机器人拼完身体，该卷大脑了？

今年 9 月，一批金色的 Cybercab 开始在美国得州奥斯汀街头跑付费出行。对汽车行业，这是一次 Robotaxi 的常规推进；对机器人行业，这件事的分量重得多——一台由 AI 感知、决策并作用于物理世界的机器，开始执行可以直接计价的商业任务了。

这恰好印证了 Karpathy 在 Tesla 负责 AI 时说的那句话：汽车本来就是机器人，Tesla 本质上是一家 'robotics at scale' 的公司。

过去我们习惯用外形理解机器人：双足、人形、机械臂。外形一限定，商业场景的想象也就跟着变窄。但当 AI 接管了感知、决策和控制之后，真正决定一台机器商业价值的，是它体内那套能感知、会决策、驱动身体完成任务的智能系统——行业里管它叫「大脑」。

一套大脑持续控制成千上万台机器，在真实场景里完成任务、积累数据、让第三方基于它部署业务——这卖的就不再是硬件，而是物理世界的智能基础设施。操作系统、云、大模型 API，都是这个结构的现成范本。

于是，一个比「谁能造出最好的机器人」更重要的问题浮出水面：什么样的公司，最终有机会成为具身智能的平台型企业？

三条路线，三种北极星

2026 年的中国，是回答这个问题的合适地点。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，玩家们因生态位差异，走到了截然不同的十字路口。

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，把这个问题的一部分答案推向台前；答案的另一部分，散落在外滩大会的展区、合作伙伴和真实场景之中。拼起来的图景是：蚂蚁灵波 想做的不是再造一台自己的机器人，而是成为更多广义机器人背后的那颗「通用大脑」。

先看行业地图。当前具身智能公司大致分三类生态位，各自盯着的指标完全不同：

独立大脑公司追求的是复用率。Skild AI、Physical Intelligence、Generalist AI、FieldAI 都在尝试让一套智能跨机器人、跨任务反复使用。资本已经愿意为独立于整机的智能能力定价：

具身本体公司看到的是出货量。Figure、1X、宇树首先要解决的，是让机器人在具体场景里先跑起来、卖出去，用规模换数据和成本曲线。

第三类则更「 geek 」一些——不卷算力、不卷数据规模，而是从智能的本源去改写范式。这个群体的最新代表，出现在上海。

类脑路线：用更少数据换认知能力？

9 月 14 日，上海 具脑磐石 在其承办的 2026 浦江创新论坛·类脑具身智能分论坛上，发布了类脑认知世界模型 Cog-WM 1.0。需要说明的是，「全球首个类脑具身智能专题论坛」「全球首代类脑认知世界模型」等表述均来自主办方口径，尚无第三方机构对此类「首创」认定进行背书。

按该公司现场介绍，这款模型定位为基于成体系类脑神经机制研发的类脑隐空间预测世界模型，宣称完成了从主动探索具身导航（Navigation）到价值引导具身操作（Manipulation）的能力验证。其技术思路是借鉴人脑认知神经机制，构建隐空间预测驱动的统一架构，让机器人在不依赖预建地图和海量数据的条件下，在陌生环境中完成自主规划、语义导航与操作。

为什么走这条路线？具脑磐石 的算法团队在分享中抛出了三个问题：

• 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？

他们的判断是：这三问不是再优化两年工程就能跨过去的局部问题，而是范式层面的结构性问题——把数据扩大十倍、参数扩大十倍，并不必然换来物理世界的认知理解与真实交互能力。

Cog-WM 1.0 的底层思路，是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，在抽象特征空间中学习「未来会怎么变」。它关注的不是像素怎么变，而是与任务相关的状态怎么变——这是类脑隐空间预测和逐像素重建派世界模型在技术路线上的分野。

关于性能，需要强调：以下数据均来自具脑磐石在论坛现场公布的自测结果，截至发稿尚未见经同行评审或独立第三方复现的公开报告，读者宜以保留态度看待：

据现场演示材料，模型已在轮式人形、四足等多构型本体上，完成无预建图条件下的自主导航与路径规划、时空记忆检索、空间关系问答与寻物，并在轮式人形上验证了操作能力。可以设想这样一个场景：机器人在陌生房间里找一盆植物，它要穿过多个区域、记住已经看过的地方、在目标尚未出现时判断下一步往哪走——这正是类脑认知地图机制理论上擅长处理的问题。

至于这条路线在投资圈的接受度，公开渠道暂无可核实的具体表态。坊间有说法称其在国内部分头部机构内部引发过支持与怀疑并存的讨论——支持者认为它绕开了数据飞轮的死循环，怀疑者则担心类脑机制工程化后的稳定性——但本刊未能独立核实这一说法的来源与细节，读者请自行判断。可以确定的只是：范式之争，总得有人先迈出第一步。

上市冷水：二级市场不认故事，只认报表

就在「大脑」叙事升温的同时，二级市场给出了一些冷静的信号。

9 月 10 日，梅卡曼德 创始人 邵天兰 的一则朋友圈截图在行业内传播。他质疑部分企业通过数采中心、租赁公司及关联交易，形成不可持续的收入，再以此推动上市。需要说明的是，这些质疑尚不能直接作为认定财务问题的依据，但收入从哪里来、能否持续，确实值得追问。

争议前一天，The Information 报道了一条更值得留意的消息：据知情人士透露，证监会近期向部分投行和机构发出非正式「窗口指导」，提高人形机器人初创企业的 IPO 审批门槛，审核重点包括持续产生收入的能力、亏损收窄的进展，以及实质性技术创新。

也就是说，这批打算上市的具身企业要回答的问题已经很具体了：客户会不会持续付钱？公司离盈利还有多远？研发究竟做出了什么？

再看行情。宇树 8 月 19 日以 150.80 元发行价上市，首日开盘报 1100 元，对应市值约 4449 亿元；9 月 10 日收于 498.55 元，较首日开盘下跌约 55%，但仍是发行价的三倍多。梅卡曼德 则上市后破发。

2026年具身智能关键事件

8月19日 : 宇树上市 首日开盘1100元

9月10日 : 邵天兰公开质疑收入质量

9月10日 : 宇树收盘较首日下跌约55%

9月11日 : 朱兴首次公开露面

9月14日 : 具脑磐石发布Cog-WM 1.0

把这几件事放在一起看，很容易得出一个判断：具身智能公司得先有清晰的商业模式和收入。但这句话只说了一半——宇树 早已有收入，甚至有利润。真正需要解释的是，这些生意为什么仍然撑不住上市初期市场给出的高价？

上市让这个问题变得更直接：公司拿到钱，研发和扩张可以继续；投资者则会拿着之后的财报，逐条核对当初看好的生意究竟做到了哪一步。一级市场那种「先讲终局、再补细节」的叙事方式，在定期报告面前失效了。

平台逻辑：卖身体，还是卖智能？

回到开头的问题：谁有机会成为具身智能的平台型企业？

行业其实已经演示过一遍这种公司长什么样。操作系统、云、大语言模型的 API，共同点是「一次投入、多方复用」：边际成本递减，数据和能力在网络效应里自我增强。具身智能的「大脑」如果跑通，复利结构是一样的——同一套智能系统，装进轮式机器人、四足、人形、机械臂，每一台部署在真实场景里的机器，都是它的数据入口和收入入口。

这解释了为什么独立大脑公司在一级市场拿到百亿美元级估值：投资人买的不是某个型号的机器人，而是「可复用的智能能力」这张期权。

也解释了为什么类脑路线值得关注：如果 Cog-WM 1.0 公布的数据能够经得起独立验证——不靠预建图、不靠海量数据预训练，就能在导航和操作上跑赢基准——那么它攻击的正是当前主流范式最脆弱的环节：数据依赖。具身智能最大的瓶颈从来不是身体，是真实世界数据的获取成本。谁能把这条成本曲线压下来，谁就更有机会拿到平台化的入场券。

当然，平台不是喊出来的。蚂蚁灵波 要面对本体厂商自研大脑的拉扯，具脑磐石 要证明类脑机制在大规模工程中不塌方，独立大脑公司们要跨越从 demo 到部署的死亡之谷。每一条路上都站着倒下过的人。

小结：十字路口，向哪侧看

2026 年 9 月的这一周，把具身智能的三个现实同时摆上了台面：一级市场愿意为「大脑」支付百亿美元级估值，二级市场却在回调「身体」的故事，而类脑范式则提供了一个值得跟踪的备选路径——在数据堆料之外，是否还存在别的可能，仍待更多独立验证。

机器人行业可能正在经历一次价值重估：外形不再单独定义价值，智能密度正在成为新的标尺。 短期看，本体出货和真实收入决定谁能在二级市场站稳；中长期看，谁能把一套智能系统复用到千行百业的机器上，谁就有机会成为物理世界的「操作系统」。十字路口已经到了，往哪侧看，答案正在从讲台上走向财报里。