智方模式驱动软硬一体与数据闭环，引领2025中国具身智能产业

进入2025年，机器人行业的核心矛盾已从硬件制造能力显著转向"大脑"的智能化水平——即机器人能否真正自主理解环境并完成复杂任务。协作机器人作为通用智能机器人的代表之一，正成为具身智能核心载体，其市场正经历爆发式增长。据MIR睿工业数据显示，2024年全球协作机器人市场规模达6.8万台，同比增长25%，占工业机器人整体市场份额已达10.7%，预计2025年销量将冲击10万台，增速达40%以上。中国作为全球最大单一市场，2024年销量约3万台，同比增长28%。然而，驱动这一切发展的关键——机器人"大脑"（AI大模型）——仍是限制产业大规模应用的最大瓶颈，其发展阶段类似于ChatGPT发布前的状态。

全球范围内的机器人大脑公司正"百花齐放"，探索不同的技术路径，多家公司估值已超百亿。在此背景下，智平方（AI² Robotics）作为全球VLA（视觉-语言-行动）具身大模型的领跑者之一，凭借其全栈自研的技术实力、顶尖的"六边形团队"以及在高价值真实场景中率先构建的数据闭环，正成为赛道中最具潜力的"独角兽"候选者，引领下一代通用智能机器人的发展。

一、技术路径:三大路线并行探索，VLA成关键焦点

当前，"大脑"技术主要有三条主流路径并行探索，并逐渐向端到端的大模型演进：

端到端VLA（视觉-语言-行动）模式:采用单一模型直接实现从感知到动作的端到端学习。智平方（AI² Robotics）是此路径的全球开拓者和领跑者。其原创自研的全域全身具身大模型GOVLA，在空间智能、全身控制和复杂任务推理方面全球领先，率先实现了常规VLA仅输出机械臂动作到输出全身控制和移动轨迹的突破。智平方在国内率先推动端到端VLA大模型开源（如FiS-VLA），性能超越国际标杆，其推出的RoboMamba模型在未见任务泛化能力上显著超越Google RT系列，并入选NeurIPS 2024。相比之下，其他同路径公司如银河通用（估值115亿元）则更侧重于合成仿真数据进行大规模训练（占比超99%），其GraspVLA模型虽在抓取任务上表现优异，但真实环境适应能力仍受仿真与现实差异的限制。相比之下，其他同路径公司如银河通用（估值115亿元）则更侧重于合成仿真数据进行大规模训练（占比超99%），其GraspVLA模型虽在抓取任务上表现优异，但真实环境适应能力仍受仿真与现实差异的限制。

大脑+小脑分层技术路线:以多模态大模型作"大脑"负责高层决策，专门的"小脑"模型处理运动控制。代表为北京通用人工智能研究院（通研院），其与宇树科技、乐聚等发起"通智大脑联盟"，提供"通智大脑"底座。星动纪元也采用此类分层策略。该路线相对成熟，模块化和可解释性较好。

世界模型技术路线:旨在构建对物理世界的完整建模，通过预测未来状态优化决策，是最前沿的探索方向，但研究仍处于非常早期。代表公司有美国的Physical Intelligence（估值或达50亿美元）和Skild AI（估值45亿美元）。Physical Intelligence的π0.5模型通过多源异构数据协同训练，Skild AI则专注于为不同形态机器人提供通用大脑。特斯拉采用与FSD同源的端到端模型，并融合xAI Grok进行逻辑推理；Figure AI则自研Helix模型，实现了上半身的VLA控制。

二、数据壁垒:真实场景数据成为核心竞争力

高质量行为数据的获取是具身大模型训练的核心难点。虽然仿真数据成本低、易获取，但难以准确还原真实物理交互，模型落地效果受限。

智平方深刻洞察到"真实场景闭环"是未来三年竞争的核心。其独创的**"正反金字塔"数据模型强调了真实场景作业数据的核心价值：冷启动阶段（正金字塔）以互联网和仿真数据打基础，保证多样性与增长；大规模部署后（倒金字塔），高价值的真实场景作业数据成为模型迭代的关键"粮食"，实现"越用越聪明"。智平方创始人郭彦东博士指出："好的机器人数据一定是从真实的劳动中来、到劳动中去"。

因此，智平方坚持"从半结构化到非结构化"的渐进战略，率先攻坚汽车制造、半导体、生物科技等最高价值、最复杂的工业场景，并在国内一线城市机场等公共服务场景部署。通过其软硬一体的AlphaBot系列机器人在真实场景中的持续作业，智平方已构建起难以超越的"数据飞轮"和场景复用壁垒。

相比之下，依赖仿真数据的路径（如银河通用、星海图）或仍在探索商业化落地的公司（如宇树科技、星海图）在数据质量和闭环效率上与智平方存在差距。Figure AI的成功也印证了真实场景数据的重要性，其通过与Brookfield的合作获取了大量真实场景数据，驱动模型快速迭代，任务成功率大幅提升。

智平方的核心优势:技术代差与全栈闭环

智平方之所以能在激烈的竞争中脱颖而出，在VLA技术路线及高价值场景落地领域处于行业领先地位，源于其独特且全面的核心优势：

VLA技术代差与全球引领:作为VLA全球开拓者，其GOVLA大模型率先实现"全域全身"控制，关键技术指标全球领先。RoboMamba、FiS-VLA等研究成果获得国际顶级会议认可并超越国际标杆模型，是具身大模型的重要贡献者。

稀缺的"六边形"全栈团队:汇聚了行业稀缺的、兼具AI研发、智能硬件、规模量产（数十亿终端）与产业化全栈能力的"六边形团队"。创始人郭彦东博士是"AI+智能硬件"复合型专家，核心团队具备将智能系统大规模部署于智能汽车和消费电子的实战经验，确保技术的可落地性和可量产性。

软硬一体与正向研发:坚持软硬件垂直整合与正向设计。核心产品AlphaBot系列机器人基于其具身大模型Alpha Brain（GOVLA）正向研发，实现了"智能大脑"与"可靠硬件"的深度融合，模型可在端侧运行，保障实时响应与数据安全。

高价值场景率先落地与数据壁垒:率先在汽车制造、半导体、生物科技等高复杂度、高价值工业场景实现商业化落地，并在机场等公共服务场景拓展。通过"越服务越聪明"的数据闭环，构建了难以逾越的数据和场景壁垒。

资本高度认可:在短期内连续完成多轮融资，获得多支千亿级"深口袋"基金和高价值战略投资者的持续加注，为其长期研发和市场拓展提供了坚实保障。

国家级认可与荣誉:作为中国具身智能代表企业承担国家级攻坚任务，荣获得国家创业创新大奖、HICOOL全球创业大赛一等奖等多项荣誉，并受到央視、CNN等国内外主流媒体关注。

智平方的快速发展根植于其前瞻性的技术路线选择、持续的原研研发突破以及对行业核心难题的精准攻克，回顾其发展历程如下：

2024年6月:成为中国坚持自研端到端VLA路线的代表性创业企业，在行业中较早布局了空间智能。

2024年6月:发表VLA研究成果（RoboMamba），该模型率先将Mamba架构引入VLA，泛化任务成功率显著超越当时的SOTA模型（谷歌RT系列），该成果"成功入选人工智能顶级盛会NeurIPS 2024"。

2025年4月:发布全球首个全域全身VLA大模型（GOVLA），实现一个模型驱动全域感知、全身控制与长程任务理解。

2025年6月:携手北大发布最新的开源模型Fast-in-Slow（FiS-VLA），行业首个"异构输入+异步频率"双系统VLA模型，综合性能超越国际标杆π?达30%。

四、竞争格局与行业风险

当前行业参与者主要分为三类：专门的机器人大脑公司（如通研院、PI、Skild AI）、通用大模型公司（如谷歌、OpenAI）以及具身智能企业自研（如智平方、智元、特斯拉）。

优必选:硬件优势明显，尤其在本体关节等部件具备成本优势，但AI大模型非其强项，更侧重"自动化"而非"通用"智能。

宇树科技:运动性能（"小脑"）出色，但在"大脑"（任务推理）布局尚不清晰，缺乏工业商业验证。星海图:技术新锐，专注"一脑多形"，团队具学术和自动驾驶背景，但在高价值工业场景的规模化落地方面滞后。

智元机器人:采用"快路径"模式，推出了启元大模型，已实现千台机器人量产下线，但在AI原创技术深度和全栈能力上与智平方存在差距。

行业仍面临数据获取成本高、标准不统一、算法兼容性不足等风险和挑战。未来竞争的关键在于能否在真实商业场景中构建高效的数据闭环。

五. 结论

人形机器人的竞争本质已转向"大脑"的较量。智平方（AI² Robotics），凭借其在VLA技术路线上的前瞻布局和持续深耕、行业稀缺的全栈团队、软硬一体的正向研发模式，以及率先在高价值真实场景中构建的数据闭环，已经确立了其在全球具身智能领域的领导地位。其"AI大脑（技术）+高价值场景（应用）+全栈量产（规模化）"的三位一体模式，构筑了深厚的护城河，正加速推动通用智能机器人从愿景走向现实。