2026.8.31｜具身｜文章阅读简记
目前的行业共识：技术才成熟到 20%，商业化的进程不及预期
泡沫背后，行业已经沉淀下来的东西- 现在应该没有哪家公司还在讲自己用真机数据做大规模预训练的故事了（摇操之类的）
近半年来，主要在以下几个方面：- Ego-centric 数据 * 国内靠前的公司做到了 50万小时的预训练规模，国外 DYNA 做到了百万小时 * 觅蜂也下线了自己的百万小时无本体数据 - 本质上是在做Scaling law，但是还没有到饱和的程度 - 数据形态一收敛，模型叙事跟着就趋同了——>world action model (WAM/WMA) + VLA- 今年的模型进展值得关注的：PI的RLT，罗老师主导的τ系列和真机RL，智在无界的 Being-H0.8，还有 DYNA-2
* 数据侧：* 以前具身数据是路线分散：真机摇操、纯仿真sim2real、拿互联网公开通用视频、ego * 2026 阶段性收敛的形态：以 ego‑centric（第一人称 / 无本体人类交互数据）作为预训练底座，搭配仿真 + 少量真机微调的三层数据金字塔范式 * 底座大规模：ego-centric 无本体人类操作多模态数据（觅蜂 MEgo 就是这类，不依赖机器人本体，人戴设备采集第一人称手‑物交互，国内头部做到 50 万小时、觅蜂 / 海外 DYNA 做到百万小时） * 中间：仿真数据做样本扩充、补失败案例；最后是少量的真机训练做后训练和微调* 最大的突破：底层训练数据源范式趋同了
* 模型侧：VLA 管即时执行，WAM/WM 管前瞻推演 * WM = World Model 世界模型：输入观测 + 动作，预测环境接下来会变成什么样 \(p(o'|o,a)\) * VLA = Vision‑Language‑Action：看画面 + 读指令，直接输出动作 \(p(a|o,l)\)，只做即时决策，不做未来推演 * WAM / WMA（宇树叫法 WMA，行业通用叫 WAM World‑Action Model 世界‑动作模型）：联合建模未来环境状态 + 输出动作 \(p(o',a|o,l)\)，把世界预测和动作生成放进同一个基座模型里 * 蚂蚁 VA：Vision‑Action，内置世界模型直接嵌入控制回路，属于 WAM 范式的工程变体
- 算法倒推 - 今年近几个月，开始攻坚触觉模型的公司在明显变多 * 上游不是自己想通的，是算法侧和需求侧在倒逼上游产业链的进步 * 其实和前面讲的数据侧在 egocentric 方面的收敛一致。因为底层的数据源凡是统一，都要以无本体的交互数据作为预训练的底座，所以才会需要更多的触觉作为这个素材的基准，去更多地理解物理世界的变化
- 硬件的成本在往下走 * 去年一台全尺寸通用人形的平均售价还在 20 万左右，今年宇树人形的单台均价已经下探到 16.6 万左右，9.9 万的价格带也早就跑出来了 * 硬件降本是很明确的趋势。但在中国从来不需要担心，只要需求是明确的，供应链的效率会自己解决问题 - 但也意味着上游零部件的厂商会压力山大，价格战随之而来的就是估值受阻
模型类公司的账本：* 千卡集群跑一个月要多少钱？ * 按现在国内 H800 主流租赁价 10 到 20 元每卡每小时算，成本支出一个月是 700 万到 1500 万。 * 每一年的话肯定要在亿元的级别了，还不算其他的研发成本（人员工资等等） * 真机数据市场价 700 元一小时，蚂蚁 1.0 的 2 万小时，是从近 10 万小时里筛出来的，有效率大概两成* 全行业研发投入最高的优必选 5 亿，智元 5 亿多，宇树 1.45 亿。* 上半年融了 935 亿，全年研发投入加起来不到 20 亿。* 所以「泡沫」这个词其实用得不太准。泡沫是钱花过头了没结果。实际的情况是钱进来了，还没花出去。之前投进去的钱可能要在一段时间的训练之后才能看到结果
下场的大厂们：都不做整机，但是聚焦模型问题还是硬件问题还没有定论* 二级市场在炒人形本体，大厂在抢大脑、数据和平台
- [ ] 蚂蚁是独立公司，灵波的 CEO、首席科学家、研究负责人层级完整；蚂蚁是一脑多机，20 种构型- [ ] 腾讯是 Robotics X 实验室加 Tairos 平台，张正友是五家里一号位最清晰的；腾讯不造本体，做 Tairos 平台，出了个硬件抽象层，去适配不同公司的本体- [ ] 字节并进了 Seed，周畅统筹，具身技术一号位还在招；字节的核心训练本体是自研的 ByteMini- [ ] 阿里从 Qwen 内部孵化，3 月组织重构后目前负责人还没公开；阿里保持硬件中立，真机验证用 ALOHA、Franka、UR、ARX- [ ] 美团三条线并行，机器人研究院和无人机，无人车，LongCat也在搞具身。美团则是无人车、无人机、小黄蜂三条自有业务，加上银河通用的药房
博主认为后续一定会有一家开源的具身基座模型拿走大部分的具身生态，类似 Qwen——而基于这个基座模型，可以构建非常完善的具身应用生态，从训练到本体、部署和应用等等的一系列生态，这套打法最成熟的就是阿里的千问- 大厂下场之后，创业类的公司会很难超越。现在再说搞世界模型的创业公司，大概是骗钱，但是对这几家大厂不成立。他们的世界模型有明确的工程位置：要么生成训练数据，要么建可扩展的虚拟评测环境，要么直接进控制回路
车企下场具身* 41 家轻量化公司有 36 家宣布做机器人，32 家传动公司有 31 家；但宣布拿到订单的 21 家里，13 家的新业务收入压根没进 2025 年报的营收构成表。五洲新春的机器人丝杠毛利率是 -9.33%，卖一件亏一件* 速腾把车载激光雷达卖给机器人客户，毛利率接近 40%，比卖给拖账期的车企高 20 个点，机器人业务收入已经占到产品收入的近一半* 转型做成的，靠的都是老本行龙头的底子专栏 · 每日投研复盘