具身智慧賽道正出現一個“200億俱樂部”——智平方、自變數、星海圖、千尋智慧和銀河通用五家公司，投後估值均超過200億元人民幣。這一門檻在往年難以想象，如今卻成為頭部公司的新基準。更引人注目的是，智平方與自變數幾乎同時推進赴港上市：彭博社曝出智平方計劃明年赴港IPO，隨後又傳出自變數已向港交所秘密提交上市申請。兩家公司恰在一個多月前的6月29日同一天宣佈完成新一輪融資，投後估值均超200億元，時間上的巧合耐人尋味。

這五家公司並非孤例。據烯牛資料《2026年H1中國私募股權市場深度解析報告》，截至2026年7月5日，LP（私募基金出資人）出資額同比下降32.65%，政府類LP出資近乎腰斬，單筆均值五年縮水44.8%。但具身智慧領域的融資事件卻同比增長107%，並在新晉獨角獸企業TOP10中佔據4席。在整體募資收縮的背景下，資本反而向具身智慧頭部集中，形成“活錢變少但更集中”的格局。

五家公司憑什麼撐起200億估值？參考已進入IPO階段的同行：宇樹科技發行價對應上市估值約609億元，智元機器人目標估值在363億至433億元之間，兩者按營收計算的市銷率都在35-40倍區間。以此推算，200億估值對應約5億元年收入，而“200億俱樂部”成員出貨量剛摸到頂流門檻，收入未必達標，溢價客觀存在。市場給出的解釋是：資本普遍認為“大腦”比本體更值錢。海外市場同樣印證這一判斷——不生產本體的Skild AI，其通用模型適配機械臂、人形機器人和四足機器人，今年估值飆至140億美元；專注跨本體、跨任務具身基礎模型的Physical Intelligence，一年內估值從20億美元漲到56億美元。

五家公司雖都押注“大腦”，技術路線卻各不相同。目前主流路線仍是VLA（視覺-語言-動作模型），區別在於強化VLA還是融合世界模型。智平方、星海圖、千尋智慧走強化VLA路線：智平方的FiS-VLA採用快慢雙系統結構，2026年升級為NeuroVLA大模型，形成“皮層—小腦—脊髓”三層類腦結構；星海圖的G0.5採用統一自迴歸架構，去掉編碼器，將影像、推理和動作統一為內部Token；千尋智慧的Spirit v1.5則相信VLA本身的Scaling能力，通過擴大數據規模和複雜度提升泛化。自變數和銀河通用則嘗試將世界模型與VLA融合：自變數的WALL-B把物理預測與視覺、語言、動作聯合訓練；銀河通用的GALBOT VLA基座演化成AstraBrain（銀河星腦），拆分為大腦（WAM 0.5）、小腦（WBC 0.5）和靈巧手神經控制（DexNDM），其大小腦連線方式與智平方的快慢雙系統類似。有趣的是，各家路線之爭打到後來，架構開始互相“借鑑”，說明200億之後比拼的不再是選路，而是誰在選定路上跑得更快。

資料是模型進化的關鍵瓶頸。行業在真實資料與模擬資料之間取捨：真實資料數量少、價格高，但遷移誤差小；模擬資料規模大、成本低，卻面臨“Sim-to-Real Gap”。目前業內仍以真實資料為主，採集方式各異：千尋智慧用自研可穿戴裝置低成本採集人類操作；星海圖、千尋智慧、自變數、智平方傾向“部署迴流”——讓機器人幹活時產生資料並回流訓練。星海圖資料主要來自開發者，部署成本低但資料雜；千尋智慧和智平方傾向工業資料，對商業交付最有效但覆蓋窄；自變數則押注最複雜的家庭資料，標準化難度大。銀河通用是較早大規模押注模擬資料的公司，其GraspVLA幾乎完全基於合成動作資料預訓練，資料集含十億幀抓取資料，但也在向混合方向轉型。

商業化落地場景分化明顯。工業被普遍認為最先跑通：寧德時代工廠部署了銀河通用的Galbot S1做過載任務，千尋智慧的小墨負責柔性線束插接，號稱成功率99%以上；智平方與惠科簽了三年1000台機器人訂單，並與東風柳汽、華熙生物合作。零售場景同樣具備標準化基礎，銀河通用的Galbot G1曾在中關村論壇完成數千杯咖啡取送，任務成功率99.97%。家庭場景難度最高、商業化最遠，自變數的佈局更多是獲取真實資料、驗證模型能力。星海圖則更像“賣鏟子”的，其R1 Pro和R1 Lite主要用於模型研發、資料採集和後訓練，商業化理解接近開發平台。

五家公司其實只有四種生意：智平方和千尋賣工業勞動力，銀河通用工業零售通吃，自變數賭家庭，星海圖賣工具。在LP出資縮水三成的年份，這些公司揹負“只能贏、不能輸”的壓力。押注機器人大腦是長期投資，機器人模型必須反覆進入物理世界經歷碰撞和磨損，每一次突破都可能需要數年積累。市場需要給企業時間穿越週期，公司也需要用真實指標回應這份耐心。