具身智能公司：本体-小脑路线 vs 大脑优先路线

一、先定义"两条路"在工程上的含义

二、本体-小脑优先阵营

🔵 Boston Dynamics（Atlas）

Boston Dynamics 的哲学核心是动态平衡、敏捷运动与复杂地形适应，其设计哲学优先考虑功能与运动效率，而非严格模仿人体生物力学。三十年来，他们先把"怎么不摔倒"做到极致，再逐步叠加AI层。2025年CES展示的全电动Atlas被普遍认为是当届最先进的人形机器人演示，目前已与谷歌DeepMind和丰田研究院合作，叠加Gemini Robotics模型。

典型路径： 液压→电动→运动控制成熟后才开始对接大模型，是"小脑优先、大脑后装"的最典型代表。

🔵 Agility Robotics（Digit）

Agility Robotics 联合创始人 Jonathan Hurst 是俄勒冈州立大学的腿式运动学教授，其研究专注于双足步行的物理原理。Digit 的独特之处在于它是为物流场景从步行机构倒推设计的——先定义"双足搬运"这个物理问题，再配套感知和决策。Agility Robotics 目前是商业化部署机器人数量最多的人形机器人公司。

典型路径： 学术运动学研究 → 双足行走本体 → Amazon仓库落地。

🔵 宇树科技（Unitree，G1/H1）

宇树科技目前主要通过强化学习训练机器人掌握运动控制能力，尤其是复杂地形上的适应与运动能力。宇树CEO王兴兴认为，机器人通用AI大模型在全球范围内尚未突破临界点，这是当前行业的一大限制。宇树的策略是以硬件本体研发为基础，AI模型研发为辅助，与各类大模型公司合作，而非自己全栈做大脑。

在2026年春晚，宇树人形机器人带来了武术表演，与人类演员"人机共武"，展现了当下运动控制和动作训练的最高水准；在CES 2026上宇树也继续走"表演秀"路线，展示机器人搏斗竞技。

典型路径： 四足机器狗起家 → 低成本高性能本体 → 运动控制全球领先（H1移动速度创世界纪录）→ 大模型外部接入。

🔵 傅利叶智能（Fourier Intelligence）

傅利叶的机器人专注于康复与运动辅助领域。从医疗外骨骼起家，深刻理解人体力学与本体感受的交互，是最接近"神经-肌肉系统建模"思路的玩家之一。其路线是：先把人体运动模型做透，再扩展至通用人形。

三、大脑优先阵营

🔴 Physical Intelligence / π.ai

Physical Intelligence（Pi）采取了一种不同的策略：不自己造机器人，而是开发可以控制任何机器人硬件的基础模型——类似于GPT-4跨应用运行的方式。其π0模型使用流匹配架构，直接从视觉观察输出机器人动作，经过多种机器人类型数据的训练后，可以泛化到从未见过的任务，包括叠衣服和组装箱子等复杂操作。

π0.5于2025年5月发布，展示了在完全未知环境中的开放世界泛化能力。其核心团队来自谷歌DeepMind和伯克利，联合创始人包括强化学习先驱Sergey Levine和元学习研究者Chelsea Finn。

典型路径： 不造身体，只做"机器人的GPT"——这是最纯粹的大脑优先逻辑。

🔴 Figure AI（Figure 02 + Helix）

Figure AI推出了自研的Helix AI模型，这是一个双系统的视觉-语言-行动（VLA）模型：一个系统负责慢速思考，处理视觉和语言；另一个系统负责快速运动控制，处理手臂和躯干的实时运动。Figure声称其Figure 03将比原计划提前两年进行家庭测试。

Figure的Helix基础模型完全运行在机载NVIDIA GPU上，处理多模态输入并实时生成电机指令。

典型路径： AI company logic builds robots, with proprietary foundation models as the core competitive moat, where the body is the output terminal of the model capacity.

🔴 Sanctuary AI（Phoenix + Carbon）

Sanctuary AI的Phoenix机器人专注于类人推理能力，基于自研的Carbon AI系统，可以折叠衣服、接受语言指令，目标是让机器人能像真正的同事一样观察、规划和应对现实环境。

典型路径： 从认知架构出发，先定义"机器人应该怎么思考"，再映射到物理动作。是哲学意味最强的"大脑优先"公司。

🔴 银河通用（Galbot）

银河通用认为现阶段双足人形不一定是最优解，反而会徒增成本，因此采取应用场景导向策略，优先关注"双手"的落地场景。其技术架构采用大小模型协同的分层智能——用大模型做高层规划，用小模型做底层执行。这是典型的"大脑设计身体"逻辑。

四、全栈混合阵营（无法简单归类）

⚡ Tesla Optimus

特斯拉最近实现了让Optimus直接从人类操作的第一人称视角互联网视频中学习复杂任务，这意味着单一AI机器人大脑可以不经人工逐步教学就掌握大量技能。端到端模型的做法源于特斯拉自动驾驶的成功路径，直接从传感器输入到动作输出，绕过传统的"感知-决策-规划-执行"流水线。

特斯拉的独特性在于：它有海量真实世界的运动数据（FSD积累），让"大脑"天然就有"感知世界的身体经验"——某种意义上，自动驾驶本身就是一种巨大的本体训练集。

⚡ 智元机器人（AgiBot）

智元定义了G1至G5的具身智能技术演进路线：G1针对特定场景；G2面向更多场景，具有泛化能力；G3从算法驱动转变为数据驱动；G4引入仿真数据和世界模型；G5则实现从感知到执行的高度自主性。目前智元处于G2到G3阶段。

智元是全栈自研（从关节电机到运动控制到大模型），路线图本身就是一个从"小脑"向"大脑"逐步迁移的清晰叙事。

五、核心矛盾总结

本体-小脑路线的天花板问题：
运动控制做得再好，泛化能力有限——
宇树的机器人打架很厉害，但不会"理解"任务

大脑优先路线的地基问题：
模型再聪明，身体跟不上——
π0可以"知道"怎么叠衣服，但执行抖动、力控失准

行业内对此有清晰的隐喻：机器人的"小脑"（运动控制）发育更快，但"大脑"受制于各种限制目前很难与"小脑"同步发育，这直接导致具身智能落地难的问题。

最终判断： 当前周期里，小脑路线更快商业化，但大脑路线更接近终局。真正的赢家可能是像Tesla、智元这样——能把两者整合进统一数据飞轮的公司，而不是单押一边的玩家。