26年Q1季度已经过去，具身公司的融资推进越来越快，不乏有新的公司冲击IPO。今天『』为大家盘点下50多家相关企业的最新估值，本次主要重点关注硬件、大脑、数据相关方向，阶段内的公司不做排行。注：各公司成立时间和融资阶段差异大，估值高低与技术、商业化水平不能简单划等号。

注：核心团队部分仅整理了在智驾领域的技术人才，更多核心团队信息可在知识库中查看。

过去，我们习惯把机器人能力拆成行走、导航、操作和控制。这种拆分推动了每个方向的快速进步，也让机器人逐渐具备了一系列专业技能。但真实世界中的任务，并不会严格按照技术模块的边界出现。机器人要搬动重物、穿过狭窄空间、弯腰拿取目标，或者在失去平衡时借助环境恢复。它需要围绕同一个目标，理解并调动自己的整个身体。从这个角度看，WBI 的提出有很高的价值。所以，李弘扬老师在尝试重新定义机器人学习的基本单位。未来

过去一个多月，具身智能赛道的融资节奏依然紧密。智元生态内的等公司刚刚完成新一轮融资，估值均达70亿元人民币；博世与银河通用设立的合资公司，迅速拿下了近3亿元Pre-A轮融资，加速工业具身智能规模化落地；近完成5亿元的Pre-A轮融资用于大规模量产、销售网络建设；完成新一轮融资，以20亿美元估值引领全球具身数据基础设施…这些实打实的数字说明了一个趋势：**资本正在加速向具备核心技术壁垒和场景落地能力

这两天逛下来，最直观的感受是今年 WAIC 的机器人展台，开始变得不怕被碰。有太多的公司想要表达，快来试试我们的机器人。机器狗可以骑上去，棋可以随便下，乒乓球可以随便发，桌面可以随便打乱。整理这两天的笔记时，我们最大的感慨是这是属于机器人和人工智能最好的时代。

Harness VLA 并不是对端到端 VLA 路线的否定，也没有提出新的 VLA 网络结构。当一个预训练 VLA 已经具备较强的局部视觉运动能力时，机器人系统应当如何组织、调用并复用这些能力。在这一框架中，VLA 不再作为从任务开始持续运行到结束的单体式策略，而是被封装为由 Agentic Planner 选择调用的局部富接触原语。

在WAIC2026展会期间，思岚科技创始人陈士凯接受专访，分享了这家专注机器人感知运动一体化方案13年的企业独特路径。不同于当下追逐人形机器人整机与大模型的热潮，思岚始终聚焦底层技术：从2013年自研低成本激光雷达起步，到如今推出纯视觉Aurora感知系统和全向移动Poseidon底盘，其核心逻辑是解决室内非结构化场景中95%以上的导航需求。

回到开头那个细节：为什么这场访谈的关键词，是数据、任务、经验，而不是参数和模型规模？我们的判断是，这和柯丽一鸣的身份有关——她是研究员，不是创始人。这场访谈难得的地方，正在于此。我们平时听到的具身叙事，绝大多数来自创始人：人形、量产、终极形态、估值、春晚舞台。创始人的任务是让你相信一个故事，所以他们的话往往是确定的、向前的。而研究员的任务是把事情做准，所以柯丽一鸣满口都是“我觉得”“可能”“其实”

写到这里，一个更大的分野也比较清楚了。这一波世界模型热潮，多数公司的选择是：不停发新的世界模型、不停打榜、反复强调自己在某个榜单上的地位。这条路没有错，生成质量本身是硬指标。但它容易让人忘了为什么出发：这些榜单第一，最后帮哪个具身模型，变强了多少？原力的选择有一些第一性原理的味道：先判断具身当下的卡点（后训练太贵、飞轮转不起来），再把世界模型拿来当解法。这个区别看着不大，其实决定了你最后会做出什么

机器人领域正经历范式转变。无论是将 MLLM 微调为 VLA backbone，还是将其作为 Agentic 系统的独立规划器，大家都在期待同一个目标：一个能在真实物理世界中理解、推理、规划、反思的具身大脑。然而，只盯着最终任务成功率，很难看清这一大脑的真实水平。更重要的是将任务拆解为指令理解、感知推理、规划、可供性判断、错误诊断等环节，检验每一步是否真正到位。只有认知环节都做扎实，最终的成功率提