具身智能開始分層 產(chǎn)業(yè)制高點爭奪戰(zhàn)。這兩年，具身智能領域變得越來越熱鬧。視頻越來越多，名詞越來越相似，幾乎每家公司都在談論基礎模型、泛化、端到端和多模態(tài)技術。大家都在展示機器人能夠抓取、放置、整理和裝配的能力。

表面上看，這些公司似乎在同一條賽道上競爭，但仔細分析Generalist AI的GEN-1、Figure、Physical Intelligence和Google DeepMind等公司的策略，會發(fā)現(xiàn)它們爭奪的目標并不相同。當前具身智能領域的真正差異不在于“都會不會做”，而在于“各自想占住產(chǎn)業(yè)鏈的哪一層”。

一些公司在研發(fā)更強大的機器人，另一些公司在構建更通用的機器人底座，還有一些公司則試圖搶占機器人時代的上層操作系統(tǒng)。如果不能看清這一點，就容易將不同公司的路線混為一談，認為大家都在做“機器人大模型”。實際上，關鍵問題是誰更接近商業(yè)閉環(huán)，誰更有可能成為別人繞不過去的基礎設施。

以Generalist AI為例，它最值得注意的地方不是其關于“通用智能”的大詞，而是非常實際的技術指標。2026年4月發(fā)布的《GEN-1：將具身基礎模型擴展到“精通”階段》中提到，GEN-1在若干簡單但高價值的物理任務上的平均成功率從GEN-0的64%提高到99%，執(zhí)行速度達到此前基線模型的約3倍，且每項結果所需的數(shù)據(jù)量減少到約1小時。文章明確表示，GEN-1的目標是讓一批簡單任務先跨過商業(yè)可行性的門檻。

這種轉變改寫了機器人行業(yè)的評價標準，從“會不會做”變成了“能不能穩(wěn)定做、夠不夠快、出了意外能不能自己補救”。這更接近工廠和倉配中心的真實需求。真正有價值的不僅是完成一次任務，而是能連續(xù)多次完成，且保持高效。

具身智能能否落地，最終取決于重復性、節(jié)拍和異?；謴湍芰?。更深一層看，GEN-1押注的是超大規(guī)?！拔锢斫换ソ?jīng)驗”，而不是傳統(tǒng)的大規(guī)模機器人數(shù)據(jù)。Generalist認為，未來的機器人世界也會像大語言模型一樣，底座經(jīng)驗會越來越重要，真機數(shù)據(jù)則會逐漸變?yōu)椤拔⒄{(diào)料”。

相比之下，F(xiàn)igure更關注人形機器人作為一種完整產(chǎn)品是否成立。它不僅關心抽象底座，還致力于將機器人本體、模型、機載推理、場景數(shù)據(jù)和商業(yè)部署整合成一套閉環(huán)。例如，F(xiàn)igure在2025年2月發(fā)布的Helix視覺—語言—動作模型，能夠?qū)崟r將感知和語言理解轉化為身體動作，并直接運行在機器人機載芯片上。這表明Figure押注的是一條圍繞自家機器人展開的產(chǎn)品化路線。

Physical Intelligence則試圖打造一個可跨不同機器人形態(tài)遷移的基礎模型。π0項目通過吸收互聯(lián)網(wǎng)規(guī)模的視覺—語言知識和真實機器人動作數(shù)據(jù)，目標是連接“看懂、聽懂”與“會動、會控”。其核心問題是能否讓一套底座跨機器人、跨任務、跨數(shù)據(jù)源復用。

Google DeepMind的路徑更高一層，它希望搶占機器人如何理解任務、安排步驟和組織行動的那一層。Gemini Robotics 1.5展示了這一思路，一部分能力負責將視覺信息和指令轉成動作，另一部分能力負責理解環(huán)境、拆解任務、規(guī)劃步驟，并在需要時調(diào)用數(shù)字工具。DeepMind試圖定義一個更高的位置，即誰來負責機器人理解世界、拆解任務、規(guī)劃步驟，再把這些能力輸送給不同的機器人本體。

今天的具身智能競爭不僅僅是模型的競爭，更是產(chǎn)業(yè)分工位置的競爭。Generalist在爭“先賺錢”的位置，F(xiàn)igure在爭“終端入口”的位置，Physical Intelligence在爭“通用能力層”的位置，而DeepMind在爭“認知層”的位置。

短期內(nèi)，Generalist和Figure可能更容易取得成果，但兩者的“近”并不相同。Generalist更接近某些窄工位開始形成正向經(jīng)濟賬，F(xiàn)igure則更接近人形機器人作為完整產(chǎn)品逐步進入真實部署。長期來看，真正決定行業(yè)權力結構的可能是最先占住“底座層”和“認知層”的公司，因為一旦機器人開始規(guī)模化部署，利潤池往往會向平臺層、模型層和系統(tǒng)層上移。

因此，今天看具身智能，最重要的是看清不同公司的定位。未來這個產(chǎn)業(yè)大概率不會由一家公司通吃，而會分化出不同層級、不同位置的玩家。這場圍繞終端、本體、底座和認知層展開的產(chǎn)業(yè)制高點爭奪戰(zhàn)才剛剛開始。