以下文章来源于具身之家 Robots ，作者拂晓子

作者 |   拂晓子

来源 | 具身之家 Robots（ID：zscy006）

在具身智能这条赛道上，做对一件事不难——难的是同时做对三件事：选一条没人走的路，造一颗会思考的大脑，把它送进真实世界干活。

智平方正在试图完成这个 " 不可能三角 "。

6 月 29 日，深圳机器人圈出现了一次罕见的 " 撞车 "。

两家同城企业 " 自变量 " 和 " 智平方 " 先后宣布估值突破 200 亿元。

自变量的实力无需多言，背后站着阿里、字节、美团、小米。

但另一家，略显低调的智平方，投资方覆盖国家队、地方国资、险资、券商和产业资本，甚至还有一批特斯拉供应链企业集体下注。

它被业内贴上的标签更耐人寻味—— " 中国最像特斯拉的机器人公司 "。

问题是，连率先押注端到端具身智能的特斯拉，都还没找到最终答案。

一个成立仅三年的后来者，凭什么让人相信它能行？

资本全垒打｜一张200亿估值的"投名状"

我们查阅了智平方本轮投资人名单，用一个词可以概括：全垒打。

· 国家中小企业体系基金、中国文化产业体系基金等国家队；

· 广东智能机器人产业投资基金、深创投、南山战新投等大湾区平台；

· 中国生物制药（正大集团）、康龙化成、茅台集团、招商局资本、五洲新春、万丰控股、中贝通信等产业龙头；

· 中金资本、中信建投、金沙江联合资本等券商系资本，以及一批特斯拉核心供应链企业同步重仓。

在具身智能赛道，能把国家队、产业方、险资、券商和特斯拉链同时聚在一张桌上的，智平方是独一份。

每类资本背后是不同的确定性：

· 国家队意味着政策确定性，产业方意味着场景确定性

· 中国生物制药、康龙化成等已同步开放制药产线让机器人进场

· 险资和券商意味着上市预期确定性

· 特斯拉链企业的入局则更直白：它们用钱投票，将智平方视为自己在机器人赛道最接近 " 下一个特斯拉 " 的战略锚点。

能让这么多聪明钱同时下注？CEO 郭彦东的履历是重要加分项。

普渡大学博士、微软总部研究员、小鹏汽车和 OPPO 首席科学家——在消费电子、智能汽车、通用机器人三代智能终端都走完过 " 从研发到量产 " 全流程的人，行业里一只手数得过来。

三年时间、50 亿融资、200 亿估值。

投名状足够华丽——但华丽背后，是一道更难的题：用什么成绩单来撑住这个估值？

类脑破局｜不堆数据，堆智慧

如果把具身智能的竞争简化成一句话，大多数公司在做的事是 " 更大、更多、更强 " ——更大的模型、更多的数据、更猛的算力。

而智平方选了另一条路。

2023 年，行业主流还是 " 模块化拼装 " ——视觉、语言、运动控制各自独立。

端到端 VLA（视觉 - 语言 - 动作）被视为 " 太难、太早 "。

全球只有两家公司 All-in 这条路线：特斯拉和智平方。

在美国 PI 引爆 " 端到端 VLA" 共识之前，智平方已悄悄积累了近一年的模型训练时间差。

但真正的分水岭出现在今年 6 月。

智平方发布并开源了全球首个类脑 VLA 模型—— NeuroVLA。

通俗地讲，传统 VLA 模型是一个人同时干三件事：理解指令、规划动作、遇到危险缩手——一个大脑累死累活。

NeuroVLA 借鉴了人脑的分工机制，把任务拆成三层：皮层负责语义理解和任务规划（慢思考，几百毫秒），小脑负责高频运动协调与动态修正，脊髓（基于脉冲神经网络）负责毫秒级运动执行和安全反射。

且效果是可以被量化的：机器人运动抖动降低 75% 以上，碰撞后 50 毫秒内完成反射缩回，仿脊髓层运行功耗仅 0.4 瓦——比传统方案低一个数量级。

更关键的是，这套模型训练只用了数百个下游样本，不需要海量机器人数据。

在 6 月的夏季达沃斯论坛上，郭彦东公开发言表示：" 如果所有人都沿着同样的大模型路线继续走，我们需要 10 倍的数据、10 倍的电力。但现实世界并没有无限的数据和能源。"

摩根士丹利已将智平方列为全球机器人 " 大脑 " 方向代表企业。

从 " 更大 " 到 " 更巧 "，NeuroVLA 证明了一件事：与其拼命把模型做大，不如把架构做聪明。

特斯拉的影子｜一家中国公司的"我全都要"

智平方被称为 " 最像特斯拉 "，根源在于打法：模型、硬件、场景，一个都不肯放手。

· 大脑是 AlphaBrain ——四代 VLA 模型持续演进，NeuroVLA 是目前的旗舰。

· 身体是 AlphaBot 2 —— 34 个以上自由度、腰腿升降结构、垂直工作范围覆盖 0 到 2.4 米、续航 6 小时以上，从硬件层面配合算法的全身控制需求。

· 场景端，汽车制造、半导体显示、生物制药、新零售、机场行李车管理——多个领域同时铺开。

三者咬合在一起，形成一个特斯拉式的数据飞轮：模型强   →   能进更多场景   →   场景产生数据   →   数据反哺模型   →   模型更强。

这正是特斯拉 FSD 到 Optimus 的同一套逻辑：用真实世界的数据，让 AI 和硬件同步进化。

但 " 最像 " 不等于 " 同等量级 "。

特斯拉 2025 年研发投入 64 亿美元、资本开支 85 亿美元，有自研 AI 芯片 Dojo 3、全球工厂和供应链，有汽车能源业务提供的现金流。Optimus Gen-3 已于今年二季度量产，上海超级工厂已投入 50 台参与汽车总装，弗里蒙特远期产能 100 万台。

而智平方 2024 年营收仅数千万元——技术路线对了，不代表已经跑在了前面，更紧迫的是，端到端路线已不再是独家优势。

Figure 发布了 Helix 02，同样用一套神经网络控制机器人全身；Physical Intelligence 的 π 0.7 能用同一个模型操控多种机器人，完成训练数据中从未出现过的新任务。

智平方的先发时间差，正在被快速追赶。

1000台订单｜从Demo到交付的最后一公里

智平方目前手里最大的一张牌，是和惠科签下的 3 年 1000 台、总金额约 5 亿元的订单——业内公认全球同类最大单一订单。

此外，华熙生物的产线部署、爱宝智魔方在全国十余个省市的新零售运营、机场行李车管理等场景也在推进。

生产端，年产能 2000 台的半自动化产线已建成，下半年还计划启动数万台级的新产线。

一切看起来都在加速，但真正的考验恰恰藏在这些数字背后：

1000 台是订单，分三年执行。最终交付多少、验收多少、有多少能转化为当期收入，目前还是未知数。

产能 2000 台不代表能卖出 2000 台，客户会不会复购才是这门生意的命脉。而 2024 年仅数千万元的营收，距离 200 亿估值之间，隔着一道真实而漫长的鸿沟。

更大的隐性成本在交付端。

每一家工厂的设备、流程、安全要求都不一样。如果每进入一个新场景都需要大量工程师驻场调试，订单越多，交付和售后成本就越高。

智平方的策略是专啃 " 硬骨头 " ——半导体、面板、无菌车间等高端制造场景，不走低端同质化路线。

逻辑成立：精度和洁净度要求越高，一旦跑通，壁垒越深、客户黏性越强。但这也意味着，交付的难度和试错成本远高于普通场景。

具身智能正在从 " 讲故事 " 走向 " 交答卷 "。

泡沫褪去，交付才是硬通货。

诸神之战｜200亿俱乐部的生存法则

截至目前，估值超 200 亿的企业已有 7 家：

宇树科技（营收 17 亿、净利 2.88 亿、人形机器人出货 5500 台）、优必选（港股上市，人形收入 8.2 亿）、银河通用（国家队大基金三期 25 亿入局）、星海图、千寻智能、自变量机器人——加上智平方。

宇树科技 6 月已正式冲刺科创板，"A 股人形机器人第一股 " 呼之欲出。

与此同时，大洋彼岸的特斯拉 Optimus Gen-3 已于二季度量产。173 厘米、57 公斤、20 公斤负载、10 小时续航，复用 FSD 纯视觉大脑，弗里蒙特远期年产 100 万台。

当马斯克带着汽车量级的成本优势和百万台产能杀入这个市场，所有中国玩家的估值逻辑都将面临重估。

具身智能的终局不会容纳太多赢家。

资本正在急剧向头部集中，端到端 VLA 已是标配，类脑架构、世界模型、小样本学习正在成为下一个分水岭；

高端制造场景的替换成本远超消费场景，谁先站稳谁的壁垒就更深；

宇树科技的 IPO 定价，将成为整个赛道估值的 " 锚 "。

未来大概率走向是：3 到 5 家存活，其余整合或消亡。

智平方手里有一手好牌——最全投资人阵容、底层架构级技术创新、大客户订单和自建产线。

但它需要跑完最关键的几步：1000 台订单如期交付，产能转化为真实销量，销量带来复购和利润。

正如创始人郭彦东在达沃斯论坛上说的，" 下一代机器人大脑不应该只是算力和数据的竞赛 "。

这句话的潜台词或许就是智平方想走的那条路——不是 " 中国版特斯拉 "，而是 " 智平方自己 "。

那条路还很长，但至少，方向和步子，都已经踩实了。

别忘点个 " 在看 "❤️

商务合作：cjm321666（微信）

更多交流请加：jcg654（微信）

设置星标不迷路，感谢您的支持！

正商参阅旗下公众号，欢迎关注