从“Show me”到“Work for me”,机器人开始比通用性

过去一年,如果连续参加过几场机器人展会,很容易产生一种“似曾相识”的感觉:机器人还是在跑、跳、翻跟头、打拳、跳舞;换一个展台,又变成抓矿泉水、叠衣服、递东西、做咖啡。

毋庸置疑,这些能力当然还在进步,但类似Demo越来越多,单纯“秀动作”的边际惊喜已经迅速下降。市场也开始追问一个更现实的问题:除了会表演,它到底能不能真正干活,而且用起来划不划算。

仔细观察2026年的WRC,可以发现整个行业已经出现明显转向。越来越多机器人企业开始讲“真干活”“真实场景”和“规模部署”。

所以,今年再看一家机器人企业,问题已经不是它又会做什么动作,而是三个问题:有没有进入真实场景?换一个环境还能不能继续工作?能不能规模复制,并变成一门真正成立的生意?

具身智能进入“作业模式”

今年WRC,一个明显变化是,越来越多企业开始把“真实工作”本身搬上展台。

有企业通过大屏实时连线22个城市的真实道路,让机器人执勤、公共服务等工作状态直接呈现在现场;还有企业把智慧药店补货取药、配电室巡检、食品制作等真实任务搬到展会,并直接提出“让机器人真干活、干真活”。

这背后是整个行业评价标准发生了变化。

所以,与其说2026年的机器人突然“不爱表演了”,不如说行业正在从“Show me”走向“Work for me”。

政策层面甚至已经直接给这个变化起了一个名字——“作业模式”。

今年6月,国家层面启动2026年度人形机器人与具身智能实景实训专项行动,明确要求,到2026年底,人形机器人等重点产品要在一批代表性场景中完成应用验证和常态部署,开启“作业模式”;同时凝练形成百个以上高价值应用场景,带动形成万台级规模落地能力。

值得注意的是,政策要求的不只是“把机器人放进场景里”。实景实训还要评价真实作业成功率、效率提升率、安全可靠性和经济可行性,并最终形成能够复制的整机解决方案。

换句话说,行业已经不满足于“机器人在这里成功做了一次”,而是开始要求它进入真实生产生活环境,在真实任务中训练、积累数据、迭代产品,并最终实现常态化作业,从而值得客户持续买单。

但当大家都开始重视“落地”以后,下一个问题马上出现了:究竟是为每个场景训练一台机器人,还是训练一个能够进入不同场景的大脑?

两者看起来都叫“机器人落地”,背后的商业模式却完全不同。

前一种模式,是进入汽车工厂训练一套系统,到了物流仓库再训练一套,进入家庭又重新开发一套。机器人当然也可以完成任务,但每进入一个场景都需要支付一次巨大的适配成本,本质上仍然接近传统自动化和系统集成。

后一种模式追求的则是:能力复用。

机器人在一个场景里学会的视觉识别、抓取、避障和动作规划,可以被带到下一个场景继续使用。换了桌子、换了包裹、换了光线,过去积累的经验仍然能够发挥作用。

这就需要机器人拥有一个更通用的“大脑”。

通用性的价值,在于降低进入下一个场景的成本。模型进入的场景越多、积累的数据越多,后续需要重新训练和工程适配的部分越少,具身智能才可能真正形成规模效应。

自变量把“通用性”搬进了真实场景

什么叫“通用”?

一个学生把同一道题练一万遍,最后做得非常快,我们不会因此认为他聪明。真正的聪明,是他掌握了一种解题方法,之后题目的条件变了,甚至出现此前没有见过的组合,他仍然知道该怎么解决。

机器人也是一样。

所以,通用性的核心不是“任务数量”,而是迁移能力。

全球具身智能竞争也正在向这个方向演进。Google DeepMind、NVIDIA、Physical Intelligence等头部玩家,都在从“一个任务一个模型”,都在推动能够适应新任务、新物体和新环境的通用基础模型。

今年5月,国家发改委在新闻发布会上也明确释放了这一方向:要通过数据采集和“大小脑”模型训练,提升具身智能在不同场景中的通用能力,让机器人从赛场进一步进入工厂、商场和家庭。

而自变量,是今年WRC上能够体现这一趋势的企业之一。它是把两个差异很大的真实应用场景同时搬上展台:一边是已经进入真实家庭的家政机器人,现场完成收拾桌面、整理物品等家庭任务;另一边是物流分拣场景,机器人用双机械臂和夹爪处理尺寸、形状和摆放状态不断变化的真实包裹。

两个场景背后运行的,都是自变量的WALL-B具身大模型。这个组合比单独看任何一个Demo都更有意义。

先看家庭。在所有具身智能应用场景中,家庭是最复杂,也最考验泛化能力的场景之一。

不同家庭意味着不同的户型、家具、光线条件、物体种类和摆放方式。所以家庭机器人最大的困难根本不是“会不会叠衣服”,而是今天面对这件衣服,明天换了一件衣服、换了一张桌子、换了一个家庭,它还能不能做。

这才是真正考验“大脑”的地方。

机器人进入家庭的意义,还有一个无法回避的问题:现实世界本来就是按照人的尺度建立起来的。机器人不是让世界来适应自己,而是必须学会适应一个已经为人类设计好的世界。

今年3月,自变量与58到家推出机器人上门家政;截至7月公开信息,相关机器人规模化进入家庭,项目随后进入《亚太地区数智赋能案例集》。

因此,再看自变量今年WRC上的家庭展区,它其实并不是重新把“浇花”“收拾桌子”“整理衣服”这些动作表演一遍。这些事情在真实世界里已经发生了。

自变量只是把已经进入家庭的业务场景,重新搬到了WRC展台。

再来看物流,恰恰相反。它没有家庭那么多任务,但是对:效率、稳定性、准确率、成本、连续工作能力要求极高。

WRC期间,自变量在YouTube、X(原Twitter)等海外平台进行了一场持续5小时14分钟的不间断物流分拣直播。机器人累计完成1万件真实包裹分拣,平均每小时约1911件,全程无托管、无遥操,也没有人工兜底。

按照公开展示口径,这一平均效率高于Figure此前公布的1248件/小时。

比效率数字更值得关注的,是它完成任务的方式:自变量没有堆叠更复杂的机械结构,而是用相对简单的双机械臂和夹爪,去处理尺寸、形状和摆放状态不断变化的真实包裹。

这意味着,机器人解决问题的重心正在发生变化:不再只是“身体能做到什么”,而是“大脑能不能应对变化”。

所以,把家庭和物流两个场景放在一起,自变量这次WRC真正想表达的东西才完整。

家庭需要机器人不断面对以前没有完全见过的问题。它考验的是泛化能力的广度。物流则要求机器人把同一类问题不断做到更快、更准、更稳定、更便宜。它考验的是产业化能力的深度。

一个要“广”,一个要“深”。自变量真正想证明的,是同一个WALL-B模型可以同时向这两个方向延伸。

所以自变量与普通“场景型机器人公司”的区别,不是做家政机器人,也不是做物流机器人,而是训练一个具身大脑,再让这个大脑去做家政、物流以及更多任务。

这是“通用智能”真正要解决的问题,也是自变量在这次WRC最值得被看到的地方。

真正拉开差距的,是一颗能持续进化的“大脑”

前面讲家庭和物流,其实是在回答一个问题:一颗具身“大脑”,能不能跨场景工作。

但再往下追一步,问题就变成了:这样一颗能够不断适应新环境、学习新任务的大脑,究竟是怎么训练出来的?

在回答这个问题之前,先需要明白像ChatGPT这类大语言模型(LLM)为什么能够训练出来?

互联网上天然存在数万亿级文本,语言模型可以直接从互联网获得海量文本和图像,但具身智能没有一个现成的“物理世界互联网”。机器人要学会抓取、接触、用力、纠错,必须从真实世界里重新获取数据,再把这些数据送回模型训练。

所以具身智能面对一个与LLM完全不同的问题:大模型缺算力,具身大模型则缺一个属于物理世界的数据供给系统。

换个角度理解,数据怎么生产、怎么进入模型,模型又怎么在真实场景里产生新的数据,本身就是“大脑”能力的一部分。

数据—模型—机器人行动—真实环境反馈—新数据—模型继续迭代,这是一条不断循环的链路。

如果只把自变量单纯理解成一家机器人公司,这个动作并不容易解释。因为对一家以卖本体、做具体场景为主的公司来说,数据采集更像一条额外业务;但对自变量而言,家庭、物流、数采,以及背后的WALL-B,这是同一套模型生产体系里的不同环节。

在今年WRC上,自变量创始人、CEO王潜发表了主题为《构建物理世界基础规模》的演讲,他把具身基础模型、数据工程、AI Infra和商业落地放在一起讨论。

王潜认为,高质量具身数据需要经历定义、采集、筛选、处理和训练反馈等复杂环节,更接近一种工业品。随着模型架构逐渐趋同,数据将成为具身智能的主要差异、核心技术和重要壁垒。

换句话说,高质量具身数据越来越像一种工业品。而当行业的模型架构逐渐靠近,数据的质量、规模和生产效率,就可能成为新的差异来源。

这也意味着,具身模型公司迟早要解决一个很现实的问题:数据怎么规模化生产。

自变量因此把数据采集本身做成了一套系统,即XRZero-G0。这是一套无本体具身数据采集与策略学习方案。所谓“无本体”,就是采集数据时不需要一直占用一台真实机器人,而是让人通过VR设备、相机和手持夹爪直接完成操作,把人的视觉、动作和操作轨迹记录下来,再用于后续机器人训练。

这样做的目的,是绕开传统主从遥操作对真实机器人本体的依赖,把具身数据从一种昂贵、低效率的“手工作业”,变成更容易规模复制的生产流程。

按照自变量公布的测试结果,在简单采集任务中,XRZero-G0的采集效率达到传统主从遥操作的2.33倍;闭环检查后的有效数据率达到85%;用无本体数据与少量真机数据以10:1比例混合,可以达到与纯真机数据相近的下游表现,数据获取成本则可大幅降低。

OpenAI需要互联网数据和强化学习环境,特斯拉需要数百万辆汽车不断采集真实道路数据。

如果一家通用机器人公司最终想训练出一颗能够进入不同场景的“大脑”,它同样需要拥有自己的物理世界数据引擎。

这样再回头看自变量今年WRC的展台,家庭机器人、物流分拣和数采设备,看上去是三个完全不同的业务。但实际上,它们可以被串成同一条链路:真实场景—高质量物理数据— WALL-B具身大模型—家庭、物流以及更多场景—产生新的真实数据—WALL-B继续迭代。

所以,自变量这次在WRC展示的是一套“大脑”如何被生产、被部署,再被真实世界继续训练的闭环。

如果把过去几年人形机器人的竞争拆开来看,大致经历了三个阶段。

第一阶段,比“身体”。机器人能不能站起来、走起来、跑起来,能不能保持平衡、完成复杂运动。这一阶段解决的是本体、关节、运动控制和整机工程能力,中国供应链已经展现出了很强的优势。

第二阶段,比“技能”。机器人开始抓取、搬运、叠衣服、分拣、做咖啡。过去两年,大量Demo集中出现,机器人会做的事情越来越多。

现在进入的是第三阶段,比的是“智能”。不是谁的机器人最像人的身体,而是换一个任务、换一个房间、换一条产线,甚至换一副身体,它还会不会干活。

这可能才是2026WRC之后,理解自变量最好的方式。它不想把机器人练成一个熟练工,而是想训练出一个能够不断学习新工作的“大脑”。


文章原文

内容来自 界面,版权归原作者所有。

阅读原文 ↗

把喜欢的内容,留在你的新标签页。

打开我的订阅