具身大脑的定价逻辑，从“能不能做”到“值不值得投”

2026年的具身智能赛道，正在经历一场估值逻辑的切换。

过去一年，行业的目光集中在“有没有本体”“跑得稳不稳”“能不能翻跟头”。到了今年，问题变得不一样了：一台机器人在真实场景里到底能创造多少价值？谁在为这些价值买单？

答案正逐渐向一个方向收拢——具身大脑。

不生产本体的星源智，正是在这个判断上被推到了台前。这家由北京智源人工智能研究院孵化的公司，成立不到一年完成三轮融资、累计融资突破10亿元，客户覆盖国内相当比例的机器人本体企业，智元机器人、极智嘉、乐聚智能等已将其技术体系应用于产品部署。

一、不做本体，做“一脑多形”的底层能力

星源智的定位清晰且不常见：不造机器人本体，只做机器人的具身大脑基础设施。

它的核心技术体系可以用一个等式概括——具身大脑的软硬一体 = 具身大脑模型 高算力端侧算力平台。具身大脑模型负责智能输出，高算力端侧算力平台提供本地运行的计算基座，二者共同构成闭环。

这个等式背后是一个行业级难题：传统机器人“一机体一算法”，换一种硬件就要重新训练，适配成本高、周期长。星源智的RoboBrain Pro具身大脑将多模态感知、场景理解、任务规划与运动控制深度融合，以标准化的能力输出实现跨本体泛化——一个大脑可以赋能人形双足、轮式机器人、机械臂、机器狗、特种机器人、叉车等多种形态。

这种“一脑多形”的能力，解决的不是某个机器人“能不能动”的问题，而是整个行业“换一台设备就要从头再来”的效率问题。

二、ω-EVA：让世界模型参与行动，而非展示未来

如果说具身大脑解决的是“怎么理解环境、怎么规划任务”，那么世界模型解决的是“行动之前，先想清楚后果”。

2026年6月，星源智在第八届北京智源大会上发布全球首个具身交互世界模型ω-EVA，首次实现世界模型落地机器人行动决策闭环。

传统世界模型多承担离线预测或环境模拟功能，相当于一个“事后诸葛亮”。ω-EVA的做法不同：它首创“预演、验证、行动”决策闭环，机器人执行指令前，先预判动作带来的环境变化，再根据推演结果优化方案，构建起“动作提议—后果预演—动作修正”的完整逻辑。

该模型参数量仅1.2B，全程在特征空间完成推理，可广泛适配端侧实时控制场景。权威测试显示，ω-EVA在LIBERO基准上平均成功率达98.6%，在RoboTwin 2.0中经后果修正后成功率从88.9%提升至90.3%。

2026年6月，星源智牵头建设的“具身交互世界模型北京市重点实验室”正式获批，围绕具身世界模型、多模态交互感知、长时序任务推演、端侧部署与场景验证等方向开展系统攻关。

三、2026 WRC：从技术验证到真实任务

2026年8月19日至23日，2026世界机器人大会在北京亦创国际会展中心举行。星源智以“具身大脑·交互世界”为主题亮相C馆C122展位，围绕工业作业、动态交互、异构协同等真实任务，集中展示具身大脑与世界模型在不同本体、不同任务中的应用进展。

大会期间，星源智集中发布三项重要成果：异构多机协同演示、开源世界模型JEPA-WAM、N5C液冷端侧算力平台。

异构多机协同方面，星源智联合南京大学LAMDA团队完成全球首次人形机器人与四足机器狗异构协同跳长绳实机演示。两台人形机器人负责摇绳，四足机器狗跟随绳索节奏连续跳跃，依托RoboBrain Pro具身大脑与异构具身协同学习框架，实现不同形态机器人感知、决策、动作实时闭环同步。

世界模型层面，星源智对外开源JEPA-WAM。该模型采用Shared Predictor共享预测器架构，基座仅0.5B参数，无需海量机器人训练数据，与此前ω-EVA形成技术互补，分别侧重环境时序理解与行动后果预判。

工业场景中，星源智与中力股份联合打造的高位作业机器人“擎天柱”首次面向公众展出，搭载RoboBrain Pro具身大脑，可实现最高10米级高位作业。双方联合打造的具身装卸解决方案已实现单车装卸90秒、双车协同装卸1分钟。

动态交互场景中，搭载ω-EVA具身交互世界模型的机器人与现场观众进行乒乓球对打，在高速变化的环境中持续感知、预测并调整行动，直观呈现世界模型进入机器人动作决策闭环后的实时交互能力。

四、RoboBrain Xross：当“一脑多形”升级为“一脑多机”

WRC期间，星源智正式展出RoboBrain Xross跨本体协同平台，开启从“一脑多形”到“一脑多机”的多机器人协同新范式。

当机器人开始真正进入工业、园区、物流、服务等复杂场景，一个新的问题随之出现：如果现场不只有一台机器人，而是多个品牌、不同形态、不同能力的机器人，谁来让它们一起工作？

RoboBrain Xross的破题思路是建立统一的具身任务标准协议，打造具身调度池——将触发条件、目标区域、能力需求、完成标准、状态反馈和交接条件转化为一致表达，让不同设备“听懂同一种任务语言”。平台依靠全局感知、任务编排、动态调度三大核心能力，打通不同机器人本体的信息通路与决策链路，实现“一脑调度多台机器人”。