机器人这桌牌局，大脑开始抢庄了

机器人行业的竞争逻辑，正在换打法。

过去几年，人形机器人比的是谁会翻跟头、谁的关节多；现在，最核心的竞争变量变成了“大脑”。一周之内，三件事几乎同时发生：银河通用的原生智能体机器人银河星仔上线24小时预订破200台（厂商口径，未经第三方核验）；OpenAI掌门人山姆·奥尔特曼公开确认自研人形机器人，硬件岗位从11个扩到19个（招聘页面抓取时点快照）；国内黑芝麻智能向遨博智能交付首批机器人算力开发套件（双方官方发布）。

大脑、躯体、算力，三条线同时提速。这不是巧合，而是产业节奏切换的信号：机器人竞争的上半场拼形态，下半场拼智能。

“时间基准说明：本文统一以发稿时点为基准，文中“今年”均指发稿年度。涉及预订量、岗位数等动态数据，均为截至发稿的公开信息快照，后续可能变化；无法从公开渠道核验的表述，已标注为分析判断。

🚀 原生智能体上桌：机器人第一次“边看边想边干”

先看最出圈的一幕。

2026年世界机器人大会（WRC）上，银河通用发布了全球首款原生智能体人形机器人银河星仔。据官方发布信息，预订开启后24小时，全网预订量突破200台。对一台面向真实场景的人形机器人来说，这个数字不算爆炸，但考虑到它还处于早期阶段，热度足以说明市场情绪。需要标注的是：这是厂商公布的意向订单口径，交付节奏和履约率尚未有第三方数据佐证。

真正值得琢磨的不是预订量，而是产品定义。

银河星仔搭载银河通用全自研的物理世界原生智能体与亿级参数具身大模型，主打实时多模态交互与精准运动控制。关键区别在于：传统机器人走的是预设脚本路线，动作靠动捕或视频示范“喂”出来；而银河星仔不需要这些前置工程，能够直接在真实环境中通过人机交互主动学习，具备动态思考与行为规划能力——用官方的说法，是“边看、边想、边行动”。

这句话翻译成工程师语言就是：把感知—决策—执行的闭环，从离线训练搬到在线运行。

从官方产品资料和公开报道交叉比对来看，这条原生智能体路线的核心卖点指向明确：砍掉传统机器人部署中最贵的两块成本——示教工程和数据采集。客户买走的不是一台会做固定动作的机器，而是一个能在自己环境里持续学习的智能体。（注：具体成本削减幅度，官方未披露量化数据，此为基于公开产品定义的分析判断。）

产业逻辑很清晰：当机器人学会了“自己学”，规模化复制的天花板就被抬高了。机器人从“编程出来的设备”，正在变成“训练出来的员工”。 这是估值逻辑的分水岭，也是200台预订背后的真实含金量。

这里有一个值得行业注意的增量信号：如果“在线学习”能力被验证，那么具身智能公司的护城河将从“数据积累量”转向“学习效率”——比的不是谁囤的数据多，而是谁的架构能让机器人在客户现场跑得越久越聪明。这会直接改写这个赛道的尽调框架。

🧠 OpenAI下场：奥尔特曼说大脑优先，招聘却全是硬件

再看大洋彼岸，最有意思的一出戏。

山姆·奥尔特曼近期在播客节目《Sources》中公开证实：OpenAI确实在推进机器人研发，并且同时押注两条路线——人形机器人，和面向数据中心场景的特种机器人。他的原话是：“我们肯定会研发人形机器人。”

但他话锋一转：并非所有机器人都该长成人的样子，当人形结构带不来实际效用时，OpenAI会针对特定场景开发非拟人化形态，数据中心机器人就是典型。他给了一个听起来很“软件公司”的判断：“机器人的形态并不是最重要的，真正关键的是机器人大脑。”

这个表态的时间点很微妙——就在不久前，OpenAI正式发布GPT-6 Astra，并称其为“目前全球最智能、且对齐程度最高的模型”（该表述为公司自评口径）。一边是自家最强大脑刚刚出炉，一边是机器人部门招兵买马，意图不难猜：让最强的大脑，配上自己的躯体。

有意思的是嘴上和手上的反差。

嘴上说大脑优先，手上呢？OpenAI Robotics事业部由Sora视频生成模型负责人阿迪亚·拉梅什领导，据奥尔特曼在节目中透露，项目进展“十分迅猛”，根基在于机器人硬件研究与机器学习研究的深度融合与协同设计。据OpenAI招聘页面显示（截至发稿），旧金山地区机器人相关岗位已达19个，比部门成立之初公开报道的11个持续扩容。而且招聘重点不是算法岗，是硬件执行器——执行器设计、电磁设计、齿轮设计、测试基础设施，其中一个核心岗位要求完成定制机电执行器端到端全流程设计，覆盖电机、传动、传感、热架构，还要兼顾扭矩密度与量产可行性。PCB布局、热仿真、固件、原型、库存物料管理，全链条硬件岗位同步开招。

回头看，OpenAI的路径其实早有铺垫。2024年，OpenAI模型就接入过Figure AI的Figure 01，提供高级视觉和语言智能，驱动后者与人类对话、理解并执行指令——但那时它只做大脑，不做躯体。现在亲自下场造硬件，等于把“大脑外包”这条路线亲手关掉了一半。

这层处境不需要任何内部消息也能推演出来：大模型公司亲自做机器人本体，Figure AI这样的创业公司立刻陷入“既当客户又当对手”的尴尬——脑子的供应商变成了躯体的竞争者，合作关系随时可能被竞争关系覆盖。（注：Figure官方对此未公开置评，此为基于双方公开动作的分析判断。）

大脑公司造躯体，本质是怕被躯体公司反向集成。 当机器人智能成为胜负手，谁也不愿意把最关键的一环交给别人。

🤖 形态之争：为什么人形依然是“正确的形状”

奥尔特曼嘴上说形态不重要，但他同时给出了支持人形的理由，这段话值得全文引用的分量：人类社会环境本身就是围绕人体特征构建的，开门、操作电脑、驾驶设备、家务清洁，各类日常活动均适配人的肢体形态。从适配现有世界环境的角度出发，人形机器人具备现实意义。

这段话背后，是机器人行业争论了十年的老问题：专用形态效率更高，人形形态兼容性更强。

OpenAI的解法是两条腿走路：人形面向人类社会环境，特殊形态面向数据中心这类“机器人的原生环境”。奥尔特曼还明确了一个落地顺序判断——家用机器人并非“当务之急”，基础设施、制造业才是机器人落地的首要方向，但长期看好消费级市场：“总有一天，我认为每个人都应该拥有一台私人机器人。”

这个判断，和埃隆·马斯克近期的预测形成了有趣的对照。马斯克放话：未来十年内人形机器人数量将超过10亿台，每台机器人的产出至少是人类工作者的5倍，生产力将高于全球人类生产力总和。（注：此为马斯克个人预测，无第三方机构测算佐证，属高度不确定的远景判断。）

一个谨慎排节奏，一个豪赌大远景，但方向惊人一致：先工厂，后家庭，终点是人人一台。

对于创业公司来说，这个共识其实是个预警——当奥尔特曼和马斯克在落地顺序上达成一致，意味着巨头的大部队还在路上，留给纯硬件创业公司的窗口期是有限度的。 谁能在大脑公司大规模下场之前，把场景和数据跑通，谁才有资格坐上谈判桌。

这里可以给出一个更具体的判断框架：窗口期大概率由两个变量决定——巨头硬件团队从招聘到首批工程样机的周期（参照行业惯例约18—24个月），以及创业公司自有场景数据的积累速度。未来18个月拿下真实工业场景合同的公司，才有资格讨论下一个阶段的估值。

🔋 国产算力卡位：大脑战争打到了芯片层

大脑竞争不只发生在模型层，正在向算力层下沉。

最近一个标志性动作：黑芝麻智能与协作机器人头部厂商遨博智能完成首批产品交付——Aura Devkit开发套件正式交付，赋能遨博协作机器人产品开发（信息来源：双方官方发布）。双方形成了项目申报、联合研发、商业供货三个层次的合作结构。

更值得注意的是背后那个“国家队”式的组合：遨博智能联合黑芝麻智能等多家企业及清华大学等高校，共同组建联合体申报制造业重点产业链高质量发展行动链主企业项目，标志性产品是消费电子装配用双臂协作机器人。黑芝麻智能作为核心实施主体之一，承担具身智能计算芯片及模组研发及产业化建设任务，并配合联合体实现整机集成关键技术攻关及示范应用。

拆开看这个结构的产业含义：

这就是典型的“整机拉芯片、高校补基础”的产业链协同打法。协作机器人是国产机器人渗透率最高的品类之一，消费电子装配则是协作机器人最成熟的付费场景——选这里做示范应用，落点非常务实。

对黑芝麻智能而言，从智驾芯片跨界机器人算力，逻辑顺理成章：车规级芯片的功耗、可靠性、量产能力，恰好是机器人算力平台最缺的东西。从财报口径看，智驾芯片厂商的研发投入已经摊薄在 Automotive 业务上，转做机器人等于把已经摊薄过的研发成本再摊薄一次，边际成本结构显著优于从零起步的专用芯片公司。（注：此为基于上市公司公开财务数据的分析判断，非公司官方表述。）

机器人大脑的战争，最终会收敛到“模型+芯片”的联合体竞争，单点突围的空间会越来越小。 国产算力此时卡位开发套件环节，抢的不是单一订单，是后续生态的开发者默认选项——开发套件铺得越广，工具链惯性越深，后续替代成本越高。这是标准的生态定价权生意。

⚠️ 冷水时间：热闹背后的三道坎

热闹归热闹，几个现实问题必须摆在台面上。

第一道坎：商业化数据还很薄。 银河星仔的200台预订只是意向，距离规模化交付和真实场景验证还有距离；OpenAI至今未披露机器人发货日期和产量目标，连方向性时间表都没有。预订量和招聘数都是先行指标，不是成绩单。判断这轮提速的成色，至少要等两个硬指标：星仔的首批交付良率与续约率，以及OpenAI首个明确的产品形态披露。

第二道坎：大脑和躯体的协同设计是真难题。 奥尔特曼说形态不重要、大脑最关键，但OpenAI招聘的岗位清单——执行器、电磁、齿轮、热架构、扭矩密度——恰恰说明硬件全是硬骨头。说“大脑优先”容易，做“协同设计”很难，执行器的扭矩密度和量产可行性，没有捷径可走。这也是大模型公司做硬件普遍的学费：软件可以迭代，硬件的试错周期和供应链账期是另一个量级的约束。

第三道坎：落地顺序的纪律性。 奥尔特曼把家用排在基础设施和制造业之后，这个排序本身就是在给行业降温：家庭场景的容错率、成本约束、安全合规，全都比工厂苛刻一个量级。谁能先在工厂里把脑子练出来，谁才有资格谈家庭。 对国产厂商而言，这道坎还有一层加成：工业场景的订单本身就是最好的融资叙事和数据来源，绕开工厂直接讲家庭故事的团队，需要多一分警惕。

小结

一周之内，原生智能体机器人拿下200台意向预订、大模型巨头下场造躯体、国产算力芯片交付协作机器人——大脑、躯体、算力三条线罕见地同时提速。机器人产业的竞争坐标，正在从“形态像不像人”切换到“脑子够不够用”。

但热闹之下，真正的分化才刚开始：银河通用赌的是“训练出来的员工”能否跑通交付闭环，OpenAI赌的是最强模型能否配出最硬的躯体，黑芝麻智能赌的是车规算力能否复制到具身智能的生态位。三条线各自的风险敞口不同，却共享同一个底层变量——真实场景数据的积累速度。

从OpenAI的岗位清单到黑芝麻智能的芯片交付，所有人都在补自己最短的那块板。接下来两年，看点不在发布会上的翻跟头，而在三个可验证的节点上：星仔的首批交付数据、OpenAI首个机器人产品的形态与时间表、“遨博+黑芝麻”联合体的示范应用订单量。至于10亿台的人形未来——先把第一批万台级的工业订单交付漂亮再说。

大脑的竞速已经鸣枪，但这一局，赢家要等到产线上见分晓。