机器人大脑争夺战：Physical AI时代的安卓

机器人产业正在从“造身体”进入“造大脑”的阶段。

过去几年，人形机器人、四足机器人、仓储机器人和服务机器人不断刷新外界对“机器人本体”的想象：谁走得更稳，谁跑得更快，谁的手更灵巧，谁的价格更低。但随着机器人进入真实工厂、仓库、商业服务和资本市场，行业正在意识到一个更核心的问题：机器人真正的差距，可能不在身体，而在大脑。

中国企业的动作已经说明这一变化。智元机器人AgiBot World项目公开了超过100万条真实机器人轨迹，覆盖217项任务和五类部署场景，试图用真实场景数据训练通用操作能力；宇树科技科创板IPO注册获批后，公开报道显示其募资用途包括推进机器人AI模型、本体研发、新产品开发和智能制造基地建设。也就是说，中国机器人公司不再只是强调低成本本体和量产能力，而是在向“物理AI”的模型、数据和智能层延伸。

所谓机器人“大脑”，不是一个语音助手，也不是单一算法，而是一整套让机器人理解任务、感知环境、规划动作、调用工具、持续学习并安全执行的系统能力。它包括视觉-语言-动作模型、仿真训练平台、真实机器人数据、运动控制、任务规划、边缘算力和开发者生态。

机器人产业的重心正在上移

机器人早期竞争，往往围绕硬件性能展开。人形机器人比拼自由度、续航和灵巧手，仓储机器人比拼搬运效率和调度能力，服务机器人比拼导航、避障和交互体验。

但Physical AI的逻辑不同。机器人不再只是自动化设备，而是AI进入物理世界的载体。它需要在真实环境中完成开放任务：看懂物体，听懂指令，判断先后顺序，知道什么能抓、什么不能碰，遇到异常情况还能自我纠正。

这让机器人产业链的价值重心开始上移。本体仍然重要，但如果没有可泛化的“大脑”，机器人就只能在固定流程里重复动作；如果有了可迁移、可学习、可部署的“大脑”，机器人就有机会从单一设备变成通用生产力终端。

NVIDIA：做机器人时代的基础设施

如果要寻找Physical AI时代最接近“底层平台”的公司，NVIDIA是绕不开的玩家。NVIDIA并不主要依靠销售某一款机器人整机，而是试图成为机器人开发、训练、仿真和部署的基础设施提供者。

其Isaac GR00T平台被官方定义为面向通用人形机器人的开放参考平台，包含开放数据和数据管线、机器人基础模型、基于Omniverse和Cosmos的仿真框架、中间件、CUDA-X运行库，以及用于实时推理和控制的Jetson Thor。

这套体系的战略意义在于，它不是解决单个机器人动作，而是解决机器人产业共性问题：数据怎么来，仿真怎么做，模型怎么训，边缘设备怎么跑，开发者怎么接入，整机企业怎么适配。它更像机器人产业的“训练场+工具链+算力底座”。

Google DeepMind：让模型理解物理世界

Google DeepMind的优势，是把大模型能力向物理世界迁移。Gemini Robotics系列面向不同形态和尺寸的机器人，使其能够感知、推理、使用工具并与人交互；Gemini Robotics 1.5进一步强调让机器人在物理环境中进行规划、思考和工具使用。

这一路线的核心不是先造出最低成本机器人，而是让机器人真正理解“物理世界”。机器人不仅要知道“杯子”是什么，还要知道杯子能不能拿、应该从哪里拿、拿起后液体会不会洒、放到哪里不会掉。

这正是Physical AI和传统AI的差别。屏幕里的AI可以回答问题，物理世界里的AI必须承担动作后果。一次错误判断，可能不是文字错误，而是摔坏物品、打断产线，甚至造成安全事故。

创业公司：资本押注通用机器人“大脑”

除了科技巨头，一批创业公司也在争夺机器人“大脑”的入口。Physical Intelligence的定位非常直接：把通用AI带入物理世界，开发可以控制不同机器人完成任务的模型。

Skild AI则是资本市场对“通用机器人基础模型”的集中押注。公司披露，其完成14亿美元C轮融资，估值超过140亿美元，目标是扩展其“omni-bodied”机器人基础模型。

这类公司的共同点是：它们并不一定自己造最强整机，而是希望用一个跨本体、跨场景、跨任务的模型，成为不同机器人厂商背后的智能层。

Physical AI核心玩家及位置

中国路线：真实场景和数据闭环

中国机器人企业的优势不完全在基础模型起点，而在真实场景和硬件规模。中国有密集的制造业、仓储、物流、商业服务和公共场景，也有快速迭代的机器人本体供应链。

只要机器人能够进入真实环境，企业就有机会积累大量动作数据、失败数据、维修数据和场景适配经验。AgiBot World的价值就在于，它把机器人数据从实验室演示推进到多场景、可复用、可验证的数据资产。

不过，中国路线也面临挑战。真实数据如果只停留在企业内部，价值有限；只有形成统一接口、训练工具、模型平台和开发者生态，真实数据才可能变成产业平台。

“机器人安卓”很难只有一个

把机器人平台类比为“安卓”，有启发性，但也必须看到差异。手机硬件形态相对标准，而机器人有双足、轮式、四足、机械臂、灵巧手、移动底盘等多种形态，不同本体的自由度、传感器、负载和工作环境都不相同。

手机App出错，最多闪退；机器人动作出错，可能损坏设备、影响生产，甚至带来现场风险。因此，机器人“大脑”的平台化难度远高于移动互联网。Physical AI时代的“安卓”，不可能只是一个软件系统，而必须同时具备安全控制、硬件适配、仿真验证、版本管理、日志追踪、场景测试和责任边界。

更可能出现的格局，是多个层级共存：NVIDIA掌握算力和工具链，Google DeepMind、Physical Intelligence、Skild AI争夺模型层，中国整机企业和场景企业积累真实数据和落地能力。

机器人电报判断

机器人电报判断，Physical AI时代的“大脑”竞争，将决定机器人产业链未来的利润分配。短期看，整机公司仍然最受关注，因为它们能展示产品、获得订单、进入工厂和资本市场。中期看，真正的分化会出现在模型、数据、仿真和开发平台。长期看，谁能形成跨本体、跨任务、跨场景的机器人智能层，谁就可能成为Physical AI时代的基础设施公司。

今天还不能断言谁会成为唯一的“机器人安卓”。机器人世界很可能不会只有一个操作系统，而会形成多层生态：底层算力平台、模型平台、数据平台、整机平台和场景平台并存。真正值得关注的是，谁能把这些环节连起来。

机器人产业的下一阶段，不只是“谁造出了机器人”，而是“谁让机器人学会工作”。Physical AI时代的核心竞争，不是让机器人更像人，而是让机器人拥有可以迁移、可以进化、可以规模部署的大脑。

注：本文为产业研究性观察，不构成投资建议。

主要资料来源

• AgiBot World：百万级真实机器人轨迹数据集公开资料及论文。

• NVIDIA Isaac GR00T官方资料。

• Google DeepMind Gemini Robotics官方资料及相关论文。

• Skild AI Series C融资公告。

• Physical Intelligence公开介绍及π0.5相关论文。

• Reuters关于宇树科技科创板IPO注册获批的报道。