活法二 · 独立大脑派
这一派的做法是自己养采集队伍：买机器人、雇人、租场地， 一条一条把动作数据录出来。不拿大厂的战略投资，也不靠卖机器人赚钱， 图的是不必看任何人的脸色。
代价有两个。一是估值涨得比收入快得多——公司估值已到几十亿甚至上百亿元， 但几乎没有一家公开过自己靠卖大脑收了多少钱。
二是国外已经出现两种不好的结局，而且成因不同。 一种是被客户甩掉：Figure 本来用 OpenAI 的大脑， 2025 年 2 月宣布终止合作，两周后就发布了自研的 Helix—— 说明机器人厂一旦自己练得出大脑，就不再需要外部供应商。 另一种是被大买家整体收走：Covariant 在 2024 年 8 月 被 Amazon 以「收人不收公司」的方式吸收了创始团队，公司本身随之式微。 第一种是失去客户，第二种是失去自己。
三种不同的独立性策略
「独立大脑」不是一种打法，而是三种。区别在于它们各自把哪件事握在手里。
策略 B 需要特别说明：星海图和智平方都造本体，但它们不是本体厂。 造本体的目的是为了让模型能闭环迭代，而不是为了卖硬件赚钱。 这与第 09 章的本体自研派方向相反——后者是先有硬件生意，再补大脑。
策略 A · 自建数据工厂
千寻智能（Spirit AI）
把数据采集本身当作核心能力建设。累计超 20 万小时多类型真实交互数据（含互联网视频、遥操作、可穿戴采集三类，非全部真机）， 第 5 代可穿戴采集设备成本降至传统方案的 1/10，2026 年目标 100 万小时。
- 数据质量
- 可用率从 30% 提升至 95%（第 5 代设备）转述
- 客户
- 京东四年长约、宁德时代中州基地、博世
- 指标披露
- v1.6 称 RoboArena 第一，但未公开具体分数； v1/v1.5/v1.6 六类量化指标均无一手源
韩峰涛：「2026 年之于具身智能，就是 2023 年之于大语言模型。」
简智科技
Human Data 累计超 100 万小时；第一视角 + 手部协同月产能 10 万小时， 整体月产能最高 30 万小时。转述
是蚂蚁灵波的数据合作方。这类公司的存在本身说明： 数据供给正在从各家自采走向平台化。
千寻的 20 万小时与简智的 100 万小时，数字上远超灵波的 6 万小时和 π0 的 1 万小时，但口径不同、不可直接相比：千寻的 20 万小时含互联网视频与可穿戴采集，简智的 100 万小时是人类行为数据、不含真机，而灵波与 π0 报的是真机小时数。 但这里有一个必须区分的口径：这些数字是「累计采集」，不是「用于训练的清洗后数据」。 灵波公布过淘汰率 44%，千寻公布过可用率从 30% 提升到 95%—— 这两个数字提示：原始小时数与有效小时数可能差三倍以上。 在没有清洗后口径的情况下，不同公司的小时数不宜直接比较。
策略 B · 软硬一体：造本体是为了闭环
星海图（Galaxea AI）
本次调研中技术披露最完整的独立大脑公司—— G0.5 有 arXiv 论文、四分项 LIBERO、RoboTwin、SimplerEnv、BEHAVIOR-1K 全套数据。
- 指标
- LIBERO 平均 98.9%（Object 子集 100.0%）； RoboTwin 2.0 Clean 93.7% / Randomized 92.8%；SimplerEnv 87.3%
- 分层
- G0-VLM <2 Hz + 规划 15 Hz + 控制 200 Hz，三层时间尺度
- 小模型线
- 另有 G0Tiny 250M——与面壁同属端侧路线
- 数据
- 「10 万」这个数字有两种口径在混用：媒体转述为真机小时， 而公司开源的 GOD 数据集口径是 10 万条轨迹 / 500 小时。 轨迹和小时差着两个数量级，引用时必须指明是哪一个 转述
- 主张
- From Motor to Model，软硬一体
智平方（AI² Robotics）
GOVLA → AlphaBrain 四代 → NeuroVLA（2026-06）。 FiS-VLA 架构在 RTX 4090 上达 21.9 Hz（约 46 ms），有 NeurIPS 2025 论文支撑。
- 商业化
- 惠科 3 年 1000 台订单——这一派里少见的明确批量订单
- 判断
- 流传的「郭彦东认为世界模型一两年后遇天花板」未能核到原始出处，本图谱不引用
自变量（X Square Robot）
WALL-A → WALL-OSS（2025-09 开源，LIBERO 96.5）→ WALL-B（2026-04）； WALL-WM 把预测单位从固定帧改为语义事件，有论文与真机对比数据。
WALL-B 声称视觉、语言、动作、触觉、物理预测同一网络联合训练， 并可在失败后在线更新参数自我进化。但只有媒体报道，未找到 arXiv、技术报告或任何基准数字。 其私有术语「WUM」未被 2026-05 的 WAM 综述收录。
它石智航（TARS）
创始团队规格极高：董事长李震宇（原百度 IDG 总裁）、首席科学家丁文超（原华为天才少年）。 2026-03-10 创吉尼斯纪录：1 小时完成 105 次亚毫米级线束装配。
丁文超谈这条路线的原话是：「选了线束之后，我们没有给自己想过退路。」 品玩 一手
流传的「不 VLA、不仿真、不遥操，没有 Plan B」是媒体对其路线的三段式概括，他本人没说过这句话。
披露状态：AWE 3.0 / 3.5 的六类量化指标均无一手源， 无法进入第 04 章的任何能力图。
策略 C · 端侧小模型：换一个竞争维度
这条路线的论证基础在第 02 与 03 章已经建立： 参数 scaling 收益仅 −0.246、放大后跌破实时门槛、 且已有 2B 模型在长时任务上超过 7B 的实验反例。 如果「更大更强」不成立，那么「能在机器人上真跑起来」就是一个独立的竞争维度。
面壁智能（ModelBest / OpenBMB）
唯一把端侧可部署作为第一性设计约束的公开 VLA 方案。
- 操作模型
- MiniCPM-RobotManip 1.5B： 基座 MiniCPM-V 4.6，flow matching / DiT 动作头（16 层 DiT，4 步去噪）， 输出 (30, 80) 动作块，支持 32 个 embodiment ID
- 记忆机制
- 保留 60 帧视觉历史（约 1 分钟）， 流式推理把每步计算量从 125 TFLOPs 压到 3.3 TFLOPs； RMBench 53.3 为该基准最高公开分
- 导航模型
- MiniCPM-RobotTrack 0.9B： 本体宇树 Go2 EDU + Jetson Orin NX 16GB， 端到端约 180 ms、5+ FPS，官方称可在断网 / 弱网环境下本地运行 文档支持本地推理，但没有公布断网压测数据，「断网可工作」按官方表述引用
- 视觉压缩
- 每帧 256 → 64 tokens（4 倍压缩）
经检索确认未披露：预训练真机数据规模、 32 个 embodiment ID 对应的机器人品牌与构型映射表、 真机（非仿真）长程任务成功率、 付费客户与商业化场景、 后训练成本与所需示范数量。 也没有独立的 arXiv 技术报告（仅被 PhyAI 论文引用）。 对照：灵波的 6 万小时与 20 构型、千寻的 20 万小时（三类合计）均已公开——这是面壁在披露维度上的真实差距。
地瓜机器人（地平线旗下）
定位「最大公约数」生态位：原生支持 π0 / π0.5 / Qwen3-VL-8B， 已适配 LingBot-VLA 与它石 A3，20 余家客户。
同门的地平线 HoloMotion-1（约 0.4B MoE，每步激活约 7M） 在 Jetson Orin 上实现 200–300 Hz 策略推理—— 是端侧小模型路线最激进的一个实例。
PhyAI 推理框架（MIT License 开源）在 H20 上把 VLA 吞吐从 10.12 Hz 提到 33.28 Hz，叠加进一步优化后到 36.77 Hz（媒体常概括为「10 Hz 提到 37 Hz」）； 并把面壁模型在 H100 上的延迟从 105.38 ms 优化到 22.64 ms。 它 Day-0 适配了 MiniCPM-Robot，同时支持 π0 / π0.5 / GR00T / Cosmos3。
归属需要修正：论文作者单位显示为北邮牵头， 北大、南开、清华、明体科技、面壁共研。媒体常写的「明体 + 北邮 + 北大」漏掉了清华、南开与面壁。 arXiv:2608.03682 一手
结合第 02 章的发现（同一个 π0 因部署优化差异可相差 60 倍）， 推理框架层可能是一个被忽视的价值环节。
其余玩家与国际对照
| 公司 | 核心产品 | 关键数字 | 指标披露 |
|---|---|---|---|
| Physical Intelligence（π） | π0 → π0.5 → π0.6 → π0.7（约 5B） | 估值 56 亿美元（2025-11，Bloomberg 匿名消息源，公司从未公布估值）； 传新一轮 110 亿美元+ 尚未关闭。总融资 11 亿美元 | openpi 开源 Apache-2.0，π0.7 未开放 |
| Skild AI | Skild Brain omni-bodied | 估值 140 亿美元+；自述 2025 年营收从 0 增至约 3,000 万美元 | 营收为融资通稿自述，零第三方核实 |
| 灵初智能（PsiBot） | Psi-R2 + Psi-W0 | Psi-W0 用约 10 万小时数据，其中人类数据约 9.5 万小时、真机约 0.54 万小时；SynData 开源 1000 小时 | 部分开源 |
| 原力灵机（Dexmal） | DM0.5 + DW0.5 + DexDev | 称仿真强化学习降低真机数据需求 60% | 公司口径 |
| 穹彻智能（Noematrix） | Noematrix Brain 2.0 | 以力觉为核心差异化 | — |
Figure AI（2025-02）终止与 OpenAI 的合作， CEO 表述为「不能外包 AI，就像不能外包硬件一样」，两周后发布自研 Helix。 → 本体厂一旦有能力，就会收回大脑。
Covariant（2024-08）被 Amazon 以反向 acquihire 方式吸收创始团队并取得非独家许可， 独立公司式微。 → 独立大脑派最大的风险不是竞争，而是被超级买家整体吸收。
但必须同时说明：国内尚无一例公开的合作破裂， 反证是乐聚仍在适配灵波模型。国际先例是警示，不是已在中国发生的事实。
这一派的共同结构
结构性优势
- 数据设施握在自己手里，不依赖伙伴意愿
- 可跨多家本体，市场空间理论上大于任一本体厂
- 技术人才密度高（多为大厂技术负责人创业）
- 星海图、智平方等以自造本体保证闭环速度
结构性风险
- 估值与收入证据落差最大：多家投后超 200 亿元， 但除智平方的 1000 台订单外，少见明确合同金额
- 指标披露普遍不完整——它石、千寻、自变量旗舰模型的六类指标均无一手源
- 本体厂自研成熟后可能同时失去客户与数据来源
- 被超级买家吸收的先例已经存在
这一派其实是三种不同的打法： 第一种自己开数据工厂，千寻靠可穿戴设备把成本压下来，攒了 20 万小时； 第二种连硬件一起自己做（星海图、智平方）， 好处是采数据和用数据都在自己家里，不用求人； 第三种换个赛道比——不比谁能力强，比谁能真的塞进机器人现有的芯片里跑起来， 面壁的 15 亿参数、星海图的 2.5 亿参数模型都在这条线上。
各家愿意公开的技术细节差得非常远： 星海图披露得最完整，而它石和千寻对外宣传的旗舰指标， 我们查不到任何可核对的原始出处。 国外已经出现「被客户甩掉」和「被大买家收走」两种结局， 但国内至今没有一例公开的合作破裂。
那么本来就在卖机器人、现在往上补大脑的那一派呢？他们的出货量能换来数据优势吗？
标注「无一手源」的指标均经检索确认；估值与营收数字凡属公司自述已单独标记。