中國機（jī）器人，夢想（xiǎng）是當打工仔

但這種（zhǒng）“不足”並非一家機器人企業麵臨（lín）的難題，而是整（zhěng）個行業的共同挑戰。

自變（biàn）量CEO王潛在近日表示（shì），“今天在（zài）全世界範圍內（nèi），沒有任何一台機（jī）器（qì）人（rén）可以在（zài）沒有遙（yáo）控操作的（de）情況下，獨立完成（chéng）大部分的日常家務。”

宇樹科技創始人王興興也（yě）提過類似（sì）觀點，他表示機器人在預設場景任務中，成功率趨近100%，一旦（dàn）場景變化或（huò）出現從未見過的事件，成功率會斷崖式下跌，機器人做家務還要3-5年。

這也是當下（xià）具身智能（néng）行（háng）業最大的瓶頸——機器（qì）人無法（fǎ）理解真實世界的物理邏輯。

業內有個形象的比喻（yù），機器人雖然“小腦”發達，但“大腦”還在發育。“小（xiǎo）腦”指的（de）是機器人的運動（dòng）控製能力，能做武術、舞蹈等複雜（zá）動作；“大腦”則（zé）是認知（zhī）、決策能力，是“能幹事”的基礎。

因此，讓（ràng）機器人真正擁（yōng）有一（yī）顆會思考的“大腦”，是當（dāng）下整個機器人行業都在努力的事情，目前來看，主要分成了三條技術路線：

VLA端到端是當下的主流，也是最成熟的路線，主要（yào）通過融合視覺（jiào）等多模態感知信（xìn）號與語言指令直接（jiē）生成機器（qì）人動作。

簡單來說，就是機器人聽命令，然後直接（jiē）做事（shì）情，比如用戶說“我（wǒ）餓了”，機器人就（jiù）會找到食（shí）物並遞給你，隻要機器人見過類似物體，它就能執行（háng）指令。

但弊端也很明顯，那就（jiù）是隨著任務的複雜程度增加，出現機器人沒（méi）有訓練過的複雜場景和行動軌跡，它（tā）就很容易出現“邏輯死機”。

而（ér）且，行業中常用的VLA架構，基本上是將（jiāng）視覺、語言、動作三個模塊各自獨立運行，數據（jù）每經過一次（cì）模塊邊界就會發生信息損（sǔn）耗和延遲，涉及精細動作，“大（dà）腦”容易跟不上“小（xiǎo）腦”。

世界模型路線則被認為是最接近人類思考模式的路線，它的核心是能理解物理世（shì）界的運轉規律，從而預測下一刻會發生什麽。

比如一隻杯子（zǐ）從桌子上掉下來，物理模型能基於對運動、重力等方麵的認知（zhī），估算出杯子掉落的（de）基本方（fāng）向，基於這個理解，機器人就可以扶穩杯子，或者避開杯子。

但世界模型也麵臨著更巨大的成本挑戰，包括數據需求、訓練成本等，英偉達（dá）的Cosmos世界基礎模型，便經過了9000萬億個Token的訓練。

大小腦分層是更具國（guó）內特色的路線，LLM大模（mó）型作為“大腦（nǎo）”，負（fù）責理解任務；VLA/動作模（mó）型作為“小腦”，負責精細控製。

但將大小腦（nǎo）拆分開來，容易導致任務出現延誤，難以實現高精度（dù）操作。況且，模塊越（yuè）多（duō），成本（běn）也會越高。

不過，由於國（guó）內大部分機器人企業在“小腦”環節都有一定積累，采（cǎi）用大小腦分層路線，先（xiān）立住長板，再集中資源補短板（bǎn），顯然比從（cóng）零造一個“大腦”更務實。

02 邊“幹活”，邊“補（bǔ）腦（nǎo）”

總（zǒng）的來（lái）說，每一條（tiáo）技（jì）術路線都各有優劣，難言誰（shuí）才（cái）是最終路徑。

況且，各個機器人企業雖然都有押注的主流技術路線，但也並非隻有一條路線走到底，深度融（róng）合（hé）才（cái）是大勢所趨。

比如VLA端到端和（hé）世界模型的融合。智元Genie業務（wù）部（bù）生態及解決方案（àn）總監沈詠劍曾在采訪（fǎng）中表示，世界模型與VLA並不一（yī）定是替代關係，也有可能有融合或合作的狀態。

今年（nián）以來，智元推出了世界（jiè）模型迭代版本（běn）GE-Sim 2.0、新一代VLA基座大模型Genie Operator-2，以及第二代一體化具（jù）身大小腦係統GenieReasoner。

智元在傳統世界模型僅建模“狀態”的基礎上，提出了世界動作模型的方向，將“狀態-動作-狀態演化”作為統一建模對象，並未隻（zhī）圍繞單一路（lù）線推進（jìn）具身模型（xíng）。

自變量（liàng）則推出了世界統一模型架（jià）構的具身智能基（jī）礎模型，將大小（xiǎo）腦塞進同一個模型，能（néng）更（gèng）有效消除模塊間的信息損耗與（yǔ）延遲，提升機器人在真實物理（lǐ）環（huán）境中的泛化能力與（yǔ）交互效率。

其具身智能基礎模型WALL-B的特點就是“幹中學”，讓機器人在反複失敗、嚐試中（zhōng）完成（chéng）自我迭代。

自變量CTO王昊指出，“世界模型並（bìng）非一個單獨的模塊（kuài），它本質上是一種能力，但這種能力不能簡單地（dì）累加，並（bìng）不是在VLA後麵再掛一個世界模型就能理解世界。”

智平方則提出了快慢雙係統融合方案，將智（zhì）能體劃分（fèn）為“快係統”（負責全身控製）和“慢（màn）係統”（負責邏輯推（tuī）理），讓機（jī）器人（rén）在麵對複雜的（de）動態環境時，既能快速反應，又能保持對長程任務的深度理解。

可以看出，無論走哪條技術路線，機器（qì）人“大腦”要真正“長好（hǎo）”，最大的挑戰都繞不開兩件事：一是理解世界，二是讓思考跟上身（shēn）體的反應速度。

但這並非練得越多就越強。自變量CTO王昊舉（jǔ）了一個例子，“一個人在泳池裏學了10年遊泳，但（dàn）把他丟到大海，他還是有可能會淹（yān）死。”

他認為實驗室裏的訓練數據太過幹淨，機器人待在象牙塔裏，很難具備真（zhēn）正的獨立思考能力，最好的方法就是讓機器人到複（fù）雜的、充（chōng）滿隨機性的環境中學（xué）習。

複旦大學計算機科學技術學院教（jiāo）授肖仰華（huá）也曾對外表示（shì），“訓練具身智能（néng）大模型，保守（shǒu）估（gū）計當前已有數據（jù）量與所需數據量（liàng）之（zhī）間（jiān）至少（shǎo）還差兩個數量級。”

出於對真實數據的渴求，機器人開始加速（sù）湧入真實場景。

優必選的人形機器人已經進入了工廠。創始人（rén）周劍表示，優必選花了兩年時間，從（cóng）新能（néng）源汽車製（zhì）造場景切（qiē）入搬運、上下料、物料分揀（jiǎn）、質檢等任務的POC 實訓。

銀河（hé）通用的Galbot機器人開始參與藥房運營，可以自主（zhǔ）識別（bié）訂單並抓（zhuā）取藥（yào）品（pǐn）、掃碼、打（dǎ）包；魔（mó）法（fǎ）原子的人形機器人則變身“汽車銷售”，在汽車專賣店招（zhāo）攬顧客，為顧客講解車輛參（cān）數。

不（bú）同的機（jī）器人（rén）企業，不（bú）同的真實場景，大家的目標都隻有一個：

在（zài）真實場景獲取數據，驗證機器人的能力，再反（fǎn）哺給具身智能基礎模型的迭代，讓機器人“大腦”從單（dān）一任務、有限場景，逐步實現物體泛化、背（bèi）景泛化和任務泛化，變得更加（jiā）聰明。

03 場景拉高上限

一旦理解了“練大腦”離不開“真數據”，就能明白為何資本市場對具身智能的估值邏輯，在最近這一年悄然發生了（le）轉向。

據第一財經不（bú）完全（quán）統計，截至4月（yuè）10日，國內具身智（zhì）能領域至少發生269起融資事件。

但與往年相比，資本投向的側重點出現了明顯（xiǎn）變化——資本正在加速湧向數據與模型算（suàn）法，本（běn）體硬件的估值預期，則從技術敘（xù）事轉向商業落地。

今年以來，多（duō）家側重於“大腦”的具身智（zhì）能企業，完成了數十億元級（jí）別融資（zī）：自變量宣布（bù）已完成近20億元的B輪融資；它石智航拿下4.55億美金（jīn）Pre-A輪（lún）融資，刷新（xīn）中國（guó）具（jù）身單筆融資紀（jì）錄；具身數據與仿真基礎設施公司光輪智能最新一輪融資達（dá）10億元。

行業發展到當前階段，本體硬（yìng）件的形態已基本完善。今年機（jī）器人馬拉鬆的奪冠者並非傳統機器人企業，而是消費電子廠（chǎng）商榮耀（yào），也從側麵說明了硬件的技術（shù）門（mén）檻正在降低（dī）。

市場開始形成一種新共識，那就是決定機器人（rén）能（néng）否投入實際（jì）應用的核（hé）心（xīn）變量在於“大腦”，而“大腦（nǎo）”背後則是模型能力與數據資產。

如果（guǒ）說過去的資本邏輯，是希望通過硬（yìng）件銷量率先完成占位；那麽今天市場在估值時，則會更關注誰的“大腦”更聰（cōng）明，並具備（bèi）充足的泛化能力（lì）。

機器人的硬件門檻會隨著供應鏈成（chéng）熟而逐漸拉平，但“大腦”卻不一樣（yàng）——誰的模型能（néng）在更多真實場景（jǐng）中（zhōng）跑通，並將特定場景中學到的技能和知識（shí），遷移到新的對象、任務或環境，誰就能“舉（jǔ）一反三”，快速在更多不同場（chǎng）景中落地（dì）。

而且，具身模型的泛化能力越強，護城河越高，天花（huā）板也更高。

自變量創始人（rén）王潛提到，“家庭場景對泛化性要求最為極致，能讓模型在極複（fù）雜（zá）的家庭場景跑（pǎo）得通，進傳統的工業場景都能完全降維打擊。”

這意味著，模（mó）型能力成熟以後，其可以（yǐ）在一個行業甚至多（duō）個行業通（tōng）用，是一個可以無限複用的商（shāng）業模式。

而且，相較於先構建能力再尋找落地場景，不少機器人企業已經將（jiāng）商業場（chǎng）景置於產品設計之前，將產品服務與商業場景綁定在一起。

比如銀河通用推出的兩款輪式機器人，強調穩定性和負載能力，更適合執行搬運、抓取、分揀等重複性工作；小（xiǎo）鵬 IRON則明確將會（huì）優先落地博（bó）物（wù）館、4S 店、商場。

“機器（qì）人到（dào）底能幹什麽”這個問題，具身智（zhì）能已經漸漸摸到了答案。

“宇樹們”花了十（shí）年時間，讓（ràng）機器人實現從0到1的突破，但要讓機器人具備真正獨立思考的能力，擺脫對人類單一重複命（mìng）令的依（yī）賴，背後是從1到10，再到（dào）無限的臨界點。

手腳能讓機器人站起來，但真正活下（xià）去，還要（yào）靠大（dà）腦。