具身智能,正在告别“单项冠军”
人类举重,从杠铃离地到过头,神经调用16块肌肉,全程不到 2 秒,只需要 3 组协同模式就能解释掉 90% 的动作变化。
这是漫长进化赋予人类的“协同简化”的本能。
而机器人,每个关节的力矩输出、每个动作的重心偏移量,每个瞬间都需要完成无数次“感知-计算-决策-执行”的拉扯。
“莫拉维克悖论”,似乎依旧是“困住”机器人的那道枷锁。
8 月 23 日晚,第二届世界人形机器人运动会的举重台上,当直播的另一头,人们哂笑一台机器人缓缓把16公斤的杠铃举过头顶的同一时间,报名这个项目的70%的队伍选择了弃赛。原因也很简单,举不了。
随后,北京人形包揽了这项新设赛事的所有奖牌。
就在几天前,同一套技术体系支撑的另一台机器人,出现在几公里外的场景赛现场,弯腰把一本放错位置的书,放回书架第三排第四格。
举重台上的大重量挑战,和图书整理这种常规流程,其实对应着完全不同的应用场景。但这两件看似毫无交集的事,被同一家公司包揽了。
这种成绩背后,其实指向了一个更大的行业命题:过去几年,具身智能赛道事实上已经分裂成了两条商业路径,而这家公司试图让两者同时成立。
赛场之上,双线作战
如果穿透当下具身智能赛道的融资热潮与公关战报,行业内部其实早已在商业化演进路线上出现了事实上的分流。
大致可以划分为两种典型范式:
一者,挑战极限,不断探索机器人运动性能的边界,以极致出圈的动作或表演,打响知名度。
一者,埋头苦干,钻进每一个可以干活的场景当中,用直播打工证明技术实力,晒出订单与交付。
前者如果技术最终无法收敛至真实的业务场景,那些脱离实际作业能力的纪录,在商业考量面前就会显得尤为脱节与尴尬。后者如果仅着眼于当下,机器人的本体性能和算法往往容易停留在“够用就好”,一旦遇到更极端的负载和更快的响应要求,就会暴露短板。
这是行业长期以来的非此即彼。
北京人形的判断是,这两种能力不该如此割裂。真正的通用,意味着上限和下限都要经得住检验。既要能在赛场上挑战人类的极限,也要能在不同场景完成复杂任务。这也是为什么这次运动会,北京人形能够成为少数同时在竞技赛和场景赛两条线都取得成绩的团队之一。
可是,面对田径场上的刷榜,外界难免会产生商业层面的质问:去打破博尔特的纪录,到底能产生多少直接的经济效益?如果一家公司的纪录只停留在赛场,外界确实很难从中看见订单从哪里来。赛事成绩的价值,需要放在技术验证和场景复用里理解。
破纪录本身不会直接产生现金流,但为了破纪录完成的高强度迭代,可以成为进入新场景的技术储备。
100 米跑进 8 秒 64,意味着关节电机要在极短时间内反复爆发最大扭矩,同时全身姿态还不能失控,这跟工厂里匀速拧螺丝完全不同。
首届运动会上,天工Ultra 同样是人形机器人百米冠军,彼时它的成绩是 21.50 秒。一年后,还是北京人形的天工 Ultra ,不同的是这个纪录被提升到了 8.64 秒,远超了博尔特保持 17 年的 9.58 秒人类纪录。400 米和 1500 米,也都在同一年里创造了远超首届的成绩,原地跳高同样如此。
这种提升,说明了关节力矩、结构刚度这些纯硬件指标,加上电池输出,已经不再是这个行业最紧迫的瓶颈。现在真正值钱且难做的,是让同一副硬件躯体在各种场景里都不“掉链子”。 对围观竞技赛场的内行来说,他们紧盯的正是这层控制力,这才是硬件之上的壁垒。
举重是一个更直接的例子,按规则,机器人举重不能甩抛借力,动作要连贯举过头顶,过顶后还要静止两秒才算数。躯干、手臂等部位碰到举重台,直接判定失败。
机器人把 16 公斤举过头顶的瞬间,身体重心会大幅升高并前倾,系统要同时处理两件互相冲突的事:一边让关节电机爆发最大力量对抗重力,一边不断微调全身姿态防止被压垮。解决这个问题,依靠的是在负重和平衡之间实时做决策,单纯堆叠电机功率无法解决。
支撑这种实时决策的,是“慧思开物”平台的大小脑架构。据北京人形首席技术官唐剑介绍,这套架构相当于机器人的中枢神经系统:大脑负责任务理解和决策规划,小脑负责把决策转化为具体的运动执行。
这套架构分工明确,负责理解任务的“天鹕”,负责建模物理世界的“我悟”,以及执行动作的小脑“XR-1”。这几个模型都已经拿到了业内背书。
XR-1 通过了国内首个具身智能国标测试,并入选顶会 ICML 排名前 0.7% 的核心宣讲。而“天鹕”与“我悟”,则在 WorldArena 全球评测体系中各自拿下了赛道第一。
从产业角度审视,这份成绩单的商业逻辑正在于此:每一次在各种场景里跑通的算法与硬件组合,都会沉淀为一套底层能力。当公司往后去拓展全新的商业场景时,这些验证过的存量就能作为“技术余粮”被直接调用。
而这套“余粮”的变现场,正是场景赛。
图书馆整理、园区巡逻这类任务没有标准动作,没有既定路线。一本书放错了位置,一个障碍物挡在路中间,都需要机器人自己判断该怎么处理。这跟百米冲刺要求的极限爆发力是两套完全不同的能力。
多数公司会在这两种能力之间有所侧重,是因为同时训练好两者的代价很高。专攻极限速度的团队,本体和算法都会向“轻量、快速响应”调整。专攻精细作业的团队,则会向“负载稳、操作精度高”调整,两个方向本身就有取舍。
北京人形选择两条线都没有放手,是因为这两套能力能彼此支撑。赛场上锻炼出的关节控制、动态平衡算法,能直接迁移进场景赛的任务执行里。反过来,场景赛里积累的长程规划、精细抓取经验,也会反哺回竞技赛的动作优化。
上限和下限,共用的是同一套底层技术栈。两种原本互相取舍的能力,在同一套硬件平台和大小脑架构里,被咬合住了。
这套咬合体系最终写在了成绩单上。本届人形机器人运动会,北京人形 34 次刷新人类纪录,以 15 金、12 银、18 铜收官,成为了本次官方榜单的奖牌总数第一。
走下赛场:能干活,才能变现
最枯燥的角落,藏着最真实的商业护城河。
行业里很早就用三个字母概括机器人最该替人接手的活:3D——Dirty(脏污)、Dangerous(高危)、Dull(枯燥)。对机器人公司来说,这三个字母不是写在商业计划书里的愿景,而是日常百业中的长尾需求。
技术叙事再动听,市场最终要看的是眼前的交付。这也是这届运动会新设21个场景赛的原因:在真实而琐碎的场景中,验证机器人独立干活的能力。
竞技赛验证极限,场景赛验证复用。客户真正关心的,是机器人离开赛场以后,能不能把一次性的展示变成每天可以重复交付的工作。
这正是“不忽视当下,也不放弃未来”的含义。场景赛给出今天能否交付的答案,竞技赛则为明天的能力上限保留空间。
闭幕式中,北京人形在场景赛压轴项目的「综合五项」的夺冠,更直观的展现了 作为具身智能国家那种「守得住寂寞、啃得下硬骨头」的技术理念。
比赛中,天工3.0凭借通用全身控制(WBC)技术包揽金银,也成为场景赛中唯一获得金牌的双足人形机器人。
与行业中更多将全身控制用于舞蹈、体操等展示型动作不同,北京人形进一步把WBC推向真实任务执行,这要求机器人不仅要“动作做得出来”,更要在连续任务中实现边走、边感知、边操作,统一协调双腿、躯干和双臂,在移动过程中完成抓取、搬运、交互等全身移动操作。
北京人形在推动WBC从“单一技能控制器”向通用全身控制模型演进。这背后需要同时处理动态平衡、多接触约束、手脚协同和外界扰动等复杂问题,对控制精度、实时性和鲁棒性提出了更高要求。
图书馆图书整理岗则是另一个典型赛题,该场景下制定的规则远比表面看起来更加复杂。机器人要在 30 分钟内完成图书收集、上架摆放和书架巡检纠错三项任务,全程自主决策,不允许远程遥控。
一本书该放哪一排哪一格,发现放错了要移到哪,都需要机器人自己判断。
这些任务在视觉上毫不性感,甚至缺乏传播爆点。但从产业视角看,这才是技术能立刻兑现 ROI 的地方。因为它们背后,站着真实的劳动力替代需求和企业采购需求。
在这些场景里,稳定地不犯错,比偶尔完成一次漂亮动作更接近客户愿意付钱的标准。
一家公司做不完所有场景
把技术打包进真实场景,下一个问题立刻就会出现。
真实世界里的“脏活、累活、枯燥活”数不清,图书馆只是其中一种,还有仓库、医院这类场景。一家公司不可能独自覆盖每一个场景。
北京人形的解法是“联队模式”。这就把问题从“北京人形自己能覆盖多少场景”,转成了“有多少伙伴愿意在同一套平台上把场景做深”。
在这套关系里,赛事提供通用能力的高压验证,伙伴负责把能力翻译成具体岗位,客户则用实际交付检验它是否值得持续采购。三方之间形成的,才是平台走向商业化的完整链条。
开头举重夺金的那支队伍,官方名字是“北京人形-华科联队”,华中科技大学和北京人形组队,用同一套平台获得了这个新项目的第一块金牌。前面提到图书馆整理岗也是同样的组队方式。
北京人形负责底层的硬件平台和大小脑架构,具体场景的策略调优交由高校或场景公司完成。这届运动会里,清华、北大等高校,加上晓悟智能这样的企业伙伴,都选择以北京人形机器人作为本体,在同一套底座上进行各自的二次开发。
这种分工直接对应开发者价值。高校和场景公司可以把工程精力放在自己熟悉的任务、流程和现场条件上,减少从零开发整机与通用控制的投入;北京人形则通过伙伴的场景实践,获得更多可以复用的调试经验。
北京人形把这套逻辑叫“开放土壤”,整体来看这是一套 B2B 的平台逻辑,与其自己下场覆盖每个细分场景,不如巩固底层能力,让更多人在上面各自深耕自己最懂的那个场景。对一家想要覆盖“3D”里无穷场景的公司来说,这很可能是眼下最现实的一条商业化路径。
平台战争的关键也正在这里。开放平台能否吸引伙伴,取决于伙伴能否更快完成开发并获得实际收益;平台能否形成长期壁垒,取决于不同场景的经验能否回到系统中,继续服务下一批客户。
商业化路径的实现,往往需要“宏观远景”打前站。宏观使命只有在具体岗位里被兑现,才会变成商业信誉。
这套逻辑并非孤例。Figure的机器人已进入宝马工厂搬运钣金件,Agility的Digit在亚马逊仓库承担物流周转——海外头部团队同样在回答同一个问题:让机器人替人承担枯燥的苦役。
北京人形把这件事写进了自己的使命:"创新技术、服务人类、改变世界"。作为国家地方共建具身智能机器人创新中心,它的路径从一开始就带着明确的产业导向:技术不能只用来炫技,最终要在真实岗位上兑现。
一家公司,很难独自扛住无数细分场景的重复迭代——这本身就是一种枯燥的工作。开发者生态的意义,某种程度上就是把这份数据飞轮的枯燥工作,分摊给整个学术界和产业界的无数双手。
从这个角度看,下一阶段的竞争尺度会发生变化。奖牌和订单仍然重要,但它们分别检验极限工况下的工程能力和真实岗位上的交付能力。
更长期的差距,来自能否把两种验证放进同一套软硬件体系,再用伙伴、场景和数据把能力扩展出去。
结语
人类用漫长的进化,把16块肌肉的复杂调度问题,简化成了3组协同模式,而这还只是里斯本大学2020年一项小样本研究揭示的冰山一角,人类对这类机制的探索还远未完全。
正因为生物本能的底层机制如此深不可测,试图在钢铁中复刻这种物理交互能力的人形机器人,其未来的技术上限与产业潜力才会被进一步放大。
但潜力越没有边界,工程落地越需要清晰的落脚路径。北京人形给出的答案,是让“德、智、体”在同一台机器人上同时成立:“体”让机器人具备进入复杂工况的能力,“智”让它理解任务并完成工作,“德”让这些能力最终指向 Dirty、Dangerous、Dull 这类真实劳动。
未来的人形机器人竞争,也不再是单项能力的比拼,而是整套体系、生态与综合工程能力的较量。真正拉开差距的,是谁能把赛事里的极限验证转成稳定交付,并让它在更多岗位上持续发生。
这条路注定艰难且漫长,“要把人类从脏污、高危和枯燥中解放出来”这件事,只有在机器人能够每天准时上班、稳定完成任务时,才算真正发生。
特别策划
文章原文
内容来自 虎嗅网,版权归原作者所有。
阅读原文 ↗