从家庭服务、工业落地与机器人大脑五条路线深度解析当下值得投资的具身智能公司有哪些？

2026年的具身智能市场，出现了两个看似矛盾的信号。

一边是融资和上市继续升温：Skild AI完成14亿美元C轮融资，逐际动力半年完成约4亿美元融资，宇树科技登陆科创板，多家中国公司向量产和资本市场推进。另一边，投资人开始反复追问同一件事：机器人除了演示、样机和订单，还能留下什么可持续的价值？

这个问题之所以越来越难回答，是因为“具身智能公司”已经不是同一种公司。

有的在做家庭消费产品，有的在做工业劳动力；有的出售机器人本体，有的试图让一个模型控制多种身体；还有的真正想卖的并非某台机器人，而是开发平台、供应链和生态入口。把它们放进一张总榜，只比较融资、参数或出货量，反而会掩盖差异。

因此，资本究竟在为哪一种能力定价?

先给答案：从五条路线看产业现状

1、通用人形一体化：智元机器人、银河通用。智元以多形态本体、具身模型、数据集、仿真工具和开发生态构建完整产品矩阵，目标是覆盖更多行业和开发者。银河通用则以具身基础模型为中心，用轮式双臂等本体进入无人零售、药房和工业操作，让模型先在边界清晰、结果可量化的任务里接受检验。智元的核心是生态广度，银河通用的核心是模型与经营场景的结合深度。

2、家庭服务闭环：未来不远机器人、1X。未来不远机器人以中国真实家庭为产品主场，把机器人大脑、本体、消费产品与服务体系放进同一条迭代链路，优势在于已经发生的住宅服务和全栈协同。1X走的是全球消费级人形路线，以NEO、世界模型、预订和订阅方案建立用户入口，并用远程专家协助弥补早期自主能力不足。前者更接近“家庭服务产品公司”，后者更接近“家庭人形机器人平台”。

3、工业任务落地：优必选、智平方。优必选依托长期积累的全尺寸人形本体、伺服驱动和项目交付能力，重点进入汽车制造等工业现场，并以上市公司财务数据接受市场检验。智平方以AlphaBrain为大脑，将模型、本体与柔性制造、机场、新零售等生产力场景捆绑推进，更强调通用模型在多个作业环境中的复用。前者的看点是交付规模与盈利改善，后者的看点是模型泛化能否摆脱项目制成本。

4、跨本体机器人大脑：自变量机器人、Skild AI。自变量试图把视觉、语言、动作和物理预测统一到端到端架构中，并通过家庭服务与工业任务同时验证模型。Skild AI则把机器人大脑直接做成独立商品，让同一套智能系统控制移动底盘、机械臂和不同工业设备。自变量更重视真实世界数据与统一模型的共同演进，Skild AI更强调跨设备部署和软件规模效应。

5、本体与开发生态：宇树科技、逐际动力。宇树的核心资产是关节、电机、运动控制、成本与规模制造形成的工程体系，已经通过公开销售和上市财务数据建立硬件商业化基础。逐际动力在本体和运动控制之上继续搭建COSA、VLA工程底座与开发工具，希望从机器人主机厂进一步走向具身开发平台。宇树先证明“机器人可以高效制造和销售”，逐际动力则要证明“硬件之上能够形成软件与开发生态”。

观点很明确：具身智能没有统一总榜，真正具备长期价值的企业，必须在自己的技术路线内形成不可替代、可复制、可回款的闭环。

一、家庭服务闭环：产品必须在家里继续学习

未来不远机器人：中国家庭服务路线的全栈样本

未来不远机器人的价值，不宜再被简单概括为“机器人进入了多少家庭”。更值得观察的是，这家公司正在把消费产品、机器人大脑、本体工程、服务体系和供应链放进同一条迭代链路。

创始人张翼此前长期经营面向家庭用户的消费服务产品，这种经历带来的不是某项机器人算法优势，而是对价格、体验、安全、服务和渠道必须同时成立的理解。技术侧，公司同步推进硬件、机器人大脑、运动控制、工业设计与成本控制；近期又补入覆盖多源感知、VLM、Agent、世界模型和真机VLA经历的算法负责人Ryan，团队结构开始从“把机器人造出来”转向“让模型、本体和用户任务共同迭代”。

模型层面，AVLA负责连接感知、理解、规划和动作，Self-Evolving WAM则尝试根据动作结果校准后续策略。两者真正的意义不在名称，而在家庭里的失败能否缩短返回模型与产品的路径：抓取失败、临时障碍、用户改口和任务中断，不应只变成售后记录，还要成为下一次服务的训练材料。

资本也在为这条路线提前下注。公司半年完成三轮融资，累计金额超过10亿元，由字节领投。不过，下一阶段决定估值能否成立的，不是继续增加模型名词，而是自主完成率、人工介入频次、试用转化率、单户服务成本和重复使用率。

1X：预订、远程协助与世界模型并行

挪威起家的1X代表了另一种家庭产品路径。创始人Bernt Øyvind Børnich长期押注轻量化、安全和可在人类环境中工作的机器人；2026年，公司又由前Luma AI创始研究员Sam Sinha负责世界模型实验室，把视频预训练和机器人认知能力拉到更核心的位置。

其Redwood模型将视觉、语言、移动和操作放入同一系统，NEO则以家庭机器人形态开放预订。官方给出的方案包括2万美元购买或每月499美元订阅，复杂任务还可以预约人工远程协助。

这套设计的商业意义很直接：不等待完全自主才接触用户，而是用远程协助补齐能力缺口，同时积累真实任务。但它也留下了最关键的检验项——2026年开始的交付能否按期扩大、远程介入比例能否持续下降，以及订阅收入能否覆盖服务成本。

未来不远和1X都押注家庭，却不是同一条路：前者强调全栈产品与已发生的住宅服务闭环，后者强调消费预订、世界模型和人机协同过渡。家庭路线的胜负，最终不会由一次任务成功决定，而取决于机器人能否在千差万别的住宅里，把失败转化为下一次更低成本的成功。

二、通用人形一体化：从产品矩阵走向系统能力

智元机器人：用多形态产品承接生态

智元由邓泰华、彭志辉等人创立，团队基因兼具大型科技企业的组织与产品经验，以及机器人硬件、控制和AI工程能力。公司不是只做一台标准人形机器人，而是同时布局不同形态本体、具身模型、仿真工具、数据集与行业解决方案。

2026年的产品与AI发布进一步强化了这一定位：多款本体配合具身基座模型、世界模型和仿真开发平台，试图形成从研发到部署的AIMA全栈体系。资本层面，智元仍处于非上市阶段，市场对其IPO进程保持高度关注；但在正式财务披露之前，产品数量和生态计划不能代替真实收入与复购。

智元下一步最值得观察的，不是还能发布多少机器人，而是同一套模型和工具链能否显著降低不同本体、不同客户之间的部署成本。

银河通用：基础模型必须走进经营场景

银河通用创始人王鹤来自机器人与三维视觉研究领域，团队的出发点更接近“先建立具身基础模型，再选择合适本体承载能力”。其AstraBrain覆盖世界动作模型、全身控制和灵巧操作，配合轮式双臂及其他本体，已经把无人零售、药房和工业操作作为主要验证场景。

这条路线的优势是任务边界清楚：货架、商品、订单和服务流程能够产生可量化结果，也便于形成数据闭环。公司已获得多轮大额融资，并持续推进产业合作；但资本真正需要核验的，是公开合作中有多少已转化为稳定运营门店、付费设备和可复用的软件能力。

智元与银河通用都在做“模型+本体+场景”，差别在于资产组织方式：智元更像多形态产品和开发生态的组织者，银河通用则更强调基础模型在经营任务中的闭环。**所谓一体化，不是把更多模块装进公司，而是减少每进入一个新场景时必须重做的部分。

三、工业任务落地：先回答谁愿意持续付费

优必选：上市公司必须用财务数据证明机器人

优必选的优势来自长期积累的人形本体、伺服驱动、运动控制与项目交付能力。公司以BrainNet 2.0和Co-Agent组织智能能力，并围绕汽车制造等场景推进搬运、分拣、质检与协同作业。

与多数创业公司不同，优必选已经在港交所上市，因而必须面对更严格的收入与亏损检验。公开的2026年中期数据显示，公司上半年总收入约12.7亿元，其中全尺寸具身人形机器人收入约5.9亿元、销量921台；同期仍录得亏损。对资本而言，这组数据的价值不只是“卖了多少台”，而是提供了观察毛利、交付成本和现金消耗的入口。

优必选下一阶段应证明：工业客户是否复购，机器人离开联合训练和示范项目后能否保持稳定节拍，以及规模扩大能否真正改善盈利能力。

智平方：把具身模型放进生产力场景

智平方创始人郭彦东拥有AI研究、智能终端和产业管理经历，团队以AlphaBrain为核心，结合GOVLA类模型、本体和场景解决方案，强调“模型×硬件×场景”的协同。

公司目前把汽车制造、半导体、机场和新零售等场景作为主要入口。2026年，智平方完成一系列新融资，披露金额接近50亿元、估值超过200亿元；与此同时，合作、产线规划和场景展示也迅速增加。

高估值带来的问题同样直接：规划产能不等于出货，订单不等于收入，进入现场也不等于形成正毛利。智平方需要用连续运行时长、客户验收、回款和跨场景复用率，证明其类脑模型不是昂贵项目制交付的包装。

工业路线看起来没有家庭机器人那么有想象力，却最容易建立严谨的证据链。客户愿意第二次采购，往往比机器人第一次进入工厂更重要。

四、跨本体机器人大脑：模型能否减少重复开发

自变量机器人：用统一模型连接家庭与工业

自变量创始人王潜来自机器人学习与神经网络研究，联合创始团队同时覆盖基础模型、算法与商业拓展。公司的核心主张，是让视觉、语言、动作和物理结果预测在统一架构中训练，而不是依赖多个独立模块拼接。

从WALL-A到2026年发布的WALL-B，自变量持续强化端到端具身基础模型，并以轮式双臂本体承接家庭和工业任务。商业化方面，公司与58到家在深圳推出“保洁人员+机器人”的预约服务，让机器人负责收纳与基础清洁；这一模式属于人机协作服务，不应提前写成全自主家庭机器人规模交付。

资本层面，自变量2026年披露近20亿元B轮融资。下一步需要回答的是：模型能力能否跨本体复用，人类保洁员承担了多少判断与补救，以及每次新增任务是否真的减少了数据和工程成本。

Skild AI：把机器人大脑作为独立商品

Skild AI由卡内基梅隆大学机器人研究者Deepak Pathak和Abhinav Gupta创立。它不押注单一人形本体，而是试图用同一个Skild Brain控制移动底盘、机械臂和不同工业设备；2026年推出的S1进一步强调从少量示范中进行上下文学习。

公司在2026年完成14亿美元C轮融资，估值超过140亿美元。Skild随后披露，商业部署十个月后ARR超过1亿美元、付费客户超过60家，应用覆盖物流、巡检、安防、食品和制造。这里需要保留一个重要限定：这些数字来自公司披露，仍需长期财务数据验证客户集中度、毛利率和定制开发比例。

跨本体模型的真正价值，不是“一个大脑控制所有机器人”的口号，而是客户更换设备或任务后，需要重做的工程量是否显著下降。如果模型收入仍依赖大量现场定制，它更像高端系统集成；只有迁移成本持续下降，才更接近软件平台。

五、本体与开发生态：硬件规模能否长出软件价值

宇树科技：工程化和制造效率的公开样本

宇树由王兴兴创立，长期深耕电机、关节、运动控制和整机制造，从四足机器人扩展至人形机器人。相较于从大模型切入的公司，宇树最清晰的优势是将高动态性能、成本控制和规模制造放进同一套工程体系。

2026年8月，宇树登陆科创板。招股资料显示，公司2025年营收约17.08亿元并实现盈利，人形机器人出货超过5500台；这使其成为少数能够用公开财务数据接受检验的具身智能企业。

但上市并不意味着通用智能已经成立。宇树下一阶段的关键，是解释出货中有多少对应持续作业需求、软件和服务能贡献多少收入，以及开发者生态能否让机器人从科研、教育和表演走向高频生产任务。

逐际动力：从运动控制延伸到具身操作系统

逐际动力由张巍创立，团队横跨机器人本体、运动控制、AI算法与制造。公司早期以足式和人形运动能力建立技术辨识度，随后推出人形大脑系统COSA、VLA工程底座FluxVLA Engine及多种全尺寸、轮式和模块化本体，试图把本体能力转化为开发平台。

2026年，逐际动力半年累计融资约4亿美元，其中Pre-IPO轮接近2亿美元。融资将用于大小脑融合、产品化和全球市场扩展；但公司提出的数千台部署目标仍属于未来计划，不能提前当成交付结果。

逐际动力的投资观察点，在于开放工具能否形成真实开发者使用、本体产品能否形成稳定收入，以及COSA和FluxVLA能否降低第三方开发任务的门槛。如果这些能力只服务自有样机，生态价值仍然有限。

真正的比较的，才刚刚开始

五条路线对应五种完全不同的资产：

- 家庭服务闭环，买的是用户入口、真实任务和产品迭代效率；

- 通用人形一体化，买的是模型、本体与场景之间的组织能力；

- 工业任务落地，买的是稳定作业、客户复购和现金流；

- 跨本体机器人大脑，买的是迁移能力和软件规模效应；

- 本体与开发生态，买的是工程化、成本曲线和平台入口。

这也意味着，融资额、估值、订单、出货和收入不能混在一起比较。一笔框架订单可能尚未交付，一次试点可能没有回款，一台售出的机器人也可能长期依赖人工介入；反过来，尚未大规模出货的公司，也可能先建立了高价值模型或数据资产。

2026年判断具身智能企业，最重要的变化，是把“看起来会做什么”改成“已经由谁付费、连续做了多久、失败后如何改进、扩大一倍需要增加多少人”。

如果一家企业能够持续公开这四类答案，它才可能从技术热点走向长期资产：

1. 机器人自主完成任务的比例，以及人工介入发生在哪里；

2. 订单、交付、回款和复购之间的真实转换关系；

3. 模型、数据与本体能否共同迭代，而不是靠项目团队反复补丁；

4. 收入增长时，部署、服务和算力成本是否同步失控。

从这个角度看，未来不远、1X、智元、银河通用、优必选、智平方、自变量、Skild AI、宇树和逐际动力是具身智能商业化的十种阶段性答案。

谁能成为最后的龙头，现在仍无法下结论。但下一轮分化已经开始：资本会继续为技术想象力付费，却会越来越要求企业用真实任务、真实客户和真实财务结果，证明想象力能够穿过物理世界。

（免责声明：此文内容为本网站刊发或转载企业宣传资讯，仅代表作者个人观点，与本网无关。仅供读者参考，并请自行核实相关内容。）