仅仅半个月，三笔融资，近十亿热钱，涌向了同一个赛道。
7 月底，具身智能数据基础设施企业德塔智能宣布完成近 5 亿元天使 ++ 轮融资。几乎同期，眸深智能宣布完成近亿元 Pre-A 轮追加投资。再往前推几天，物理 AI 公司正奇未来也在近 8 个月内完成了 3 轮数亿元融资。
三家企业的共同标签是：均非传统硬件制造商，而是聚焦机器人感知、决策与执行的软件能力，业界习惯称之为 " 具身大脑 "。
若仅看融资密度，很容易得出 " 赛道突然爆发 " 的结论。但拉长时间轴会发现，这并非一夜之间的转向。资本正在从押注 " 谁能造出能站能走的人形机器人 "，转向押注 " 谁能让机器人真正看懂并改变世界 "。
资本开始 " 换挡 "：从押注本体到重仓大脑
这种资本层面的 " 换挡 "，在数据层面有着极其直观地体现。
IT 桔子事件库数据显示，2026 年上半年国内具身智能赛道融资总金额达到 935 亿元，较 2025 上半年提升了 5 倍；赛道内头部企业融资能力极强，融资额 TOP 20 企业合计融资总额达 550 亿元，占总融资额的近六成。
其中，资本大额押注人形、大脑等赛道。在这 TOP20 企业中，人形机器人本体是资本豪赌的绝对核心赛道，9 家入围企业合计融资约 315 亿元。而具身智能大脑则是第二大核心布局赛道，7 家入围企业合计融资约 145 亿元。
具体来看，资本对具身智能大脑赛道的布局核心聚焦在具身智能引擎、机器人操作系统、全身运动控制算法、多模态感知融合软件等核心环节。这些软件和模型构成了人形机器人的 " 大脑 " 和 " 神经系统 "，是决定机器人性能上限的核心技术壁垒。具备核心算法能力的软件企业，即便处于早期阶段，也能获得资本的大额押注。
华盖资本投资总监高露凝表示，" 硬件已经开始‘卷’和同质化，但机器人的脑子和数据才是木桶的短板。大脑强可以原谅硬件平庸。" 据悉，华盖资本了参与德塔智能天使轮融资，后者专注于研发原生通用人形机器人基础模型，公司成立半年内完成了六轮融资。
这种共识直接催生了极高的估值溢价。据第一财经，2026 年上半年，具身智能领域新增了 19 家百亿估值独角兽，包括云深处、自变量、智平方、星海图、千寻智能、众擎智能、极佳视界、灵心巧手、光轮智能、星尘智能、苏度科技、星动纪元、它石智航、地瓜机器人等在内。
其中，自变量、星海图、千寻智能、它石智航等明确提及要重点投入具身 " 大脑 "，具备强大的具身大脑或全栈自研能力。例如，专注机器人通用大脑的千寻智能在半年内连融四轮，估值超过 200 亿元；致力于具身原生大脑的它石智航完成 4.55 亿美元融资，刷新国内具身智能单轮融资纪录。
更值得玩味的是，宇树、智元等本体出货量领先的企业，也已加入 " 具身大脑 " 的争夺与建设行列，积极布局具身智能的核心认知能力。这并非简单的业务扩张，而是出于对行业长远发展的深层焦虑。
一方面，随着硬件毛利率持续走低成为定局，企业亟需通过 " 大脑 " 来开拓软件订阅与增值服务的利润池；另一方面，出货量领先的企业本应掌握最丰富的真实场景数据回流，若大脑依赖第三方，核心数据资产将面临流失风险。此外，本体企业自研大脑，可以打造软硬一体的协同优势，是纯软件公司难以简单复制的物理壁垒。
过去两年，人形机器人行业在核心零部件领域完成了关键的降本与国产化突围。电机、关节模组、结构外壳，这些曾经卡住国产机器人脖子的硬件环节，正在以惊人的速度走向成熟。各家厂商的机械架构趋于同质化，双足行走的工程难题基本得到解决。单从硬件参数上看，很难区分出代际差距，硬件不再是护城河，甚至不再是门槛。
这正是 " 具身大脑 " 站上风口的底层逻辑。当机器人的 " 四肢 " 趋于标准化，决定产品力高下的唯一变量，变成了机器人感知环境、理解任务、自主决策的 " 大脑 " 能力。资本的重仓押注，本质上是在为这场关于 " 机器人灵魂 " 的争夺战提前下注。
部分企业选择避开硬件内卷，坚定做 " 卖铲人 "。星源智机器人聚焦通用具身大脑，制造大小脑模型、高算力域控制器等产品，不涉及本体。眸深智能 CEO 穆泽林也表示 " 我们不做机器人整机，我们给所有机器人提供大脑。" 目前行业内，换一个机器人本体，大脑适配通常需要数周甚至一个月，而眸深只能宣称已缩短到一周甚至三天。
路线之争：从 VLA 到世界模型
在 " 大脑 " 的技术路线上，分歧正在加剧。
很长一段时间里，VLA（Vision-Language-Action）架构一度是主流。VLA 架构将视觉感知、语言理解和动作生成集成于一体，将感知输入直接映射为控制动作，优势在于语义理解能力强、交互自然。
但其短板同样突出：模型无法预判行为带来的环境变化，对动态场景的预测能力弱，且高度依赖海量真机数据采集，成本高昂、迭代缓慢。
而世界模型则代表了另一种思路。它本质上是一个内部虚拟推演模块，能够基于当前画面和假设动作预测后续环境状态、模拟物理因果，在行动之前提前评估方案好坏。
宇树科技创始人王兴兴在 3 月中旬的英伟达 GTC 大会上判断，在通往具身智能 ChatGPT 时刻的路径中，世界模型几乎 " 看不到天花板 "，是更主流的技术方向。
据量子位的数据，2026 年上半年有融资动态的 35 家 " 大脑派 " 公司中，有 27 家都在研发世界模型，占比近八成。
不过需要注意的是，将 VLA 与世界模型视为 " 二选一 " 对抗路线的认知，正在被学界与产业界共同修正。
2026 年 6 月的北京智源大会上，智平方创始人兼 CEO 郭彦东对这一行业争论抛出明确答案：世界模型不是 VLA 的竞争路线，而是 VLA 体系中的核心组成部分；在世界模型与 VLA 融合之后，类脑架构将成为下一代机器人大脑的重要演进方向。
同样在路线融合上表态的还有星海图。在 2026 年星海图全球开发者大会上，星海图 CEO 高继扬表示，我们一直不认为 VLA 和世界模型是对立关系，它们是同源共生，而且未来一定会越来越融合。无论训练 VLA 还是训练世界模型，底层逻辑其实都一样：把多模态数据转化成 Token，通过多层 Transformer 编码，再通过不同的监督和训练方式得到输出。
学术界的进展同样印证了这一趋势。香港科技大学与字节跳动 Seed 团队提出的 WMPO（World Model-based Policy Optimization）方法，则将 VLA 的强化学习过程完整迁移到视觉世界模型中完成，让机器人在 " 想象 " 中训练，无需在真实机器人上进行大规模交互即可显著提升策略性能。
尽管资本对于具身大脑热情高涨，技术路线逐渐清晰，但产业层面的现实难题同样不容忽视，高质量的真实交互数据，仍是制约 " 具身大脑 " 发展的最大瓶颈。
截至 2026 年初，全球合规可用的机器人数据仅约 50 万小时，不足大语言模型训练数据的两万分之一。数据的匮乏不仅限制了模型的训练效果，也推高了数据采集的成本。谁能率先突破数据瓶颈，谁就有可能在这一轮竞争中占据先机。这也解释了为何德塔智能这类聚焦数据基础设施的企业，能在天使轮阶段就获得近 5 亿元的巨额融资。
具身大脑赛道的升温绝非概念的泡沫，而是产业演进的自然选择。当人形机器人的 " 四肢 " 从稀缺走向普及，决定这场竞赛终局的，将是那颗能够真正理解世界并改变世界的 " 灵魂 "。而这场关于 " 灵魂 " 的争夺战，才刚刚拉开序幕。
