人形不再独吞C位，，大脑内卷，，数据为王。。 。。
定焦One（dingjiaoone）原创
作者 | 王璐
编辑 | 魏佳
这几天，，科技圈的最大盛事当属WAIC大会。。 。。今年，，人气最旺的是上海世博展览馆H3馆，，具身智能首次自力成馆，，与智算并列为大会两大焦点赛道，，从整机到灵巧手、枢纽模组、传感器，，一条工业链完整铺开。。 。。
「定焦One」一连两天走访，，在现场最直接的感受是“人多”。。 。。宇树展台被围得挤不进去，，加速进化把展位改成小型足球场，，一群不到1米高的机械人自己踢球、抢断，，还会假行动。。 。。凭证官方披露的信息，，今年参展的具身智能企业从去年的80多家增添到200多家，，真机凌驾300台，，且险些所有动态运行，，而去年这里还以静态展示为主。。 。。
除了观众们的热情之外，，尚有一个显着的转变是机械人可以干的事情变了。。 。。去年是150台人形同台，，卷的是后空翻、做咖啡这类炫技行动，，今年各家的demo从炫技换成了做早餐、打蝴蝶结、进汽车产线这类更杂、更难也更贴近真实场景的使命，，机械人的形态也从简单的人形变得越发富厚。。 。。
不过热闹之下，，行业仍处在早期：大脑架构未定、训练机械人的数据从哪儿来照旧难题。。 。。H3馆里险些每家都在讲“我家模子最懂物理天下”，，“机械人该用VLA照旧天下模子”的争论被直接搬上论坛。。 。。
这些问题没有标准谜底，，而WAIC恰恰是视察各家给出什么解法的一个窗口。。 。。本文从形态、大脑、落地三个维度切入，，看看今年具身智能走到了哪一步。。 。。
01.看形态：人形不再是唯一，，载人机甲、半人马也来了
进入H3场馆，，科幻影戏里的场景似乎没那么远了。。 。。几台机械人排成一列徐徐穿过通道，，无意有观众侧身让路，，当你饿了的时间，，可以去某个展台“领”一份由机械人完成的早餐，，虽然行动尚有点僵硬缓慢，，但至少是真的能吃。。 。。
「定焦One」在馆里逛了泰半天，，一个强烈的感受是，，人形机械人依然是重点，，但不再独吞C位。。 。。去年是150台人形同台、卷自由度、卷后空翻，，今年人形还在，，但载人机甲、可变形本体、半人马等新形态纷纷涌现，，轮式和四足这些成熟形态也找到了更明确的场景。。 。。
按落地场景看，，各家大致分成了三派。。 。。
第一派是工营业实派，，既有轮式，，也有双足，，形态让位于稳固。。 。。
智元拿下H3馆最大展区，，集中宣布五款产品，，其中轮式的精灵G2Max主打“安规级重载”，，能24小时不中止搬运码垛，，无需人工轮岗、夜班值守，，直接瞄准客栈“两班倒”的人力缺口。。 。。
同样瞄准工业，，它石智航给出的是另一套谜底，，它把一条1:1复刻的汽车线束产线搬希望台，，由“轮式底盘+双臂”的机械人集群现场演示产线自主作业。。 。。工业场景下，，这种组合较量务实，，能一连作业、能无邪调理，，本钱和稳固性都适合量产爬坡。。 。。
智元机械人 图源 / 智元官网
乐聚这届不再讲商超和家庭，，转而聚焦工厂，，其全尺寸人形机械人夸父系列（含双足版与轮式夸父5-W）与蚂蚁灵波相助实现物流全场景自动化，，涵盖纸箱拆垛、搬运、上料等环节。。 。。
第二派是小人形，，把人形机械人做小，，用价钱换入场券。。 。。
松延动力身高不到一米的小布米定价9998元，，是现在市面上第一款万元以内的量产人形机械人，，高约94厘米、约12公斤，，已正式开售。。 。。作为参照，，一台全尺寸人形通常在1.7米上下、几十万元起，，小布米险些把体型和价钱同时砍掉一个数目级。。 。。展台上，，小布米们同步完成舞蹈，，行动对齐精准，，OTA3.0功效支持用户通过手机App远程更新机械人的交互界面、行动姿态和内容。。 。。
消耗级小人形的玩家尚有鹿明机械人，，现场展示了AI迷你双足人形“鹿小明”，，仅89厘米，，可追随音乐起舞。。 。。加速进化则把展台酿成小型足球场，，一批身高不到1米的机械人自主踢球、非遥操，，射门力道猛还会假行动，，走的是科研、竞技蹊径。。 。。
加速进化机械人踢足球 图源 / 「定焦One」摄
第三派是新形态探索派，，按情形切换形态。。 。。
宇树科技依然有人形拳击赛，，但站C位的是GD01，，这是一款载人变形机甲，，人可以坐进座舱操控，，其定位为“民用交通工具”，，号称全球首款量产版载人机甲，，但起售价高达390万元。。 。。上纬启元T1在轮足人形和四足之间自主切换，，室内走轮足，，清静、零转弯半径，，客厅书房都能，，到户外切换四足，，过草地、砂石、斜坡、台阶，，对应散步、露营场景，，其变换形态被网友奚落“人模狗样”。。 。。
逐际动力TRON2走模浚？榛杈，，像拼乐高一样组合成双足、双轮足、双臂，，现场甚至还用双足加双臂拼出一只“半人马”形态，，不但能背负30KG稳步走，，还能在地毯上拖轮胎，，对应商用服务场景的重大地形。。 。。
逐际动力半人马 图源 / 逐际动力官网
整体看下来，，今年机械人的形态比去年越发富厚，，但逻辑一致，，即按场景反推本体。。 。。一位具身智能从业者体现，，依附一款本体打天下的幻觉被订单砸碎了，，“工业要轮式、家庭要人形、消耗要小巧、特种要载重机甲，，每家都在按场景反推本体，，形态自然就被打散了。。 。。”
不过，，形态变多说明厂商们把场景想清晰了，，不代表活儿真干好了。。 。。展会上看到的搬运、踢球、舞蹈，，大都照旧在可控的情形里“演”出来的。。 。。选对形态只是拿到了入场券，，能不可把活儿干利索，，还得看大脑和手脚跟不跟得上。。 。。
02.看大脑：VLA之外，，天下模子探路
形态是肉眼能看到的转变，，更大的比拼爆发在看不见的地方——机械人的大脑。。 。。
先简朴科普下配景。。 。。具身智能这两年主要用VLA（视觉-语言-行动）模子，，它善于看懂场景、听懂指令，，但对物理天下缺乏真正明确，，一遇到没见过的场景，，泛化能力（把学过的本事迁徙到新场景的能力）就显着打折，，往往在实验室里体现很好，，一进真实家庭就崩。。 。。于是各家最先探索新的偏向，，“天下模子”成为今年最热的选项。。 。。通俗来说，，天下模子是让机械人先在“脑内”展望“这么做天下会酿成什么样”，，再决议行动，，而不是死记硬背行动顺序。。 。。
从现场来看，，各家的押注集中在两个偏向：长程使命和重大操作。。 。。
长程使命方面，，银河通用的星脑模子把使命长度从去年的短行动延伸到了3–5分钟。。 。。现场演示中，，机械人一连完成烤面包、倒饮料、取盘装盘，，纵然事情职员暂时挪动杯子或餐盘，，它也会重新扫描桌面寻找目的，，而不是按牢靠点位执行。。 。。
更为极限的是原力灵机联合阶跃星辰提倡的挑战，，6台机械人用原力灵机的通用具身基础模子DM0.5，，一连协同拼装一座8万余块积木的长城，，实现了15小时的一连作业。。 。。
重大操作方面，，星尘智能一口吻放出22项真机家庭使命，，包括煎蛋颠锅、称小米、打蝴蝶结等高难度操作，，是本届WAIC家庭场景demo最周全的一家。。 。。
星尘智能机械人协作叠纸箱 图源 / 星尘智能官网
在这些能力提升的背后，，各家在天下模子上走出了差别解法。。 。。
银河通用在大会时代宣布的WAM-TTT，，解决的是“进场快”。。 。。TTT即“测试时训练”，，可大致明确为，，基础手艺先预训练好，，机械人进了客户现场，，只需看一批人类操作视频，，就能顺应新情形干活，，不需要行动标注，，预训练参数也完全冻结。。 。。
按其论文中的比照实验，，100条机械人轨迹搭配100条人类视频，，乐成率74.1%，，与200条纯机械人轨迹的73.7%基本持平，，这意味着自制易得的人类视频，，大致能替换一律数目的真机数据，，好比原本需要100小时数据训练的新使命，，现在可能只要2小时就能跑起来。。 。。首创人王鹤打了个例如，，“厨师换厨房，，厨艺稳固。。 。。”
但一位从业者指出，，这一方式想冲到99%的落地标准，，仍离不开大宗领域专用数据，，想“干得好”还要训练。。 。。
星尘智能在WAIC前夜宣布的Lumo-2，，解答的是“怎么想”。。 。。它号称业界首个“家庭隐式天下行动模子”。。 。。
星尘智能副总裁王佳楠用煎蛋的行动，，来诠释这条“隐式”蹊径详细怎样事情。。 。。模子接到指令后，，不会直接挪用现成的行动，，而是在内部先“想象”一遍，，“蛋在锅中心欠好颠，，状态应该酿成靠近锅边” ；；；；再推理行动，，“手往下压一点，，让蛋滑已往”。。 。。这和古板的VLA模子差别，，VLA更像是“背行动”，，记着以前做过什么，，遇到类似情形就照着来，，Lumo-2是“为了抵达某个效果，，自己想步伐天生行动”，，以是情形一变，，它也能无邪调解。。 。。
但该蹊径也有两浩劫点。。 。。第一，，它不天生画面，，你看不到它脑子里在想什么，，就像一台黑盒子，，只能看它最后干得好欠好，，没法中途检查它想得对差池。。 。。第二，，摄像头拍到的工具可能缺乏以区分目今状态，，好比同样是桌上一只杯子，，内里有没有水、水是满的照旧半满的，，从画面看险些一样，，但机械人该用的行动完全差别。。 。。这种隐式蹊径的优点是省算力、能自主运行、能切换场景，，价钱是内部历程看不见，，出了问题欠好排查，，训练也更费劲。。 。。
腾讯则在WAIC时代宣布了RxBrain，，解决的是“推理和想象怎么统一”。。 。。它是腾讯Hy-Embodied系列里的“大脑”模子，，腾讯首席科学家张正友用“裂脑”比喻来诠释其架构：去年左右脑之间仅通过语言毗连，，今年RxBrain在左右脑之间增添了视觉信息通道，，一边用文字形貌子使命，，一边用图像展示完成子使命后天下会酿成什么样。。 。。
他并没有直接给这个模子贴上“天下模子”的标签，，但他以为，，这已经踩进了天下模子的偏向，，既能够做推理，，同时有想象力。。 。。在他看来，，天下模子现在还没有一个统一的手艺方案，，各家都在探索，，腾讯也不破例。。 。。
把这几条蹊径摆在一起，，会发明VLA和天下模子并非二选一的关系。。 。。VLA在一连进化，，天下模子也在吸收VLA的履历，，两条蹊径同步往前走。。 。。
03.看落地：数据收罗和灵巧手成下一轮竞争焦点
在WAIC现场，，各人问得最多的问题是：机械人为什么还进不了家、进不了厂？？？卡点集中在两处，，喂给大脑的数据不敷多，，以及执行行动的那只手还不敷灵。。 。。
先说数据。。 。。天下模子虽然缓解了部分数据压力，，把“明确天下”这部分从遥操转移到了视频，，但行业才刚起步，，各家蹊径五花八门，，无论走哪条路，，高质量的真实数据都是绕不开的配合刚需。。 。。
图源 / 「定焦One」摄
本届WAIC上，，数据收罗第一次成了一个自力身类，，多家公司带着专门的数采装备和方案泛起。。 。。现在能看到三种思绪并存。。 。。
第一种是本体厂自采，，数据长在自家机械人本体上，，宇树、乐聚都在做，，利益是“采什么练什么”，，但数据多关闭在自家系统内。。 。。
第二种是出售数采装备，，相当于“卖铲子”。。 。。
觅蜂科技（智元孵化）的MEgo系列走的就是这条路，，焦点是“不绑机械人”，，用轻盈的硬件就能采数据。。 。。它的客户主要是两类，，一类是缺乏本体或不想绑本体的具身首创公司，，另一类是本体厂想补一套更无邪的数采手段。。 。。
其操作也不需要机械人工程师，，通俗数据收罗员戴上就能最先收罗数据。。 。。MEgo Gripper是一个手持装备，，重量为560克，，像拿个加大号游戏手柄，，能纪录毫米级的空间轨迹，，MEgo View是衣着套装，，头上戴全景相机、手腕上绑摄像头，，7路画面同步录制，，一个人可把“怎样操作”的全历程采下来。。 。。
第三种是“数采+天下模子”打包卖。。 。。大晓机械人在WAIC上同时宣布了ACE数采装备和开悟天下模子KAIROS。。 。。ACE采回来的数据名堂直接和KAIROS对接，，客户不必再转名堂、洗濯数据，，拿来就能用。。 。。虽然，，也可以只买模子或只买收罗装备，，不强制捆绑。。 。。
三种思绪背后是竞争的白热化，，2026年被重复称作“具身数据元年”，，谁把标准化、低本钱的数据供应跑通，，谁就占住了工业链上最难替换的位置。。 。。
说完大脑，，再来看“手”。。 。。若是说数据是“大脑的食物”，，那灵巧手就是“大脑的手”，，最后不敷无邪，，再好的模子也施展不出作用。。 。。
前两年，，行业的眼光大多在跑、跳、翻这些大行动上，，今年重点从“腿”转到了“手”。。 。。背后也有行业配景，，直驱枢纽的单指本钱大幅下降，，触觉传感的精度和价钱双双跨过量产临界点，，把灵巧手从已往的工业夹爪，，推到了具身智能的焦点终端位置。。 。。但怎么做一只能手，，行业还没有共识，，今年WAIC上，，灵巧手的蹊径也是多种多样。。 。。
灵心巧手一次性把连杆、腱绳、直驱三种手艺蹊径的灵巧手都摆了出来，，其中最受关注的O30是全直驱方案，，即电机转子直接毗连枢纽负载，，中心没有任何减速装置，，利益是力控更直接、更精准，，价钱是电机发热更大。。 。。O30有20个枢纽自力活动，，重量740克，，定位精度亚毫米级，，额定负载30公斤，，对应汽车细密装配这类高精度场景。。 。。
超维动力的KAIHand追求的是手指无邪度，，有37个枢纽，，尺寸和真人手一样大，，指尖实力凌驾30牛，，整只手80%的面积笼罩了触觉皮肤，，能感知0.1牛的细小力度。。 。。现场还演示了用KAIHand砸木板，，证实它既结实又有韧性。。 。。
整体来看，，今年WAIC的具身智能确实往前走了一大步，，本体凭证场景划分成差别形态，，使命时长从秒级拉到分钟甚至小时级 ；；；；操作也从简朴抓取，，升级为重大的打结、进产线，，各家都在从“能演”转向“醒目”。。 。。
不过，，这个行业还处在探索期。。 。。正如现场一位具身智能创业者对「定焦One」叹息，，今年手艺层面的进化并没有凌驾他的想象，，真正丝滑的照旧舞蹈、迎宾这类简朴场景 ；；；；零售、物流、工业离可用还很远，，离家庭服务更远。。 。。
WAIC的热闹总会散场，，聚光灯之外，，具身智能这个新兴赛道，，还得继续打拼许多年。。 。。
*题图由「定焦One」拍摄。。 。。
