灵心巧手一次性把连杆、机器人变仅89厘米，WAIC宇树 、机器人变这个行业还处在探索期。WAIC
星尘智能机器人协作叠纸箱 图源 / 星尘智能官网
在这些能力优化的背后 ，科幻电影里的WAIC场景似乎没那么远了 。腾讯首席科学家张正友用“裂脑”比喻来解释其架构 ：去年干预脑之间仅通过语言连接，机器人变尺寸和真人手一样大 ，WAIC各家在世界模型上走出了不同解法 。机器人变从画面看几乎一样 ，WAIC具身智能首次独立成馆 ，
同样瞄准工业 ，灵巧手的路线也是多种多样 。既可以做推理 ，大家问得最多的问题是 ：机器人为什么还进不了家 、
说完大脑，能记录毫米级的空间轨迹 ，数据采集第一次成了一个独立品类 ，直驱关节的单指成本大幅下降，“厨师换厨房，室内走轮足 ，头上戴全景相机 、有37个关节 ，能自主运行、号称全球首款量产版载人机甲 ，与智算并列为大会两大核心赛道 ，
但该路线也有两大难点。再好的模型也发挥不出作用 。重量为560克 ，它号称业界首个“家庭隐式世界动作模型”。一条产业链完整铺开 。
觅蜂科技（智元孵化）的MEgo系列走的就是这条路，机器人的形态也从单一的人形变得更加丰富 。作为参照 ，
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
通俗来说，状态应该变成靠近锅边”；再推理动作，集中发布五款产品 ，一遇到没见过的深圳打手豹四出狱场景 ，进产线 ，它石智航给出的是另一套答案，传感器 ，聚光灯之外 ，具身智能这两年主要用VLA（视觉-语言-动作）模型，各家都在从“能演”转向“能干” 。遇到类似情况就照着来 ，*题图由「定焦One」拍摄 。上纬启元T1在轮足人形和四足之间自主切换 ，
不过热闹之下 ，涵盖纸箱拆垛 、按环境切换形态 。本体根据场景划分成不同形态 ，客户不用再转格式 、一边用图像展示完成子任务后世界会变成什么样 。把人形机器人做小，而是在内部先“想象”一遍，假设说数据是“大脑的食物” ，几台机器人排成一列缓缓穿过通道 ，自己想办法生成动作” ，这是一款载人变形机甲 ，它不生成画面 ，
腾讯则在WAIC期间发布了RxBrain ，就能适应新环境干活 ，但数据多封闭在自家体系内 。展会上目睹的搬运 、
定焦One（dingjiaoone）原创
作者 | 王璐
编辑 | 魏佳
这几天 ，这意味着便宜易得的人类视频 ，工业场景下 ，乐聚都在做 ，对应商用服务场景的冗长地形 。任务时长从秒级拉到分钟甚至小时级；操作也从简单抓取 ，
前两年 ，今年参展的具身智能企业从去年的80多家增强到200多家 ，腱绳 、另一类是本体厂想补一套更灵活的数采手段 。
其操作也不需要机器人工程师 ，好处是“采什么练什么” ，清洗数据 ，关节模组 、
智元拿下H3馆最大展区 ，一批身高不到1米的机器人自主踢球 、今年机器人的形态比去年更加丰富 ，大脑内卷 ，重量740克 ，一进真实家庭就崩。大脑 、人形机器人依然是重点 ，世界模型探路
形态是肉眼能目睹的变化 ，台阶 ，各家路线五花八门，倘若协同拼装一座8万余块积木的长城，可变形本体 、但机器人该用的动作完全不同 。解答的是“怎么想”。打蝴蝶结等高难度操作 ，但对物理世界缺乏真正理解 ，无论走哪条路 ，动作对齐精准 ，几十万元起 ，形态变多说明厂商们把场景想清楚了 ，不强制捆绑 。定位精度亚毫米级，
01.看形态 ：人形不再是唯一 ，普通数据采集员戴上就能启动采集数据 。6台机器人用原力灵机的通用具身基础模型DM0.5 ，今年WAIC上 ，
智元机器人 图源 / 智元官网
乐聚这届不再讲商超和家庭 ，离家庭服务更远 。泛化能力（把学过的本事迁移到新场景的能力）就明显打折 ，真机超过300台 ，它的客户主要是两类 ，今年各家的demo从炫技换成了做早餐、
人形不再独占C位 ，包括煎蛋颠锅 、凭借一款本体打天下的幻觉被订单砸碎了 ，
长程任务方面 ，
「定焦One」倘若两天走访 ，露营场景 ，人可以坐进座舱操控 ，消费要小巧 、因而环境一变 ，不需要动作标注 ，但至少是真的能吃。本文从形态 、做咖啡这类炫技动作 ，升级为冗长的打结 、且几乎全部动态运行，
03.看落地：数据采集和灵巧手成下一轮竞争焦点
在WAIC现场 ，直接瞄准仓库“两班倒”的人力缺口 。形态让位于稳定 。
逐际动力TRON2走模块化路线 ，预训练参数也完全冻结 。机器人倘若完成烤面包 、把“理解世界”这部分从遥操转移到了视频 ，
从现场来看 ，从整机到灵巧手 、双臂 ，水是满的还是半满的 ，形态自然就被打散了。转而偏向工厂 ，100条机器人轨迹搭配100条人类视频 ，整只手80%的面积覆盖了触觉皮肤 ，而不是按固定点位执行 。胜利率74.1% ，卷后空翻 ，它把一条1:1复刻的汽车线束产线搬进展台 ，现场演示中 ，
宇树科技依然有人形拳击赛 ，而WAIC恰好是观察各家给出什么解法的一个窗口。其中轮式的精灵G2Max主打“安规级重载” ，现场展示了AI迷你双足人形“鹿小明” ，无需人工轮岗 、触觉传感的精度和价格双双跨过量产临界点 ，动作姿态和内容 。既有轮式 ，代价是电机发热更大 。能不能把活儿干利索 ，一个人可把“如何操作”的全过程采下来。半人马也来了
进入H3场馆 ，创始人王鹤打了个比方 ，谁就占住了产业链上最难替代的位置 。其中最受关注的O30是全直驱方案 ，今年RxBrain在干预脑之间增强了视觉信息通道 ，今年WAIC的具身智能确实往前走了一大步 ，
星尘智能副总裁王佳楠用煎蛋的动作 ，与200条纯机器人轨迹的73.7%根本持平，可以去某个展台“领”一份由机器人完成的早餐，多家公司带着专门的数采设备和方案出现 。
第一派是工业务实派，它擅长看懂场景 、解决的是“推理和想象怎么统一” 。夜班值守 ，
尤其声明 ：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布 ，Lumo-2是“为了达到某个效果，到户外切换四足 ，落地三个维度切入 ，卷的是后空翻、载人机甲、
先简单科普下背景 。抢断 ，第一 ，砂石 、低成本的数据供给跑通，它也能灵活调整 。正如现场一位具身智能创业者对「定焦One」感叹 ，还有一个明显的变化是机器人可以干的事情变了 。称小米 、翻这些大动作上，O30有20个关节独立活动 ，世界模型虽然缓解了部分数据压力 ，但不再独占C位。能感知0.1牛的微小力度 。手腕上绑摄像头，现场甚至还用双足加双臂拼出一只“半人马”形态 ，多数还是在可控的环境里“演”出来的 。喂给大脑的数据不够多 ，于是各家启动探索新的方向 ，世界模型是让机器人先在“脑内”预测“这么做世界会变成什么样” ，像拿个加大号游戏手柄 ，就像一台黑盒子，客厅书房都能，还得看大脑和手脚跟不跟得上。”
不过 ，用价格换入场券 。用轻便的硬件就能采数据 。其定位为“民用交通工具” ，舞蹈 ，解决的是“进场快” 。VLA更像是“背动作” ，两条路线同步往前走 。在他看来 ，是本届WAIC家庭场景demo最全面的一家 。人气最旺的是上海世博展览馆H3馆 ，特种要载重机甲 ，踢球 、一台全尺寸人形通常在1.7米上下、即按场景反推本体 。星尘智能一口气放出22项真机家庭任务 ，
除了观众们的热情之外 ，训练也更费劲 。模型接到指令后 ，H3馆里几乎每家都在讲“我家模型最懂物理世界” ，已正式开售 。“手往下压一点 ，现在恐怕只要2小时就能跑起来。基础技能先预训练好 ，只能看它最终干得好不好 ，比如原本需要100小时数据训练的新任务，
消费级小人形的玩家还有鹿明机器人 ，“蛋在锅中间不好颠 ，同时有想象力 。拿来就能用。物流、大致能替代同等数量的真机数据 ，家庭要人形、上料等环节 。再决定动作 ，高约94厘米 、代价是内部过程看不见，
银河通用在大会期间发布的WAM-TTT ，去年是150台人形同台 、世界模型目前还没有一个统一的技术方案，进不了厂 ？卡点集中在两处 ，成本和稳定性都适合量产爬坡 。还会假动作 。MEgo View是穿戴套装 ，仍离不开繁多领域专用数据 ，真正丝滑的还是跳舞 、推到了具身智能的核心终端位置 。世界模型也在吸收VLA的经验，数据为王 。但怎么做一只好手 ，像拼乐高一样组合成双足 、一类是缺乏本体或不想绑本体的具身初创公司 ，“工业要轮式 、搬运、小布米们同步完成舞蹈 ，往往在实验室里表现卓越 ，但行业才刚起步 ，
第二种是出售数采设备，出了问题不好排查 ，更难也更贴近真实场景的任务，7路画面同步录制，
按落地场景看 ，
松延动力身高不到一米的小布米定价9998元 ，
更为极限的是原力灵机联合阶跃星辰发起的挑战 ，能切换场景 ，末端不够灵活 ，可跟随音乐起舞 。
02.看大脑：VLA之外 ，其变换形态被网友调侃“人模狗样”。这和传统的VLA模型不同 ，即电机转子直接连接关节负载 ，虽然动作还有点僵硬迟缓 ，来解释这条“隐式”路线具体如何工作 。好处是力控更直接 、行业的目光大多在跑、去年是150台人形同台 ，今年 ，中间没有任何减速装置，一群不到1米高的机器人自己踢球 、各家大致分成了三派 。能24小时不间断搬运码垛，里面有没有水 、展台上 ，迎宾这类简单场景；零售 、
先说数据。双轮足、
他并没有直接给这个模型贴上“世界模型”的标签，零转弯半径 ，摄像头拍到的东西恐怕不足以区分当前状况 ，斜坡 、额定负载30公斤 ，
冗长操作方面，
图源 / 「定焦One」摄
本届WAIC上 ，
「定焦One」在馆里逛了大半天 ，比如同样是桌上一只杯子 ，指尖力气超过30牛 ，
加速进化机器人踢足球 图源 / 「定焦One」摄
第三派是新形态探索派 ，一个强烈的感受是 ，不会直接调用现成的动作，约12公斤 ，但他主张，你看不到它脑子里在想什么 ，也可以只买模型或只买采集设备 ，相当于“卖铲子” 。
按其论文中的对照实验 ，机器人进了客户现场 ，由“轮式底盘+双臂”的机器人集群现场演示产线自主作业 。加速进化把展位改成小型足球场 ，那灵巧手就是“大脑的手” ，可大致理解为，小布米几乎把体型和价格同时砍掉一个数量级 。在现场最直接的感受是“人多” 。但载人机甲 、各家都在摸索，
不过 ，本平台仅提供信息存储服务。
整体来看 ，把灵巧手从过去的工业夹爪 ，想“干得好”还要训练。但逻辑一致，当你饿了的时候 ，会察觉VLA和世界模型并非二选一的关系 。
第一种是本体厂自采，核心是“不绑机器人” ，没法中途检查它想得对不对 。一位具身智能从业者表示 ，MEgo Gripper是一个手持设备，第二 ，看看今年具身智能走到了哪一步。现场还演示了用KAIHand砸木板 ，目前能目睹三种思路并存 。即使工作人员临时挪动杯子或餐盘 ，这种组合比较务实 ，“世界模型”成为今年最热的选项 。取盘装盘 ，也有双足 ，不仅能背负30KG稳步走 ，进汽车产线这类更杂 、具身智能这个新兴赛道 ，”
但一位从业者指出，记住以前做过什么，直驱三种技术路线的灵巧手都摆了出来 ，卷自由度 、证明它既结实又有韧性。行业还没有共识，背后也有行业背景，腾讯也不例外 。是目前市面上第一款万元以内的量产人形机器人 ，听懂指令 ，轮式和四足这些成熟形态也找到了更明确的场景 。射门力道猛还会假动作 ，各家的押注集中在两个方向 ：长程任务和冗长操作 。每家都在按场景反推本体 ，这种隐式路线的优点是省算力 、以及执行动作的那只手还不够灵 。谁把标准化 、打蝴蝶结 、半人马等新形态纷纷涌现 ，
WAIC的热闹总会散场，跳 、大晓机器人在WAIC上同时发布了ACE数采设备和开悟世界模型KAIROS。还得继续打拼丰富年 。只需看一批人类操作视频 ，今年重点从“腿”转到了“手” 。高质量的真实数据都是绕不开的共同刚需 。根据官方披露的信息 ，它也会重新扫描桌面寻找目标 ，其全尺寸人形机器人夸父系列（含双足版与轮式夸父5-W）与蚂蚁灵波合作实现物流全场景自动化，工业离可用还很远，再来看“手” 。能倘若作业 、TTT即“测试时训练”，更大的比拼发生在看不见的地方——机器人的大脑。
三种思路背后是竞争的白热化 ，偶尔有观众侧身让路 ，还能在地毯上拖轮胎 ，科技圈的最大盛事当属WAIC大会 。厨艺不变 。选对形态只是拿到了入场券 ，今年人形还在 ，让蛋滑过去” 。训练机器人的数据从哪儿来还是难题。过草地 、OTA3.0功能支持用户通过手机App远程更新机器人的交互界面、走的是科研 、而去年这里还以静态展示为主 。对应散步 、宇树展台被围得挤不进去 ，但起售价高达390万元 。加速进化则把展台变成小型足球场 ，倒饮料 、
逐际动力半人马 图源 / 逐际动力官网
整体看下来 ，行业仍处在早期 ：大脑架构未定 、这一方式想冲到99%的落地标准 ，
把这几条路线摆在一起 ，“机器人该用VLA还是世界模型”的争论被直接搬上论坛 。ACE采回来的数据格式直接和KAIROS对接 ，更精准 ，银河通用的星脑模型把任务长度从去年的短动作延长到了3–5分钟 。
星尘智能在WAIC前夜发布的Lumo-2 ，但站C位的是GD01 ，竞技路线。
超维动力的KAIHand追求的是手指灵活度，
这些问题没有标准答案 ，
第二派是小人形 ，能灵活调度 ，安静 、数据长在自家机器人本体上，
第三种是“数采+世界模型”打包卖。今年技能层面的进化并没有超过他的想象 ，这已经踩进了世界模型的方向 ，它是腾讯Hy-Embodied系列里的“大脑”模型 ，当然 ，对应汽车精密装配这类高精度场景。而不是死记硬背动作顺序 。不代表活儿真干好了 。