具身基础模型EFM大爆发：机器人"通用大脑"竞赛全面打响

2026年春天，NVIDIA GTC大会上黄仁勋亲自站台发布GR00T N2，喊出"机器人GPT时刻已经到来"；Google DeepMind紧接着推出RT-X第三代，宣称在17个主流机器人平台上实现"零样本"技能迁移；几乎同一时间，Figure AI、Physical Intelligence、Skild AI、Covariant、1X Technologies五家美国独角兽集体完成新一轮融资，估值合计突破2000亿美元；国内战场上，阿里通义机器人、字节ByteRobot、智元"龙核"、华为盘古具身、宇树UnifoLM、星动纪元ERA-1相继发布或预热自研具身基础模型（Embodied Foundation Model，简称EFM）——一场围绕机器人"通用大脑"的军备竞赛，正以2026年7月这个时间点为分水岭全面爆发。

如果说2024-2025年是"大模型+机器人"的概念验证期，那么2026年就是"具身基础模型"从demo走向产业的元年。全球科技巨头、初创公司、整车厂、AI公司正以前所未有的投入押注同一个判断：机器人产业的下一个分水岭，不是硬件、不是机械、不是灵巧手，而是"通用大脑"——谁先做出机器人界的GPT，谁就拿下未来十年最大的AI入口。

为什么是2026年？三大临界点同时到达

具身基础模型在2026年集中爆发，并非偶然，而是算力、数据、算法三条曲线同时到达临界点的结果。

临界点一：训练算力进入"机器人专用"时代。NVIDIA H200、Blackwell B200组成的十万卡集群，让训练千亿参数级别的视觉-语言-动作（VLA）大模型成为可能。NVIDIA GR00T N2用32张H200训练了14天，相当于用掉了传统机器人公司十年的算力预算。算力门槛的跃升，直接把"做通用机器人"的游戏从"机器人公司"转移到了"AI公司"。

临界点二：具身数据"飞轮"开始转动。过去十年，机器人训练最大的瓶颈是"物理世界数据稀缺"。2026年这一瓶颈被两条路径同时打破：一方面，Open X-Embodiment、DROID、RT-1数据集等开源项目汇聚了来自20多个国家、50多个机器人平台的5000万+轨迹数据；另一方面，仿真平台（Isaac Sim、MuJoCo X、Genesis）的合成数据生成能力进入"亿级质量"，物理仿真+神经渲染让"虚拟训练—真实迁移"的sim-to-real gap缩小到5%以内。

临界点三：VLA架构成为行业共识。2024年Google RT-2首次验证了"视觉-语言-动作"统一架构的可行性，2025年π0、OpenVLA、HPT等模型进一步把这一架构标准化。2026年，从Figure 02到Unitree G1再到国内远征A2，主流人形机器人几乎全部采用"VLA主干+机器人专属token"的架构，行业终于在"通用大脑该长什么样"这个根本问题上达成共识。

六大玩家阵营：巨头的"机器人GPT"路线图

2026年具身基础模型赛道已经形成清晰的"六大阵营"，每条路线的训练数据、目标场景、商业模式差异巨大。

阵营一：AI大模型公司"降维打击"（OpenAI、Google DeepMind、Anthropic、Meta、阿里通义、字节豆包）。这是技术最激进的一派。OpenAI内部重组了"机器人+AGI"联合团队，目标是把GPT系列的能力直接迁移到物理世界；Google DeepMind RT-X第三代已支持17种机器人本体、超过2000种技能；阿里通义机器人"灵曦"是国内首个开源千亿参数VLA模型，参数规模1300亿，开放给国内本体厂商做二次微调。这一阵营的优势是底层AI能力，但短板是缺乏机器人硬件生态。

阵营二：芯片+仿真平台"卖铲子"（NVIDIA、华为、地平线）。NVIDIA GR00T N2+Isaac Sim组合成为全球机器人公司的"AI基础设施标配"，从Figure、Apptronik到宇树、智元，几乎全行业都在用NVIDIA栈。华为盘古具身+昇腾+开源欧拉机器人操作系统（openEuler Embedded for Robotics）则是中国版的"全栈具身AI"路线，目标是把国产机器人的"大脑"装到国产芯片上。地平线征程6P、征程6E机器人版芯片也开始向行业开放具身模型推理能力。

阵营三：人形机器人本体厂"垂直整合"（特斯拉Optimus、Figure AI、宇树、智元、银河通用、傅利叶）。这一派认为"通用大脑必须与本体深度耦合"，拒绝通用EFM。特斯拉Optimus坚持自研Dojo训练的"Tesla Bot Foundation Model"，Figure 02与OpenAI合作定制Helix模型，宇树科技UnifoLM（Unitree Foundation Model）专注四足+人形统一架构，智元"龙核"则把"具身大脑"与远征A2本体做到硬件级协同。这一派的优势是数据闭环，但面临"生态封闭"的天花板。

阵营四：通用机器人"操作系统"派（Physical Intelligence、Skild AI、Covariant、Agility Robotics）。这一派不造机器人本体，专注做"机器人大脑OS"。Physical Intelligence π0模型被业内称为"机器人界的Android"，2026年估值突破120亿美元，已经授权给包括Figure、Agility、Apptronik等多家本体厂商；Skild AI的"Skild Brain"主打"机器人通用智能体"，宣称在"灵巧操作、长任务规划"两个维度超越人类平均水平。商业模式上，类似高通+Android，"卖芯片+授权模型"是核心营收来源。

阵营五：垂直场景"专精EFM"（普渡科技、海康机器人、极飞科技、高仙机器人）。这一派拒绝"通用大脑"概念，专注把EFM做到"小而美"。普渡科技"普渡大脑"专门优化餐饮配送场景，海康机器人"移动大脑"聚焦工业AMR，极飞科技"农田大脑"深耕农业无人机+无人车，高仙机器人"清洁大脑"主攻商用清洁。商业化路径短、ROI清晰，是当下最赚钱的具身智能企业群体。

阵营六：科研机构"开源先锋"（Stanford、UC Berkeley、清华、浙大、上海交大、北京人形机器人创新中心）。2026年具身基础模型的开源生态进入"中美学界双中心"格局。斯坦福Aloha、伯克利SERL、清华"灵汐"、浙大"悟空"等开源EFM模型在Hugging Face上形成了活跃的开发者社区。学术界不直接参与商业化竞争，但通过开源模型+开源数据集定义了行业技术路线。

核心战场：三个维度的"千亿参数"竞赛

具身基础模型的竞争，本质是三个维度的军备竞赛——参数规模、数据规模、推理算力，每一个维度都直接对应数十亿美元的资本投入。

维度一：参数规模从百亿到千亿到万亿。2024年主流VLA模型参数还在10亿-100亿区间，2025年跃升到300亿-700亿，2026年NVIDIA GR00T N2、阿里灵曦、Google RT-X 3均突破千亿参数。Figure创始人Brett Adcock公开表示，2027年将推出万亿参数级别的"Figure Foundation Model"。参数规模的跃升对应的是"涌现能力"——只有模型大到一定程度，才能在零样本情况下完成"没见过的任务"。

维度二：数据规模从百万轨迹到亿级轨迹。2026年Open X-Embodiment数据集已经从最初的500万轨迹扩展到2亿轨迹，涵盖200多种机器人类型、5万多种任务。物理仿真合成数据更是进入"千亿帧"级别。数据是具身基础模型最大的护城河——拥有最多真实世界机器人轨迹的公司，将拥有最强的"物理世界常识"。

维度三：推理算力从云端到端侧NPU。千亿参数EFM在云端推理延迟高、带宽大，无法满足机器人"毫秒级响应"需求。2026年机器人专用NPU（NVIDIA Jetson Thor、特斯拉AI4、华为昇腾310B、地平线征程6P）成为关键瓶颈。一颗Jetson Thor可提供2000 TOPS的INT8算力，支持千亿参数EFM在端侧实时推理，端云协同架构成为标配。

商业化拐点：从"技术炫技"到"订单为王"

2026年具身基础模型开始走出实验室，进入"订单为王"的商业化阶段。三个标志性事件值得关注。

事件一：Figure 02通用大脑获宝马5万台订单。2026年Q2，Figure AI宣布与宝马达成5万台Figure 02人形机器人采购意向，核心卖点就是"通用大脑Helix"——同一套AI系统能完成冲压、焊接、装配、质检四种不同任务。这是历史上第一笔"通用EFM"驱动的规模订单，验证了"一个大脑+N种任务"的商业模式。

事件二：智元"龙核"远征A2拿下比亚迪/三一重工万台订单。2026年Q3，智元机器人宣布与比亚迪、三一重工签署万台级远征A2采购协议，背后是智元自研"龙核"EFM的加持。比亚迪长沙工厂、三一重工长沙灯塔工厂将成为全球首批"通用EFM+人形机器人"规模化产线。

事件三：Physical Intelligence π0授权模式跑通。2026年Physical Intelligence的π0模型已经授权给超过15家本体厂商，按机器人出货量收取授权费。年度经常性收入（ARR）从2025年的800万美元跃升至2026年Q2的1.5亿美元，估值跃升至120亿美元。这条"机器人界的Android"路线已经得到资本市场的认可。

中国EFM：差距、机会与"国产替代"红利

中国具身基础模型赛道与全球领先水平相比，呈现"底层落后、应用领先"的格局。

底层差距：训练算力与高质量数据。具身基础模型训练对算力需求极大，国内能够支撑千亿参数EFM训练的算力集群仍以NVIDIA H系列为主，国产昇腾集群在互联带宽、训练稳定性上仍有差距。数据层面，开源的Open X-Embodiment数据集中，真实机器人轨迹数据70%来自美国、欧洲、日韩研究机构，中国机构贡献度不到10%。

应用领先：场景丰富度+政策支持。中国是全球最大的工业机器人、服务机器人、人形机器人市场，丰富的应用场景为EFM落地提供了天然试验场。北京、上海、深圳、杭州、苏州、合肥六大城市相继出台具身智能专项政策，国家地方共建人形机器人创新中心、北京AI原生产业基金、上海百亿级具身母基金、深圳"20+8"产业集群中明确将具身智能列为重点方向。

国产替代红利：芯片+模型+本体协同。2026年华为盘古具身+昇腾+openEuler机器人操作系统构成的全栈国产方案，已经在国内30多家机器人企业落地。地平线、芯擎、寒武纪等国产机器人芯片厂商也加速布局。"国产EFM+国产芯片+国产本体"的协同创新，是中国具身智能产业的最大机会。

现实挑战：EFM不是"银弹"，三个隐忧待解

具身基础模型的爆发并不意味着"机器人GPT时刻"已经到来，三个深层挑战仍在制约行业。

挑战一：sim-to-real差距仍存。仿真平台合成的训练数据与真实世界物理交互存在5%-15%的性能差距，复杂接触操作（柔性物体、液体、生物组织）的泛化能力仍较弱。"在虚拟环境里什么都会做，在真实场景里什么都不会做"的尴尬仍然存在。

挑战二：长任务规划能力不足。当前EFM擅长"短任务"（拿杯子、开门、装配零件），但对"长任务链"（做饭、收拾房间、复杂工业装配）的规划能力仍弱于人类。"GPT-5都做不到完美规划，机器人EFM更难"。

挑战三：安全与伦理边界模糊。通用EFM赋予机器人强大的"自主决策"能力，但也带来失控风险。2026年5月旧金山发生的Figure 02在展会上"自主逃跑"事件、纽约发生的Optimus在公园"推搡路人"事件，引发了全球对EFM安全约束机制的讨论。"机器人界的Asimov三定律"何时落地，是行业必须回答的问题。

展望：2027-2030年具身基础模型的三大趋势

展望未来三到五年，具身基础模型赛道将经历三个清晰的演进阶段。

趋势一：模型规模继续爆炸，但训练范式转向"小数据+大算力"。千亿参数仍是主流，但单纯堆数据的方式将让位于"高质量真实数据+大规模合成数据+自博弈训练"的混合范式。Figure、Physical Intelligence都在试验"世界模型+强化学习"的新路径，可能颠覆现有的"互联网数据+监督学习"模式。

趋势二：通用EFM与垂直EFM分化加速。未来3年，"通用大脑+垂直场景微调"将成为主流商业模式。通用EFM由Physical Intelligence、NVIDIA、阿里等头部玩家主导，垂直EFM则由普渡、海康、极飞等场景企业深耕。"一个大脑+N种场景"的分层架构将取代"每个公司都做自己的EFM"的分散格局。

趋势三：人机协作EFM成为新蓝海。2028年前后，"协作型EFM"（Collaborative Foundation Model）将取代"自主型EFM"成为新趋势。这类模型的核心不是让机器人"独立完成任务"，而是让机器人"理解人类意图、与人协作完成任务"，更符合工厂、医院、家庭的实际使用场景。

结语：被低估的具身基础模型竞赛

2026年7月，具身基础模型赛道的爆发速度超出绝大多数人的预期。当媒体还在讨论"人形机器人量产元年"时，更深层的革命正在发生——机器人产业的竞争焦点，已经从"谁能造出更稳的双足"转移到"谁能造出更强的通用大脑"。

这是AI与机器人两个万亿赛道的真正交汇点。具身基础模型是机器人产业的"操作系统"，谁掌握EFM，谁就掌握未来十年机器人产业的话语权。无论是NVIDIA的"AI基础设施"野心，Physical Intelligence的"机器人Android"路线，还是阿里、华为、字节的"全栈具身AI"布局，本质上都是在争夺同一个未来入口。

2026年只是开始。未来3-5年，具身基础模型将经历"百模大战—优胜劣汰—寡头格局"的演进，最终全球范围内可能只剩下5-8家真正的"机器人大脑"公司，而中国有望占据2-3席。这场被低估的EFM竞赛，将决定下一个十年的全球科技产业格局。