具身智能赛道正出现一个“200亿俱乐部”——智平方、自变量、星海图、千寻智能和银河通用五家公司，投后估值均超过200亿元人民币。这一门槛在往年难以想象，如今却成为头部公司的新基准。更引人注目的是，智平方与自变量几乎同时推进赴港上市：彭博社曝出智平方计划明年赴港IPO，随后又传出自变量已向港交所秘密提交上市申请。两家公司恰在一个多月前的6月29日同一天宣布完成新一轮融资，投后估值均超200亿元，时间上的巧合耐人寻味。

这五家公司并非孤例。据烯牛数据《2026年H1中国私募股权市场深度解析报告》，截至2026年7月5日，LP（私募基金出资人）出资额同比下降32.65%，政府类LP出资近乎腰斩，单笔均值五年缩水44.8%。但具身智能领域的融资事件却同比增长107%，并在新晋独角兽企业TOP10中占据4席。在整体募资收缩的背景下，资本反而向具身智能头部集中，形成“活钱变少但更集中”的格局。

五家公司凭什么撑起200亿估值？参考已进入IPO阶段的同行：宇树科技发行价对应上市估值约609亿元，智元机器人目标估值在363亿至433亿元之间，两者按营收计算的市销率都在35-40倍区间。以此推算，200亿估值对应约5亿元年收入，而“200亿俱乐部”成员出货量刚摸到顶流门槛，收入未必达标，溢价客观存在。市场给出的解释是：资本普遍认为“大脑”比本体更值钱。海外市场同样印证这一判断——不生产本体的Skild AI，其通用模型适配机械臂、人形机器人和四足机器人，今年估值飙至140亿美元；专注跨本体、跨任务具身基础模型的Physical Intelligence，一年内估值从20亿美元涨到56亿美元。

五家公司虽都押注“大脑”，技术路线却各不相同。目前主流路线仍是VLA（视觉-语言-动作模型），区别在于强化VLA还是融合世界模型。智平方、星海图、千寻智能走强化VLA路线：智平方的FiS-VLA采用快慢双系统结构，2026年升级为NeuroVLA大模型，形成“皮层—小脑—脊髓”三层类脑结构；星海图的G0.5采用统一自回归架构，去掉编码器，将图像、推理和动作统一为内部Token；千寻智能的Spirit v1.5则相信VLA本身的Scaling能力，通过扩大数据规模和复杂度提升泛化。自变量和银河通用则尝试将世界模型与VLA融合：自变量的WALL-B把物理预测与视觉、语言、动作联合训练；银河通用的GALBOT VLA基座演化成AstraBrain（银河星脑），拆分为大脑（WAM 0.5）、小脑（WBC 0.5）和灵巧手神经控制（DexNDM），其大小脑连接方式与智平方的快慢双系统类似。有趣的是，各家路线之争打到后来，架构开始互相“借鉴”，说明200亿之后比拼的不再是选路，而是谁在选定路上跑得更快。

数据是模型进化的关键瓶颈。行业在真实数据与仿真数据之间取舍：真实数据数量少、价格高，但迁移误差小；仿真数据规模大、成本低，却面临“Sim-to-Real Gap”。目前业内仍以真实数据为主，采集方式各异：千寻智能用自研可穿戴设备低成本采集人类操作；星海图、千寻智能、自变量、智平方倾向“部署回流”——让机器人干活时产生数据并回流训练。星海图数据主要来自开发者，部署成本低但数据杂；千寻智能和智平方倾向工业数据，对商业交付最有效但覆盖窄；自变量则押注最复杂的家庭数据，标准化难度大。银河通用是较早大规模押注仿真数据的公司，其GraspVLA几乎完全基于合成动作数据预训练，数据集含十亿帧抓取数据，但也在向混合方向转型。

商业化落地场景分化明显。工业被普遍认为最先跑通：宁德时代工厂部署了银河通用的Galbot S1做重载任务，千寻智能的小墨负责柔性线束插接，号称成功率99%以上；智平方与惠科签了三年1000台机器人订单，并与东风柳汽、华熙生物合作。零售场景同样具备标准化基础，银河通用的Galbot G1曾在中关村论坛完成数千杯咖啡取送，任务成功率99.97%。家庭场景难度最高、商业化最远，自变量的布局更多是获取真实数据、验证模型能力。星海图则更像“卖铲子”的，其R1 Pro和R1 Lite主要用于模型研发、数据采集和后训练，商业化理解接近开发平台。

五家公司其实只有四种生意：智平方和千寻卖工业劳动力，银河通用工业零售通吃，自变量赌家庭，星海图卖工具。在LP出资缩水三成的年份，这些公司背负“只能赢、不能输”的压力。押注机器人大脑是长期投资，机器人模型必须反复进入物理世界经历碰撞和磨损，每一次突破都可能需要数年积累。市场需要给企业时间穿越周期，公司也需要用真实指标回应这份耐心。