新闻/Bing 中文资讯 · 具身智能·15 天前

具身智能重心转向大脑：上半年融资占比超五成，VLA与世界模型成焦点

2026年上半年国内具身智能融资438亿元，大脑层占比50.8%远超本体。特斯拉与宇树科技聚焦VLA及世界模型，通过车器同源与自进化体系突破非结构化环境泛化瓶颈，确立算法为落地核心变量。

AI 整理

• 仿真与训练
• 数据与采集
• 具身模型

本文由 AI 根据公开内容整理，可能有误，请以原文为准：中泰证券：机器人大脑成具身智能核心变量 上半年融资占比超五成（Bing 中文资讯 · 具身智能）

核心内容

中泰证券指出随着本体硬件边际效应递减，机器人大脑成为决定非结构化环境适应力的核心变量。2026年上半年国内具身智能赛道融资约438亿元，其中大脑核心业务公司吸纳222.53亿元，占比达50.8%，而本体整机公司仅获56亿元融资，占比12.8%。资本结构的显著分化印证了行业战略重心正从硬件制造向模型能力迁移，大脑成熟度直接决定了机器人能否跨越演示阶段实现规模化商业落地。

技术路线上，特斯拉Optimus采用车器同源策略，复用FSD芯片与神经网络，通过模仿学习与强化学习双飞轮驱动进化；宇树科技IPO募资20.22亿元投向WMA世界模型与VLA视觉语言动作模型研发，并预研物理AI自进化体系以实现代码自动生成与真机部署。当前行业面临场景泛化弱、数据闭环未打通及实时算力矛盾三重挑战，头部厂商正围绕VLA与世界模型融合展开竞争，试图以算法系统协同突破长尾问题与泛化能力瓶颈。

关键看点

• 融资结构分化：2026年上半年具身大脑融资222.53亿元占比50.8%，本体整机仅占12.8%，资本明确押注模型能力而非单纯硬件堆料。
• 特斯拉技术路径：Optimus复用FSD芯片与自动驾驶数据管线，构建模仿学习加强化学习双飞轮机制，将车端积累系统性平移至机器人领域。
• 宇树研发重点：IPO募资20.22亿元聚焦WMA世界模型与VLA模型，预研物理AI自进化体系，支持大模型自主检索论文并生成控制代码。
• 行业核心瓶颈：场景泛化能力薄弱、数据闭环缺失及实时算力功耗矛盾突出，模型成熟度取代硬件成本成为制约通用智能体落地的关键变量。

工程与产业观察

具身智能产业坐标已从本体制造切换至认知智能竞赛。上半年融资数据表明，缺乏VLA或世界模型等大脑能力的纯硬件厂商将面临估值重构。工程侧需关注车器同源数据管线的复用效率及仿真到真机的自进化验证闭环，这将是解决非结构化环境泛化难题、跨越商业化鸿沟的关键技术分水岭。

来源

本页事实对应的公开页面，以原文为准。

1. Bing 中文资讯 · 具身智能：中泰证券：机器人大脑成具身智能核心变量 上半年融资占比超五成访问 2026-10-14