Der „Wendepunkt“ für humanoide Roboter ist erreicht: Das Produktionsvolumen ist nur die Untergrenze, das Modell bestimmt die Obergrenze.

Das Kapital bestätigt mit echtem Geld eine Erkenntnis: In der zweiten Hälfte der KI-Ära verlagert sich die Preissetzungsmacht von der Hardware auf die Modelle. Dieselbe Logik setzt sich in der Branche der verkörperten Intelligenz immer schneller durch – das Kapital nutzt ähnliche Bewertungslogiken, um die Wertkomponenten von Robotern neu zu bewerten.

Viele Jahre später, wenn man auf die Entwicklungsgeschichte der künstlichen Intelligenz zurückblickt, wird die Veröffentlichung von DeepSeek R1 möglicherweise als ein Wendepunkt angesehen.

Im Januar 2025 veröffentlichte das chinesische KI-Unternehmen DeepSeek das Inferenzmodell R1. Seine Leistung entspricht den damals modernsten geschlossenen großen Modellen, während die Trainingskosten weit unter dem Branchenniveau liegen. Die Modellgewichte wurden am Tag der Veröffentlichung gleichzeitig quelloffen gemacht.

Eine Woche später fiel der Aktienkurs von Nvidia an einem einzigen Tag um mehr als 17 %, sein Marktwert schrumpfte um über 560 Milliarden US-Dollar und unterschritt die Marke von 3 Billionen US-Dollar. Dies war der Tag mit dem größten Marktwertverlust in der Geschichte von Nvidia und bis dahin der höchste Rekord für den eintägigen Marktwertverlust eines einzelnen Unternehmens an der US-Aktienmarktgeschichte.

Vor der Veröffentlichung von R1 war die vorherrschende Erwartung des Marktes: Die Entwicklung der KI erfordert kontinuierliche, massive Investitionen in Rechenleistung, und Nvidia hat die Angebotsseite fast monopolisiert. R1 hat diese Erwartung durchbrochen – die Verbesserung der Modellkapazität erfordert nicht unbedingt eine proportionale Erhöhung der Rechenleistungsbeschaffung. Rechenleistung ist nicht mehr der einzige Engpass, das Modell selbst ist der Kern der Bewertungsprämie.

Dieser Einfluss breitete sich schnell auf den Kapitalmarkt aus. In den Monaten nach der Veröffentlichung von R1 wurde die Investitionslogik des globalen großen Modellsektors neu überprüft. Im gesamten Jahr 2025 blieben die Finanzierungsaktivitäten im chinesischen KI-Bereich kontinuierlich aktiv, die Bewertungen der führenden großen Modellunternehmen erlebten mehrere Runden der Neubewertung im Jahr, und das Kapital konzentrierte sich weiter auf Teams mit Kerntechnikfähigkeiten.

Die Hitze des Sektors 2026 hat nicht nachgelassen, sondern erlebte ein markantes Ereignis: DeepSeek erhielt eine Führungfinanzierung durch den Nationalen Großen Fonds, und die Bewertung auf dem Primärmarkt liegt bei etwa 45 Milliarden US-Dollar; der gesamte Bewertungsniveau der chinesischen großen Modellunternehmen ist insgesamt gestiegen.

Das Kapital bestätigt mit echtem Geld eine Erkenntnis: In der zweiten Hälfte der KI-Ära verlagert sich die Preissetzungsmacht von der Hardware auf die Modelle.

Dieselbe Logik setzt sich in der Branche der verkörperten Intelligenz immer schneller durch – das Kapital nutzt ähnliche Bewertungslogiken, um die Wertkomponenten von Robotern neu zu bewerten.

Politik zeigt Karten, Kapital strömt ein: Das „Gehirn“ wird zum neuen Bewertungsanker der verkörperten Intelligenz

Das Kapital verfolgt Sicherheit. Im Zeitalter der großen Sprachmodelle ist das Kapital ein Wegbereiter; bei der verkörperten Intelligenz hat die Politik zuerst ihre Haltung klargestellt.

Der Regierungsarbeitsbericht 2026 schlägt ausdrücklich vor, zukünftige Industrien wie die verkörperte Intelligenz zu fördern. Dies ist das zweite Jahr in Folge, in dem die verkörperte Intelligenz in den Regierungsarbeitsbericht aufgenommen wird. Der Vorschlag für den „15. Fünfjahresplan“ hat sie auch in die vorausschauend angeordneten zukünftigen Industrien aufgenommen. Der Schwerpunkt der Politik wurde im zweiten Halbjahr weiter klargestellt: Das Ministerium für Industrie und Informationstechnologie und das Staatsvermögenamt starteten gemeinsam eine Sonderaktion und listeten die „Verbesserung der Algorithmen für Groß- und Kleinhirnmodelle“ als Schlüsselaufgabe auf; Peking, Shanghai, Shenzhen und Hangzhou haben nacheinander Aktionspläne veröffentlicht, die ausnahmslos die Modelle für „Groß- und Kleinhirn“ an die erste Stelle der Schlüsseltechnologien setzen.

Das Signal ist bereits klar genug, und die Reaktion des Kapitals ist noch konzentrierter.

Laut Daten von IT Juzi belief sich der Gesamtbetrag der Finanzierungen im inländischen Sektor der verkörperten Intelligenz im ersten Halbjahr 2026 auf 93,5 Milliarden Yuan, was mehr als das Fünffache des ersten Halbjahres 2025 beträgt. Bei Unternehmen, die bereits in das Börsenzulassungsverfahren eingetreten sind, sind die an erster Stelle stehenden Kapitalbeschaffungsprojekte in ihren Börsenprospekten meist die Forschung und Entwicklung von Modellen und Algorithmen. Am 24. Juli optimierte die Hongkonger Börse das Börsenzulassungsystem nach Kapitel 18C weiter und senkte die Börsenzulassungsschwelle für Technologieunternehmen – unter diesen Regeln liegt die Bewertungsgrundlage von Unternehmen hauptsächlich auf der technischen Fähigkeit, und die technische Fähigkeit von Unternehmen für verkörperte Intelligenz ist im Grunde genommen das „Gehirn“.

Im Ausland sammelt sich das Kapital ebenfalls bei führenden Unternehmen, die sich auf die Ebene des „Gehirns“ konzentrieren.

Im Juli 2026 schloss das US-amerikanische „Roboter-Gehirn“-Unternehmen General Intuition eine Serie-A-Finanzierung in Höhe von 320 Millionen US-Dollar ab, mit einer Bewertung von 2,3 Milliarden US-Dollar. Sein Kernvorschlag ist, keine Roboter zu bauen, sondern nur „Gehirne“; das britische Unternehmen Humanoid schloss eine Serie-A-Finanzierung in Höhe von 152 Millionen US-Dollar ab und wurde zum ersten europäischen Einhorn für humanoide Roboter.

Noch markanter ist Figure AI. Das Post-Finanzierungs-Bewertung dieses Unternehmens beträgt bereits 39 Milliarden US-Dollar, mit einer kumulierten Finanzierung von 1,9 Milliarden US-Dollar. Zu seinen Investoren gehören Microsoft, Nvidia, OpenAI und Bezos. Im März 2026 erhielt es weitere Zusatzfinanzierungen von etwa 1,1 Milliarden US-Dollar, mit dem Ziel, ein universelles „Roboter-Gehirn“ zu entwickeln. Wenn ein Unternehmen, das „Gehirne“ herstellt, eine Bewertung von 39 Milliarden US-Dollar erreichen kann, braucht die Marktlogik für die Preisgestaltung des „Gehirns“ keine weiteren Worte.

Auch auf der Produktseite beschleunigt sich die Umstellung auf das Gehirn. Tesla übertrug das FSD-Neuronale Netzwerk für autonomes Fahren direkt auf Optimus, und beide teilen sich dasselbe Weltmodell und dasselbe visuelle Wahrnehmungssystem. Auf der Leistungssitzung im zweiten Quartal 2026 wurde bestätigt, dass Optimus in die Massenproduktion eintritt, wobei der Schwerpunkt auf der intelligenten Softwareebene liegt. Nvidia stellte die Sicherheitsarchitektur Halos for Robotics vor und definiert sich selbst als „Anbieter von Infrastruktur für Roboter-Gehirne“.

Auf der einen Seite erhalten aufstrebende Startups für Gehirne übermäßige Finanzierungen, auf der anderen Seite lenken Technologiegiganten ihre über Jahrzehnte angesammelten Technologievermögenswerte auf das „Gehirn“. Alle Wege führen zum selben Ziel: Die ganze Welt zahlt für dieselbe Erzählung – der Wert von Robotern verlagert sich von dem „Körper“ auf das „Gehirn“.

Der Kampf um das „Gehirn“ von Robotern: Wer führt?

Um zu verstehen, warum das „Gehirn“ wichtig ist, muss man zuerst verstehen, wie die Modelle der verkörperten Intelligenz geschichtet sind.

Was wir oft als das „Gehirn“ des Roboters bezeichnen, ist genauer gesagt das „Gesamthirn“ – es besteht aus zwei Schlüsselteilen: Das Kleinhirn steuert Bewegungen wie Gleichgewicht, Gehen und Springen und löst die Frage „wie man sich bewegt“; das Großhirn steuert Planung und Entscheidungsfindung, z. B. das Verstehen der Umgebung und die Entscheidung, was als Nächstes zu tun ist. Aber das wirklich Leistungsfähige ist das „Gesamthirn“ (im Folgenden als „Gehirn“ bezeichnet), das diese beiden Teile verbindet und Wahrnehmung, Denken und Handlung in einem Modell zusammenwirken lässt.

Gegenwärtig konzentriert sich die Forschung in der globalen Branche der verkörperten Intelligenz hauptsächlich auf zwei Extrempunkte.

Der eine Punkt ist die Hardware selbst. Nach der explosionsartigen Entwicklung in den vergangenen zwei Jahren ist die Hardware selbst nicht mehr knapp, die technische Schwelle für Roboter selbst sinkt schnell, und das Kapital fließt entlang der industriellen Logik weiter stromaufwärts. Ein repräsentatives Unternehmen ist Unitree Robotics, das Roboter durch spezielle Programme steuert, um spezielle Bewegungsaufgaben zu erledigen, und ein sehr hohes Niveau im Bereich der Bewegungssteuerung erreicht hat.

Der andere Punkt ist das universelle Gehirn. Die meisten großen Modelle für verkörperte Intelligenz, die in den letzten zwei Jahren von vielen Unternehmen im In- und Ausland veröffentlicht wurden, fallen in diese Kategorie und lösen die Probleme der Aufgabenplanung und des Szenenverständnisses. Aber auf der Ebene des universellen Kleinhirns und des Gesamthirns gibt es fast kein Unternehmen, das systematisch plant und nachdenkt.

Ausland hat Teslas Weg am direktesten. Am 23. Juli 2026 bestätigte Tesla auf der Telefonkonferenz zum Q2-Geschäftsbericht, dass Optimus bald in die Massenproduktion eintritt, und stellte das langfristige Ziel auf, 1 Million Einheiten der V3-Version und 10 Millionen Einheiten der V4-Version pro Jahr zu produzieren. Die Diskussion über Optimus auf der Leistungssitzung befasste sich kaum mit der Hardware-Seite, sondern konzentrierte sich mehr darauf, wie die Massenproduktion realisiert werden kann, die Hardware-Unterstützung für die Softwareebene und das Training des VLA-Ende-zu-Ende-Modells – dies zeigt, dass der Hardware-Träger vorläufig festgelegt ist und der Schwerpunkt sich auf die Modellebene der intelligenten Fähigkeiten verlagert.

Elon Musk erklärte ausdrücklich, dass Optimus dieselbe Ende-zu-Ende-Strategie wie das FSD für autonomes Fahren anwenden wird – nämlich „Pixel eingeben, Steuerbefehle ausgeben“. Tesla baut ein einziges, riesiges, einheitliches neuronales Netzwerk auf, das sensorische Eingaben über mehrere Kameras empfängt, propriozeptive Signale von den Gelenken empfängt, Kraft- und Taktile Rückmeldungen von den Händen empfängt und kontinuierliche Steuerausgaben erzeugt. Im Gegensatz zu vielen Konkurrenten, die eine geschichtete modulare Architektur verwenden – die Wahrnehmung, Planung und Vorhersage in unabhängige Codebasen unterteilt – hat Tesla diese Systeme aufgegeben und sich stattdessen für ein einziges neuronales Netzwerk entschieden.

In China gibt es viele Unternehmen, die Roboter selbst herstellen, aber nur wenige, die „Gehirne“ entwickeln.

Die Entwicklung des „Gehirns“ für verkörperte Intelligenz erfordert gleichzeitig Fähigkeiten in den Bereichen Computer Vision, Robotik, Training großer Modelle und Engineering in realen Szenen. Diese Richtungen gehören an Universitäten zu unterschiedlichen Fakultäten und Fachbereichen, und es gibt weltweit nur sehr wenige Forscher, die sie miteinander verbinden können. In China gibt es noch weniger akademische Labore und organisierte Forschungs- und Entwicklungsteams, die sich auf dieses interdisziplinäre Gebiet konzentrieren. Das ist auch der grundlegende Grund, warum es weitaus weniger Startups im Bereich des „Gehirns“ als im Bereich des „Körpers“ gibt.

Ein noch tieferer Engpass liegt in den Daten.

Wang He, Gründer von Galaxy Universal Robotics, hat in einer öffentlichen Rede in diesem Jahr eine Gruppe von Daten vorgelegt: Ein führendes Automobilunternehmen erhält täglich etwa 100 Millionen Datensätze an Fahrtdaten zurück, während die größte Datenerfassung für verkörperte Intelligenz weltweit nur in der Größenordnung von Millionen Datensätzen liegt – ein Unterschied von zwei Größenordnungen. Die Daten für autonomes Fahren stammen von tatsächlich fahrenden Fahrzeugen, die Grenzkosten sind fast null; die Daten für verkörperte Intelligenz stammen aus Laboren, jedes Bild erfordert manuelle Annotation oder Fernsteuerung zur Erfassung, was hohe Kosten, langsamen Fortschritt und begrenzte Szenen bedeutet. Das bedeutet, dass die verkörperte Intelligenz nicht das „Datenrad aus realen Szenen“ des autonomen Fahrens kopieren kann, sondern eine völlig andere Lösung auf der Datenseite finden muss.

Der Konsens der Branche lautet: Heterogene Datenquellen aus verschiedenen Quellen effektiv nutzen. So wie große Sprachmodelle durch riesige Mengen an Internet-Textdaten Durchbrüche erzielt haben, muss die verkörperte Intelligenz auch ein Datensystem aufbauen, das alle Szenen der physischen Interaktion abdeckt – Internetdaten, menschliche Bewegungsdaten, Simulationsdaten, Fernsteuerungsdaten und zurückfließende Daten von echten Geräten. Diese fünf Datenquellen müssen in einem einheitlichen Rahmen integriert werden, sich gegenseitig ergänzen und validieren.

In Chinas Erkundungen im Bereich des „Gehirns“ ist Galaxy Universal das repräsentativste Unternehmen.

Wenn Tesla für den „Top-down-Transfer“ steht – das Ende-zu-Ende-Fahrmodell, das durch FSD angesammelt wurde, auf Roboter zu übertragen – dann ist der Weg von Galaxy Universal eher dem „Bottom-up-Erkunden“ ähnlich: Zuerst die Fähigkeit des „Gesamthirns“ aufbauen und schließlich einen vollständigen Stack von „Daten – Modell – Roboter selbst“ schließen. Dieses System integriert heterogene Daten aus verschiedenen Quellen auf der Datenseite, deckt auf der Modellebene drei Ebenen ab: universelles Großhirn, universelles Kleinhirn und Bedienung durch geschickte Hände, und wurde in extrem dynamischen Szenen wie Tennisspielen validiert – alle Bewegungen werden vom Modell selbst entschieden, ohne vorprogrammierte Bahnen, Großhirn und Kleinhirn arbeiten in demselben Rahmen zusammen. CCTV News hat dieses Ergebnis berichtet, und Elon Musk hat auf einer ausländischen sozialen Plattform eine Antwort mit Aufmerksamkeit gegeben.

Beide Wege haben ihre eigenen Vorteile. Die Ende-zu-Ende-Strategie von Tesla wurde im Bereich des autonomen Fahrens validiert, und die Übertragung auf Roboter ist logisch nachvollziehbar; der „Bottom-up“-Weg von Galaxy Universal stützt sich auf Chinas weltweit vollständigste Lieferkette für humanoide Roboter und reiche Anwendungsszenarien in der Fertigungsindustrie. Das bedeutet, dass chinesische Unternehmen nicht warten müssen, bis das „Gesamthirn“ vollständig ausgereift ist, um die Roboter selbst einzusetzen, sondern gleichzeitig mit der Iteration der Roboter trainieren können, was einen parallelen Evolutionsrhythmus ergibt.

Noch bemerkenswerter ist, dass China auf der Datendimension einzigartige institutionelle Vorteile aufbaut. Liu Liehong, Direktor des Nationalen Datenamts, erklärte bei einer Untersuchung in Galaxy Universal Robotics, dass die Bereitstellung hochwertiger Datensätze für die Branche der verkörperten Intelligenz als neuer Durchbruch zur Realisierung der Marktwirtschaftlichkeits- und Wertsteigerung von Datenelementen betrachtet wird.

Dies ist das erste Mal, dass die oberste nationale Datenverwaltungsbehörde ausdrücklich Daten für verkörperte Intelligenz als Schwerpunkt der Politik festlegt – wenn Daten als Treibstoff für das „Gehirn“ definiert werden, hat derjenige, der das Datensystem beherrscht, die Iterationsgeschwindigkeit des „Gehirns“ unter Kontrolle. Vor dem Hintergrund, dass es weltweit noch keinen einheitlichen Datenstandard gibt, verstärkt China das „Gehir