9 月 11 日，成立不到一年的超维动力（Kinetix AI）宣布完成超 5 亿元天使+轮系列融资，投资方包括祥峰资本、方广资本、万石资本。更值得产业侧留意的不是金额，而是它演示的一段逻辑：同一套原生具身大模型 KAI World Model，被部署到了 宇树 G1 和 智元 远征 A3 两台结构完全不同的本体上，验证所谓的「一脑多形」。
「一脑多形」听起来像一句口号，但它指向的是具身智能今天最实在的一道隐形税——本体的碎片化。行业里有数百家本体厂，每一家的自由度、关节布局、传感器配置、驱动延迟都不一样。为一个本体调好的策略，换一台机器往往要从头再来，数据也跨不过去。
这正是为什么大模型路线会被反复提起。如果每条产线、每个场景都要单独训练一个「专属脑」，具身智能的规模效应就永远起不来。把「脑」从「身体」里抽出来，做成一套能映射到任意本体的策略，是这条路线成立的前提。
技术上看，跨本体部署要做三件事。第一是动作空间的归一化：把不同本体的关节角、末端位姿统一到一套中间表示，模型只在「通用语言」里思考。第二是本体无关的表征学习：让模型理解「抓取」「叠衣」这类任务语义，而不是记住某台机器的电机编号。第三是适配层：把通用策略翻译成具体本体的可执行指令。
NVIDIA 的 Isaac GR00T 走的就是这条「一个基础模型 + 不同本体适配」的路线，它把仿真、数采和微调工具打包，让开发者把同一套大脑挂到不同厂商的机器人上。 Figure 的 Helix 用视觉-语言-动作的双系统，试图让一个模型覆盖自家多款硬件。两条路都在回答同一个问题：脑能不能和身体解耦。
反面的样本是 特斯拉 Optimus。它选择全栈自研——本体、执行器、控制、模型全在自己手里。这种封闭路线的好处是接口完全可控、迭代不被外部卡，代价是「脑」只能长在自己的身体上，复用半径为零。当行业还在比谁的演示更花哨时，这两种选择已经分出了两种不同的商业逻辑。
回到超维动力的演示。它用第一人称数据采集头环获取人体全身运动与三维环境数据，再以百万级视频预训练 KAI World Model，最终把策略同时落到 宇树 G1 和 智元 远征 A3 。这个动作的意义不在于「又一家公司能控制两台机器人」，而在于它证明：大脑厂可以不拥有本体厂，而是寄生在本体厂的硬件上生长。
但这恰恰撞上了跨本体部署最难的非技术阻力——接口开放权。本体厂愿不愿意把关节、力控、实时状态的接口开放给「别人的脑子」？对本体厂来说，把大脑话语权让出去，等于把最值钱的部分交出去；对大脑厂来说，拿不到接口就没有用武之地。今天的「一脑多形」演示，大多发生在合作或被投关系内部，而不是开放市场上。
另一个被低估的真实边界是硬件差异本身。模型可以抽象动作空间，但自由度不匹配时策略会退化：一个 117 自由度的拟人本体学到的全身协同，很难无损压缩到一台 6 轴协作臂上。跨本体的泛化有上限，超维动力的 KAIBot 有 117 个自由度，而它演示落地的 G1、远征 A3 同样是高自由度人形——目前「一脑多形」最稳的，仍是形态相近的本体之间。
数据侧的缺口也在放大这道难题。公开报道显示，全球机器人训练数据仅约 50 万小时，不足需求的 5%；2026 年上半年具身智能融资已达 935 亿元，同比增 5 倍，相关企业超 230 家。钱在涌入，但能跨本体复用的真实交互数据并没有同步增长，模型跨身体的泛化能力因此被数据卡住。
所以「一脑多形」现在更像一种方向，而非已经兑现的能力。它考验的不只是算法，更是谁有权力定义本体的标准接口。行业大概率会先收敛到少数几个「被生态认可的本体形态」，大脑厂围绕它们做适配，再逐步向外扩展——而不是一夜之间任何脑子都能长在任意身体上。
对创业公司而言，这条路线藏着机会也藏着陷阱。机会是大脑厂不必重资产造本体，可以像超维动力那样把数据采集头环和灵巧手先卖出去、用现金流养模型；陷阱是如果拿不到主流本体的接口授权，「跨本体」就只能停留在 PPT 和内部演示里。
对本体厂而言，是否开放接口是一道战略选择题。全栈自研能保证体验闭环，却可能错过生态；开放接口能换来开发者与数据回流，却要交出一部分控制权。 特斯拉 选了前者， NVIDIA 想成为后者的「卖水人」。两种答案没有对错，只有适不适合自己的阶段。
站在 2026 年下半年的节点看，具身智能的竞争正在从「谁的机器人能动」转向「谁的脑能长在更多身体上」。 优必选 、宇树、智元这些已经量产出货的本体厂，手握接口却也在悄悄自研大脑，它们既是被寄生的一方，也是潜在的「一脑多形」赢家。
技术的归技术，商业的归商业。跨本体部署的工程难题迟早会被抽象层和仿真补齐，但接口开放与否从来不是工程问题。当超维动力们用演示证明「脑可以不属于身体」时，真正的对手或许不是同行，而是本体厂攥在手里、迟迟不愿松开的那个接口。
这场博弈的终局，大概率不是某一种本体消灭其他本体，而是少数标准本体 + 多个可插拔大脑的生态格局。在那之前，每一次「一脑多形」的成功演示，都值得被认真对待——它丈量的是行业离「脑体解耦」还有多远。
本文基于公开报道整理。