具身智能闖關端到端VLA，吉利、寧王和博世打錢

撰文 | 張祥威 編輯｜馬青竹

6月末，一輛特斯拉Model Y（參數丨圖片），從美國得州工廠開啟自動駕駛，一路經過高速、城區等場景，獨自奔向用戶完成交付。

除了不會變形，汽車已越來越像汽車機器人。

另一賽道，谷歌DeepMind發布最新的本地化機器人模型，是三月發布的VLA模型Gemini Robotics的升級版，可完成系鞋帶等難度動作。

這場模型范式的集體躍遷，始于去年。

去年6月，美國具身智能公司Physical Intelligence（PI）發布端到端VLA 開源模型 OpenVLA。具身智能模型開始向端到端VLA收斂。

去年10月，PI發布VLA大模型的π0版本，具有多任務、長程處理能力，可適應泛化場景。今年4月，該模型已經升級到了π0.5版本。

國內也積極跟進。一些從業者認為，中國公司可以跟美國公司站在同一起跑線，甚至更具供應鏈、制造和數據成本優勢。

比如，美團戰投領投的「自變量機器人」自成立起就押注VLA，從早期只輸出動作，到現在融合輸出動作、語言、視覺和思維鏈。

“我們的模型水平，基本上和PI、谷歌在同一水平線，因為的確在相近時間做了類似的事情?！弊宰兞繖C器人創始人、CEO王潛很自信。

自動駕駛和具身智能的端到端大模型，各自狂奔，又彼此印證。

“如果還在一個個寫規則代碼，那是不敢碰具身智能的?！彼呛铰摵蟿撌既恕⑹紫茖W家丁文超說。

技術的快速迭代增加了資本市場吸引力。

據《出行百人會/AutocarMax》不完全統計，2024年全年，具身智能發生投資事件超77起，總金額約72.87億元。2025上半年，總投資達91起，總投資金額約110.37億元，融資頻次和規模均超過去年全年。

投資方陣容呈現多元化特征，涵蓋騰訊、美團、京東、螞蟻集團、字節等科技巨頭，以及寧德時代、博世、吉利、比亞迪等汽車產業鏈企業，美的、海爾等家電企業。

具身智能落地節奏提升，正從展示型場景（如跳舞迎賓）向無人藥店、無人零售店、工廠、運輸等更廣泛的場景擴展。

寧德時代、博世、吉利等車業巨頭參與

2025上半年，具身智能領域融資大事件不斷：

宇樹科技完成C輪融資交割。銀河通用完成11億元新一輪融資。它石智航成立第二個月，獲得1.2億美金天使輪融資。

吉利資本是宇樹科技的C輪投資方之一，還有中國移動旗下基金、騰訊、錦秋基金、阿里巴巴、螞蟻集團等聯合領投。自2016 年成立以來，宇樹科技已完成9 輪融資。

其產品在C端認知度較高，B端落地場景主要是工廠、旅游景區等。例如，H1/G1系列在蔚來工廠承擔搬運任務。

吉利集團旗下工廠積極引入具身智能技術：去年極氪5G智慧工廠曾引入優必選工業版人形機器人Walker S Lite，該機器人經過21天實訓，主要執行料箱搬運等任務。今年初，領克汽車成都工廠也開始引入優必選人形機器人Walker S1。

優必選是全球首個雙足機器人上市公司，已經進入比亞迪等多家車企產線，公司樂觀預計2026年人形機器人交付將達數千臺。

銀河通用，則獲得寧德時代旗下CATL Capital、博世集團旗下溥泉資本等投資。

“領投方寧德時代將持續深化和公司的產業協同，為公司具身智能大模型在工業領域的技術落地與規?；瘧锰峁╆P鍵支撐。”銀河通用方面表示。

《出行百人會/AutocarMax》注意到，銀河通用還與博世成立合資公司博銀合創，聚焦復雜裝配、智能質檢之間等高精度制造場景，研發靈巧型機器人。

銀河通用聚焦技術的商業化落地，對“疊衣服”、“系鞋帶”等任務興致不高，主要面向零售和藥店場景，集中培養人形機器人的移動、抓取、放置等技能，官方稱之為抓取基礎大模型GraspVLA，計劃年內開設100家機器人超市。

“具身大模型還有很多不成熟的地方，距離什么活兒都能干可能需要五到十年。”銀河通用機器人創始人及CTO王鶴說。

上文提到的自變量機器人，獲得了美團戰投領投、美團龍珠資本跟投的數億元A輪融資。

融資將用于持續加速全自研端到端通用具身智能大模型，與機器人本體的同步迭代，并推動多應用場景的智慧化方案合作與落地。

據王潛介紹，以Figure和波士頓動力為代表，技術路徑正從早期依賴三維視覺感知與算法控制，向端到端模型（如PI發布的新模型）演進。

有趣的是，與自動駕駛類似，具身智能的端到端，其實也有兩段式（兩層模型）和一段式（單層模型）之分。

比如Figure，便是用VLM做感知和規劃，VLA做動作生成。自變量機器人早期也嘗試過兩層模型，后轉向上限更高的一體式端到端單層模型。

還有一支陣容豪華的團隊——它石智航，今年2月初才成立，創始團隊主要來自自動駕駛領域。

創始人兼CEO陳亦倫，曾任華為自動駕駛CTO；公司董事長李震宇，曾任百度集團資深副總裁、百度智能駕駛事業群組（IDG）負責人；首席科學家丁文超，主導過華為ADS端到端決策網絡研發。

進場雖晚，它石智航高舉高打，選擇打造通用的AWE世界模型，而非針對單一場景。

丁文超解釋：“求上得中，求中得下，求下而不得。如果一開始就只做工廠工作場景，也能做得很好，但終究有局限，很容易過擬合。后面切換到生活場景，有些GAP就可能跨越不了?！?/p>

據其介紹，采用通用的世界模型打造具身智能，當場景遷移時，便不需要重寫代碼或調整架構。

奔向“強化學習”

無論是流水線的移動、抓取、放置動作，還是更復雜的疊衣服、系鞋帶，訓練具身智能大模型面臨數據稀缺的挑戰。

通常，行業解決方案包括：采用仿真合成數據或采集真實數據。

“仿真合成數據，需要廠商有比較好的圖形學、物理仿真、物理渲染和自動動作合成管線與驗證閉環的全套的基建?！蓖斛Q說，重視并能用好仿真合成數據是其公司優勢。

智元機器人，則通過機器人遙操作采集數據，由數據采集員操作機械臂重復抓取、放置等動作，通過采集上百遍數據，以提升機器人執行任務的魯棒性。

也有由人類數據采集員穿戴PMEC執行數據采集，擺放瓷盤、瓷筷，以獲取人類觸覺模態數據。

“動作本身的數據并不難采，難的是采集環境變化的數據。3D空間的變化，很難捕捉和預測?！倍∥某邮懿稍L時表示，真實數據的優先級永遠高于仿真合成。

有了數據，沿著端到端VLA的技術路徑，下一關便是強化學習。

“光端到端還不夠，還需要結合強化學習，才能讓模型可信賴。強化學習也并非終點，后面還有自主學習?！倍∥某f。

正如DeepSeek-R1模型，便是通過強化學習，實現了思維鏈能力的自主涌現。至于VLA大模型、強化學習等AI新技術，會給具身智能帶來怎樣的爆發力？

成功投資理想汽車的藍馳創投，近兩年在具身智能領域投資了智元機器人、銀河通用等。其管理合伙人陳維廣認為：

“移動互聯網的價值在于連接，Agent 能更進一步，交付結果，創造出10 倍于移動互聯網的價值；具身智能又進一步，完成真實世界的任務，創造的價值會是Agent 的10 倍，移動互聯網市場的百倍?！?/p>

有人看到未來，有人看到泡沫。言而總之，成本向下，智能向上，場景泛化，是大趨勢。

上個月，李書福和宇樹科技創始人王興興有過一場對談。

“AI代表一個革命性新時代的到來。它不是一項技術，相比過去傳統人類社會的競爭方式、社會形態都發生了改變，重塑了人類的產業、發展及生活秩序?！崩顣Ｕf。

—THE END—

出行百人會 | AutocarMax

追蹤汽?出行產業鏈進化，關注新產品、新科技、商業邏輯與商業人物，影響圈層中有影響力的人。