深圳机器人圈，出现了一次罕见的“撞车”。
就在6 月 29 日这天，两家同来自深圳的企业自变量和智平方，先后宣布估值突破200亿元，还都把自己称作“大湾区首个估值突破200亿元的具身智能企业”。
一时之间，“首个”都不够分了。
自变量的实力自然不用多说。它的机器人曾经在发布会上因为“随机捡起地上的纸团”震惊业界，然后两个月内连融4轮，背后站着的是阿里、字节、美团、小米四大互联网厂商。
但另一个“首家”，略显低调的智平方，实力也不遑多让。
智平方近期完成近50亿元融资，投资方覆盖国家队、地方国资、险资、券商和产业资本；资本也已经用真金白银，把它推上了超过200亿元的估值。
只不过，提起智平方，更亮眼的是另一个标签：“最像特斯拉”的机器人公司。
和特斯拉一样，智平方押注端到端具身大模型，强调模型、硬件和真实场景一起迭代，还想把机器人率先送进工厂，变成真正能干活的“通用工人”。
从某种程度上来说，这个标签背后的技术路线，似乎更能解释智平方为何能够在短短三年时间里，吸引如此豪华的投资阵容，并冲上超过200亿元的估值。
问题是，连率先押注端到端具身智能的特斯拉自己，都还没有在具身智能赛道找到最终答案。
一个“最像特斯拉”的后来者，凭什么让人相信它能行？
提到智平方最像特斯拉的地方，最让人印象深刻的，是它也想把模型、硬件、数据和制造全抓在自己手里。
这套“我全都要”，首先从机器人的大脑开始。
过去的工业机器人，大多按照提前写好的程序完成固定动作。换一件商品、换一个工位，甚至把物料挪个位置，都可能需要工程师重新调试。
这种方式能够解决特定问题，却很难形成真正意义上的通用智能。
所以，智平方选择了一条更加激进的路线。
早在2023年，公司便开始全面押注端到端VLA（Vision-Language-Action，视觉-语言-动作）模型。
简单来说，就是让机器人把看到的画面、听到的指令和最终执行的动作直接连起来。人类告诉它要做什么，模型负责理解环境、拆解任务，再控制机器人完成操作，中间尽量减少人工编写规则。
就在当时，全球坚持这一方向的机器人公司并不多，特斯拉Optimus正是其中最具代表性的案例。
两年后，智平方又把这套模型升级成GOVLA（全域全身VLA），希望让机器人具备跨场景、跨任务的泛化能力。
当时不少VLA主要聚焦机械臂操作，而GOVLA进一步把机器人的移动、腰部、双臂和末端操作都纳入模型，让机器人能够从“伸手拿东西”，走向全身配合完成一整套任务。
为了兼顾思考和动作，它还引入了一套“快慢系统”。慢系统负责看懂环境、理解指令和拆解任务，快系统负责实时控制动作。
而这套技术的更重大意义在于，模型不再只是挂在机器人身上的一个软件功能，它开始反过来决定机器人该长什么样。
为了配合GOVLA对全身控制和移动轨迹的输出，AlphaBot 2做出了34个以上自由度，加入腰腿升降结构，垂直工作范围覆盖0至2.4米，单臂臂展达到700毫米，还能连续工作6小时以上。
到了今年6月，智平方又发布并开源NeuroVLA，把原来的“快慢系统”进一步拆成类似皮层、小脑和脊髓的三级结构，让机器人在理解任务之外，也能实时修正动作，并在碰撞时迅速作出反应。
不过，模型和硬件都只是起点。
智平方真正接近特斯拉的下一步，是把机器人送进真实场景，让它一边干活，一边积累数据。
目前，AlphaBot系列已经进入汽车制造、半导体显示和生物制造等场景。
在汽车工厂，它可以负责上下料、转运和贴标；在晶能微电子的半导体产线上，它参与晶圆装载和物料搬运；进入华熙生物的工厂后，它还要面对拆包消毒、视觉检测和无菌环境下的物料转运。
最有分量的一笔订单，来自半导体显示企业惠科。
按照双方披露的计划，惠科旗下慧智物联将在三年内，于全球生产基地部署超过1000台智平方机器人，覆盖仓储物流、上下料、零部件装配和质检测试等环节。
据媒体报道，这笔订单接近5亿元，也是目前公开金额较大的具身智能机器人订单之一。
于是，一套闭环的雏形出现了。机器人进入工厂，工作过程中积累新的场景和操作数据；数据返回模型，继续训练机器人的理解和操作能力；模型升级后，机器人又能进入更多工位、处理更多任务。
这种软硬件协同演进的研发方式，与特斯拉FSD和Optimus所坚持的AI驱动产品逻辑高度相似。
即使这套闭环目前还只是个雏形，但已经足够解释为什么资本愿意提前给它200亿元估值。
可走上和特斯拉相似的路，不代表它已经跑在行业前面。
如果现在还是2023年，那端到端VLA 确实还算得上一条激进路线。但事到如今，想让一个模型直接控制机器人全身，已经快成了头部玩家的共同选择。
今年1月，Figure发布了Helix 02。
它同样把视觉、理解和动作控制放进一套神经网络里，而且已经能从摄像头画面直接控制机器人的行走、平衡、双臂和手指，连续完成跨越整个房间的长任务。
另一边，Physical Intelligence走得更远。
这家公司最新发布的π0.7，可以用同一个模型控制多种机器人，在不同场景中完成多种操作，还能把已经学会的技能重新组合，处理训练数据里没有出现过的新指令。
比如，在没有对应任务演示数据的情况下，π0.7已经能够尝试操作陌生的厨房电器；经过分步骤的语言指导后，它还可以逐渐学会完成这类新任务。
这些案例就意味着，尽管智平方押注这条路线较早，但还没有建立起其他企业无法逾越的护城河。
甚至，把机器人送到工厂里打工、积累数据这件事，智平方同行们的动作同样很快。
Figure的机器人曾在宝马工厂连续部署11个月，累计运行超过1250小时，搬运超过9万个零件，参与生产了3万多辆汽车。
相比之下，智平方目前公开的技术证据，更多集中在论文测试、演示视频、客户合作和订单规划。
从这个角度看，智平方已经证明自己的技术路线能够跑通，却还缺少足够多、足够公开的长期运行数据，来证明它比同行跑得更快。
而它和特斯拉之间，还有另一层更现实的差距。
特斯拉能做Optimus，靠的从来不只是一套端到端模型。
特斯拉背后还有多年积累的真实世界数据、自研AI芯片、全球工厂和供应链，以及汽车与能源业务提供的现金流。
仅2025年，它的研发投入和资本开支就分别达到64.11亿美元和85.3亿美元；今年又继续扩充AI算力，并开始把半导体制造纳入自己的版图。
智平方目前拥有模型、机器人、客户和自建产线，已经摸到了这套闭环的轮廓。
可特斯拉真正难复制的部分，是用海量资金、数据和制造能力，让这套系统不停运转。
所以，“最像特斯拉”能够证明智平方选对了方向，却暂时证明不了它已经形成了特斯拉式的领先优势。
路线先进，只能帮它拿到入场券。
撑起200亿元估值，还需要一张更硬的成绩单。
实际上，智平方现在最缺的已经不是订单。
惠科近5亿元、超过1000台机器人的订单，足以证明市场愿意买单。
但关键在于，这笔订单要在三年内逐步部署。1000台最后交付多少、验收多少，又有多少能够变成当期收入，目前还没有明确答案。
同样需要分清的，还有产能和销量。智平方已经建成年产能超过2000台的半自动化产线，还计划在今年下半年启动数万台规模的新产线。
可产线能造多少，只代表生产能力。机器人最终卖出去多少，客户会不会继续复购，才决定这门生意能做多大。
目前，智平方公开的明确收入数据，仍然是2024年的数千万元。这个数字足以证明它已经走出实验室，但距离200亿元估值，显然还有很长一段路。
更关键的是，工业机器人并不是交付出去就结束了。
不同工厂的设备、流程和安全要求各不相同。如果每进入一个新场景，都需要大量工程师驻场调试，那么订单越多，交付和售后的成本也会越高。
所以，智平方接下来需要证明的事情其实很简单：
1000台订单能不能按时交出去，产能能不能变成稳定销量，销量又能不能带来复购和利润。
这些数字，才是200亿元估值真正缺少的成绩单。
本文来自微信公众号“蓝字计划”，作者：Chester，36氪经授权发布。
发布时间：2026-06-30 22:00
立即订购
在线咨询
返回顶部