具身智能行业正经历从机械表演向智能决策的关键转型。过去两年，机器人完成舞台表演被视为技术突破，如今行业普遍追问机器人的实际应用价值。这一转变标志着具身智能进入比拼“大脑”的新阶段，具备自主决策能力的机器人成为行业竞争的核心分水岭。
当前多数机器人的底层模型采用VLA架构，仍停留在预设框架内的有限执行。卡内基梅隆大学教授、Skild AI联合创始人Deepak Pathak指出，机器人对物理世界缺乏真实理解。在2025年机器人世界大会上，有具身智能公司创始人同样表示，机器人的智力水平尚不及一只边牧，这凸显了“大脑”研发的紧迫性和价值。
具身智能“大脑”的研发面临三重挑战：数据稀缺、数据封闭和仿真鸿沟。谷歌曾组织16人团队耗时17个月、投入上千万美元，仅采集23万条真机轨迹。各家企业积累的数据不愿共享，形成行业瓶颈。仿真数据虽能缓解数据不足，但存在sim-to-real的迁移鸿沟，世界模型作为解决方案仍处于构想阶段。
在数据积累层面，智元机器人走真机数据路线。2025年1月，智元第1000台通用具身机器人量产下线，这些机器人同时作为数据采集器，构建了包含超100万条真机轨迹、217个任务的AgiBot World数据集，规模较公开数据集大一个数量级。在该数据集上预训练的策略，平均表现比谷歌OXE数据集高30％，但真机数据采集成本高、扩张曲线呈线性。
银河通用选择合成数据路径，其SynGrasp-1B数据集包含十亿级仿真抓取数据，基于此训练的GraspVLA模型实现98.3％的抓取成功率，并达成零样本泛化。银河通用认为，具身智能所需数据中99％可由高质量合成数据完成，仅1％需要真机采集。以零售场景为例，百亿级合成数据预训练后，仅需一人一天的真机数据即可完成微调，边际成本趋近于零。
在模型架构层面，Physical Intelligence专注模型研发，不涉及机器人本体制造，通过架构设计结合在线强化学习迭代，实现机器人连续数小时工作。星海图2025年开源G0采用双系统VLA设计，2026年G0.5转向单模型自回归序列，将推理、规划与行动统一到单一token流中，以继承大语言模型的scaling law。智元提出的ViLLA架构引入隐式动作标记，使VLM语义知识流入动作生成，其首个基座大模型GO-1在指令理解与位置泛化任务上表现优于RDT和π0模型。
当前机器人大脑的架构路线尚未定型，真机数据与合成数据各有优劣，双系统与单模型架构仍在探索。具身智能企业能否跨越周期，取决于其在数据积累与架构创新上的持续投入，行业竞争正从硬件展示转向智能能力的实质性突破。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
