具身智能賽道路線之爭：軟件為王、硬件先行，還是全棧自研？

【摘要】2026年，具身智能賽道正處在從“能動”到“會干”的歷史性拐點，智元創始人鄧泰華將這一年定義為具身智能部署態元年。

當機器人不再只是酷炫的表演工具，而是能在真實產線上自主作業、創造價值的生產力單元時，仍有一個擺在所有玩家面前的根本性問題：做具身智能，到底該怎么干？

是像千訣科技、極佳視界那樣輕裝上陣、專攻軟件大腦；還是像智元、星動紀元那樣軟硬兼施、全棧自研，構建從本體到大腦的完整技術閉環；抑或是像宇樹、開普勒那樣硬件先行、以規模化制造為矛？

不同的路線選擇背后，是不同的戰略邏輯、差異化的資源稟賦和對產業終局的個性化預判。

以下為正文：

01

“大腦”供應商的輕資產邏輯

面向具身智能賽道，部分企業選擇重軟件、輕硬件的部署邏輯，將機器人“大腦”與“身體”解耦，專注于構建可跨形態部署的通用智能系統。

這類企業通常將硬件視為可外采或合作的標準化部件，自身則聚焦于具身智能的“大腦”，從事感知、決策、規劃、控制等軟件層的研發，千訣科技和極佳視界便是具有代表性的輕資產具身智能企業。

千訣科技成立于2023年，公司從創立之初就選擇了一條與業界主流截然不同的技術路徑——類腦分區架構。

不同于端到端大模型或傳統分層路徑，千訣科技通過模擬人腦功能區劃分，將視覺、聽覺、決策、交互、記憶等功能解耦為獨立模塊，構建可跨形態部署的通用大腦。

圖片來源：千訣科技官方公眾號

這一技術路線的核心優勢在于標準化和模塊化設計。通過模塊化解耦，千訣大腦能夠像即插即用的標準部件一樣，快速適配到人形、輪式、無人機、四足乃至掃地機等不同形態的機器人“身體”上，實現從感知到決策的閉環，且無需對機器人原有算法產生較大影響。

目前，公司已完成第三代“具身大腦”的與訓練工作，其具身智能方案也已經在酒店清潔、餐廳服務、室內精密操作等多場景中完成部署，預計2026年內搭載千訣大腦的設備規模將達到十萬臺級別。

如果說千訣科技解決的是大腦“能不能想”的問題，那同年成立的極佳視界，其具身智能在“主動思考”的同時，還專注于另一個同樣關鍵的瓶頸——數據。

極佳視界通過GigaWorld系列世界模型，構建了一個極度逼真的數字世界模擬器，在虛擬世界中生成可預測、可交互、多樣化的具身交互數據，讓機器人在模擬環境中以更高的效率進行試錯和進化，進而實現具身智能的跨域泛化能力。

圖片來源：極佳視界官方公眾號

官方信息顯示，公司具身世界模型GigaWorld-0已將世界模型生成數據在VLA訓練中占比提升至90%，所訓練的VLA模型在新紋理、新視角、新物體位置三大泛化維度上均實現近300%的性能提升。

利用世界模型，極佳世界構建了從世界模型生成數據，到VLA訓練與真實場景執行，再到真實數據回流助力世界模型迭代優化的智能飛輪，也開辟了一條數據高效、高泛化、低成本的具身智能規模化道路。

對具身智能企業而言，以軟件大腦為核心、硬件依賴外采或合作的輕資產模式，是切入門檻相對較低、擴張速度最快的路徑之一。

公司可以將研發資源高度集中于算法和模型，以更快的速度迭代軟件能力。同時，由于大腦與本體松耦合，軟件供應商可以同時服務于多家硬件廠商、多元化商業場景，形成應用適配效應也為覆蓋更多應用場景提供更多技術和商業空間。

然而，這種重軟件、輕硬件的路線也有其天然困境。

一方面，“大腦”與“身體”的拆分，讓具身智能企業面臨著通用產品還是定制化的適配困境。在一些高頻動態或者精細操作的場景中，通用大腦很難為每一款硬件及特定場景進行定制優化，而定制化的“大腦”又增加高企業的研發成本。

另一方面，作為大腦供應商的具身智能企業，其商業成功的核心取決于合作伙伴的終端落地能力。一旦硬件廠商選擇自研大腦，或者行業格局收斂，大腦供應商的議價空間與市場空間將被嚴重擠壓。

值得關注的是，極佳視界在2025年11月發布了自研本體Maker H01并開啟量產交付，這家軟件派企業正在向硬件領域擴張，這也恰恰折射出純軟件路線的焦慮。

02

硬件先行的規模化制造思維

在具身智能賽道，還有一批玩家選擇硬件先行、軟件后補的發展路徑，將資源集中于關節電機、電驅系統、結構設計等硬件領域，追求成本可控、可量產、高可靠性的本體產品。

通過規模化制造與成本控制，快速占領市場，并在軟件層面利用開源框架、購買成熟方案或與大腦公司合作進行補充。

宇樹科技就是這條路線的代表企業，公司的核心競爭力根植于硬件。

自研關節電機、高性能電驅系統等硬件層面的積累，讓宇樹的具身智能產品能夠在保持高性能的同時，降成本進一步壓縮。其中，公司消費級人形機器人G1的售價僅9.9萬元起，對比而言，多數競品的人形機器人仍停留在原型驗證、高價銷售或少額出貨的階段。

圖片來源：宇樹科技官方公眾號

2025年度，宇樹科技人形機器人出貨量超過5500臺，位居全球第一；四足機器人銷量合計超30000臺。招股書顯示，2025年公司實現營收16.99億元，扣非凈利潤達5.91億元，盈利能力持續提升。2026年6月1日，宇樹科技科創板IPO申請通過上交所上市審核委員會審議，從3月20日IPO申請到過會用時僅73天。

不僅是宇樹科技，開普勒也選擇了硬件先行、軟件跟進的模式。

公司自主研發行星滾柱絲杠執行器等關鍵硬件，并已經量產交付“藍領人形機器人”K2大黃蜂。基于公司的混動架構，該機器人能效利用率高達81.3%，實現了充電1小時，連續工作8小時續航能力；最高達30kg的雙臂負載能力，可勝任搬運、裝卸等任務。

圖片來源：開普勒官方公眾號

截至目前，開普勒機器人已達成框架協議下的明確意向的訂單數達千臺，交易金額高達數億元，客戶涉及工業貿易、數據采集、展廳、智能制造、特種作業等領域。

整體來看，宇樹科技和開普勒機器人這種硬件先行的模式可助力具身智能快速從實驗室產品轉換為制造業產品，在跑通市場后，通過真實應用場景的數據積累，反哺企業產品的新一輪迭代。

然而，這一路徑的核心挑戰在于軟件能力的滯后。

隨著行業競爭的重心從“運動能力”轉向“智能水平”時，端到端VLA模型、多模態大模型、復雜操作的泛化能力等恰恰是硬件派最薄弱的環節。盡管可以通過購買或移植來快速補充，但軟件系統的深度優化需要與硬件特性緊密結合，外購方案往往難以達到最佳效果。

另一個隱憂在于商業模式的抗風險能力。硬件先行的企業高度依賴高校、科研機構、工廠企業等大客戶以及海外市場，一旦市場應用場景落地出現波動以及訂單波動，會迅速導致公司下一輪迭代周期的資金受阻。

與此同時，隨著具身智能走驗證走向落地，越來越多企業的機器人業務開始放量，在規模化出貨背景下，宇樹科技和開普勒機器人難以長期保持成本優勢，此時，軟件短板將更加凸顯。

03

軟硬兼施全棧自研的攻守之道

不論是專注軟件，還是專注硬件，具身智能企業往往都會面臨存在各類短板的問題。由此，將“大腦”與“本體”都握在自己手中，走全棧自研路線正逐漸成為企業的終極目標。

在軟硬一體這條路線上，智元機器人給出了“一體三智”的全棧自研答卷，即以一個穩定可靠、高上限、低成本的本體，加上運動智能、交互智能、作業智能三個智能層，實現機器人的軟硬件有效耦合。

在技術創新層面，智元構建了從硬件本體、底層操作系統到AI基座大模型的全棧式技術體系。值得關注的是，在大、小腦AI的研發上智元投入了遠超3/4的研發費用，公司研發人員占比超過75%。

圖片來源：智元機器人官方公眾號

這一模式的優勢在于技術協同的深度和迭代速度。2025年，智元在合作伙伴大會上一次性發布了四大本體新品、六大AI模型、七大生產力解決方案，并首次公開AIMA全棧生態技術體系。這種“大火猛攻”的推進節奏，或只有在軟硬件同時研發、互為支撐的架構下才能實現。

除智元機器人以外，星動紀元這家清華大學唯一持股的具身智能企業，同樣堅持“具身大腦”與“人形本體”軟硬一體全棧自研。

硬件層面，公司自研比例超過95%，涵蓋關節模組、靈巧手、電機、減速器、控制器等全鏈路核心部件，實現供應鏈垂直整合。

算法層面，星動紀元的具身大腦ERA-42已實現對高自由度全尺寸雙足人形機器人全身及五指靈巧手的精準控制。值得關注的是，目前全球僅四家企業達成此技術能力，其余三家為Figure Helix、特斯拉Grok及英偉達GR00T。

反映在商業成果上，星動紀元2025年總訂單額突破5億元，物流領域最大單筆訂單近5000萬元，海外業務占比50%，全球TOP10市值科技巨頭中9家為星動紀元客戶，業務覆蓋北美、歐洲、中東、日韓。

圖片來源：星動紀元官方公眾號

與智元、星動紀元同樣堅持全棧自研的還有魔法原子。作為最年輕的具身智能企業之一，公司硬件自研率高達90%，覆蓋關節模組、靈巧手、減速器等23類核心部件，與此同時，其自研“原子萬象”大模型采用“大腦+小腦”雙模架構可實現任務自主規劃與動態決策。

2025年，魔法原子啟動“千景共創”計劃，計劃攜手全球1000家合作伙伴打造1000個落地應用場景。這種以生態驅動全棧的思路，本質上是試圖用場景需求倒逼技術和產品的快速迭代，以更好適配規模化商業應用。

圖片來源：魔法原子官方公眾號

選擇軟硬兼施全棧自研這條路的邏輯是：只有軟硬一體深度協同，才能將機器人的性能天花板推到極致，實現硬件定義性能、軟件定義智能的閉環。

當算法團隊和硬件團隊在同一組織內協作時，可以針對特定任務對機械結構、電氣參數、控制算法等進行聯合調優，避免各自架構導致的信息不對稱。

與此同時，全棧企業建立的是從底層零部件到上層算法的完整專利壁壘，競爭對手難以通過“換一個大腦”或“換一個身體”來復制其性能。智元機器人的“一體三智”和魔法原子的“1+2+N”體系本質上都是一套環環相扣的技術棧，任何一個環節缺失都可能影響整體表現。

在迭代速度上，由于軟件和硬件在同一節奏下推進，新產品發布時可以一次性完成“本體+大腦”的同步升級，而非等待第三方供應商適配，這也是全棧路線的獨特優勢。

然而，全棧自研是一條“貴族路線”，選擇這條路線的具身智能企業也是當前賽道中最“重資產”的一批玩家。

企業首先需要面對的是資金和組織門檻。自研關節模組需要電機、減速器、編碼器的專業團隊；自研控制器需要嵌入式硬件和底層軟件人才；自研大腦需要大模型、強化學習、機器人學的交叉團隊，這些資源同時在組織內配置，研發投入之龐大可想而知。

舉例而言，智元陸續拆分成立4家子公司、投資20余家早期企業、計劃五年投入超20億元用于生態建設，這種大包大攬的投入強度，對絕大多數創業公司來說可望不可即。

更為根本的挑戰是數據瓶頸，全棧企業雖然擁有物理本體，但真機數據的采集成本極高。這意味著全棧企業不僅要搞定軟硬件技術，還要自建數據采集體系、數據飛輪，投入規模可謂驚人。

此外，全棧模式還面臨“全能型”帶來的維度壓力。在每個細分維度上，全棧企業不一定能跑贏專注該領域的頭部企業——這是垂直整合模式的固有代價，資源分散，難以在所有維度保持領先。

04

殊途同歸背后的規則

站在2026年這個時間節點，具身智能賽道的三種路線各有優勢，也各有隱憂，但三種路線的分野未必是永久性的，隨著產業發展階段的變化，企業可能在不同階段切換或融合不同的路線。

對具身智能企業而言，投入資金、技術壁壘、規模化落地仍是目前行業面臨的不可能三角。

全棧自研意味著更深的技術護城河與更快的商業閉環，但企業也不得不面臨重資產帶來的資金壓力，對絕大多數資源有限的創業公司而言仍存在較高門檻；

硬件先行意味著快速的產品落地與商業價值轉化，但隨著當行業競爭的關鍵維度從運動能力轉向智能水平時，軟件短板可能需要巨大的后續投入來彌補；

專注軟件意味著不需要承擔高昂的硬件制造和供應鏈成本，且快速覆蓋盡可能多的應用場景，但仍面臨定制化困境、議價能力以及商業訂單被動化的局面。

三條路線的核心矛盾，歸根結底是個經濟學問題。

具身智能市場分工與垂直整合的邊界在哪里？具身智能最終會不會像移動互聯網一樣，出現Android這樣的通用操作系統和ARM這樣的芯片架構，讓大部分硬件廠商只需關注硬件本體設計與制造？還是說，具身智能的特殊性決定了只有軟硬件深度耦合才能達到最優效果？

智元聯合創始人彭志輝曾表示，國內真正的優勢在于工程化落地和供應鏈整合。我們能夠在一個充分開放的場景里，快速利用好整個制造業的供應鏈、制造鏈，用中國的速度和場景，跑出全球最好的具身智能。

這也暗示了一個可能出現的行業格局：在通用硬件層面，中國制造業的極致效率將成為不可替代的護城河；而在軟件大腦層面，能夠實現大模型與物理世界深度融合的企業將成為真正的稀缺資源。

05

尾聲

不管最終哪種路線成為主流，2026年作為具身行業分水嶺的節點共識已然形成。

當機器人能自主干活、獨立創造價值，它就會成為物理AI世界真正的生產力。而生產力這個標準意味著可持續的、可規模化的經濟價值，這也將精確而殘酷地檢驗每一條路線的商業未來。