方国资，看重的是落地产能和区域产业配套；复星锐正等财务机构则押注成长性。据接近交易的人士称，本轮里产业方股东的角色不只是出钱，更是早期客户和场景提供方。
为什么是重工？逻辑其实很朴素：高温、粉尘、重载、非标件，这些工况人不愿意干、传统自动化又柔性不足，是具身智能最「值回票价」的场景。而且重工场景客单价高、客户付费意愿强，不靠讲故事就能跑通商业闭环。
垂类路线的壁垒不在模型参数，而在数据：真机在真实工况里跑出来的数据，包括大量失败轨迹，是任何云端模型都买不到的燃料。这恰恰接上了第一节说的「自进化」——自进化的本质是数据闭环，而闭环只长在场景里。
🔀 三条路线，其实是一个闭环
分开看是分岔，合起来看是拼图。
把三条路线放进一张竞争地图里，位置差异一目了然：
Physical Intelligence和Manifold AI站在高技术门槛一侧，赌的是平台化和技术标杆的未来收益；帝尔博格站在高商业价值一侧，赌的是场景落地的当期现金流。三条路线的要素关系可以这样拆：
关键洞察在于：这三条线不是互斥的，而是互相需要的。
- 自进化需要场景数据——「流形空间」的进化循环，最终要靠真实工况里的执行数据来喂，而数据在帝尔博格们的车间里；
- API平台需要落地验证——「每台机器人都能用前沿模型」的前提，是有机器人真的在现场干活并回流数据；
- 垂直玩家需要模型能力——重工场景的泛化需求（非标件、换工况）单靠私有数据堆不动，向上调用基座能力是必然选择。
水面之上的东西人人看得见，水面之下的根基才决定谁能走到最后：
三条路线的代表公司，账面打法对比也很清晰：
| 路线 | 代表 | 关键动作 | 变现逻辑 | 短板 |
|---|---|---|---|---|
| 技术标杆 | Manifold AI 流形空间 | 登顶RoboDojo-Agent | 技术与数据资产溢价 | 落地验证待补 |
| 平台API | Physical Intelligence | API Beta上线 | 按调用收费+数据飞轮 | 客户信任与泛化 |
| 垂直落地 | 帝尔博格 | 亿元级Pre-A+轮 | 重工设备+解决方案 | 模型能力依赖上游 |
对产业链上下游来说，最可能的剧本不是谁吃掉谁，而是垂直玩家成为基座API的大客户、自进化机制成为行业标配能力——分岔最终汇成一个闭环。
结语
榜单会继续卷，API会继续铺，而真正的分水岭在车间。2026年的具身智能，模型决定下限，场景决定生死。Manifold AI立了技术标杆，Physical Intelligence搭了平台想象，帝尔博格拿了产业资本的订单背书——三条线谁先跑通「数据闭环×客户付费」，谁就拿到下一轮牌桌上的入场券。盯紧重工车间的交付数据，比盯榜单分数更有用。