通用模型正在逼近机器人“大脑”。
Fable 5.2 只用六周，就把一项机器人控制基准的平均成功率从GPT-6 Astra的29.8%推到64.9%，“专门做脑还有没有必要”由此成了真问题。
两周前，元戎启行CEO周光给出了更尖锐的判断。彼时，DrivingBench让GPT-6 Astra直接控制真车、在封闭场地第二次跑完全程，他说“几年后真正做到全无人驾驶的，可能不是自动驾驶公司”。
他把同一逻辑推到具身智能:本体公司可能受益，压力在“脑公司”。但这个判断只说对了一半。本体公司确实拿到了身体的定价权，却未必能一直“开心”。
目前，宇树、智元、优必选都在重金补“大脑”，没有一家有野心的本体公司敢把大脑完全外包。
于是，真正的分水岭不再是做本体还是做脑，而是谁能掌握真机数据回流。
本体公司都在补脑，只是补法不一样
行业里说的“本体”，是机器人的身体:关节、电机、结构、量产能力。所谓“小脑”，是运动控制，管平衡、步态、力控这些毫秒级的反应。所谓“大脑”，是具身大模型，管看懂场景、听懂指令、拆解任务、规划动作。
“小脑没必要自己搞”，这句话在本体公司里其实没有争议。运控恰恰是他们的看家本领，真正难的是大脑。
而过去一年，几乎每一家有出货量的本体公司，都在这件事上动了手。
宇树走的是“两条腿”:一条是G1已经接入了GPT-6 Astra，不写控制代码，只给提示词，机器人就能自己画画、下围棋、洗笔；另一条是自研。60亿参数的世界动作模型UnifoLM-WLA-1.0，用约2500小时真机数据训练，单模型覆盖64项任务。
宇树科技创始人王兴兴在乌镇峰会上直言，行业当前最核心的卡点是物理世界“最后几毫米”的对齐问题:抓取、搬运成功率已经很高，但一到拆手机、穿针引线这类依赖触觉反馈的活，成功率就明显下降。
这套打法可以概括成三层:通用模型扛规划，专用模型扛执行，本体做中间的适配层。潜台词是，大脑会自己进化，硬件公司要做的，是把身体准备好等它。
但“等”并不便宜。
2026年三季度，宇树营收6.65亿元，同比增长69.93%，扣非净利润1.05亿元，同比下降17.42%；研发费用1.27亿元，同比增长249.58%。前三季度研发投入2.63亿元，占营收14.47%。IPO募投里，“智能机器人模型研发”一项列了20.22亿元，接近募资总额的一半。
所以，“本体公司开心”的判断，在财务上暂时是不成立的。
本体公司并没有因为“脑可以买”而省下钱。恰恰相反，它们在把硬件的利润换成模型的期权。
智元选了另一条更重的路。GO-1、融合大小脑的GO-2，到10月底的GO-3 Preview，三代替身基座模型一年内推完。
智元机器人姚卯青此前在谈到具身模型能力边界时说过一句很实在的话:涉及力触和反馈控制的高动态精细动作，“我们测下来，大模型成功率基本完全是零”。
因此，智元只让模型承担System 2，负责理解与规划；System 1和力控闭环必须自己守住。智智元联合清华、无问芯穹的CEL实验显示，相同训练时长下，参与学习的机器人从16台扩至96台，任务成功率从86.7%提升至98.3%。
优必选则把大脑直接写进了产品定义里:千亿参数基座Thinker，加上世界模型Thinker-WM和全面上车的Thinker-VLA，模型能力不单卖，摊进整机定价。今年8月，它的“行者具身智能模型”还完成了生成式人工智能服务备案。
还有一批本体公司选了第三条路:借脑。
蚂蚁灵波开源LingBot-VLA之后，星海图、松灵、乐聚等本体厂商陆续完成适配，用别人的模型验证自己的本体。
买脑、养脑、借脑，三种补法指向同一个事实:没有一家有野心的本体公司，敢把大脑完全外包。“小脑没必要自己搞”是对的；但大脑必须自己补。因为真实工况、真机、真实回流的数据，才是本体公司手里最难被替代的筹码。
做脑的公司，压力是结构性的
那么，做“脑”的公司眼下是什么处境？
周光对它们有三点判断:融资不够、人才密度不够、数据量不够。这三条要分开看:有的已经不成立，有的比想象中更严重。
先看融资，钱其实还在进。
10月28日，彭博报道Physical Intelligence正在谈10亿美元新融资，投后估值约200亿美元，而这家公司至今没有公开收入。另一家Skild AI估值140亿美元，至少跑出了约1亿美元ARR。
国内也不缺钱:自变量投后估值超过200亿元，千寻智能三个月融资近45亿元、估值200亿元，星海图估值超过200亿元。
“融资不够”不是没钱了，而是钱的节奏变了。
2026年下半年，赛道融资明显降温，10月上半月共19起、49.34亿元，而巅峰时期单月曾到339.8亿元。有创始人判断，大部分公司现金流只够撑18到24个月，2027到2028年才是生死大考。
再说人才，这一条比融资更硬。
脉脉的报告显示，2026年具身智能相关岗位需求同比增长15倍，平均月薪6.2万元，机器人技术人才的需供比达到5.2比1；有调研给出的具身智能研发岗供需比是1比10。
优必选今年面向全球招“具身智能首席科学家”，年薪1500万元起，最高可到1.24亿元。这个价格说明的不是慷慨，是稀缺——算法人才的密度，不是靠融资额堆出来的。
最硬的还是数据。
中国信通院的报告算过一笔账:要实现机器人的“ChatGPT时刻”，模型需要千万小时级的有效数据。而具身数据和互联网文本不一样，它从未被系统性记录过，只能从零一条条生产。真机采集数据按条或按有效时长计价，遥操作数据数百到上千元一小时。过去一年，具身数据赛道涌入97家玩家，其中15家独立数据服务商完成34起融资，合计约44.7亿元。
把三条线放一起，能看出脑公司真正的处境:不是能力不够，而是资产被两头挤。
一头在上游。
GPT-6 Astra这类通用模型正在压缩专用模型的溢价。公开测试里，Astra单次推理要18.56秒，插插头11次全败，把一支笔放进笔筒花了四个多小时、成本55美元。这些数字说明它离“能干活”还很远。但六周之后，Fable 5.2把同一项机器人控制基准从29.8%推到了64.9%。它一直在这条赛道上，而且迭代节奏不按具身公司的时钟走。
另一头在下游。
宇树、智元、优必选这些本体公司都在自研大脑，而且它们手里有纯模型公司最缺的东西:真机、工况、回流数据。银河通用已沉淀超100万小时人类动作数据，并以数十万小时量级的真机数据驱动闭环，靠的不是融资额，是机器人真的在药店里上班。
于是就形成了那个死循环:没有本体，就没有真机数据；没有数据，模型就泛化不了；泛化不了，就拿不到订单；拿不到订单，就融不到下一轮。
纯脑公司打破循环的办法只有一个:证明模型能跨本体迁移，并且找到一个能收费的入口。
10月13日，Physical Intelligence上线了Pi API测试版，开发者上传数据、PI负责微调和云端托管推理，再部署到客户自己的机器人上；Skild AI则把基础模型通过云端API授权给越南的机器人厂商。这条路刚开始，收入验证还没发生。
因此，不是“脑公司压力更大”，而是“脑公司的压力更结构性”:它们的核心资产是一套模型，而这套模型同时被上游的通用模型和下游的本体自研挤压。
这不是能力问题，是位置问题。
往后看，只需要盯三个指标
如果这个判断成立，那么接下来的分野，不在于谁做本体、谁做脑，而在于谁能掌握真实世界的数据回流。
具体可以盯三件事。
第一，看本体公司的模型是不是长在自己的数据闭环上。判断标准不是“接入了哪个大模型”，而是真机数据小时数、单位场景的复购，以及研发费用率能不能长期撑住。
第二，看脑公司有没有跨本体的证据和收费入口。模型在自家本体上跑得好，不叫通用；能跨三种本体、还能按调用或按工时收钱，才算跑通了商业闭环。Pi API和Skild的授权模式是第一批样本，值得跟踪。
第三，看通用模型在长程任务和力触环节的真实成功率。从29.8%到64.9%，这35个百分点只用了六周；但真机上一局62步跳棋要走46.5分钟、平均每步45秒，说明窗口还没关。通用模型补上quot;最后几毫米quot;的速度，决定了本体公司自研大脑的投入还要烧多久。
值得注意的是，周光的判断有个前提:通用模型继续按现在的速度变强，同时本体的可靠性和成本优势不可替代。
这两个前提只要有一个松动，结论就要改。
更重要的是，他没说另一半。
如果通用模型真的打穿了物理世界，本体公司也未必能一直开心——身体会变成标准件，议价权回到模型层，本体公司的估值框架会从“物理AI平台”退回制造业的利润和现金流。
所以，“本体公司受益”这句话，大概只说对了一半。
宇树确实拿到了身体的定价权，它把本体做成了可以批量交付、成本可控的接口，等着更聪明的大脑插上来。但为此付出的代价，是把利润表交给了模型:增收不增利，研发费用率翻倍，募资的一半投进了看不见摸不着的模型研发。
真正的分水岭，不是做本体还是做脑，而是谁能把物理世界的数据变成自己的复利。
本体公司在这一端占了先手，脑公司在那一边押了重注。谁先走完这段路，谁才有资格谈“开心”。
这两条跑道中，一条跑产能和交付，一条跑模型和迭代。两边都在往对方的地界并线。
所在地区 · 德国/北莱茵-威斯特法伦GPT
主营产品座椅结构件、机构、滑轨、调角器、高度调节器、锁具、泡沫、饰件
所在地区 · 中国/广东省/深圳市/南山区Shenzhen UBTECH Technology
主营产品工业人形机器人
