具身智能開始分層產(chǎn)業(yè)制高點爭奪戰(zhàn)(2)

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2026-04-15 11:15:51 澎湃新聞

相比之下，F(xiàn)igure更關(guān)注人形機(jī)器人作為一種完整產(chǎn)品是否成立。它不僅關(guān)心抽象底座，還致力于將機(jī)器人本體、模型、機(jī)載推理、場景數(shù)據(jù)和商業(yè)部署整合成一套閉環(huán)。例如，F(xiàn)igure在2025年2月發(fā)布的Helix視覺—語言—動作模型，能夠?qū)崟r將感知和語言理解轉(zhuǎn)化為身體動作，并直接運行在機(jī)器人機(jī)載芯片上。這表明Figure押注的是一條圍繞自家機(jī)器人展開的產(chǎn)品化路線。

Physical Intelligence則試圖打造一個可跨不同機(jī)器人形態(tài)遷移的基礎(chǔ)模型。π0項目通過吸收互聯(lián)網(wǎng)規(guī)模的視覺—語言知識和真實機(jī)器人動作數(shù)據(jù)，目標(biāo)是連接“看懂、聽懂”與“會動、會控”。其核心問題是能否讓一套底座跨機(jī)器人、跨任務(wù)、跨數(shù)據(jù)源復(fù)用。

Google DeepMind的路徑更高一層，它希望搶占機(jī)器人如何理解任務(wù)、安排步驟和組織行動的那一層。Gemini Robotics 1.5展示了這一思路，一部分能力負(fù)責(zé)將視覺信息和指令轉(zhuǎn)成動作，另一部分能力負(fù)責(zé)理解環(huán)境、拆解任務(wù)、規(guī)劃步驟，并在需要時調(diào)用數(shù)字工具。DeepMind試圖定義一個更高的位置，即誰來負(fù)責(zé)機(jī)器人理解世界、拆解任務(wù)、規(guī)劃步驟，再把這些能力輸送給不同的機(jī)器人本體。

今天的具身智能競爭不僅僅是模型的競爭，更是產(chǎn)業(yè)分工位置的競爭。Generalist在爭“先賺錢”的位置，F(xiàn)igure在爭“終端入口”的位置，Physical Intelligence在爭“通用能力層”的位置，而DeepMind在爭“認(rèn)知層”的位置。

短期內(nèi)，Generalist和Figure可能更容易取得成果，但兩者的“近”并不相同。Generalist更接近某些窄工位開始形成正向經(jīng)濟(jì)賬，F(xiàn)igure則更接近人形機(jī)器人作為完整產(chǎn)品逐步進(jìn)入真實部署。長期來看，真正決定行業(yè)權(quán)力結(jié)構(gòu)的可能是最先占住“底座層”和“認(rèn)知層”的公司，因為一旦機(jī)器人開始規(guī)模化部署，利潤池往往會向平臺層、模型層和系統(tǒng)層上移。

因此，今天看具身智能，最重要的是看清不同公司的定位。未來這個產(chǎn)業(yè)大概率不會由一家公司通吃，而會分化出不同層級、不同位置的玩家。這場圍繞終端、本體、底座和認(rèn)知層展開的產(chǎn)業(yè)制高點爭奪戰(zhàn)才剛剛開始。

首頁上一頁 12共 2 頁

(責(zé)任編輯：0882)

關(guān)閉

具身智能開始分層 產(chǎn)業(yè)制高點爭奪戰(zhàn)(2)

相關(guān)新聞

今日熱點

頻道熱點

具身智能開始分層產(chǎn)業(yè)制高點爭奪戰(zhàn)(2)