文章核心观点 - 具身智能行业将出现“软硬分化”趋势，即模型大脑研发与机器人本体制造将由不同公司专业化分工，而非当前主流的“软硬一体”全栈模式 [5][7][13] - 纯模型公司（如智在无界）的价值正被市场重新认识，其核心在于通过大规模、低成本的人类视频数据训练出通用的机器人大脑，为不同硬件本体提供“开箱即用”的基础能力，从而降低行业总成本 [8][9][10][13] - 当前具身智能技术远未成熟，泛化能力是核心瓶颈，而数据规模（预计需达到100万小时）和训练范式是突破的关键，预计质变将在2027年左右发生 [35][40][41] 行业现状与趋势 - **当前主流模式**：获得高估值的具身创业公司（如智元机器人、银河通用、星动纪元、星海图）普遍追求“软硬一体”的全栈模式 [7] - **市场认知变化**：一级市场开始重新定价纯模型公司，例如2026年1月，机器人模型初创企业Skild AI完成14亿美元C轮融资，估值翻三倍至超140亿美元 [8] - **分化驱动因素**：技术栈过长，模型与硬件研发是两套能力体系，一家公司难以两头做深，“为了全栈而全栈”导致部分公司无法真实落地 [13][14] - **经济账考量**：企业自研一个具身模型年开销高达数千万甚至上亿元，而外采一台机器人“大脑”的一次性成本仅需几万到十万元 [13][27] 公司（智在无界）战略与业务 - **公司定位**：专注于研发跨品牌、跨形态的具身智能模型（机器人大脑），不涉足硬件制造 [8][9] - **融资情况**：已于近日完成数千万元天使轮融资，由拉卡拉旗下考拉基金领投 [8] - **核心产品**： - **Being-H系列**：灵巧手操作模型，最新版本Being-H0.5可控制30种不同机器人，并能在英伟达Orin-NX等小型芯片上实时运行 [9][55] - **Being-M系列**：适用于双足机器人移动和操作的多模态模型，正在研发中 [9][48] - **商业模式**：向硬件厂商收取一次性License费用（几万至十万元/台），并提供按数据量收费的后训练服务Being-Dex，未来可能采用SaaS年包模式 [27] 技术路径与数据 - **核心数据方案**：采用“人类动作视频”方案，通过头戴摄像头录制第一视角手部动作视频，数据规模大、成本低，能完整记录复杂操作 [10][11] - **数据规模**：已积累超3万小时预训练数据，自称是全球规模最大的具身智能模型预训练数据集，目标在2027年达到100万小时数据量级 [10][41][43] - **技术细节**：建立自动化数据处理工作流，将不同来源的视频统一至3D空间，形成“视频-文字描述-动作”数据对；在后训练阶段探索融入触觉等多模态信息 [46][47] - **训练框架**：采用“预训练-后训练”双层框架，预训练让模型模仿人类，后训练将信息与物理空间对齐并适配不同本体 [45][46] 模型能力与进展 - **Being-H0.5模型表现**：预训练融合了30种不同构型本体的真机数据，实现了跨本体的大规模数据融合，可同时部署于5个不同本体 [54] - **泛化能力案例**：用宇树G1采集的数据训练出的模型，首次上机即能让PND的Adam-U成功执行同一快递扫码分拣任务 [54] - **能力质变判断**：模型能力产生质变不会是循序渐进的过程，可能需要方法或模型层面的变化 [53] - **当前局限性**：行业缺乏稳定好用的高自由度灵巧手及触觉反馈，模型泛化能力仍不足，真实工业场景落地多停留在演示或短周期概念验证阶段 [35][36][37] 行业挑战与乱象 - **落地难度**：现阶段的具身智能远远未达到可以落地真干活的水平，核心卡点在泛化性 [35] - **演示（Demo）陷阱**：部分Demo可能存在技巧，如未说明是遥操作控制，误导外界对机器人实际能力的判断 [59] - **套壳现象**：市场上有公司套壳其他模型（如PI 0.5），仅在后训练添加数据，而非真正自研 [58] - **“世界模型”争议**：该概念定义混乱，若仅用于生成训练数据可行，但若用于直接控制机器人则极其复杂且消耗算力，短期内难度很大 [61][62][63]