昨天我们聊了灵巧手——机器人和世界接触的「最后一毫米」。今天往前推一步：当手已经够灵巧，真正决定机器人能不能干活的，是它脑袋里那套模型。2026 年的 WAIC 传递出一个清晰信号：行业的重心，正从「身体能力」转向「智能决策」。
资本已经用脚投票。据 IT 桔子数据，2026 年上半年国内具身智能赛道融资总额达 935 亿元，其中超过一半涌向了 VLA 模型、世界模型等底层智能赛道。当重心从本体硬件转向「大脑」，钱的方向说明了一切。
今年 6 月的智源大会，算是给一场持续半年的路线之争画了句号。「VLA 还是世界模型」——曾经被摆在对立面，如今行业共识是融合共生、类脑架构接棒，成为下一代机器人大脑的演进方向。
先看 VLA 派，主打「实时操作、看见就做」。 星海图 在 6 月开发者大会发布并开源新一代 VLA 基础模型 G0.5，官方称其在全球六大权威榜单取得第一；其 Fast-WAM 世界模型把单步推理延迟压到 190 毫秒，较传统架构提速 4 倍以上。
千寻智能 的 Spirit v1.6 走的是 VLA 与世界模型融合架构，今年在被誉为具身「奥林匹克」的 RoboArena 真机评测中登顶全球第一，力压英伟达 Cosmos 3 与 Physical Intelligence 的 Pi0.5——这也是首个登顶该榜单的中国模型。
智元机器人 的 GO-2 引入「动作思维链（ACoT）」，把动作规划从语言空间迁移到动作空间，让机器人「用动作思考」而非「用语言思考」，目标直指真实场景里的任务执行成功率。
星动纪元 的 ERA-42 是原生端到端 VLA，把感知、决策、控制融进同一链路；它也是清华系全栈自研的代表，从大脑模型、运动控制到本体、关节、灵巧手全部自主设计。
再看世界模型派，主打「先想后做、前瞻推演」。 智元机器人 的 Genie Envisioner-Sim 2.0（GE 2.0）拿下 WorldArena 世界模型总分冠军，让机器人策略在虚拟仿真里自主试错、再迁移到真实物理世界。
银河通用 今年发布 LDA-1B 跨本体隐式世界-动作基础模型（1.6B 参数，获 RSS 2026 收录），依托银河星坊百亿级合成数据基建，走「仿真合成数据预训练 + 真实数据对齐」的虚实融合路线。
自变量机器人 今年 4 月发布 WALL-B，采用「世界统一模型（WUM）」架构，把视觉、语言、动作和物理预测放进同一个神经网络从零联合训练，让机器人在动手之前先在「脑内」对物理结果彩排。
第三类是类脑架构派。 智平方 今年 4 月发布全球首个类脑架构 VLA 具身大模型 NeuroVLA，构建「皮层-小脑-脊髓」三层体系，碰撞后安全反射仅 20 毫秒（传统系统超 200 毫秒），「脊髓」层执行功耗仅 0.4 瓦。创始人郭彦东的金句很直接：「大家天天想着如何长得像人，但没人想如何让脑子更像人。」
「一脑多形」是另一条值得记的支线。 星海图 用 EFM-1 双系统（慢思考 VLM + 快执行 VLA）实现一个大脑控制多种形态的机器人身体； 蚂蚁灵波 的 LingBot-VLA 2.0「通用大脑」已适配 17 家厂商的 20 余种机器人构型，并在 500 余家真实门店完成超 15 万单履约，门店从接单到交付控制在 90 秒以内。
融合，是头部玩家的共同判断。 星海图 高继扬认为 VLA 与世界模型「同源共生」，未来越来越走向融合； 智平方 郭彦东更直接：「世界模型不是 VLA 的竞争路线，而是 VLA 体系中的核心组成部分。」
智元机器人 彭志辉的判断是两者互补，长期最优架构是「世界模型 + 机器人大小脑快慢系统」，实现理解物理世界、预测环境变化、主动改造世界的闭环； 千寻智能 韩峰涛则用一句话点破差异：VLA 解决「看到什么就做什么」，世界模型让机器人具备「预测这么做会发生什么」的推理。
当然，热闹之下要留一分冷静。眼下具身榜单多达 20 余个，VLA 操作榜、世界模型榜、专项基准榜各有侧重、互不替代，结果却是「人均第一」——几乎每家都拿着具体榜单的排名背书。 千寻智能 Spirit v1.6 登顶 RoboArena 后甚至一度陷入「被除名」的争议，榜单的公信力本身就需要打量。
更硬的壁垒在物理世界。世界模型要理解因果律，不光需要「把杯子拿起来」的成功样本，更需要海量「杯子滑落、捏碎、碰撞」的失败交互——这道「失败数据鸿沟」极其烧钱且缓慢。真实的力、接触、位姿扰动，至今没有一套标准化的客观评测指标。
连本体玩家也在补课大脑。即将登陆 A 股的 宇树科技 ，42 亿元募资总额中近一半拟投向智能机器人模型研发，同样剑指「整机 + 智能」的战略闭环。这恰恰说明：2026 年的具身之争，胜负手已经不在关节和电机，而在模型与数据。
从「看见就做」到「先想后做」，2026 正在成为具身智能的「大脑元年」。但真正检验大脑的，不在发布会和榜单，而在工厂的产线、药店的门店、家庭的客厅——那里没有彩排，只有真实世界的阻力与惯性。本文基于公开报道整理。