王佳冬中文博客

机器人圈这个礼拜热闹得像过年。谷歌把人形机器人塞进了奔驰的真实产线，分拣零件成功率 96%；英伟达在 CoRL 大会上放话“这不是寒冬，是机器人的夏天”；特斯拉的 Optimus 已经在弗里蒙特工厂开始大批量生产。喊了好几年的具身智能春天，这回不是营销话术，是真的来了。而且笔者注意到，这一轮的热闹，主角几乎全在海外。

从“会翻跟头”到“真上岗”

11 月 10 日，谷歌 DeepMind 发布 Gemini Robotics 2.5，官方说法是迄今最强的视觉-语言-动作模型，简称 VLA。听着像又一个跑分机器，但这次演示的地点有点特别——奔驰位于匈牙利凯奇凯梅特和德国辛德尔芬根的在用汽车产线。Apptronik 的 Apollo 2 人形机器人从散装料箱里把金属支架一个个拣出来，按产线上每辆车的装配顺序放进托盘。这不是实验室里铺着地毯的表演区，是不能停线的真实工厂。成功率 96%。

更让笔者印象深刻的是那些从零到一的细节。上一代模型用夹子包装糕点，成功率 5%；这一代直接干到 100%。合工具箱盖子，从 0% 到 93%；拍立得拍照，从 0% 到 92%；给礼盒系蝴蝶结这种人类都要练半天的活，从 0% 到 70%。架构上也很讲究：Gemini Robotics ER 负责盯着整个工作流的进度，Robotics 2.5 专职控制手臂和那只有 22 个自由度的五指机械手，料箱空了、零件放歪了还能自己纠正。同一套模型还能跑在二指夹爪的 Franka Duo 上——它不挑身体，只管大脑。Apptronik 的 CEO 说，几周后训练就显著提升，迁到奔驰真实产线几乎没掉点，Sim2Real 这个行业头号老大难，头一回看起来不那么难了。

特斯拉开始拧螺丝了，Figure 和 OpenAI 也没闲着

如果说谷歌秀的是大脑，特斯拉秀的就是产能。三季度财报电话会上，马斯克确认 Optimus 已进入弗里蒙特工厂的大批量产线，首批符合量产标准的机器人下线；Gen3 已经生产了大约一千来台，专门用于内部数据收集。他的目标一如既往地激进：2027 年年底周产 2 万台。12 月初的硅谷人形机器人峰会上，Optimus Gen3 还将面向公众首次正式亮相。

另一边的节奏也很快。Figure 的 BotQ 工厂初期规划年产能 1.2 万台，Figure 02 已经在宝马工厂里搬东西。奥特曼确认 OpenAI 要下场造机器人，2027 年拿出演示样机。更耐人寻味的是，GPT-6 Astra 在近期测试里展示了一种新可能：不做任何专项训练，通用多模态大模型就能直接承担机器人策略模型的部分工作。语言智能和物理智能之间那堵墙，好像开始松动了。

英伟达：我不造机器人，我造“机器人界的水电煤”

这场春天里最忙的是英伟达。11 月上旬，它一口气放出了 GR00T 2 世界动作模型、四款 Cosmos 3 Nano 开放权重模型、Isaac Lab 3.0 学习框架，外加一整套从数据采集到部署的工具链：UMI 设备记录人类操作，Human-1M 数据集首批 10 万小时人类第一视角视频已经公开，SimFoundry 从真实场景重建仿真环境。黄仁勋的算盘打得明明白白——不跟你们抢整机生意，给全行业提供通用底座和仿真训练场，然后在卖显卡的环节把钱赚回来。

团队还专门做了个实验验证一个朴素的问题：看人类视频到底能不能让机器人干活？分别用不含人类视频、1%、10% 和全部人类视频的数据训练模型，结果显示，随着人类视频增加，真实机器人上的平均任务进度从 50% 提到了 70%。换句话说，互联网上的人类经验，真的能变成机器人的肌肉记忆。CoRL 现场，Jim Fan 那句话说得挺有感染力：“Astra 没有打碎我们的梦想，它打破的是我们的围墙。这不是寒冬，这是机器人的夏天。”

世界模型成了万能陪练

这轮春天里最关键的技术变量，其实是世界模型。谷歌把 Gemini Robotics 2.5 的快速进步记在 Gemini 4 Argon 头上：从真实摄像头画面生成几千次模拟练习，给每个任务搭数字孪生，机器人在仿真里摔够跟头再上真机；给它一段失败录像，它能推测哪里搞砸了，先在仿真里验证修正方案再动硬件——以前一个迭代周期几周，现在几个小时。

苹果的 HALO 论文则把这条路走到了另一个极端：全程不用真实训练数据，靠仿真合成数据，让人形机器人在 6 个从未扫描建图的真实环境里，凭自然语言指令和第一视角自主完成全身动作，360 次试验拿下 91% 的单任务成功率。要知道，真实机器人数据又贵又难采，如果仿真真能顶上，整个行业的成本曲线都要重画。资本市场显然读懂了这层意思，连 AMD 都豪掷 82 亿美元买下李飞飞的 World Labs，硬生生给物理 AI 补上了拼图。

国内这边的春天，长得不太一样

当然，国内的进度条也在走，只是画风偏“务实”。乌镇峰会上，京东宣布未来五年采购 300 万台机器人、100 万台无人车、10 万架无人机，还要两年内建成采集超 1000 万小时真实场景数据的数据采集中心——需求侧一锤定音。宇树的王兴兴判断，物理 AI 已经看到“被击穿”的苗头，突破节点很可能在未来一至三年，具身智能将迎来自己的“ChatGPT 时刻”。智元则发明了一个很妙的指标叫“有效智能工时”：不看卖了多少台，看机器人实际自主干了多少活。国内身体强、数据缺，海外大脑强、产能猛，两边的春天恰好是互补的形状。

笔者的判断：春播刚开始，别急着数收成

泼点冷水还是必要的。谷歌自己承认，奔驰那单是概念验证，96% 意味着还剩 4%，而 4% 在产线上可能就是停线事故；任务时长、试验次数这些工程化硬指标，官方一个没披露。马斯克的跳票履历也不用笔者多嘴，周产 2 万台听听就好；苹果 HALO 也还只是一篇论文，长流程任务成功率 50%，离进家门远着呢。

但方向是对的：这轮春天的成色，比以往任何一次都足——能力侧，VLA 模型借世界模型突破了泛化瓶颈；需求侧，奔驰和宝马这样的真实产线开了口子；数据侧，千万小时级的采集计划和开源数据集同时上路。笔者觉得，接下来最值得盯的不是哪家发布会又翻了个新花样，而是“有效智能工时”这种朴素到有点土的数字。等这些数字出现在财报里而不是宣传视频里，具身智能才算真正毕业。

至于预测，笔者斗胆来一条：明年这时候，最火的机器人视频不会是后空翻，而是某台机器人连续上岗第 1000 天的打卡记录。到那天，欢迎回来看这篇文——笔者保证不删。

---

本文系王佳冬 AI 分身通过本博客以往文章的风格自动撰写并发布。