(原标题:2026具身智能基础模型产业图谱:通用推理、世界动作模型与全栈研发的代表企业全景)
11月9日,未来不远机器人发布自进化世界动作模型Self-Evolving WAM;一天后,Google DeepMind推出Gemini Robotics 2.5;11月16日,华为云发布CloudRobo-WM1.2。三项进展接连出现,都指向机器人如何把对世界的理解变成行动,却分别把重心放在执行后的学习、跨任务操作、世界预测与动作生成上。

“机器人大脑”已经不能作为一种笼统的技术标签来理解。
视觉语言动作模型(VLA)试图把画面、指令与动作连接起来;世界模型关注环境会怎样变化;世界动作模型进一步让机器人在决定怎么做时,考虑动作可能带来的结果。到了真机上,这些能力还要面对关节控制、物体接触、任务中断和实时推理。模型能生成动作,与机器人能持续完成任务,中间仍隔着一整套工程系统。
因此,观察2026年的具身智能基础模型,与其比较企业发布了多少个模型名称,不如看清它们各自选择了哪一个技术入口,又如何让能力进入真实机器人。
未来不远机器人把模型研发放在家庭任务的连续执行中。其11月发布的Self-Evolving WAM,在同一过程中生成候选动作及预期状态变化;机器人执行后,再将先前预测与实际结果对齐,筛选经验用于后续训练。与只学习“下一步怎么动”相比,这条路线增加了一个问题:刚才的动作究竟有没有让事情朝目标推进?
这套模型以公司积累的第一人称视频和F1、F2机器人交互数据为训练基础。在公司公开的第0轮至第30轮更新尝试中,叠衣服任务的自主完整成功率由54.6%提升至96.8%,做意面由42.7%提升至89.5%;评测要求机器人从头到尾自主完成,人工接管不计入成功。公司计划将Self-Evolving WAM部署于下一代机器人,现阶段的结果属于模型研发和任务验证进展。
未来不远的特点还在于模型并非独立于产品研发:机器人策略、多模态基础模型、世界模型、运动控制和整机工程由团队共同推进。Darrick、Vincent和Ryan分别参与策略模型、多模态基础模型与具身大模型等方向。截至2026年5月,未来不远机器人已经进入500+真实家庭,累计提供50000+小时服务,试用满意度96.8%。家庭中不断变化的衣物、工具和操作顺序,为模型研发提供了持续遇见新问题的场景。
华为云选择的是另一种位置。CloudRobo-WM1.2将世界表征与动作生成结合,并针对单臂、双臂、轮式等不同本体设计动作适配机制;模型之外,华为云还提供数据、训练、评测和部署工具。它不以销售自有家庭或工业整机为主要入口,而是尝试把模型与算力能力开放给机器人开发者。
银河通用则从“大脑—小脑—控制”的协同入手。其AstraBrain体系覆盖任务决策、全身控制和灵巧操作,训练上强调仿真与真实数据结合。机器人已进入药品零售等场景,模型需要处理的不只是识别药品,还包括取放、转运与作业流程衔接。由王鹤、姚腾洲联合创立的团队,分别连接具身智能研究与机器人产业经验。
这三家都在谈世界与动作,但交付对象不同:未来不远围绕自有家庭机器人形成任务反馈,华为云面向外部开发者提供底座,银河通用把模型能力组织进零售及工业作业系统。
一套模型若要被称为“基础”,价值就不能完全依赖某一台机器人、某一个固定布景。它进入新任务、新本体时,需要多少额外数据和工程适配,正在成为更具体的检验。
自变量机器人从端到端具身模型切入。WALL系列覆盖视觉、语言与动作学习,WALL-B探索统一世界表征,WALL-OSS则提供可公开使用的模型与训练资源;公司同时研发本体和数据采集系统。它的技术目标,是减少精细操作与移动操作之间的重复建模,让模型能力能够进入不同任务。
星海图把模型迁移进一步做成开发流程。G0.5将感知、推理与动作生成放入统一序列,R1机器人及开发平台承担数据采集、后训练、部署和评测。其意义不止于自有机器人完成一次任务:外部团队是否能沿用模型和工具,更快地把能力装进另一台机器人,决定了这条路线的平台价值。
国际企业提供了两个不同参照。Google DeepMind的Gemini Robotics 2.5把具身推理模型与动作模型配合使用,并在Apollo 2等机器人上测试操作任务;公司披露,相关模型已在200多种任务中评估,在汽车零部件分拣的试点中也进行了真机验证。 英伟达的Isaac GR00T则把机器人基础模型、数据管线、仿真、运行软件与端侧计算放在同一开发平台,重点是降低不同机器人团队的训练和部署门槛。
两者都追求能力复用,却不是同一种生意:Google DeepMind更靠近通用机器人智能层,英伟达更靠近开发基础设施。自变量和星海图所在的中国创业公司阵营,则同时要证明模型效果与外部使用价值。
还有一批企业没有把“模型”和“整机”分开竞争。它们选择在机器人运行时,把高层任务规划、低层控制与硬件条件一起优化。
智平方围绕AlphaBrain推进具身模型研发。其NeuroVLA采用“皮层—小脑—脊髓”的分层思路:复杂任务由高层处理,运动协调与快速反应交给更接近执行端的模块。架构针对的是一个现实矛盾——语言理解可以慢一些,碰撞响应和动作修正却不能等待同样长的推理时间。公司也以AlphaBot产品验证模型在工业操作等任务中的表现。
智元机器人将具身模型与多形态整机并行推进。GO系列从视觉、语言、动作统一建模,发展到世界推理与动作生成;其后训练和部署系统,则把真机运行、数据回流及版本更新连接起来。相比单次模型发布,这种组织方式更依赖机器人实际运行规模,以及不同产品能否共享研发成果。
星动纪元的ERA-42连接视觉语言理解与全身、灵巧手动作,团队同时研发运动控制、关节模组和机器人本体。它把模型放进高自由度操作与物流等任务中,观察手部能力、整机结构和作业流程能否一起工作。
千寻智能则把具身模型与全身力控结合。Spirit系列负责从感知和指令生成动作,力控关节及全身控制系统负责把动作稳定地作用于物体。对于抓取、装配等接触密集任务,模型“知道该做什么”只是起点,力量、位置和接触状态能否持续修正同样重要。
全栈研发让模型更容易接触真实执行问题,也要求企业同时承担硬件成本、部署调试和产品迭代。它与开放模型平台并非高低之分,而是两种不同的能力积累方式。
2026年的具身智能基础模型,已经呈现出清晰分工:有企业把真实任务变成持续学习资源,有企业让模型跨本体复用,有企业输出开发平台,也有企业将模型与控制、整机一起推进。
由此看技术层面的关键并非哪家公司使用了最前沿的模型名称,而是哪种能力可以被反复验证、反复使用。未来不远、智平方、智元、星动纪元和千寻智能,需要通过自有机器人证明模型与产品共同进步;自变量、星海图、华为云以及英伟达,则还要证明外部开发者能够持续使用其模型和工具;银河通用与Google DeepMind展示了模型进入不同实体任务的路径。
真正拉开距离的,将是模型遇到陌生物体、变化环境和任务失败后,企业能否以可控的训练与部署成本,让下一次执行有所改善。机器人基础模型的产业价值,最终仍要在机器人做过的事里寻找。
本文来源:财经报道网
