剛剛過(guò)去的除夕夜，人形機(jī)器人在春晚舞臺(tái)上的表現(xiàn)再次刷屏。

回望過(guò)往表現(xiàn)，2019年，深圳分會(huì)場(chǎng)的6臺(tái)優(yōu)必選Walker大型仿人機(jī)器人集體起舞，讓大家看到了人形機(jī)器人走上舞臺(tái)的可能；2025年，16臺(tái)宇樹H1人形機(jī)器人以整齊劃一的賽博秧歌，印證了本體控制與群體協(xié)同的初步成熟。

到了今年，內(nèi)行捕捉到的信號(hào)遠(yuǎn)比視覺奇觀更深刻：這屆機(jī)器人不“僵”了。它們?cè)趶?fù)雜的陣型變換、多變的光影追蹤下，展現(xiàn)出了一種生物才有的靈動(dòng)。

松延動(dòng)力仿生人形機(jī)器人“蔡明”逼近真人

宇樹人形機(jī)器人G1花式秀武技

魔法原子人形機(jī)器人躍動(dòng)伴舞

銀河通用人形機(jī)器人Galbot G1貨架取物

銀河通用人形機(jī)器人Galbot G1手盤核桃

春晚機(jī)器人表演現(xiàn)場(chǎng)

圖片來(lái)源：中央廣播電視總臺(tái)《2026年春節(jié)聯(lián)歡晚會(huì)》

這背后，源于一場(chǎng)漂亮的本體革命：更先進(jìn)的控制算法、毫秒級(jí)的軌跡追蹤以及軟硬件的深度耦合。

然而，清醒的行業(yè)觀察者都知道，晚會(huì)終究是一定意義上的預(yù)設(shè)場(chǎng)景。當(dāng)機(jī)器人走下鋪設(shè)好的舞臺(tái)，進(jìn)入非標(biāo)的工廠、雜亂的家庭或多變的養(yǎng)老院，僅靠靈活的身體已難以過(guò)關(guān)。

要跨越真實(shí)世界的鴻溝，機(jī)器人必須長(zhǎng)出能理解、預(yù)判并規(guī)劃物理世界的“大腦”。

01.

主流范式：VLA 的天花板與行業(yè)焦慮

毫無(wú)疑問(wèn)，目前具身智能最主流的“大腦”底座是 VLA（視覺-語(yǔ)言-動(dòng)作）。2026年開年，這個(gè)賽道堪稱卷王之戰(zhàn)。

首先。螞蟻靈波用20000小時(shí)真實(shí)數(shù)據(jù)，喂出最強(qiáng)開源VLA基座。它使機(jī)器人擁有精確的空間感知能力，并可適配9種不同構(gòu)型的雙臂機(jī)器人，真正實(shí)現(xiàn)“一個(gè)大腦，適配多個(gè)身體”。

小米剛剛開源的Xiaomi-Robotics-0，使用雙腦協(xié)同架構(gòu)及兩階段訓(xùn)練策略，用47億參數(shù)在消費(fèi)級(jí)顯卡上跑出了驚人的精細(xì)度，疊毛巾、拆樂(lè)高這種單任務(wù)可保持30分鐘的連續(xù)作業(yè)高穩(wěn)定性，可以說(shuō)幾乎做到了實(shí)用級(jí)。

在VLA、VLM的Benchmark以及真實(shí)機(jī)器人的效果指標(biāo)

地平線緊隨其后的HoloBrain-0基座模型，作為面向真實(shí)機(jī)器人的全棧VLA，則試圖通過(guò)“具身先驗(yàn)”讓機(jī)器人擁有更強(qiáng)的3D空間感，能折疊柔軟衣物，也能抓取從未見過(guò)的物體，同樣具有強(qiáng)大的跨平臺(tái)泛化能力。

這些突破，意味著VLA 在結(jié)構(gòu)化環(huán)境、單任務(wù)場(chǎng)景下，已經(jīng)邁入實(shí)用門檻。

但VLA 的原理也注定了它的天花板。眼睛看到指令，大腦直接輸出動(dòng)作信號(hào)，這種“端到端”的模式在實(shí)驗(yàn)室演示中很漂亮，但一旦要進(jìn)入工廠、家庭、藥房這種真實(shí)環(huán)境，問(wèn)題就接踵而至：

它知道疊毛巾的步驟，但不理解重力對(duì)織物褶皺的因果；它能拆積木，卻無(wú)法在大腦中模擬出由于重心不穩(wěn)導(dǎo)致的塔身傾斜。

這種缺失物理常識(shí)的盲動(dòng)，讓 VLA 很難處理長(zhǎng)序列任務(wù)中的意外。也就是說(shuō)，機(jī)器人如果只是在模仿人類，而沒(méi)有對(duì)物理世界的理解，它永遠(yuǎn)只能在結(jié)構(gòu)化環(huán)境里表演。

02.

技術(shù)躍遷：當(dāng)世界模型進(jìn)入控制閉環(huán)

顯然，行業(yè)也已經(jīng)意識(shí)到，具身智能的下一場(chǎng)進(jìn)化，必須從看圖說(shuō)話式的動(dòng)作對(duì)齊，轉(zhuǎn)向腦內(nèi)預(yù)演式的物理模擬，也就是VLA向具身世界模型的范式躍遷。

這種轉(zhuǎn)變是全球性的競(jìng)速。

作為路線的最早探索者之一，DeepMind 通過(guò)海量視頻訓(xùn)練出的Genie模型，證明了AI可以通過(guò)視頻學(xué)習(xí)腦補(bǔ)出一個(gè)可交互的物理世界。它的核心邏輯是：預(yù)測(cè)未來(lái)，是控制未來(lái)的前提。

黃仁勛力推的GR00T項(xiàng)目，則利用大規(guī)模生成式 AI在仿真環(huán)境中為機(jī)器人提供預(yù)演能力。NVIDIA的思路是讓機(jī)器人在數(shù)字孿生世界里先經(jīng)歷萬(wàn)次挫折，從而在現(xiàn)實(shí)中獲得物理直覺。

而Figure 02盡管依然擁有極強(qiáng)的VLA屬性，但在其最新的架構(gòu)中，開始顯著強(qiáng)化“動(dòng)作后果預(yù)測(cè)”。這種從單純的指令追隨向“物理后果評(píng)估”的轉(zhuǎn)變，本質(zhì)上也是向世界模型的靠攏。

在這場(chǎng)范式躍遷中，國(guó)內(nèi)螞蟻靈波的打法顯得尤為硬核且務(wù)實(shí)。它不僅認(rèn)可世界模型這一方向，更率先通過(guò)開源路徑，給出了從“視覺模擬”到“動(dòng)作控制”的閉環(huán)方案。

其核心在于兩套互為表里的系統(tǒng)。LingBot-World不止是一個(gè)視頻生成模型，更是構(gòu)建一個(gè)與物理世界規(guī)律一致的 高保真、可交互仿真環(huán)境。機(jī)器人可以在這個(gè)虛擬世界里進(jìn)行無(wú)數(shù)次零成本的人生模擬，學(xué)習(xí)技能、試錯(cuò)規(guī)劃，再將經(jīng)驗(yàn)無(wú)損遷移到現(xiàn)實(shí)。

這意味著，在動(dòng)手前，它能預(yù)判出杯子受力后滑動(dòng)的軌跡、織物被抓取后的形變，并在大腦里完成物理模擬。

LingBot-World 在適用場(chǎng)景、生成時(shí)長(zhǎng)、動(dòng)態(tài)程度、分辨率方面表現(xiàn)

真正實(shí)現(xiàn)降維打擊的，是同步開源的LingBot-VA。它號(hào)稱全球首個(gè)自回歸視頻-動(dòng)作一體化世界模型，可根據(jù)當(dāng)前觀測(cè)，同步生成下一幀的世界畫面和達(dá)成該畫面的機(jī)器人動(dòng)作，實(shí)現(xiàn)“邊推演，邊行動(dòng)”。

如果現(xiàn)實(shí)中物體因?yàn)橛蜐n打滑、或受重力影響偏離了預(yù)演軌跡，系統(tǒng)能瞬間通過(guò)畫面的不對(duì)齊感知到偏差，自動(dòng)修正抓取力度或角度。

這種“預(yù)測(cè)-對(duì)齊-修正”的閉環(huán)，本質(zhì)上是給機(jī)器人裝上了一雙能看穿物理因果的慧眼。它讓機(jī)器人不再只是死記硬背VLA的動(dòng)作概率，而是擁有了應(yīng)對(duì)非標(biāo)環(huán)境的物理直覺。

這是解決機(jī)器人進(jìn)入藥房、家庭、工廠等復(fù)雜場(chǎng)景時(shí)可以見招拆招的關(guān)鍵。

03.

產(chǎn)業(yè)價(jià)值：從特種表演到通用交付

脫離了實(shí)驗(yàn)室的炫技，這種從“動(dòng)作映射”到“物理預(yù)演”的跨越，本質(zhì)上也是在為產(chǎn)業(yè)的規(guī)?；桓稈咔逭系K。

首先是數(shù)據(jù)效率的質(zhì)變。以前訓(xùn)練一個(gè)新技能要喂上萬(wàn)條真機(jī)數(shù)據(jù)，而在 LingBot-VA 的邏輯下，模型懂因果、懂常識(shí)，只需30～50條演示數(shù)據(jù)就能類比學(xué)會(huì)新任務(wù)，落地成本極大縮減。

其次是任務(wù)成功率的確定性。具身智能最怕的不是任務(wù)難，而是環(huán)境亂。在 RoboTwin 2.0 仿真基準(zhǔn)數(shù)據(jù)中，這種具備“預(yù)判能力”的大腦表現(xiàn)出驚人的韌性，多任務(wù)成功率穩(wěn)定在 91% 以上。

換句話說(shuō)，機(jī)器人即使在環(huán)境雜亂、傳感器有噪聲的非標(biāo)工廠里，也能穩(wěn)健地完成長(zhǎng)流程操作。

最后是大腦的通用性。全棧開源背后，是一套通用大腦適配多元硬件的底座方案。無(wú)論是宇樹的 H1、G1，還是各類工業(yè)級(jí)機(jī)械臂，都可以共用這一套底層認(rèn)知邏輯。

這就意味著下游廠商不必再為每一款機(jī)器人重復(fù)造輪子，而是可以將精力集中于垂直場(chǎng)景的工藝打磨。

04.

結(jié)語(yǔ)：從“秀場(chǎng)”走向“戰(zhàn)場(chǎng)”

在具身智能的賽道上，從來(lái)沒(méi)有唯一的標(biāo)準(zhǔn)答案。

回看這幾年，我們其實(shí)是在分步給機(jī)器人裝零件：2023年是“對(duì)臺(tái)詞”，接入大模型讓它聽懂了人話；2024年是“練筋骨”，硬件成熟讓它走出實(shí)驗(yàn)室，學(xué)會(huì)了基本的拿放。而如今是邏輯覺醒，機(jī)器人終于開始理解物理規(guī)律，動(dòng)手前學(xué)會(huì)了先在大腦里打個(gè)草稿。

當(dāng)然，VA架構(gòu)雖然展現(xiàn)了降維打擊的潛力，但它并非唯一路徑。

業(yè)內(nèi)關(guān)于最優(yōu)方案的博弈從未停止：有人依然篤信數(shù)據(jù)夠大，純 VLA 模型也能暴力模擬物理規(guī)律；也有人主張用嚴(yán)謹(jǐn)?shù)臄?shù)學(xué)公式去精準(zhǔn)控制，確保極端場(chǎng)景下的零差錯(cuò)。

這種多路線的交叉跑位，反而讓2026年的具身智能賽道更具實(shí)戰(zhàn)價(jià)值。

VA 路徑的意義在于，它極大地提升了機(jī)器人在非標(biāo)環(huán)境下的直覺。當(dāng)機(jī)器人開始擁有這種物理邏輯，能在三維世界里精準(zhǔn)預(yù)判、穩(wěn)健操作時(shí)，具身智能才算真正從春晚的舞臺(tái)，落到現(xiàn)實(shí)產(chǎn)業(yè)中。