本文来自微信公众号： 科技C位 ，作者：东木褚
9月17日，旧金山湾区，一台Figure 03人形机器人被送进一栋从未踏足的住宅。
没有提前采集数据，没有现场微调，它开始铺床、叠毛巾、收拾散落一地的玩具。
同样的测试在30套陌生住宅里进行，420次尝试，237次完整成功。
四天后，亮源新创发布了一条一镜到底的视频：
两台形态不同的机器人在同一个模型驱动下开门迎客、递物、收纳，其中一台擦桌子时意外碰倒了地上的瓶子，另一台重新识别位置，走过去把瓶子捡了起来。
再把日历往前翻：
9月8日，松延动力发布世界模型HERON-World Model；
9月9日，智元机器人一天连发AGILE 2.0和GE-Act 2.0两款模型；
9月10日，宇树科技开源基础模型UnifoLM-WLA-1.0；
9月15日，松延动力又补上一款HERON-CRA。
国内三家本体厂商8天发了5个模型，国外估值390亿美元的Figure和中国初创公司前后脚亮出新一代"大脑"。
过去两年，这个行业的发布会主题是电机、关节和翻跟头。
这个9月，没有一家把硬件摆在海报上，战争换了一个战场。
五份答卷，五种打法
Figure的答案写在数据里。
Helix 2.5在30个陌生家庭拿到56%的完整任务成功率，铺床67%、叠毛巾62%、整理客厅40%。
单看不够惊艳，真正的信息藏在对照组：同样硬件、同样任务数据，拿掉预训练，成功率只有9%。
从9%到56%，中间隔着Figure自建的Index数据平台。
它付费招募全球普通人拍摄日常操作，8月25日上线至今，视频超过1600万条，新数据以每秒约35分钟的速度涌入，公司已向创作者支付1500万美元，并承诺为训练投入35亿美元算力。
每1000小时数据覆盖373项任务、1146种物体、116种环境。
Figure还报告了一条此前只属于大语言模型的规律：预训练数据每次翻倍，机器人动作预测误差平滑下降，小数据实验能把最大规模训练的损失预测到小数点后四位。
亮源新创的答案写在成本结构里。
这家创始人出自OpenAI的公司没有去采集数据，而是盯上了互联网现成的人类行为视频，规模超过10亿小时。
难题在于，视频记录了"别人怎么动"，机器人要学的是"自己的身体怎么动"。
Light-O1的做法是从视频中恢复结构化的人类动作，映射到统一的人形动作空间，让动作知识既不绑定某个人的身体，也不绑定某台机器人的机械结构。
预训练数据从37.5亿token扩到1200亿token后，跨本体、跨视角的动作预测误差呈幂律下降，团队称之为迁移缩放定律。演示任务对应的真机后训练数据，只有几十到一百条。模型权重和代码已经开源。
宇树的答案写在开源里。
UnifoLM-WLA-1.0以60亿参数、约2500小时真机数据训练，一个模型统筹64项任务，54项桌面操作加10项全身操作，还能适配二指夹爪和多种五指灵巧手。
配套的具身推理模型在16项多模态基准中拿下7项开源第一，空间理解单项超过头部闭源模型。它的世界建模做法很务实：不逐帧脑补整段未来视频，先用光流圈出真正会变化的那一小块区域，只预测"哪儿会变"。
这家刚上市、市值从高点4400多亿回落到2100亿上下的公司，在招股书里写明要拿20多亿元投向智能模型研发。
智元的答案写在数据规模实验里。
GE-Act 2.0用300小时、1200小时、5000小时、3万小时四档数据训练同一模型，数据扩大100倍，取得非零成功率的任务从39项增加到76项，折叠毛巾、嵌套纸杯这类精细操作在3万小时规模时才出现能力跃升，且没有饱和迹象。
同一天发布的AGILE 2.0走另一条路，把视觉感知和全身运动控制耦合进一个闭环，演示视频里灵犀X2踩着大球行进、钻火圈、跳长绳，这是行业第一次有双足机器人自主完成踩球。
松延动力的答案写在记忆和纠错里。
HERON-CRA给机器人装了三样东西：超过1分钟的时空记忆、即插即用的强化学习引擎、跨本体预训练。
叠袜子任务上，纯模仿学习的成功率是38.5%，打开强化学习引擎后变成97.8%。演示里它能记住20多次调换后球在哪个杯子，也能在中途被黑布遮住部分视觉信号后继续操作。
真正的突破：数据换了来源
五份答卷放在一起，一个共同的转向浮出来：机器人训练数据的来源，正在从机器人自己身上挪开。
此前的范式是真机遥操作，一名操作员、一台机器人、一个时间点，产出一份数据，昂贵且慢。Figure的判断是"需要的数据不存在于互联网"，于是自建昂贵但可控的采集网络；
亮源新创反着来，赌互联网上海量免费视频里的嘈杂经验可以被提纯；Dyna在8月做过一组更细的实验，1000小时、1万小时、10万小时、100万小时四档人类视频预训练，经同一套机器人后训练，14项真机任务的平均得分依次爬到任务上限的20%、28%、45%、53%。
三条路径，揭示了一个共识：
人类在物理世界里积累的行为经验，正在取代机器人真机数据，成为预训练的主角。
大语言模型靠互联网文本获得了对语言世界的理解，现在轮到机器人从互联网级别的人类行为中汲取对物理世界的经验。机器人行业找了很多年的"自己的互联网"，这个月有了雏形。
这里值得点破一层：这轮模型发布潮的表面是技术突破，里子是一场数据战争的开局。
Figure花1500万美元买的就是数据资产，亮源赌的是数据可以近乎免费，宇树把模型开源则是要让开发者的场景和数据回流到自己的生态里。
三家公司对同一个问题，也就是谁掌握下一代训练数据，给出了三种出价方式。
进入大模型决战时刻
本体厂商集体转向，首先是时机到了。
松延动力董事长姜哲源的判断很有代表性：
2023年创业时行业最大的短板是本体和运控，如今本体在成本、可靠性、性能上已经拿到及格分，而2023到2024年还分散混乱的模型技术路线，今年在世界模型与VLA融合的方向上形成了共识，正是切入的窗口。
其次是资本在用脚投票。
2026年上半年国内具身智能赛道融资约438亿元，其中以具身大脑为核心业务的公司拿走222.53亿元，占比过半；本体整机公司同期只拿到56亿元。
2026年至今拿到融资的具身模型公司超过140家，是去年同期的1.5倍，融资总额超1000亿元，是去年同期的三倍多。
香港中文大学高等金融研究院客座教授郑磊直言：
“本体厂商除非绑定场景拿下真实订单，否则越来越难获得独立融资。”
换句话说，"补大脑"一半是被技术路线图推着的，另一半是被融资结构逼着的。宇树开源的时机就很说明问题。
市场该按硬件厂还是按平台给它估值，两套算法差出好几倍，开源是它能给"平台叙事"投出的最重一票。
王兴兴在今年世界机器人大会上说得更坦白：公司目前最大的投入方向就是AI模型，谁能把机器人用的大模型做出来，谁就是全世界最厉害的AI公司和机器人公司。
赛迪研究院在《具身智能技术与产业发展报告》里给这个转向下了个注脚：
全球具身智能竞争已从比拼单机演示效果，转向模型、数据、本体、仿真、评测、交付的全链条体系能力比拼。
会翻跟头的时代结束了，客户开始拿着计算器算投资回报率。
183次失败
热闹的另一面，这个9月也出现了行业里少见的景象：同行不再客气。
Figure公布成绩后，Sunday Robotics联合创始人Tony Zhao立刻指出，237次成功同时意味着183次失败。
家庭里有易碎品、儿童和宠物，"偶尔能做完"和"放心让它独立干活"是两回事。
Synapticon前CEO Nikolai Ensslen的说法更尖锐：44%的任务没有完成，这恰恰证明模仿学习路线不能真正泛化。
伯恩斯坦9月24日的专题报告给了这轮热潮最冷静的定性：Helix 2.5跨越的只是"场景"，还不是"任务"。
机器人依然要为铺床、叠毛巾分别接受专门训练，真正的零样本任务泛化还远；56%的成功率远不足以商用，预训练通常能把成功率带到50%至60%，从这一水平到99%的路径，是下一场大考。
报告的结论落在节奏上：大脑模型正以每季度可感知的速度进步，但大规模部署不会很快到来。
王兴兴自己给行业立过一把尺子：机器人被部署到陌生环境，通过语音指令能完成80%的任务，具身智能的ChatGPT时刻才算到来，快则两三年，慢则五到十年。
极佳视界首席科学家朱政则提醒，语言模型在数字世界输出文本，容易制造惊喜瞬间；具身模型要在物理世界里一点点磨，可能根本不存在那样一个瞬间。
9月的发布潮会过去，真正留下的是Figure数据平台上每秒新增的35分钟人类经验，和伯恩斯坦报告里那道没有答案的算术题：
从56%到99%，到底还要灌进去多少数据、多少钱。
五家公司把模型亮出来了，接下来比的是谁先填满这道算术题的括号。
