8 月 19 日，北京亦庄的空气里飘着一种奇怪的兴奋，这是 2026 世界机器人大会开幕的日子。300 多家企业、2000 多件展品，几乎把具身智能行业能拿出的东西都搬到了这里：大模型、本体、关键零部件、数据，应有尽有。

开幕当天，宇树科技敲钟上市，盘中市值一度冲破 4000 亿元，这可能是过去十年，中国机器人行业最接近「资本狂欢」的一天。过去，机器人公司更多活在实验室、融资新闻和 Demo 视频里；而宇树的上市，第一次给这个仍处在早期的赛道钉下了一个资本锚点。

除此之外，云深处科技进入交易所受理或审核环节；智元机器人则于 2026 年 7 月确认启动赴港上市流程。一级市场的热，正在向二级市场传导，具身智能不再只是技术想象，也开始被要求回答收入、交付、毛利和规模化的问题。

逛完整个展区，跟我们此前预料的一样，今年没有让所有人「哇」的时刻，更多的是 demo 的展示。宇树没有展示刚刚发布的、原地跳高 2 米、奔跑速度 12.66 米/秒的「超人」，展台上更多是已有产品在解锁新动作；众擎把八角笼搬进了会场，维他动力用二次元偶像的方式整活……热闹是真热闹，但很少有人再讲「颠覆性突破」这四个字了。

比起继续追问「什么时候会有奇迹」，更值得追问的是几个更朴素的问题：机器人是不是只能长成人的样子？具身智能的「通用性」到底走到了哪一步？数据，正在从一门算法生意，变成一门硬件生意吗？那些藏在指尖、关节和电机里的关键部件，又往前走了几步?

带着这些问题，我们在展馆里走了一圈，也和多家代表性公司深聊。它们不一定都最会制造声量，却分别代表了这个赛道正在发生的关键变化：本体形态的分化，通用模型的竞争，数据闭环的重构，以及关键零部件逼近「最后一厘米」。

银河通用的展台上，轮式、重载和双足三种完全不同形态的机器人，跑的是同一套具身基础大模型；维他动力反过来从真实使用场景出发，倒推出了它的第一款人形机器人 Vbot ATOM；自变量在物流分拣场景里，把效率做到了每小时 1816 件、准确率超过 98%；帕西尼，则把最初只解决「触觉」的技术方案，扩展成了覆盖全身的感知网络……

具身智能仍然早期，甚至比很多人期待的更早期。它正进入一个更艰难、也更有价值的阶段，谁能把模型、本体、零部件和工程能力一个闭环，谁才可能成为下一阶段真正有价值的公司。

1.机器人是不是只能是人形？

过去两年，具身智能的叙事被人形机器人高度占领：跳舞、跑步、打拳、马拉松，所有出圈事件几乎都长着一副人的样子。

但看完这届 WRC，你会发现，人形机器人的概念依旧延展，巨型、仿生、半人马……「像人」不再只有一种标准答案。与此同时，在人形之外，越来越多公司开始根据真实任务重新设计机器人形态。

今年 WRC 逛下来，宇树的人形这边确实拼得凶，带来了全新的格斗动作。G1 打格斗，组合拳、回旋踢、飞踢一套下来，靠的是全身关节的实时协调；H2 个头更大、关节输出更强，出拳抬腿更有分量感。两台机器人放一起看，正好是「灵活」和「力量」两种风格。

乒乓球互动也很值得一看，机器人得先「看懂」来球再决定怎么回，这比单纯耍套路更考验感知和决策的配合。加上全身遥操作格斗系统，操作者的动作能被精准复现，这套东西背后其实是宇树在攒具身智能的数据闭环。

但最显眼的还是 GD01，那台三米高、能载人变形的机甲。它不是人形，也不是传统四足，而是把机器人技术和装备形态揉在了一起，直接冲着文旅、特种作业这类场景去的。

在本届 WRC 上，Vbot 维他动力正式发布人形具身智能终端 Vbot ATOM，并同步开启预订。ATOM 值得注意的是，它并不是从概念样机起步，而是承接了 Vbot 在四足机器人「大头」上已经验证过的产品定义、量产交付和用户运营能力。

今年 5 月，AI 载物机器狗「大头」实现量产交付。到目前为止，这款产品已成为消费级具身智能销量第一，在真实世界中累计完成 126 万次大模型交互、23,700 公里用户伴随里程和 131,500 小时陪伴，过去三个月还完成了 4 次 OTA。对具身智能行业来说，这组数据的意义不只在于销量，而在于它证明 Vbot 已经让机器人进入真实用户生活，并形成了从交付、使用反馈到持续迭代的产品闭环。

基于「大头」的实践，Vbot ATOM 没有沿用传统工业人形机器人的思路，而是从家庭、零售、公共空间和办公服务等生活场景出发，反向定义产品形态。160cm 身高、180cm 臂展、95cm 腿长和 31 个本体自由度，决定了它具备接近真人尺度的服务能力；织物包覆、状态交互设计和静音足底，则让它在家庭和公共环境中显得更友好，也更容易被人接受。

技术层面，Vbot 还发布了「Vbot Embodied Genome｜具身基因组」具身模型体系及三大核心模型，用于支撑交互理解、世界模型决策、跨本体进化和真实反馈回流。

由此来看，Vbot ATOM 的到来，不只是 Vbot 从四足机器人延伸到人形机器人，更意味着其正在把已经验证的产品化能力，带入更大的生活空间，推动人形机器人从本体展示走向产品化时刻。

未来不远机器人则完全围绕家庭需求设计，能够完成基础的家务，儿童陪伴，老人陪护，宠物照料等场景。目前他们已经进入 500 多个付费家庭，累计服务超过 5 万小时。

未来不远机器人还展示了他们在家庭场景的快速迭代能力，一个月前的 WAIC，它重点展示的是洗衣，叠衣，收纳等基础家务，而在 WRC 现场，则把场景扩展到厨房：搭载了全新一代自进化 WAM 世界动作模型的第二代全栈自研机器人本体 F2 端到端自主完成意面制作。

完整烹饪流程对机器人的协同能力、精准度、判断力要求极高：需要双臂高精度同步协同；应对不可逆流体操作，依靠视觉瞬时精准判断用量；同时需要灵活切换、抓取、置换多种厨具，还要自主学习翻炒火候等无标准答案的「人性化分寸感」。而未来不远机器人在现场不中断的连续烹饪展示了他们惊人的稳定性。

未来不远表示，他们从本体、大脑到硬件采取软硬件协同的全栈自研，因此在新场景的迭代更快。除了从轻家务逐步向重家务扩展，未来不远对于家庭场景需求的理解还包括覆盖儿童、老人和宠物的刚需场景，现场他们也展示了包括五子棋，象棋的各种棋类的操作，开饮料，互动类游戏，以及双机协同工作等等。极强的落地场景和互动性让他们的展位始终围满了人群。

自变量机器人目前的重点是家庭和物流两个场景。其中物流场景它没有用完整人形机器人和五指灵巧手，而是两条机械臂配合普通夹爪，处理形状、重量和材质随机的真实包裹。

它的机器人会根据包裹本身的物理特性决定怎么处理：小件直接抓取，重箱可以推，碰到没有面单的玩具熊等异形件，也会判断后续流程并自主处理。此前公开直播中，这套系统连续运行一小时，分拣效率达到 1816 件/小时，准确率超过 98%。

自变量在现场采访中强调，它的机器人已经进入实际应用：家庭机器人已经大规模服务用户家庭；物流分拣也已经进入头部企业。

2.具身智能的通用性走到哪一步了？

具身智能的通用性，或者说通用任务能力，指的是具身智能机器人是否能跨物体、跨环境、跨指令完成复杂任务，以及是否能在新场景里重新规划。从能力上，具身智能在通用性上已经跨过「单一动作展示」阶段，现在先进的机器人，能够完成多技能串联、状态跟踪，甚至可以在经历扰动后重新进行规划。

在智能上，具身机器人的通用性显然与模型有关，而目前模型的技术路线远未收敛。头部公司们开发的路线有端到端 VLA（视觉—语言—动作模型），WAM（世界动作模型），分层具身智能体操作系统，以及跨本体具身基础模型等。

其中，端到端 VLA/WAM 的代表是银河通用、千寻智能和未来不远。这一思路的共同点是尽量将视觉、语言、动作和部分状态预测放入统一模型或表征中。银河通用在 WRC 发布的双足人形机器人 Galbot ET1「银河·星仔」，它利用 Agent 互动自学习技能可以直接观察人的动作，再实时模仿舞蹈和高动态动作，它还集成银河通用「LATENT」高动态网球对抗规控运动学习框架，可实现真人感网球陪练。

支持 ET1 实时模仿舞蹈和打网球等连续拟人动作的，是 AstraBrain WBC，即银河星脑体系中负责全身实时运动控制的小脑基座模型。具体来说，舞蹈演员给出新的动作，ET1 通过视觉识别并提取人的实时运动轨迹，再把动作映射到自己的身体上。它是真的在实时模仿，不是从预先编排的动作库里挑出一条轨迹重新播放。

银河通用目前有双足人形机器人 Galbot ET1，还有 Galbot G1、S1 等不同形态的机器人。它强调用「一颗大脑跨本体、跨任务、跨场景」。这些的机器人在家庭、零售和工业这些场景都有各自的应用，但它们共享同一套具身智能基础模型，不同形态的机器人，拥有各自的运动控制系统，感知、任务理解、世界建模和行动规划能力却是可复用的。

银河通用在接受采访时提到，过去机器人进入一个新场景，往往需要围绕这个场景重新采集数据、重新训练；现在同一套基础模型已经开始在不同本体和任务之间复用。通过少量数据进行适配，轮式机器人能用，重载机器人能用，换到双足机器人上，大脑也不需要重新从头训练。未来不远此前基于 AVLA 构建视觉、语言与动作的端到端闭环，并在此基础上进一步推出 Self-Evolving WAM（自进化世界动作模型），让机器人不仅能够理解并执行任务，还能预测动作结果，并利用真实家庭中的执行数据持续迭代模型。未来不远表示，以洗衣场景为例，其模型基于几十种洗衣机进行训练后，已经可以泛化到数百种不同的机型、开门方式和按钮类型。类似的泛化能力也用于衣物，玩具等家庭物品，让机器人能够在不同家庭环境中完成动态变化的任务。

自变量重点展示其模型 WALL-B 的通用性：家庭服务和物流分拣两个差异很大的场景，运行的是同一个模型。WALL-B 将视觉、语言、触觉、动作和物理预测融合进统一网络，让机器人理解重力、惯性、摩擦等物理规律，并预判动作结果。分层式具身智能架构的代表性探索包括逐际动力 COSA。

COSA 0.5 将机器人大脑分为三层：System 2 负责场景理解、记忆、推理和任务调度，System 1 调用 VLA 等操作技能，System 0 以最高 1000Hz 进行全身运动控制。

跨本体具身基础模型的代表之一是星海图 G0.5。WRC 现场，搭载 G0.5 的 R1 Lite 在移动过程中完成任务整理需要的环境理解、任务拆解、双臂操作和异常恢复。G0.5 通过统一动作编码，让同一套模型适配不同机器人本体。

千寻智能用它的 Moz1 挑战长程任务，比如「整理餐厅」，机器人接到一句指令后，要连续完成环视环境、取可乐、移动到冰箱、开门放入、关门，再把脏碗送进洗碗机等一系列动作；如果目标物被移走、遮挡，或者已经整理好的环境再次被打乱，它还会重新感知并规划。

在应用场景上，让机器人像人一样进入家庭和公共空间，完成复杂任务，现在的成熟度还相对不足，尤其是涉及与人直接交互，需要考虑安全性。但在工厂、在仓库、以及其他相对封闭的场景，机器人已经能完成一些相对复杂的长程任务。

例如，星动纪元的星动 M7 在现场连续完成随机包裹识别、抓取、翻转面单和送入传送链路等动作；这套能力已经在中国邮政等物流中心落地，最高达到每小时 1200 件。

具身智能的通用能力和垂直场景能力并不互斥，机器人在真实世界的垂直场景中，适应各种非标操作，并且能稳定运行，其实可以反哺通用能力的提升。

而且，各家公司在模型进化上的努力，都是从单项技能向跨本体、长程任务和动态环境泛化等方向进步。

3.具身数据正在变成一门硬件生意吗？

无论具身智能的通用性能，还是垂直场景性能，模型都需要大量高质量的数据。机器人的数据采集，目前主流的方式有遥操作、 无本体 UMI 与数据手套、第一视角采集与动捕、真机本体采集等，几乎每一种，都涉及硬件，有人笑称，具身智能的数据采集，是不是变成了一门硬件生意？

其实数据的重要性不在数据本身，而在于模型，在于智能。只有当数据足够多，足够高质量，能够反哺模型进化，并且在场景中形成数据闭环和数据飞轮，它的意义才真正体现。

光轮智能是独立具身智能数据领域的头部公司之一，围绕人类第一视角数据、物理仿真、规模化评测和真机反馈，构建 Real2Sim2Real 数据闭环。

此次 WRC，光轮智能重点展示了 SimFoundry 仿真和 RoboFinals 评测体系。SimFoundry 通过真实物体参数测量和自研物理求解器，提高衣物、线缆等柔性物体的仿真精度；RoboFinals 则用于机器人模型的大规模测试和评估，让模型在进入真实场景前先经过系统验证。

遥操、UMI、动捕，是以人为中心的高质量数据获取方式，但它们的成本还是太高，较难满足模型对数据量的需求。

具身数据的获取方式还有很多，比如靠视频数据，靠游戏数据，以及最近 1-2 年兴起的世界模型。极佳视界走的是世界模型路线，将世界模型作为「数据放大器」。GigaWorld 根据机器人动作推演环境变化，批量生成训练和测试所需的交互数据；GigaWorld-1 进一步加入动作建模和物理参数估计，提高抓取、碰撞等操作模拟的可信度。

所以数据并不是一门单纯的硬件生意，而是有多种类型，多种形式的。并且，相比单纯数据采集，为模型提供数据，对于具身智能模型提升更大的，可能是形成数据飞轮，而这是专注在具身数据采集的单个企业很难完成。要形成数据闭环和数据飞轮，必须进入具体场景，和机器人一起协作，用真实产生的数据去迭代和优化模型。

例如，银河通用构建了「银河星数（AstraData）」数据基座，将互联网数据、人类行为数据、仿真合成数据、真机遥操和真实场景回流数据统一用于模型训练，并接入场景验证和回流优化的闭环。其通用小脑模型 AstraBrain-WBC 0.5 使用约 2 万小时、20 亿帧人类动作数据训练，工程优化后推理延迟低于 1.5 毫秒，整条动捕链路延迟小于 20 毫秒。

智元机器人的数采 2.0 体系，基于 430 余个真实场景搭建真机、无本体和多源数据金字塔，并把模型评测、场景落地、实景适配测试和运行数据回流放在同一体系中。更进一步，还有海外创业公司在工厂环境中让现场工人现场纠正机器人，然后把新的行为继续接入流程，并且收集数据对具身模型进行 Post-Training。

银河通用、智平方、智元机器人等中国公司也已经在往这个方向进步，未来具身数据的共同趋势可能是：数据采集将从「集中式数采工厂」走向「机器人部署现场」。

4.关键部件往前走了几步？

灵巧手、触觉感知、视觉感知、电机、关节，关键零部件的进步，往往更能展示行业真正往前走了几步。而具身智能关键零部件领域，最重要的精细操作和感知，感知里最重要的又是触觉感知、视觉感知。灵巧手是机器人执行精细操作的关键。以灵心巧手为例，它展示了「灵巧手组装灵巧手」的案例：机器人通过视觉识别、双手协同和精准力控，在狭小空间内完成零部件抓取和装配，把灵巧手从抓取进一步推进到精细工业操作。

同时，灵心巧手也在持续提升模型能力。它告诉我们，目前在商超、工厂和物流等相对明确的场景内，已经可以对多种工具和工序实现一定程度的泛化，但跨到完全不同的场景仍需要继续学习。灵心巧手也涉足了具身数据，Open TeleDex 系统可以同步采集视觉、触觉和本体感知数据，用于训练灵巧操作模型。它把理想的灵巧手概括为「既要有人的手，也要有人的小脑」：最终不仅要能抓不同物体，还要能够理解并使用不同工具。

帕西尼感知的核心能力是触觉。它采用自研的 6D 触觉感知芯片，通过非接触测量将弹性体与测量电路分离，再结合磁路、弹性体设计和力反演算法，输出稳定、可重复的触觉信号。

帕西尼过去的触觉产品更多集中在指尖和手部，这次帕西尼还展示了足底多维触觉传感器 PX-FOOTRIX，以及基于 GEN4 FUSE 芯片的第四代多维触觉产品，覆盖夹爪、全身电子皮肤等形态，进一步把感知扩展到全身。

这背后是帕西尼在结构设计、硬件系统和算法模型上的全栈自研。在这个基础上，帕西尼打通了从触觉感知信号采集，到三维力、六维力输出的完整链路，使机器人能够获得更稳定、可重复、可量化的力触觉信息。

触觉的应用还是要回到操作，帕西尼现场展示了人形机器人在视觉和触觉共同参与下自主拼装小马：先识别不同形状的零件，再根据接触状态判断抓取是否稳定、插装是否到位，并动态调整力度。帕西尼也把触觉延伸到了数据采集，PXCap Pro 五指数采手套可以同步采集视觉、触觉和手部姿态，并将同一套人类示范重映射到不同灵巧手，实现「一次采集、多机复用」。

帕西尼还把触觉数据纳入 OmniSharing DB 百亿级全模态数据集，与视觉、轨迹、姿态、语音和文本等数据一起用于具身模型训练。其中比较特别的是多维触觉数据，它能记录人与物体接触时的受力和状态变化。

在视觉感知方面，奥比中光展示了面向具身智能的 Gemini 330 系列双目 3D 相机，搭载自研 MX6800 深度引擎芯片；最新的机器人视觉新品 Physis，专为人形机器人、协作机械臂等需要长时运行的具身智能应用设计，提供贴近人类的视觉感知能力，在大视野、高质量成像、真实空间感知与高可靠性之间实现极致平衡。

同时，奥比中光也把视觉能力延伸到具身数据采集，推出无本体数据采集平台，将 EGO、UMi、Wrsicam、Hub 等四种形态纳入同一体系：EGO 记录第一视角，WristCam 采集腕部近场视角，UMI 补充手与物体的交互动作，形成多视角数据链路，用于模仿学习和世界模型训练。

灵巧手、视觉感知以及其他感知能力，其重要性在于它们是具身智能真正落地的最后一厘米。哪怕模型再聪明，没有好的灵巧手，机器人也无法像人一样完成精细操作，没有感知，机器人就变成瞎子，根本不知道该怎么干。我们同时观察到，灵巧手和感知领域的公司，都在跨界搞具身智能数据，可见具身智能整个行业，对于数据的饥渴程度。

5.行业整体发展到什么阶段？

具身智能的热潮让人想到十年前的计算机视觉和自动驾驶。当时市场同样相信技术会在几年内迅速普及，但实验室能力与稳定、低成本、可规模部署的产品之间，存在很长的距离。

自动驾驶用了十多年，才开始在少数城市和区域进入 Robotaxi 商业运营。这虽然不能证明具身智能会重复相同过程，但说明了一种规律：

技术热潮往往会让人们高估近期落地速度，却可能低估长期产业影响。

具身智能目前仍处于从原型验证走向产品验证的早期阶段。未来几年可能先在工厂、物流、巡检和商业服务等结构化场景中落地，真正进入家庭和日常生活还需要更长时间。因为具身智能是软硬件结合的，而且是长产业链的系统工程，单个领域的突破，很难让行业整体快速向前。

但另一方面，中国拥有较完整的机器人供应链、制造能力、工程人才和大量真实场景，能够缩短整机试制、成本下降、场景部署、数据获取和产品迭代的周期。

这些条件不能保证某家公司或者某条路线一定成功，但能让中国持续把机器人推入真实场景，完成技术、工程和商业验证。热潮终会退去，具身智能进入普通人的生活，可能比市场期待的更久，但当机器人真正开始在工厂、仓库和家庭里工作，具身智能的故事才刚刚开始。

 

头图来源：Fullive.ai

一家成立几个月、第一款产品即将量产的 AI 硬件公司，已经连续融了三轮：高瓴连续三轮加注，智元机器人等机构先后进入股东名单；到了今年 7 月，招商局创投又领投了它的新一轮融资。

这家公司叫 Fullive.ai，创始人郑昊本科就读于清华数学系，此后一路跨过生物统计、因果推断、AI、医学和硬科技投资；联合创始人韦骁龙来自北大计算机，此前曾在华为、荣耀负责消费电子产品。团队里还有参与过华为手环、WHOOP 等穿戴设备的硬件人员，以及来自百度、大疆等公司的算法和商业化老兵。

Fullive.ai 把第一款产品放在了床头。

它叫 Somni，是一款面向高压脑力人群的睡眠硬件。外形上，它不像传统健康硬件，更像一个安静的床头设备：没有屏幕、不需要佩戴，也不要求用户在睡前再学习一套交互。通过毫米波雷达、麦克风阵列和环境传感器，感知人在夜里的呼吸、心率、体动以及卧室环境，再用声音、光线、气味等神经系统调节方式帮助用户更快入睡、减少夜间醒来，并在早晨完成自然唤醒。

睡眠当然已经是一个拥挤的硬件市场。

手环、指环和床垫越来越擅长告诉人们昨晚睡得怎么样，助眠灯、耳机和眼罩也在尝试用声音、光线或触觉让人睡得更好。但这两件事之间，其实一直隔着一个很难解决的问题：知道你没睡好之后，机器到底能做什么？更重要的是，它怎么知道自己做对了？

这正是 Somni 想解决的问题。它其实是一套会在连续夜晚中学习用户响应的闭环系统。

如果前一晚的一套声音和灯光没有达到预期效果，Somni 会根据用户整晚的生理变化，重新调整下一晚的方案；反过来，如果某种干预有效，这次身体反馈也会成为之后调整的依据。

郑昊把每个夜晚都看作一次持续发生的「小型实验」：观察一个人处在什么状态，尝试一次干预，再看身体发生了什么变化。如此循环，设备才有可能慢慢摸清，对这个人来说，什么方法真的有用。

这也是 Fullive.ai 做 Somni 更深一层的原因。

在郑昊看来，今天大量健康硬件已经很擅长「监测人」，但如果 AI 想进一步参与人的健康管理，仅仅知道一个人的心率、呼吸和睡眠分期还不够。它还需要理解，当外部世界发生变化时，人的身体会怎样跟着变化。

从一台放在床头的睡眠设备开始，Fullive.ai 想让 AI 学习的，正是这种「响应」。这家年轻公司将其称为 Response Learning：如果 Somni 能够在真实生活中持续完成感知、干预和反馈，它积累下来的，就不再只有「人是什么状态」的数据，还有「什么东西改变了人，以及人是怎么被改变的」。

一盏床头设备，由此成为了 Fullive.ai 验证这条路线的第一个入口。

一、睡不好的一晚，床头能做什么？

第一眼看到 Somni，最容易被注意到的是它刻意克制的形态。

它试图覆盖睡眠的全周期：入睡前帮你放松下来，睡眠中维持稳定的状态，清晨用更自然的方式唤醒。对用户来说，理想状态下只需把它放在床边，其他事情交给设备完成，不需要佩戴手环或头带，也不用主动打卡、频繁操作。

对用户来说，它和普通床头设备的使用感没什么差别；但在系统内部，每一晚的运行都形成了一套完整的闭环：感知状态、判断策略、执行干预、迭代优化。

Somni 使用毫米波雷达、麦克风阵列和环境传感器，持续捕捉呼吸、心率、体动、鼾声及卧室中的温湿度、光照等变化。多组信号融合之后，系统能持续判断用户的睡眠阶段和环境状态。

收集数据是第一步。接下来是判断该在什么时候做什么。传统睡眠监测设备的逻辑是「事后复盘」—— 第二天出一份报告，告诉你睡了多久、醒了几次、深睡比例多少。

Somni 往前走了一步：它要生成一套随时间动态调整的干预方案，比如几点调暗灯光、用什么节奏的声音辅助放松，夜间醒了又该怎么调整动作。

它通过声光味等因子，对夜间神经状态进行低打扰调节。这些方式的共同点是，不需要在用户睡觉时增加明显操作，也不必让人佩戴更多设备。对于工作强度高、容易紧张、同时又对外部刺激较敏感的人群，这种「尽量少打扰」的设计很重要。

最后一步是学习迭代。每一次干预都会对应一组后续反馈：呼吸有没有变平稳？入睡时间有没有缩短？夜里醒的次数少了吗？第二天主观感受有没有变好？系统会对比干预前后的变化，再调整下一晚的执行策略。

郑昊向极客公园把这个过程概括为一场持续发生的「小型实验」：前一晚采取的动作，和用户随后出现的生理变化，都会成为第二天优化方案的依据。

为什么选择床头，而不是做成腕带、头戴设备或智能床垫？这也是一种现实的取舍。头戴设备能够拿到更直接的信号，但很多人难以长期佩戴；手环和指环更适合记录，却很难主动改变周围环境；床垫能做温控，但安装和价格门槛都更高。

床头是一个已经存在于日常生活中的位置：它离人足够近，可以感知环境，也有空间容纳声音、灯光、气味等输出模块。对 Fullive.ai 而言，睡眠是一个相对封闭、干预手段相对有限、又能连续观察数小时的场景，很适合作为第一站。

二、不止是睡眠硬件，还要训练一套「懂人体反应」的响应模型

在这盏床头灯的外壳之下，Fullive.ai 真正想落地的，是一套全新的技术逻辑。

过去几年，AI 在生命科学领域的重要进展，大多建立在对结构、序列、影像和历史记录的学习之上。从蛋白质结构预测到医疗影像识别，模型越来越擅长描述：一个生命系统「现在处于什么状态」。

但健康管理的核心，从来都是「改变状态」，而不是「描述状态」。同样一段音乐、一次光照调节、一项营养补充，对不同的人效果可能天差地别；就算是同一个人，压力水平、作息节奏、身体状态变了，反应也会跟着变。

Fullive.ai 因此把自己的核心数据逻辑定义为「状态 → 干预 → 响应」：先记录人体当前的状态，再施加可控的干预动作，最后观察生理和行为上的真实反馈。由此产生的数据被称为「响应数据」，最终训练出的模型，就是「响应模型」—— 它要学的不是「人现在怎么样」，而是「人对干预会怎么反应」。

图片来源：Fullive.ai

这条路线并不只停留在产品概念上。Fullive.ai 已经围绕人体状态转移建模、响应模型构建和模型推理效率等方向和多家科研院所展开研究。它要解决的问题是让 AI 学会在真实世界中理解「什么改变了人」。对 Fullive.ai 来说，Somni 的意义是在真实家庭场景中持续获得「状态—干预—响应」数据，让模型逐步学习：一个人为什么会进入某种状态，又在什么条件下可能被改变。

只有感知的话，系统拿到的只是一份状态记录；加上干预和反馈，数据才能形成真正的闭环——这也是 Somni 从一开始就同时集成传感器与执行模块的原因。而卧室之所以成为第一个实验场，正是因为这里环境相对稳定，干预动作的边界清晰，生理变化可以被连续观测，用户也不用在白天反复和设备交互。

在系统架构上，公司将 Somni 概括为「传感器 × 基础模型 × Bio-OS Harness」：传感器采集用户与环境信号，模型结合生理先验和医学证据生成干预策略，Bio-OS Harness 负责调度所有感知和执行模块，管理整套闭环的运行。

这套模型不是自由生成一堆健康建议。郑昊认为，在涉及人体的动态干预场景里，生成式模型更适合承担「规划师」的角色，负责提出候选方案；系统还需要一个「模拟器」，在一定的置信区间内推演动作可能带来的影响。而生理先验知识、循证医学依据，以及被严格限定的干预动作范围，共同构成了安全边界，控制模型的动作不会越界。

安全与隐私，是这套系统能否走进卧室的前提。根据 Fullive.ai 的介绍，Somni 采用端云协同方案，雷达采集的原始波形优先保存在本地，需要上传云端的信息会进行加密传输与最小化处理，并尽量避免上传可还原个人隐私的原始数据。效果评估则同时参考睡眠、情绪等主观量表，以及入睡潜伏期、睡眠分期、夜间觉醒等客观指标。

Fullive 正在这条路线上加速迭代。目前 Somni 已完成小批次被试实验，正在持续推进今年的量产与更大规模的临床验证。响应模型能否在不同人群、长期使用中保持稳定的泛化能力，干预效果能否经受随机对照研究的检验，一款卧室硬件能不能让用户愿意长期用下去，都会决定这套闭环最终能走多远。

三、从一个夜间入口出发，Fullive.ai 想走向哪里？

Fullive.ai 将自己定义为一家「模型 × 本体」的 AI4Bio 公司。

在这套逻辑里，模型负责理解状态、推演变化、生成策略；本体负责走进物理世界，完成感知、执行和反馈采集。Somni 是第一个夜间节点，而规划中的日间产品 Cori，会把压力、专注、情绪、恢复、行为、环境等更多上下文，接入同一套系统。

郑昊用特斯拉的路径来类比这件事：汽车的价值不只是硬件销量，更在于它同时具备感知环境、执行动作、回收反馈的能力，真实道路数据由此持续推动模型迭代。映射到生命系统，Fullive.ai 首先要造出能规模化部署的「本体」，再通过这些本体积累人体对外部输入的响应数据。

正是出于对规模化数据闭环的考量，团队放弃了大而全的机器人形态，收敛到睡眠场景。机器人能承载的功能更多，但成本和复杂度也更高，现阶段的出货规模很难支撑模型快速收敛。睡眠有明确的用户需求、相对封闭的场景，还有足够长的连续观测时间，是更合适的切入点。

郑昊的个人经历，也影响了公司的技术选择。他曾在清华学习数学与生物统计，接触因果推断和可穿戴计算；之后又深耕数据科学、人工智能与医学领域，还有成长期科技投资和消费产品的相关经历。这些看似分散的路径，最终都指向同一个长期问题：哪些因素会影响生命系统，这些影响又该如何被解释、推演和规模化验证。

目前 Fullive.ai 已经组建了数十人的成建制团队。公司同时研发模型、硬件和 Bio-OS，意味着要横跨传感器融合、模型架构、工业设计、循证医学、供应链与消费市场多个领域。软硬一体带来了更完整的数据闭环，也抬高了执行难度。

公司的长期目标，是打造 Physiological World Model——「生理世界模型」：一个能学习人体状态如何随环境、行为、摄入、节律和干预动态演化的系统。这个目标仍需要通过真实产品、真实用户和长期数据逐步验证。Fullive.ai 眼下更具体的任务，是先把 Somni 做成一款有效、易用、能被用户持续使用的睡眠产品，在一个有限的场景里把响应模型跑通。

左为创始人兼 CEO 郑昊，右为联合创始人韦骁龙｜图片来源：Fullive.ai

郑昊对极客公园说，他希望 AI 能走进真实世界，理解人的状态，执行物理动作，再从反馈里持续学习。比起大的概念，Somni 要面对的检验很直接：它能不能在用户需要休息的八个小时里，安静地读懂正在发生什么，并找到对这个人真正有效的下一步。

如果这个闭环成立，床头或许会成为 AI4Bio 的一个新入口。而 AI 对生命的理解，也将从识别「此刻是什么」，延伸到推演「接下来会怎样」。

 

头图来源：视觉中国

两家中国大模型公司，在五天里先后交出了上市后的首份中报。

MiniMax 先出：上半年收入 1.17 亿美元，同比增长 283%；8 月 ARR 超过 8 亿美元。智谱随后公布：上半年收入 9.54 亿元人民币，同比增长近 400%；8 月 ARR 达到 16 亿美元。

如果只看 ARR，结论似乎很简单：智谱更高，MiniMax 紧随其后；两家公司都在讲 Token 调用量暴涨、企业客户增加、模型能力开始换来收入。

把数字放回财报，事情会变得复杂一些。

智谱上半年确认收入约 1.42 亿美元，MiniMax 为 1.17 亿美元，两者实际收入规模相差不远；两家的经调整亏损也几乎相同，都接近 3 亿美元。ARR 代表某个时点的收入速度，但无法直接替代收入、毛利和现金流。

两家公司都还没有走到盈利那一页。两份中报里，「期内亏损收窄」都受到上市后优先股转换带来的会计因素影响；如果剥开这层，研发和经营投入其实仍然在高位。

不一样的是两家公司正在把模型卖向哪里。

智谱的 API 收入已经占到总收入的 86.5%，它开始把模型推到 Coding、网安和长程任务的工作现场；MiniMax 的企业服务收入快速增长，同时保留着全球化、多模态和 AI 原生产品的基本盘，它更关心如何把每一单位智能做得更便宜，让更多用户、更多 Agent 和更多创作场景消费它。

两份中报，展现的是中国大模型商业化的一次分层。

一、 智谱：本地化退潮，API 已成主引擎

先看智谱的中报。上半年营收 9.54 亿元，同比增长 399.7%，已超过 2025 年全年 7.24 亿元；毛利 2.52 亿元，毛利率 26.4%；研发支出 21.31 亿元，同比增长 33.6%。

图片来源：智谱中报

增长背后是业务结构的明显转换。开放平台与 API 业务收入 8.25 亿元，同比增长 2735.7%，占总收入 86.5%—— 去年同期这个数字只有 15.2%。过去承担基本盘的本地化部署退到更靠后的位置：企业通用模型相关收入 6704 万元，同比下降 54.6%。

智谱正在从 "把模型部署进客户机房、签一笔项目确认一笔收入"，转向 "把模型放在云上、按调用量持续收费"。前者更像传统项目生意，强调交付、安全和客户关系；后者依赖模型能力、开发者生态和推理成本，更有机会形成持续、可扩张的收入。

截至中报发布时，MaaS 平台 Token 调用量较年初增长超 40 倍，付费日活增长 603%，API 平均售价提升约 101%；开放平台及 API 业务毛利率也从去年同期的 - 0.4% 升至 24.6%。

电话会上，管理层称，按 8 月单月收入乘以 12 计算，MaaS 平台 ARR 达到 16 亿美元；按最近一周收入年化则超过 20 亿美元。ARR 未列入财报，短期年化容易放大某个月的增速，但智谱强调它，反映出希望市场用 "云端模型服务当前的运行速度"，而不只是已确认的半年收入来衡量公司。

API 高速增长，没有改变智谱仍处在高投入期的现实。收入结构从高毛利的本地化部署转向 API，整体毛利率从去年同期的 50.0% 降至 26.4%；期内亏损 20.72 亿元，经调整净亏损 19.64 亿元，经营亏损由 18.99 亿元扩大至 21.47 亿元。亏损数字方向不一，主因是优先股转换：去年同期相关金融负债公允价值变动带来 4.29 亿元损失，今年降至 2209 万元。但更能反映主营业务情况的经营亏损，仍由去年同期的 18.99 亿元扩大至 21.47 亿元。同期研发投入达到 21.31 亿元，是收入的两倍以上，模型训练和推理基础设施仍需要大量资金。

但智谱没有只用传统财务指标解释这笔投入。这份 60 页的中期业绩公告，用相当篇幅讨论模型架构、训练算法、强化学习、推理系统和国产芯片集群，最后还附了一份技术词汇表。

智谱在公告中提出一条公式："AGI 商业价值＝智能上界 ×Token 消耗规模。" 逻辑是，智能上界决定模型能处理什么任务，任务边界决定每个 Token 的价值密度，再由 Token 消耗规模放大。用于日常聊天的 Token，与用于完成软件工程、发现生产系统漏洞的 Token，代表不同的商业价值。公司还自定义了 "算力乘数"，衡量每投入一元训练和推理算力产生多少开放平台及 API 收入，称上半年同比提高约 14 倍—— 虽然未披露绝对值和计算过程，外界暂无法独立验证。

把这些自定义指标写进中报，说明智谱正在争夺大模型公司的估值解释权：除了收入、利润和现金流，也希望投资者关注模型能力、Token 消耗、单位任务成本，以及算力转化为收入的效率。

近期模型动作可以沿着这套方法论理解。

6 月发布的 GLM-5.2 把重点放在长程 Coding 和 Agent 能力；随后的 GLM-5.3 沿用相同底座和参数规模，主要扩大长程任务环境和强化学习投入，自建真实 Coding 评测中端到端任务完成率较 5.2 提升超 50%—— 它试图推高模型独立处理复杂任务的能力上限。

8 月底的 GLM-5.3-Flash 则负责压低大规模调用的成本：3200 亿总参数、180 亿激活参数的稀疏架构，在约 10 万张国产芯片集群上运行，价格约为 GLM-5.2 的十分之一，匿名测试六天累计消耗超 62 万亿 Token。智谱同时披露，单位 Token 推理成本较年初下降约 80%。

GLM-5.3 拓展任务上限，GLM-5.3-Flash 扩大 Token 消费规模，两条产品线分别对应公式的两端。

接下来需要证明的，是这种能力能否继续向更深的工作流延伸。

目前智能体业务收入 5556 万元，同比增长 304.4%，增长很快但体量有限；网络安全已进入 Co-work 验证阶段，法律、金融、教育等方向还在早期。「卖结果」目前更多是一条正在搭建的路径：从卖本地化模型，到卖 API 调用和 Coding 订阅，再让 Agent 进入企业流程，最终按端到端任务收费。API 高速增长验证了其中一段，Co-work 能否成为下一项规模收入，还要等后续财报回答。

二、MiniMax：收入更全球化，先把「单位智能」做得足够便宜

MiniMax 的中报呈现出另一种增长轮廓。

2026 年上半年，MiniMax 实现收入 1.17 亿美元，同比增长 283.1%；毛利 2081 万美元，同比增长 464.8%，毛利率从去年同期的 12.1% 提升至 17.9%。其中，开放平台及其他 AI 企业服务收入 7393 万美元，同比增长 703.1%，占总收入的 63.4%；AI 原生产品收入 4264 万美元，同比增长 100.9%。

图片来源：minimax 中报

与智谱相比，MiniMax 的一项差异很突出：海外已经是收入主体。上半年，MiniMax 海外收入为 7083 万美元，占总收入 60.8%；中国内地收入为 4575 万美元，占 39.2%。电话会上，公司进一步披露，企业和开发者客户超过 200 万，较去年末增长约十倍；其 8 月 ARR 超过 8 亿美元，ToB 业务占 ARR 的比例从一年前约 30% 提升至约 80%。

这同样是高速扩张中的数字。MiniMax 并未在财报中充分说明 8 亿美元 ARR 的具体年化方式，并不能直接与智谱按「8 月收入乘以 12」计算的 16 亿美元相减得出结论。两家的客户定义、收入确认、业务构成和 ARR 口径也都不完全一致。

不过， MiniMax 在电话会中给出的经营逻辑很清晰：模型价格可以继续下降，单位 Token 的毛利依然可以改善。原因来自模型架构、算力调度、供应链和推理效率的共同优化。它把这套思路概括为「Minimize the Cost, Maximize the Intelligence」——在算力和能源仍是稀缺资源的现实里，尽量压低获得同等智能的成本。

这套逻辑也反映在 MiniMax 最近的产品节奏上。

6 月推出的 MiniMax-M3，把重点放在 Coding、Agentic 能力与百万级上下文；公司在业绩会上称，M3 相比前一代模型，在相近价格下带来了更强的能力，这既带来新客户，也推动老客户扩大调用。

随后发布的 H3，则把重点放在视频、音频等原生多模态生成上，并在 8 月开放权重。对 MiniMax 来说，文本模型与多模态模型不是两条互不相干的产品线：前者承接企业开发、代码和智能体需求，后者切入创作、内容生产和更广泛的 AI 原生应用。

MiniMax 也在向国产芯片做适配，并预告 M3.1 将继续降低推理成本。管理层提到，目标是将推理成本降至 M3 初期水平的大约三分之一。这个目标很容易被理解为一场价格战，但 MiniMax 更关心的，是成本下降后能否带动更大的 Token 消耗、更多的开发者和更宽的商业化覆盖面。

它的财报同样提醒市场，增长离盈利还有距离。上半年 MiniMax 的研发开支为 2.97 亿美元，同比增长 138.8%；期内亏损为 3.58 亿美元，同比收窄约 11%，但经调整净亏损 2.93 亿美元，同比扩大 111.2%。期内亏损看上去改善，同样受上市后优先股相关金融负债变动减少影响：该项公允价值损失从去年同期的 2.54 亿美元降至 3100 万美元。

MiniMax 的毛利率确实在改善，收入也在向企业和海外倾斜；但公司还在为模型训练、多模态产品和全球化渠道支付高昂成本。它所押注的并非立刻提高单次调用的价格，而是先把每一单位智能做得更有效率，让更多人用得起、用得更多。

三、财报之后，两家公司在回答不同的问题

把两份财报放在一起看，智谱和 MiniMax 都在证明同一件事：模型能力可以转化成收入，Token 消耗正在成为可追踪的经营指标。两家公司的差别，更多体现在商业化的顺序上。

智谱在推动收费单位向上移动。过去客户购买一套部署在本地的模型，现在按调用量付费，接下来订阅开始成为新的交易方式。它想继续向 Co-work 推进，让模型进入软件工程、网络安全和专业知识工作，最终按一项任务、一段流程或一份可以验收的结果收费。这条路的前提，是模型每跨过一道能力门槛，就能处理更高价值的任务——定价由此逐渐脱离 Token 数量，靠近模型实际完成的工作。

MiniMax 则更关心智能覆盖面的扩张。它选择通过架构和效率优化压低单位智能成本，借助文本、视频、音频的多模态能力，把 AI 送进更多开发者、企业和内容场景——价格下降带来更大调用量，更大调用量反哺成本优化，海外六成收入则给这条规模逻辑提供了足够大的市场半径。

两条路最终会在同一个位置相遇：智谱要让企业愿意按结果付费，需要把完成任务的成本降到可以规模使用；MiniMax 要让低成本智能产生更高价值，也需要模型稳定完成复杂任务。能力决定 AI 可以进入多深的工作，成本决定这种能力可以覆盖多少人。两者缺一不可。

下一份财报需要回答的问题因此更加具体：智谱的 Co-work，什么时候能够成为一项有规模的收入；MiniMax 下降的单位智能成本，能否持续换回更多海外客户和更健康的毛利率。

一家公司把 AI 推向更深的工作，一家公司把 AI 送往更广的市场。等到模型既能把事情办完，又便宜到可以被大规模使用，大模型才真正走过商业化最难的那道门槛。

作者｜Cynthia

编辑｜郑玄

 

2026 年夏天，林氏家居想卖一张布艺床。

然后，阿里妈妈万相点睛给它找到了一群电竞玩家。并建议他们投放那些搜索过「电竞房布置」「游戏房改造」「RGB 灯带」「二次元痛房」的用户。

对于林氏家居这样一家诞生于互联网、长期依赖数据经营的头部品牌来说，这是个让人匪夷所思的抉择。

过去，林氏家居品牌已经积累了超过 5500 万全平台粉丝、上万款在售 SKU 以及一千余家线下门店，是行业里公认的爆款制造机。

而在传统的匹配逻辑下，一张床最自然的消费者应该来自装修、新婚、换房，以及近期购买过家电家居的人。因此， 广告系统用预设的标签匹配受众，商家投流选择装修、家具、地板之类的关联词汇，就成为了团队刻在肌肉中的记忆。相应的，一个搜索电竞房布置的年轻人，怎么看都不像一张床最优先应该争取的消费者。

但常识并不能在一个存量市场中带来增长。

而 万相点睛 看到的并不是「电竞」这个标签，而是标签背后的一整套消费意图：它发现，这群年轻人为了获得更好的游戏体验，本身就有很强的消费意愿：他们会购买人体工学椅、4K 显示器、RGB 氛围灯，把自己的房间改造成一个更舒服、更沉浸、也更符合个人审美的空间。

顺着这条消费链继续推理，对 PC 游戏玩家来说，一张可以舒服躺平的床，是整个电竞房体验的一部分；对于手游玩家而言，床甚至不只是休息场景，靠在柔软的布艺床上玩游戏，本身就是一种更舒适的游戏体验。换句话说他们是在为一种生活方式消费。

想通这一层，团队当即拍板：投！

最终的结果也超过了很多人的预料。 新客点击占比超 80%+，新客成交金额占比高达 83%。 精准选中新客群之外，最令团队惊喜的是：在此之前，还没有任何一个家居品牌发现这片蓝海，因此团队的加购成本还不到传统装修人群的 1/3 。

于是，一张柔软的布艺床，和电竞建立了联系。在这之后，这套打法甚至还被扩展到床头柜品类，帮助林氏家居发现了要收纳睡眠保健品并且拿取方便的助眠新目标客群 。

一个全新的系统，也让广告从存量博弈走向了 AI 驱动的增量时代，并让发现新人群，创造新增量成为可能。

 

01

为什么传统广告定向越来越难找到新增量

数字广告并不是到了大模型时代才开始依赖算法。

近 20 年，基于传统机器学习的「协同过滤」（相似性匹配）就已经大规模进入广告系统。 在这套系统中，商家的「买」和平台的「配」是两件分开的事。 广告系统基于用户看过什么、买过什么的历史行为，来为用户打上标签。然后，商家先买人群包、买关键词，平台再把消费者需求映射成标签去做匹配。

这套方法在增量市场里非常有效。因为一个品牌找到十万名消费者时，市场里往往还有几十万、上百万个与他们相似却尚未被触达的人。只要不断扩大相似人群，增长就可以持续发生。

但一个行业经营得越久，参与者对高营销价值消费者的认识就越接近。家具都在找装修人群，美妆都在争夺高消费女性，母婴都在围绕家庭生命周期经营，运动品牌都知道跑步、骑行、徒步和露营意味着什么。

于是，它所带来的，只有越来越贵的流量费用，以及玩家饱和式投入之后，越来越低的转化效率。

此外，它天然有一个短板。在海量数据实时计算的体系中， 消费者、商品和广告的组合近乎无穷，平台不可能把所有关系都用最高成本算到底。电竞玩家如果一直没有进入「床」的候选范围，后面的 CTR 模型再精确，也没有机会替他打分。 也是因此，历史数据天然会奖励那些已经被证明过的关系。

但消费者本身并不是一个稳定标签。

一个两年前正在装修的人，今天可能已经没有家具需求；一个平时属于运动人群的消费者，也可能因为一次旅行、一场演唱会或者一次搬家突然进入完全不同的购买状态。基于这种历史标签产生的推荐，往往也意味着相当比例的过时流量。

也是因此， 比这个人是谁更重要的问题，是他现在正在解决什么问题。而这，也正是 AI 驱动的「同步匹配」给广告系统带来的新能力： 通过对用户的搜索意图与行为信号识别，以及商品特性的深度理解。AI 可以帮商家找到原来标签之外召回不了的人，商家没有主动买的场景，AI 也能帮商家触达。

于是，一个新的增量蓝海市场开始逐渐浮现在所有人的眼前。

02

人：从他是谁到他现在需要什么

在过去，想要买到一个合适的商品，对买家和卖家来说都是一个充满未知的技术活。

对商家来说，他们只知道，一个人买过了游戏显卡之后，更容易购买显示器；一个人搜索过帐篷，之后更可能购买户外用品。但放远到更多的场景：一个在家里布置了电竞房的人，是否需要一张床？一个精致的年轻女性，每天化妆出门前，她需要什么样的凳子？这就是一个完全超纲的问题了。

商家天然倾向于按照已有场景确定商品类目与 SKU。但消费者并不是按照 SKU 生活的。他们首先会搬家、旅行、结婚、健身、看演唱会、搭游戏房、化妆，然后才产生一连串具体的商品需求。 而在购买行为发生前，他们还需要先把自己的生活需求翻译成商品语言。比如，给老人买手机，要把「声音大、字大、操作简单」拆成一组产品参数；第一次露营，也要先知道帐篷、天幕、睡袋分别是什么，才能进入平台的类目体系。

借助万相点睛，现在商家不仅能知道用户是谁，还可以清楚地了解他在什么场景做什么、需要什么。 比如，在人体工学椅赛道做到头部的艺颂，就是这样进入美妆女孩的视野的。

在一开始，万相点睛基于背后的世界知识体系，先帮助艺颂完成了对需求侧的意图识别，读懂用户下单美甲桌和化妆台背后其实是需要一个可能会长期使用的梳妆空间。

紧接着，大语言模型会推理用户消费动机、偏好与购买阶段，并将用户行为序列编码为结构化消费意图表征——比如，这是一个爱美且对生活品质有追求的女性用户。

再经由语义对齐层完成从标签命中到语义推理的变迁，把卖点向量与意图向量在高维语义空间中映射对齐，同时通过因果推理匹配超越传统相关性逻辑，理解用户「为什么买」的深层动因——比如普通的化妆凳又硬又没有靠背。所以她们需要一把舒服的椅子替代，并且这把椅子一定要足够上镜好看。还要能旋转、升降、滑动，满足化妆、办公、学习之间的灵活切换。

最后，在供给侧万相点睛则通过商品理解洞悉功用，用大语言模型拆解商品卖点构建多维结构化表达，并搭建覆盖品类、功能、场景、人群的细粒度商品属性图谱，从而实现更深层次的供需语义匹配——一个每天愿意花时间打扮自己的女性，在下单化妆台之后，还需要一把椅子。而一把工学椅除了具备办公这个标签之外，同时还能匹配久坐支撑、灵活移动、空间百搭等多重生活场景需求。

借助这种更进一步的用户需求洞察，广告系统开始从 人群扩展 走向 意图扩展， 系统的异步定向匹配也被改变成了基于场景的实时定向匹配。

但只理解人还不够。

如果一把工学椅永远只能被定义成办公家具，那么它依然很难把椅子和梳妆台、美甲桌这些看似无关的场景真正连接起来。一张床如果永远只能被理解成卧室家具，那么无论系统多么理解电竞玩家，它也很难正确出现在电竞爱好者的游戏房中。

AI 定向同时还需要重新理解另一端：

货。

03

货：一件商品，可以属于多少个市场

过去的平台用类目、属性和 SKU 管理供给，这是商业系统能够高效运行的前提。

一张床在系统里首先是一件「家具」，拥有尺寸、材质、颜色、风格等属性，然后，商品会按照它是什么进入市场。

但消费者使用商品的方法，从来不会完全服从企业最初的产品定义： 可口可乐最早被当成药剂出售，微波炉来自雷达技术，运动鞋在不同年代从专业器材变成日常服饰。

商业史里从来不缺用户重新定义商品的故事。只不过，过去的问题发现往往依赖漫长的市场观察、调研或者偶然事件。

现在，借助万相点睛，AI 可以深度理解这种产品能力与用户需求之间的微妙关联。

 

林氏家居卖给电竞爱好者的布艺床、艺颂卖给美妆爱好者的人体工学椅，都只是其中一个案例。

更具代表性的是，万相点睛帮助赫莲娜将产品卖给滑雪与户外人群的过程。

今年 5 月，万相点睛给赫莲娜圈出一批夏天冲浪、潜水，冬天滑雪的潜在客群。团队看到结果时的第一反应是：「AI 会不会跑偏了？」毕竟，这些人的主要消费轨迹基本集中在运动装备方向。

但 AI 敏锐地捕捉到了他们对防晒以及确定性的需求。这群人中，27.35%优先关注品质，40.25%尤其看重材质。他们买雪服、潜水和户外装备时，会反复比较材料、性能和可靠结果，而黑绷带本身恰好来自一套强调「确定性」的产品传统。2008 年，赫莲娜与瑞士 Laclinic 合作开发 Re-Plasty 系列，灵感来自术后护理；Age Recovery Night 后来成为「Black Bandage」，至今仍被 Laclinic 放在术后修护、活性成分和临床护理的脉络里介绍。

那么进一步推论，一个在运动装备上长期追究性能、材料和可靠性的人，进入几千元的护肤决策后，大概率也更容易为临床验证、功效确定性和产品质感付费。

现在最终的经营业绩上，正式投放后，这批户外高价值人群的新客率比其他人群高 2 个百分点，互动和成交转化也更高。

类似的「翻译」也发生在一些其他更日常的商品上。比如借助万相点睛，蕉下将防晒口罩，卖给需要「不闷、不滑、上镜」的健身、骑行人群，两个月后新客成交占比提升 11%，新访客数提升 39%。

而当人从固定标签变成动态意图，货从固定类目变成问题的解决方案之后，最后一个发生变化的就是：人和货究竟如何相遇。

04

场：AI定向，重构供需连接的方式

当 AI 定向已经能够同时理解「人在做什么」和「商品能够解决什么」，搜、广、推之间原本割裂的边界就开始松动。因为本质上，它们面对的是同一件事情： 在一个具体时刻，判断用户正在形成什么需求，以及哪些商品应该参与解决这个需求。

这套变化也重新调整了商家和系统之间的分工。

过去新建一条广告计划，商家通常要先填写关键词、人群、地域和时段，相当于先告诉系统：「我的消费者是谁。」在新的系统中，万相点睛则更多让 AI 先分析商品卖点、潜在需求和可能出现的消费情境，再由商家决定是否采用或者修改。

 

与此同时，后期的创意生成、投放执行也会遵循同一套逻辑完成配套的动作。 借助已有的用户洞察，万相点睛不会把原本针对卧室消费者的床铺广告原封不动地展示给电竞玩家。而是会把链路进一步延伸到创意和出价：先理解生意目标和消费意图，再找到潜在人群，用 AI 生成差异化表达，最后由智能出价决定在哪些流量机会中参与竞争。

最终，让 千群千面的需求，变成千群千面的投放策略与沟通技巧， 并带来更高的新客成交转化与增量价值。 根据官方披露，万相点睛在618阶段上线、7月底全量后，仅关键词推广&人群推广场景累计就有超过15万商家使用；特定周期内，新客点击占比超过91%，新客成交占比超过76%。

最重要的是， 万相点睛背后虽然是一套全新的能力，但商家完全不需要学习新工具，它可以全链路嵌入现有推广场景，从人群推广到关键词推广再到品牌全域、内容种草。

用 阿里巴巴集团高级副总裁，现任天猫事业部总裁、阿里妈妈总裁，淘宝直播及内容事业部负责人刘博（家洛）的话来说就是 「 ( 平台努力 )把自己的长板加长，把难的事情做深，让商家的成本降下来，让他们的经营有确定性」同时， 「 算法团队还有很大的空间可以挖掘，让更好的商品和更好的商家，有机会找到更优质的消费者；反过来，优质的消费者也能在平台上找到个性化匹配更强的商品。 」

当然，更长远来看，这套平台能力全面开放后，它带来的信息差不会永久存在。今天只有一家公司看到电竞玩家的休息需求，不久后，所有家具公司也都可能看到同一批人。于是，问题就从「能不能发现」变成「发现以后怎么办」。

同样看到一个新场景，有的公司会怀疑，有的公司会增加一条投放计划，有的公司会重新设计素材和货盘，还有公司会继续研究消费者的居住空间和真实需求，最终调整产品尺寸、功能甚至新品方向。

在这个过程中，人群发现可以平台化，实时出价可以平台化，一部分创意和消费者洞察也可以平台化。

但商品选择、库存风险、供应链调整和资源配置，仍然只能由企业自己完成。 AI 会让更多公司看见新的机会，却不会让它们拥有同样的反应速度。

*头图来源： 万相点睛 产品片

本文为极客公园原创文章，转载请联系极客君微信 geekparkGO

头图来源：视觉中国

 

前段时间，Anthropic 发布了 Model Hardware Standard，尝试给 AI Agent 建立一套与硬件沟通的通用语言。接入这套标准后，显微镜、机械臂等不同厂商、不同接口的设备，可以被 Agent 发现、理解和调用。

这件事指向了 AI 行业正在发生的一次变化。过去一年，竞争主要围绕模型的推理、生成和多模态能力展开；如今，Agent 开始走出聊天窗口，进入实验室、工厂和企业现场。行业的问题随之向下移动：模型已经足够聪明之后，谁来连接工具、硬件、数据和任务？

9 月 2 日，腾讯 WorkBuddy 宣布面向更多伙伴开放合作。通达信、广发证券、北大法宝、腾讯 SSV 教师助手、微盟、北森、云帐房、帆软等应用与软件伙伴进入生态；Plaud、Rokid、影石、优篮子、科大讯飞、安克、猛玛、京造等硬件伙伴，也共同构成了 WorkBuddy 的生态版图。

一款 AI 产品为什么要同时连接专业软件、行业服务和多种硬件？这份名单勾勒出的，其实是 Agent 即将面对的完整工作现场：专业软件提供行业知识和业务动作，智能硬件提供声音、图像与移动中的现场信息，Agent 则要把它们组织成一条可以持续推进的任务链。

过去一年，AI 办公产品已经能写、能搜、能总结，也能处理越来越复杂的内容。但真实工作依然分散在不同软件、不同设备和不同账号体系里。用户获得 AI 的建议之后，往往还要自己完成信息搬运、工具切换和流程衔接。

所以，当 AI 开始参与复杂工作，竞争的其实是谁为 Agent 建立一套工作系统：让它记住上下文，理解任务状态，调度应用与设备，并在可控的权限边界内把用户意图推进成结果。

WorkBuddy 此次开放合作，试图给出的答案是，Agent OS。

会答题之后，AI 得学会把事办完

以一名投资经理准备行业调研为例。他需要回看此前的研究笔记和会议纪要，调取市场数据、公司公告和行业信息；会议结束后，还要整理核心判断、列出待验证问题、分派后续任务，最终沉淀为一份研究报告。

其中每一步都有相应工具：会议内容可能留在录音设备里，市场信息来自专业金融服务，资料散落在本地文件和企业知识库中，协作又发生在文档、邮件和即时通信软件里。AI 可以帮助生成一份摘要，却未必知道用户此前研究过什么、这次讨论解决了哪些问题、哪些结论还需要继续验证。

这正是 Agent 从「回答问题」走向「完成工作」时遇到的主要障碍。腾讯 WorkBuddy 开放生态负责人林佐露在发布会上也谈到，」Agent『能做事 』这道坎已经跨过去了。真正的挑战是，让它在任何设备、任何系统、任何场景里都不中断。」

Agent 要承担复杂任务，需要拥有连续的上下文。它要记住用户已经做过什么，理解任务进行到哪一步，判断该调用哪项工具，也要清楚哪些数据可以读取、哪些操作需要确认。记忆、任务状态、工具连接、身份权限、数据和产物，构成了 Agent 工作所需的基本环境。

早期 PC 也经历过类似阶段。在操作系统和统一接口成熟之前，软件之间难以顺畅交换信息，用户自己充当不同工具之间的连接器。如今，应用、设备与 Agent 之间的割裂，让这种摩擦以新的形式出现。

所谓 Agent OS，解决的就是这层问题。传统操作系统管理文件、窗口和应用，Agent OS 还需要管理任务、记忆、工具和权限。模型提供理解与推理能力，这套系统决定模型能看到多少工作现场，又能把任务推进多远。

上线半年内，WorkBuddy 完成超 50 个版本迭代，落地政务、教育、零售、金融、传媒、出行等 50 多个行业。据腾讯 2026 年 Q1 财报披露，以日活跃账户数计，WorkBuddy 已成为中国最受欢迎的效率 AI 智能体服务；第三方机构易观的数据显示，6 月 PC 端单月访问量超 2000 万，保持市场第一。

当一些 AI 办公产品还在验证单一场景时，WorkBuddy 已经积累了足够多样的真实任务类型，这是它试图做 OS 的前提——OS 从来不是为单一应用设计的。

从 Buddy 应用到智能硬件，一条工作链如何接起来

WorkBuddy 的开放生态，首先是在补齐 Agent 的「手」和「眼」。

通达信、广发证券、北大法宝、微盟、北森、云帐房、帆软等应用与软件伙伴，分别连接金融、法律、商家经营、人力资源、财税和数据分析等专业场景。它们带来的价值，除了应用入口，还有 Agent 完成专业任务时需要的行业知识、业务数据和可执行工具。

以金融投研为例。通达信把自身 30 年的专业投研能力封装进 WorkBuddy，用户一句话提问，分钟级就能输出结构化、可追溯的研报级内容。这套应用内置 26 个专家和 14 个 Skill，运行时通过 MCP 协议自主调度通达信的实时行情、财务数据和板块信息，调用过程中自动弹出标准化数据卡片。并且，当数据存在缺口时，系统会明确标注「待补」，而不是自行填充。

这正是专业场景对 AI 的硬约束。通用大模型可以生成一份看起来完整的分析，但在投研、法律、医疗这类领域，「看起来对」和「可追溯、可复核」是两回事。

Buddy 应用可以看作加载在 WorkBuddy 底座上的垂直工作模式。行业伙伴将自己的知识、工具、流程和品牌形态接入其中，用户得到的则是更贴近职业需求的工作台。投资经理、教师、律师、内容创作者和商家，都可能拥有不同的 Buddy。

图片来源：WorkBuddy

硬件伙伴的加入，则让工作流进一步走出屏幕。Plaud、Rokid、影石、科大讯飞、优篮子等设备，可以把语音、图像、空间交互和移动办公场景中的信息带给 Agent；安克、猛玛、京造等伙伴，则补齐办公与创作现场的终端入口。

硬件接入的逻辑，本质上是在给 Agent OS 写 "驱动程序"—— 硬件负责感知、唤起、显示和交互（相当于 I/O 设备），WorkBuddy 负责理解、规划和调度（相当于内核）。厂商无需自建 AI，也不必改变产品形态，一次接入即可打通硬件、App、PC、Web 多端，让账号、任务、记忆与产物在设备之间无缝流转。

比如，用户携带录音设备或智能眼镜进入会议室，现场发言成为任务输入；会议结束后，内容被转写和归档，待办事项被提取，相关资料被调用，后续邮件与协作任务被推送到对应系统。用户从硬件切换到手机或 PC 时，任务、记忆和产物仍然沿着同一条链路延续。

优篮子的联名款键盘麦提供了另一种入口形态。它把麦克风和小键盘做在一起，按键唤醒、开口说话就能给 WorkBuddy 派活，全程不需要切换到软件窗口。

图片来源：优篮子公众号

这个产品的经典场景是 Vibe Coding—— 开发者用语音描述需求，Agent 自动生成代码片段，手不用离开代码编辑器。对内容创作者和日常办公用户来说，它同样是一个 "always-on" 的语音入口：灵感来了直接说，临时任务随口下，碎片想法自动变成结构化的待办或草稿。

对硬件厂商而言，他们拥有了一条更现实的 AI 路径。从零搭建模型选择、记忆管理、任务规划、工具调用与权限控制，需要庞大的工程投入。如果硬件负责感知、唤起、显示和交互，Agent 平台承担理解、规划和调度，厂商可以把精力留在自身擅长的产品体验上。

WorkBuddy 想承担的，正是这个中间层角色。用户看到的是 Buddy 应用、专家、Skills、连接器和硬件，底层运行的是一套围绕任务组织上下文和能力的调度系统。

伙伴接入得越多，平台能看到的工作上下文就越完整——这既是生态的价值，也是 Agent OS 能否成立的关键变量。

一套工作系统，怎样从产品长成生态？

任何一套 OS 的价值，都不只来自自身功能。它需要为开发者提供稳定的接口，为合作伙伴留出持续经营的空间，也需要让用户在不同应用和设备之间获得一致的体验。Agent OS 同样遵循这套逻辑。

金融、法律、财税、教育和内容创作有各自的知识、数据与工作流程，硬件也承担着不同的感知和交互任务。一家公司很难独自覆盖如此复杂的工作现场。WorkBuddy 此次开放的意义，在于尝试把记忆、任务、工具调用、身份权限和产物管理等公共能力交给平台，再由伙伴补充行业知识、专业软件与终端入口。

这也解释了 WorkBuddy 为什么要从一款产品走向生态。单一 Agent 能看到的上下文，通常受限于一个应用；接入的行业和工具越多，它才越有机会理解一项工作如何发生。

开放平台的技术架构也印证了这一点。除了硬件和 Buddy 应用，平台同步开放了 Skill（技能）、Expert（专家）、Connector（连接器）三大模块。开发者可以把一套行业方法或工作流写成 Skill，把领域知识与判断方式封装为 Expert，通过 Connector 把自有 API 或工具接入。

图片来源：WorkBuddy

这种接入是双向的：外部 AI 能力进入 Buddy 市场服务用户，硬件伙伴也能通过平台获取授权，把 WorkBuddy 的生态能力带进自己的设备。平台的支付能力与分发通路正在加速建设——OS 的历史反复证明，经济系统的设计比技术架构更能决定生态的长期走向。开发者能不能赚到钱、伙伴能不能获得持续回报，直接决定了这套开放体系是活的生态还是一次性的合作展示。

将视角再拉高一步，可以看到，在最新季度财报中，腾讯把 AI 布局概括为智能、应用和基础设施三个层面：混元构成模型能力，WorkBuddy、CodeBuddy 等产品承接真实任务，算力和云基础设施则支撑模型训练与应用推理。腾讯管理层同时将 WorkBuddy 描述为一个灵活的 Agent 工作空间，可以根据任务调度不同模型与 Skills。

这一定位意味着，WorkBuddy 在腾讯体系中的作用，并不止是把混元包装成一个办公产品。它更像模型、工具和用户任务之间的连接层：向下承接混元及其他模型的能力，向上连接具体的生产力场景，再通过真实任务检验模型和 Agent 工程是否可用。

最近发布的 Hy4 Preview，让这条链路变得更加具体。腾讯将其定位于代码、办公与科研等生产力任务，并同步接入 WorkBuddy、CodeBuddy、元宝和 ima。Hy4 Preview 还与 WorkBuddy 等产品进行协同设计，重点优化跨文件协作、数据分析，以及从信息处理到文档、表格和演示文稿交付的完整流程。

过去，大模型研发与产品落地经常是两条相对独立的链路：模型团队在基准测试中提升能力，产品团队再寻找适合的使用场景。WorkBuddy 与混元的关系，呈现出另一种路径。模型先进入真实生产力任务，产品侧的评估、工具调用结果和场景反馈再回到研发环节，帮助模型与 Agent 工程继续迭代。

这构成了腾讯想建立的数据飞轮。模型能力提升后，WorkBuddy 可以处理更复杂、更长链路的任务；任务类型增加，又会暴露模型在规划、工具调用和结果交付中的真实问题；应用、硬件、Skills 与专家继续接入，则进一步提高平台的上下文密度。产品、模型和生态在这一过程中相互推动。

数据飞轮也需要明确边界。对于企业用户来说，任务记忆如何保存、业务数据如何隔离、关键操作如何授权和留痕，都会决定平台能进入多深的工作流。WorkBuddy 获得更多上下文的同时，也要承担更重的治理责任。缺少这层可信基础，生态规模越大，潜在风险也会随之增加。

从这个角度看，开放生态本身就是 Agent OS 成立的条件。腾讯内部已经拥有混元、会议、文档、邮箱、企业微信和云服务，外部伙伴则带来专业知识、行业软件和硬件入口。如果这些能力能够围绕任务被统一调用，WorkBuddy 才可能从腾讯内部的 AI 办公产品，成长为面向更多行业与开发者的工作平台。

OS 无法依靠一次发布完成。开放生态能否让 Agent 在每个用户的工作流里积累出足够密度的上下文，让模型有真实信号可以优化，让伙伴有持续回报愿意留下来——这是比技术架构更根本的问题。

WorkBuddy 可以率先提出 Agent OS 的方向，但这套系统是否真正成立，最终仍取决于它能否把腾讯的模型、产品与连接能力转化为一种可持续的生态秩序。

谷歌 Gemini 3.8 Flash 模型上线，适用软件工程、智能体任务等场景

9 月 2 日消息，谷歌在 Google DeepMind 网站低调上线了 Gemini 3.8 Flash 模型。其基于 Gemini 3.7 Flash，拥有在软件工程和智能体知识工作流方面的性能提升，并持续支持可定制的努力水平，以控制质量、成本和延迟的组合。

Gemini 3.8 Flash 基于 Gemini 3.7 Flash，具有最高 1M 的 token 上下文窗口，文本支持 64K token 输出。官方还公布了多项基准测试评估结果，涵盖编程、知识处理、多模态处理能力、长上下文处理、计算机使用能力以及科学推理能力。

截至 2026 年 9 月的结果如下：

根据介绍，Gemini 3.8 Flash 面向个人用户、开发者和企业，适合以较低成本大规模部署通用型、可直接用于生产环境的智能体，典型用途包括软件工程、智能体任务以及复杂的知识处理流程。

Gemini 3.8 Flash 的知识截止日期为 2026 年 3 月。部分领域的信息可能更新得更晚，另一些领域的知识则可能仍停留在 2025 年 1 月，与 Gemini 3 模型家族一致。（来源：IT 之家）

马斯克：如果猎鹰 1 号第四次发射也失败，SpaceX 就没了

9 月 2 日消息，埃隆 · 马斯克近日再次提到一个关于 SpaceX 创业历程的事实：如果「猎鹰 1 号」（Falcon 1）第四次发射也失败，SpaceX 就不会存在了。这番话回应了彼得 · 戴曼迪斯的一则推文——在连续三次发射失败后，SpaceX 当时只剩下最后一次尝试的资金。

彼得 · 戴曼迪斯在 X 上表示，如今人们对 SpaceX 成功的认可，并不能抹去这家公司早期经历的艰难。他写道：「几乎没人记得，埃隆的第一枚火箭连续失败了三次，而当时的资金只够再尝试一次。」

马斯克回应道：「如果第四次发射失败，SpaceX 就不会存在。」

（来源：IT 之家）

 

GoPro 拟 2.85 亿美元卖身光学公司

当地时间 9 月 1 日，GoPro 宣布，公司将被美国光通信公司 Starman Optical 用 2.85 亿美元现金收购，这笔钱将帮助 GoPro 还清约 9200 万美元的债务。交易完成后，Starman 将拿到 GoPro 90% 的股份，现有股东持有剩余的 10% 股份。GoPro 不会退市，股票继续留在纳斯达克交易。

根据协议条款，GoPro 股东将合计获得 2.85 亿美元现金，折合每股 1.14 美元。两家公司董事会均已批准该交易，预计于今年年底前完成，尚待监管机构及 GoPro 股东审议通过。

两家公司在联合声明中表示，该交易将更好地帮助依赖于消费市场的 GoPro，利用其超过 2500 项美国专利（包括光学和成像解决方案），进军商用、国防和 AI 市场。

GoPro 创始人兼首席执行官 Nicholas Woodman 表示，此次合并将推动 GoPro 成为「一家领先的美国成像与光学解决方案公司」。

今年 5 月，GoPro 董事会曾宣布正在评估包括向国防行业出售在内的「一系列战略替代方案」，此次并购协议正是这一探索的结果。（来源：澎湃新闻）

 

消息称月之暗面启动港股 IPO 流程，本周已向港交所秘密交表

9 月 2 日消息，晚点 LatePost 晚间爆料称，月之暗面已于本周以保密形式向港交所递交 A1 文件，正式启动港股 IPO 流程。月之暗面对此则回应称：「对于市场传闻不予置评，目前暂无可以披露的信息。」

据悉，A1 是企业申请在港交所上市时提交的正式申请表之一。

消息称月之暗面同时也在以 500 亿美元的投前估值推进新一轮融资，这很有可能是 Kimi IPO 前的最后一轮融资。

今年 7 月，月之暗面完成了超 35 亿美元 F 轮融资，投后估值涨至 350 亿美元。因认购金额超出原定目标 3 倍有余，本轮融资提前关闭。随后有消息称，月之暗面计划最早 8 月以内提交香港 IPO 申请，或募资约 30 亿美元。然而，月之暗面当时回应称消息不实。（来源：IT 之家）

豆包工作功能更新，支持多 Agents 并行、Mac 操作电脑屏幕

豆包工作发布产品功能更新，上线「多 Agents 并行」和 Mac 系统下的「操作电脑」两项新功能，进一步提升复杂任务的处理效率与场景覆盖。

据介绍，多 Agents（智能体）并行功能可让豆包在一个任务下通过分派多个子 Agent 执行不同模块，成倍节省交付时间，提高复杂任务的效果上限。

Mac 系统的操作电脑功能可让豆包实现本地 GUI 操作，在没有 MCP、API、插件和 CLI 的情况下也能看懂界面并完成相应操作，覆盖更多长尾场景。（来源：新浪科技）

 

微软证实 Xbox 发生大规模服务中断，多平台账号登录受影响

9 月 2 日消息，微软 Xbox 已经确认发生一起「大规模服务中断」，PC、Xbox Series X/S 以及其他设备上的用户均受到账号相关问题影响。

如果你发现自己的 Xbox 账号无法登录，无法正常玩游戏，那么并不是只有你遇到了这个问题。今天已经有大量用户报告相关故障，微软也已经正式确认了这一问题。

Xbox Support 服务状态页面显示，此次事件属于「大规模服务中断」。受影响的用户「可能无法登录 Xbox 个人资料，可能会在登录状态下被强制断开连接，或者遇到其他相关问题」。

与此同时，大多数需要登录账号才能使用的功能也将无法正常工作，包括大多数游戏、应用以及社交功能。

目前已知受影响的平台包括 Xbox Series X/S、Xbox One、Xbox 360、Windows 版 Xbox、Android、iPhone、云服务以及网页版服务。（来源：IT 之家）

 

追觅回应放弃汽车量产：未来只做相应技术储备

针对网传造车项目终止的传闻，近日，追觅科技相关人士向媒体表示，公司已放弃汽车业务量产计划，仅保留相关技术储备。

后续汽车相关业务将并入公司产业研究院统一管理，核心聚焦通用技术探索研究，稳步推进技术产业、投资、研发的落地工作。

此前在 2025 年 8 月，追觅科技创始人俞浩正式宣布入局整车赛道，将汽车定义为「工业的王冠、技术的终极战场」。（来源：每日经济新闻）

小米 18Fold 全球首秀

小米将正式亮相德国柏林国际电子消费品展览会（IFA 2026）。首次参展 IFA，小米将以超 3300 平方米展台、380 余款产品，带来迄今最大规模的「人车家全生态」海外展示。

本届 IFA，小米将集中呈现「人车家全生态」落地物理 AI 的最新成果，展示主动感知、复杂执行、主动服务等全生态 AI 三大能力，如何跨越不同设备与生活空间，为用户打造直觉、无缝、聪明的先进智能体验。

小米首款中折叠旗舰手机小米 18 Fold 真机将迎来全球首秀。该产品是小米首款搭载新一代玄戒 O3 芯片的旗舰手机，将于 9 月 7 日正式发布。

小米机器人 CyberOne 也将首次在海外展出。汽车方面，小米 SU7 Max、小米 SU7 Ultra 与小米 Vision GT 三款车型将齐聚 IFA。

小米旗下米家品牌将在 IFA 上亮相，包括小米大家电等众多产品，将正式规模化进入欧洲。今年正值米家品牌十周年。截至目前，米家已覆盖超 130 个品类、2000 多个 SKU，服务全球 1.1 亿用户。（来源：新浪科技）

 

新款理想 MEGA 上市

9 月 2 日晚，理想汽车宣布，新款理想 MEGA 正式上市，全国统一零售价 50.98 万元。

仅推出 Home 一个版本，本周内开启交付。相比首代 55.98 万元降价 5 万，与全新一代理想 L9 顶配同价，理想放下当年「50 万以上销量第一」口号，转向务实走量。（来源：新浪科技）

科学家疑似探测到暗物质首个直接证据，待进一步验证

9 月 2 日消息，科学家近日报告称，他们可能探测到了暗物质的首个直接证据。如果这一发现最终得到证实，将可能成为一项突破性成果。此次潜在探测来自 LUX-ZEPLIN 实验，研究人员发现了一个疑似由弱相互作用大质量粒子（WIMP）与普通物质粒子发生相互作用产生的事件。WIMP 是目前暗物质最主要的假想粒子候选者之一。

暗物质一直是困扰科学家的难题。尽管暗物质约占宇宙总质量的 85%，但科学家至今仍不知道它究竟是什么

这也推动科学家寻找超越所谓「粒子物理学标准模型」的新型粒子。遗憾的是，到目前为止，这项搜索始终没有取得令人信服的结果。不过，LUX-ZEPLIN 实验或许终于捕捉到了重要线索。

研究人员分析了 LUX-ZEPLIN 的数据。该探测器位于美国南达科他州桑福德地下研究设施（SURF）地下约 1 英里深处，内部装有 10 吨超纯液态氙。分析结果显示，研究人员发现了一次无法用普通物质产生的已知背景信号解释的单粒子相互作用事件。

首先，这一信号表明，WIMP 的质量可能约为质子的 200 倍。其次，结果还暗示，WIMP 与普通物质之间的相互作用方式，可能与此前针对这类粒子最简单模型所做出的预测有所不同。

当然，目前还不能确定这一结果。仅凭这一次潜在探测事件，其统计显著性还不足以证明探测到的确实是 WIMP 与普通物质粒子之间的相互作用。目前仍有 0.5% 的概率，这一事件可以由已知的背景信号解释。（来源：IT 之家）

作者｜苏子华

编辑｜靖宇

机器人行业现在最关心的一个问题：它能干完一整件事吗？

几十秒的抓取物品的视频已经撑不起估值了。把一件事从头干到尾，成了最新的考题，行业里叫它「长程任务」。

8 月 19 日，世界机器人大会，一台机器人首次亮相，用 15 分钟回答了这道题：收拾客厅，检查冰箱，把烘干机里的衣服拿出来，放进新的一批，按下启动键，最后把衣服叠好。

里面大概有七八十个动作，自主完成，全程没掉链子。

正在忙活衣物烘洗家务的 MORPHI KINO 机器人｜图片来源：MORPHI

 

造它的公司叫墨奇（MORPHI），成立刚 8 个月。联合创始人黄青虬出生于 1994 年，清华自动化本科、香港中文大学 MMLab 博士。

在华为车 BU 的五年，他从研发飞速做到智驾 AI 部门一号位，主导了华为智驾 ADS 1.0 到 4.0 的算法突破与量产，管两百多人。根据公开信息，华为智驾系统已覆盖 35 家车企、50+ 款量产车型，搭载量超 170 万台。例如，被广为熟知的问界、智界、尊界等新能源汽车品牌。

离开前，他做了件大事：把整个智驾全部完成了 AI 化。也是在做完这一代之后，他亲手验证了用一个 AI 模型去驱动物理系统、做底层控制这件事是可以的，看到了具身爆发的基础。

于是他辞职，和也曾是华为出身的物流老兵高文礼一起，做一台「跟人一样聪明」的机器人。

墨奇很多选择都和同行反着来：

不做双足人形，先做轮式——「智能的上限在手臂」；自研关节，却没做灵巧手——「夹爪就够了」；不堆数据量，坚持数据质量第一，且认为数据比模型架构重要；也不追「VLA、世界模型」等架构名词——具身模型架构叫 MoRA，按照功能来命名，意思是「会推理，能自主」。

最特别的是他们具身模型的技术路线。

一般机器人是「云端大脑下指令、本地手脚执行」；而他们是将「大脑」的能力直接装进执行层。全程没掉链子，依赖的就是其模型 MoRA 端侧System 1的能力。

黄青虬认为，这是 Agentic-Native 的模型路线。「我们用 8 个月干了别人两三年干的事。未来我们希望在某一个单点上做到业界标杆，比如模型，或数据的 scaling law 上，做出别人没做过的东西。」

今年 7 月，墨奇宣布融资超 10 亿元，阿里和腾讯都投了，估值 70 多亿。目前，团队 150 多人，明年计划交付千台机器人。

在他们的模型和机器人首次亮相前，极客公园与黄青虬聊了聊，关于他们打算如何实现物理 AGI 的路线图，以及如何在这个火热、拥挤的赛道里杀出重围。问题涵盖了：

• 具身智能狂飙了 3 年，现在入局算晚吗？

• 当技术路线、叙事逐渐趋同，具身智能公司的核心壁垒在哪？

• 「全栈自研」的边界在哪，如何区分必要投入与噱头？

• 通用机器人，必须同时做本体和模型吗？

• 具身智能基础模型的技术路线，下一个方向是？真正的瓶颈是？

• 如何通过 demo，识别出一家具身智能公司的真正实力？

• 如何面对业内极高的跳槽率？

   

访谈中的部分精彩观点：

• 通用机器人未来能取代专用机器人，但「专用」永远取代不了「通用」；

• 短期竞争力在数据采集，长期竞争力在后面从原始数据到训练数据这条链路。你只有在模型训练试错中掌握的 know-how，才是别人抄不走的；

• 不能为了自研而自研，想清楚你要什么，在你走这条路线的阻塞点上去自研；

• 押注 Agentic-Native 的具身模型路线：System 1 应该是大脑，而不是慢慢变成了另一个小脑、只是纯粹的执行者；

• 现在一切都还比较早，就像跑马拉松，大家也就差一两个身位。最关键的在于把过程积累的东西，沉淀为组织资产。

以下为对话内容，经极客公园编辑整理：

01

 

华为智驾 5 年，

与通往物理 AGI 的路线图

极客公园：博士毕业的时候为什么选择加入华为？

黄青虬：我博士期间研究的课题是多模态数据，以及一些长视频、电影的处理，所以选择其实还挺多的，也可以去做短视频或者视频生成这类方向。

我本科就开始玩机器人，博士期间接触了一些虚拟世界的东西之后，还是觉得看到 AI 在物理世界的机器上蹦蹦跳跳能动，会更有成就感。但那时候确实也没有这个行业，所以就选了最接近的行业，叫自动驾驶。

所以当时是先选行业，再去看哪家公司。

去华为其实有两个原因。第一，我想去一家能经历整个产品从 0 到 1、再到规模量产的全生命周期，在里面能学到的东西会更多。我 2020 年加入的时候，华为车 BU 刚成立（2019 年成立），这个比较符合我的想法。

第二，华为当时提了「天才少年」计划，确实很吸引人，我是第二届拿到天才少年 offer 的。我就去了华为做智驾，一直待了 5 年。

 

极客公园：在华为这 5 年里，有哪个比较关键的作品或事件，会让你更有成就感？

黄青虬：我在华为经历了智驾的四代产品，基本上每一代产品的关键模块 AI 化都是我负责的。

挑两个讲吧。第一个是刚进去半年做的 ADS 1.0 里的激光感知。

当时的情况是，我们把旋转式激光雷达换成了半固态激光雷达，因为半固态的成本能降一个数量级，而且满足车规级，原来那种旋转式的不满足。换了之后发现整个传感器的性能下降了很多，后端原有的那套激光感知算法都不太行了，就让我去解决这个问题。

有成就感是因为，我此前从来没碰过激光雷达，去的又是一个完全陌生的团队，但通过整个架构的重整和团队的协作，花了大概三周多的时间，把整套算法做出来了，效果很好——我们是第一个把 AI 化激光感知模块做到商用的，效果甚至比视觉还要好，也给华为留下了后续演进的影响，就是坚定地走多传感器融合、自研激光硬件。

第二个讲一下我离职前做的作品。2024 年底到 2025 年，我们做了一段式端到端，从传感器输入直接输出规划与控制的轨迹，相当于把整套智驾系统彻底 AI 化了，用一个模型去驱动整个车辆的控制。

我觉得它是一个终极之作，把整个智驾全部完成了 AI 化。也是在做完这一代之后，我觉得整个技术相对收敛了，所以就出来了。

 

极客公园：你决定从华为出来创业，有没有一个具体的事情推动了你？

黄青虬：不是一个具体的事件，而是一个持续的过程，有几方面的原因。

第一，我 2024 年底开始看机器人行业，当时陆续有公司出来了，包括我本科的导师也出来做了一家机器人公司，做的事情跟我上学时做的是一样的，也在踢足球。整个行业在硬件和小脑上面已经有了比较大的发展。

第二，我自己也在预判：本体和小脑发展之后，大脑的技术会往哪走？什么阶段可能走向技术爆发？

大家常说的是 ChatGPT 时刻——大语言模型在虚拟世界展现了非常强的能力，已经验证了 Scaling Law，但在我看来这可能还不够，因为大语言模型解决的是 high-level 的语义理解和任务规划问题，用 AI 去驱动底层控制这件事，当时还没有得到验证。

2025 年，我把华为那套一段式端到端做出来之后，亲手验证了用一个 AI 模型去驱动物理系统、做底层控制这件事也是 work 的。这两个结合可能才是未来具身爆发的基础。

再加上我遇到了合伙人高文礼（前跨境物流企业 iMile 联合创始人），两人能力确实比较互补，就一起出来了。

 

极客公园：你和你的合伙人高文礼，当时是怎么组建到一起的？

黄青虬：他原来在物流行业，也在看物理智能体的机会。物流行业现在发展得比较好的是物流小车，但最费人的其实是在节点——物流小车到站之后的装卸货，以及工厂履带和卸货履带交叉的地方，都要靠人把物体从 A 搬到 B。

所以整个装卸货和分拣是最费人的，他觉得需要机器人。后来他又想：与其只做一个物流行业搬运货的小机器人，不如做一个通用的机器人，既能服务物流，也能服务其他各个行业，甚至走进家庭。

我们都在看这个机会，后来持续交流行业的发展、看各个场景对具身的具体需求，一直到 2025 年八九月份，才决定出来做。

 

极客公园：为什么选择做通用机器人，而不是更容易做商业落地的垂直品类？

黄青虬：这一点我们团队非常快就达成了一致。

我们这波出来创业，核心就是想造一个跟人一样聪明的机器人。要跟人一样聪明，就得找泛化的场景，泛化的场景才能喂出泛化的基础模型。

第二，我们认为「通用」未来能取代「专用」，但「专用」永远取代不了「通用」。

如果我有一个泛化能力很强的基础模型，要去物流、工业或服务业某个地方落地，只需要再采集一点数据、做一些微调，可能就能落地了；反过来，如果这个模型是照着某一个工厂的工序专门训练、专门调的，到其他场景就很难落地。

所以，我们决定把重点放在提升通用能力、推高智能上限，在此基础上一路「沿途下蛋」，再找一些基础的专用场景逐步落地。

 

极客公园：听说你们全栈自研，必要性在哪呢？这是创业之前就已经想好的，还是出来之后不断修正的？

黄青虬：是出来之前就想好的。我们一直的原则，都不是为了做全栈而做全栈。什么东西会自己做呢？

首先，基础模型是必须做的；第二是整个数据的处理链路，就是怎么从原始数据变成高质量的数据，因为它跟模型训练强绑定。而且，我觉得未来各家以基础模型为核心竞争力的公司的关键壁垒，可能不在于模型架构，而在于这套数据里的 know-how。所以这两个是必须做的，是整个公司的核心。

在此基础上，其他东西做不做，我们只看两点。

第一是从商业角度考虑。现阶段大家倾向于要一整套解决方案，所以你需要有自己的硬件，才能保证这个解决方案软硬一体是最优的。

第二，如果某个零部件对迭代你的基础算法和数据是阻碍的，而且行业又没有成熟的供应链能支撑，我们就自己做。

举个例子：关节我们自己做，但灵巧手没有自己做。核心原因是，关节现阶段已经成为我们整个系统的瓶颈之一——我们想要高动态、低时延、能把底层所有控制信号都给我们用的关节模组，还要有一定的产量、一致性和可靠性，而目前行业还没有达到我们理想中的状态，所以决定自己做。

灵巧手为什么现在不着急？

核心是，现在人戴着夹爪就能完成我们想做的绝大部分动作，比如收拾一个房间、分拣一个包裹，夹爪都是可达的。关键的瓶颈在算法，而不是执行器、夹爪本身。

所以从夹爪换成灵巧手，虽然是终局，但现阶段它不是算法演进的阻塞点，就没必要现在做。

 

极客公园：所以你们目前主要自研关节？

黄青虬：对，你可以认为整机系统和关节是自研的；传感器、主控芯片是外购的。

 

极客公园：行业里也有一些其他公司在讲全栈自研，你们的不同之处到底在哪？

黄青虬：比如刚才说的关节模组，我们自己设计，做里面的驱控算法和电路，但具体到齿轮怎么制造、怎么打磨，肯定不自己搞，借助成熟的供应链。

反正不能为了自研而自研，这是我自己的观点。想清楚你要什么，在你走这条路线的阻塞点上去自研，这样才更聚焦。

 

极客公园：核心都是为了推高智能的上限。

黄青虬：是的。

02

 

基础模型路线之争：

主流把 System 1 当执行器，

我们让它当大脑

极客公园：你们刚刚公布了自己的具身智能模型 MoRA（MORPHI Reasoning & Autonomy），为什么叫 reasoning 和 autonomy？主要是想表达什么？

黄青虬：现在行业主流的模型命名，很多是用模型架构来命名的，比如 VLA、WM、WAM 这种。但我们是从模型的能力来命名的。

我们认为模型架构会持续变化，去年有 VLA，今年有 WAM，明年可能有新的东西，而且这些架构本质上只是推进模型训练加速的方法和技巧，并不是最本质的东西。

更本质的是这个模型要有什么能力，所以我们是从模型能力的角度来命名的，就是 Reasoning & Autonomy。

为什么这两个能力最重要？

Reasoning 首先代表对环境、任务以及一些行为的理解、推理、规划与预测；Autonomy 代表机器人能够自主推理和决策，并且执行行动。

两者结合，就构成了具身智能最核心的两个能力——reasoning 表示它能想清楚，autonomy 表示它能持续地做、一直做到正确为止。

 

极客公园：现在行业主流的模型技术路线是什么？瓶颈是什么？你们的本质上有什么不同？

黄青虬：我们主张的是 Agentic-Native 的具身基模技术路线，主要是针对我们的操作模型。

先说背景：现在模型基本是三个系统的架构。主流大概是一个 System 2 做语言理解和任务拆解，把它拆解成目标和可执行的动作，再把动作指令输给 System 1，也就是操作系统；System 1 接收指令后做具体操作，输出一个轨迹；轨迹再输给 System 0，也就是大家说的小脑、运控系统，由它最终驱动关节去执行。

目前核心的瓶颈在 System 2 和 System 1 之间，它们传输的信号有一定瓶颈。

比如为了完成一个长程任务，在现有的分工下，压力大的是 System 2，它要做很多目标管理、记忆管理、进度追踪，还要告诉 System 1 每一步该做什么。

同时 System 2 很多时候跑在云端，因为它是一个非常大的模型，它的调用频率，以及跟端侧 System 1 的沟通频率都不够高，所以你会看到很多系统有卡顿的问题，很多时候就是这个原因造成的。

为了解决这个问题，我们需要把 System 2 的一部分能力挪到 System 1。

System 1 应该是一个更聪明的、能自主执行的模块，应该是大脑，而不是像现在这样慢慢变成了另一个小脑、只是纯粹的执行者。

 

极客公园：System 1 变聪明之后，具体解决了哪两个问题？

黄青虬：第一个是目标的接口。

以前 System 2 给 System 1 的是「把衣服拎住两个角翻过来」这种很细节的操作，我们希望能给「叠衣服」这种大颗粒度的任务，让 System 1 自己完成。而且它不只支持语言指令，也能接受图像指令，比如「把衣服叠成图像里的这个样子」——当然，接口能力更强的前提是 System 1 本身能力要更强。

第二个是时序能力。我们希望 System 1 从以前短时序的、反应式的动作，比如翻衣服，变成能自主完成长时序或中等时序、需要一定纠错和回溯能力的动作，比如完整地叠完一整件衣服。这就是我们在 Agentic-Native 模型里想做的事。

 

极客公园：你们把目标、记忆等能力都放到了 System 1 里，那 System 2 还剩什么活？两者的功能分工怎么界定？

黄青虬：System 2 长远来看，它最核心的就是意图理解。

比如现在最多的意图是语言交流：你给它一句话，它要能理解——因为人说话不会说得很明确，我说「我渴了」，实际上可能是让你帮我拿一瓶水，这种语言的理解是 System 2 要干的事，System 1 不会干。

第二，它也会做一定的任务规划，但我们希望只是大颗粒度的任务规划。比如我给它一个「收拾一个房间」的指令，System 2 至少要拆解成「把桌面清理干净、把衣服叠好、把床铺好」这种大颗粒度任务，这些还是靠 System 2。

 

极客公园：这套模型架构，对末端的执行器有影响吗？是否需要加更多芯片、传感器之类的？

黄青虬：这个倒是不会。但有一个区别：现在有一部分人把 System 1 也放到云端，而我们的实现方式是，System 1 和 System 0 一定要跑在端侧，必须是端侧高频运作的实时响应系统，这是我们的判断，业界目前还没有达成一致的共识。

至于末端的执行器、传感器，倒是跟这个架构本身没有直接的关联。

 

极客公园：你们之前提到，先是用开源模型，再逐渐自己预训练模型，现在已经开始预训练了吗？

黄青虬：对。整个模型开发分三个阶段。

成立后前面三个月，我们做的是后训练：完全基于开源的基模型，比如拿 π0.5（Physical Intelligence 的开源 VLA 模型）作为基模型，只做动作的 expert 微调。这一阶段的目的，一是帮我们调试本体和真机，二是掌握后训练的技术——即便以后基础模型能力很强，也还是需要通过几小时或几十小时不等的后训练数据，把它微调部署到某个真机上。

所以前三个月在干这件事。

从三四月份开始，我们就在做预训练，定义为第二阶段的预训练：还是拿开源的模型，比如通义千问 VL，但只是用它来初始化参数，初始化完之后就跟这个模型没关系了，后面所有的参数都放开去调整。拿开源模型做初始化的好处是模型能更快收敛，加快迭代速度。

这一阶段预计持续到 10 月、11 月左右，核心是把 Agentic Native 的几个能力都积累下来。之后我们可能就彻底从初始化进阶到开始训练自己的基础模型。后面两个阶段学术上都定义为预训练，我们分两个阶段来进行。

 

极客公园：你们在自己采集数据，行业里一些公司现在也开始自己采集数据，同时也有一些专门的数据供应商，但大家好像对数据都不太满意。你觉得什么算是比较好的数据？

黄青虬：数据评价就两个标准，一个是多样性，一个是精度。

我们自己定义叫「三个真实」：真实的人、真实的场景、干真实的活。采集的数据首先最好是真实的作业场景，就是大家说的野采（in the wild）。因为摆拍场景的多样性一般不够——摆来摆去，你看着采了 10 万小时，可能里面 9 万小时是重复的。

因为，你会发现采集场里的工人，如果他的目的是模拟出一个轨迹、拿到回报，那让他「擦桌子」时，他并不是真的想把桌子擦干净，只是在模拟擦桌子的动作，这种轨迹往往不太真实，训练出来的模型能力一般也会差一点。

所以从场景选择上，最好是让真实的作业人员在真实场景里真实工作，一边工作一边采，这是从多样性以及轨迹质量、真实度方面考虑。

第二方面就是精度，这考验算法能力：采集数据本质上是想让模型学人的轨迹，那怎么把人做动作时的轨迹、那些 XYZ 坐标点估算出来？背后是一套定位和标定的算法。

从数据精度考量，现在行业内大家都说自己做到毫米级，但毫米级可能只是普通通用场景能做到，一些比较难的场景，比如手伸进洗衣机里，有严重的遮挡，这时还能不能做到毫米级？很多数据是做不到的。

 

极客公园：你们目前积累了 3 万小时真实场景数据，你觉得和行业里更大体量的数据相比算什么水平？

黄青虬：从数量上我们并不算特别有优势。现在行业头部公司，有些宣称用了百万级数据，国内一些友商也宣称有百万级别——真实度另说——但至少大几十万、百万是行业头部的量级。

我的观点一直是数据质量远远重要于数量。

所以我们花了很多时间打磨数据质量。一方面是精度，我们花了很多时间做各种精度提升，现在能做到包括手进洗衣机、甚至手面对白墙这种对定位来说比较难的弱纹理结构，都做到毫米级，这是第一个优势。

另一方面是多样性，我们前期花了很多时间建立数据运营系统——多样性很多时候是运营问题，你要在后端有一个系统，管理前端几千个数据采集源，让它们得到及时的反馈、采集各种各样不同的数据。在质量、精度、多样性上，我们觉得能比现在看到的数据供应商更有优势。

数量目前不是我们最关注的，我们关心的是基于 3 万小时数据、以及到年底预计的 15 万小时数据，能不能训练出一个还不错的模型。而且，我相信只要有高质量数据，十几万小时就已经能训练出非常不错的模型。

 

极客公园：如果行业里有人用一模一样的方法去采集更高精度、多样性的数据，你们会转而放弃自己采集数据吗？

黄青虬：长远来看，我们并不觉得数据采集一定要握在自己手里。

数据采集如果设备标准化了、运营系统比较成熟了，谁去采都一样，后面拼的是运营能力和成本。

短期来讲，刚才说的定位精度可以作为竞争力；但长期大家也会抄、会趋同，真正的竞争力构建在你采上来之后的数据处理那一段——它跟模型训练强耦合，你只有在模型训练试错的过程中掌握了很多 know-how，反过来驱动数据闭环链路去改进，才有可能做出跟别人不一样的东西，变成你自己的 know-how。

所以数据这块，短期竞争力在前面采集，长期竞争力在后面从原始数据到训练数据这条链路。

 

极客公园：具身领域，大家节奏都很快，你会因此着急吗？

黄青虬：不太会焦虑。现在一切都还比较早，就像跑马拉松：现阶段你跑得快一点慢一点，大家也就差一两个身位，甚至半个身位，但你要跑的是十几二十公里，把时间拉长，这些差距都可以忽略不计。

更多的是要在这个你追我赶的过程中积累一些东西，比如训练方法、数据基建、本体的可靠性和工艺设计，慢慢沉淀成这家公司的资产，我觉得这才是更重要的。

03

 

长程任务才是「试金石」

极客公园：你们这次展示的机器人 MORPHI KINO 为什么是轮式的，而不是一个完完全全的人形？你们对人形机器人是什么态度？是路线问题，还是现阶段的选择？

黄青虬：两者都有考虑。

从阶段性讲，我们为什么先推出轮式：现在行业形成共识，这一波具身最大的价值点在于生产力，而生产力在上半身、在手臂上。哪怕底下是固定的，别说轮式、足式，哪怕是一个固定工位，把基线按在那，只要手上能干活，也能产生不错的价值。

而且现在算法能力的瓶颈也在手臂的操作上，我们想聚焦——还是刚才那个原因，目标是提升智能上限，现在智能的上限在手臂操作，所以先做一个轮式的，把双足行走的平衡性这些现阶段不是瓶颈的问题规避掉，聚焦去做操作，这是一个阶段性的选择。

从长远看，终极形态肯定是双足，这一点我也认可。

 

极客公园：你会认为未来真正的通用机器人公司，必须同时做模型和本体吗？

黄青虬：不一定，但三五年内如果要做得好，我觉得需要。

先讲三五年内：第一，现在本体和算法都没有那么 ready。在算法能力相对没那么强的情况下，如果本体、数据跟算法是一套同构的执行器，算法能力会更优。

第二是迭代效率。现在硬件的可靠性和成熟度没那么高，如果外购一台整机，好的供应商不多，还要供应商配合我的算法每天做高速的硬件迭代，这件事很难推动。

所以为了智能的迭代速度，现阶段自己造本体是更优的选择。

另外从商业上讲，很多客户还是为整体解决方案买单，你很难说卖个模型、让客户再去采购别人的本体拼在一起，现在行业还没到这个程度，客户也没有这个能力。

长期来看，如果机器人发展到像汽车一样成熟和标准化，那也不排斥像汽车行业一样分工：有人造车、有人做智驾系统、有人做集成，这是有可能的，但短期不太可能。

 

极客公园：你们这次的 demo 设计成 15 分钟、跨房间、多步骤，为什么这么设计？

黄青虬：有两个原因。

第一，我们想完整展示一整套系统性的能力，从硬件到整套算法的 system——System 2、System 1、System 0 都在工作。里面展示了各种能力：能操作刚性物体，比如水果、桌面杂物；能操作柔性物体，比如叠衣服；能开关冰箱门、洗衣机门；能一边移动一边抓枕头。我们用这个 15 分钟的类家居生活场景，做了一次集中展示。

第二，其中设计的任务也是展示我们那套 agentic native 的能力。

第一个是长程的，所以确实有 System 2 在做任务拆解。同时 System 1 里有很多细节：比如它能响应动态的环境——脏衣篓被人不小心踢了一脚、挪了位置，它能自己去做修复，这就是目标牵引：要完成这个任务才算完成，而不是做出一个动作就算。只有目标牵引到完成的能力，才能持续做错误恢复。

第二是记忆能力，比如开洗衣机门和烘干机门：你要知道之前已经开过烘干机、把衣服拿出来了，现在里面是空的，所以开完洗衣机门就可以直接放进去。

从他第一次把烘干机的衣服拿出来，到把洗衣机的衣服放进去，中间做了七八个动作、持续一两分钟，这需要至少中层的记忆能力，这就是我们说的多层次记忆。

第三是判断自己有没有完成，比如清理桌面之后，突然给他扔一个香蕉皮，他要能意识到这是新出现的垃圾、需要清理，直到桌面干净为止，而不是只清理一开始看到的杂物。这就是 closed loop，带进度的认知闭环。

所以这 15 分钟，既是一个比较真实的家居场景，也集中展示了我们想展现的、以及我们认为模型需要的能力。

 

极客公园：你在看同类的 demo 时，会关注哪些关键表现和动作来判断他们的能力？

黄青虬：第一是长程，这比较重要。能做长程任务，首先意味着系统能力比较强——System 2、System 1、System 0，加上硬件和整套端侧软件调度系统，要能持续地做一个东西，肯定比只做一个二三十秒的桌面物体抓取复杂得多。

长程意味着复杂系统的构建能力，同时也意味着系统是稳定的：你跑得越长，每多一个动作，假设每个任务的成功率都是 95%，做 10 个动作和做 100 个动作，沉淀下来的成功率是不一样的。

我们这个 15 分钟的 demo 里大概有七八十个动作，如果整套 demo 每次跑下来成功率要有 90%，那每个动作的成功率就得做到 99.9%。

所以长程是比较能体现一家公司 demo 能力的关键点。

第二是泛化性，看他能不能处理没见过的物体。

第三是自我纠错能力，现阶段一个动作不可能 100% 成功，模型能力强的，试一次不对会试第二次；能力差的，试一次不行就宕机了，或者跳过这个步骤接着往下走，这种相对来讲能力就差一点。

04

 

跳槽最凶的行业里，最在意的是组织

极客公园：现在依旧有新的具身智能公司源源不断冒出来。你觉得，这一轮资本还在很积极地投资新创业者，动力主要来自哪里？

黄青虬：首先，动力跟上一波也没什么区别，还是这个行业的想象空间足够大。

所以哪怕现在投一家公司估值可能大几十亿，大家觉得跟未来整个市场相比还是相对便宜的，愿意投更多资金进来，这是最原始的点。

第二，大家觉得训练范式、技术范式还没有收敛，没有收敛就意味着最好有更多玩家进来，各自按自己的思路尝试。

 

极客公园：你之前提到过一个观点：今年能产出 5000 台靠谱机器人的公司不会超过 3 家。这个怎么讲？

黄青虬：现在机器人真正规模出货的，很多时候还是娱乐类或科研类的，但这些场景能吸收的机器人数量非常有限。

真正更巨大的市场是能干活的机器人，它的瓶颈有两个：

一个是硬件的可靠性——唱歌跳舞可以跳 10 分钟休息两小时，但真正干活，一天至少得干 8 个小时，我们希望机器人一天最好能 24 小时不停地干活，硬件的可靠性现在还是一个没有完全解决的行业瓶颈。

第二是算法的能力——哪怕硬件行了，放到工位上干活，它的效率和错误率还是要比对应岗位的人差很多。

机器人可靠性不够，就很难有出货量的空间。

 

极客公园：有一种现象，具身智能这个行业跳槽比较频繁，从应届生到合伙人，之前还没有哪个新兴行业的合伙人跳槽离职这么频繁。你觉得原因是什么？这种现象到什么时候会减弱一些？

黄青虬：说实话我不太好预测。

不管一家公司还是一个行业，只有组织稳定了，业务和技术的演进才有可能稳定。所以我们在这方面额外关注——除了技术演进，我们更希望构建一个稳定的、持续战斗的组织，这在我们看来比技术还要重要。

极客公园：你在华为管理过很大规模的团队，在组织管理方面有什么心得？

黄青虬：第一是找的人，你要看大家到底想干什么。很多人频繁跳槽，核心心态是「我做出一个小东西，就能靠它抬高身价、拿到更高溢价」，这种同学跳槽会相对频繁。

但我们找的是使命感更强的同学，他是希望真的能持续稳定地在一个环境里，把一个真正 work 的具身或物理 AGI 做出来，这种同学跳槽意愿会低一点，因为他的目标更远大，而不是做出一定成果就想跑。

第二，要给大家提供一个好的环境。很多有追求的同学，他们的核心成就感来自于技术突破，来自于自己的 idea 能推动这个行业往前走，那你怎么在这个过程中让每个人的想法得到尊重，并且有足够的资源支撑大家做出不一样的东西，这也很关键。

 

极客公园：行业内有你比较欣赏的公司吗？

黄青虬：行业内有很多值得学习的公司，每家公司的学习点不太一样。

比如宇树，它把本体往前推进了一大步；像 Physical Intelligence（Pi）把模型往前推了一大步；像 Generalist AI、Sunday Robotics 这些，把数据采集范式往前推进了一大步。这些都是我非常欣赏、非常尊敬的公司，大家在真真切切地用努力把行业往前推进。

 

极客公园：你觉得你们现在算第几梯队？

黄青虬：我们出来 8 个月，我对自己的评价是：我们用 8 个月时间干了别人两三年干的事情。

比如我们有第一代稳定的本体，能做业界可能第一梯队公司才能做的、非常长程且包含刚性物体、柔性物体、开门等复杂动作的任务。

所以我觉得算是接近第一梯队。

未来我们希望再过半年或 8 个月，到今年年底或明年年初，能在一些点上，比如模型，或者数据的 scaling law 上，做出业界其他人没做过的东西，在某一个单点上做到业界标杆，这是我们的目标。

 

极客公园：你们目前花钱的大头在哪里？

黄青虬：还是在算力、模型训练上，每个月花了一半以上的成本。

 

极客公园：你希望行业怎么评价墨奇？

黄青虬：我希望大家评价墨奇是一家靠谱的公司，墨奇能够给机器人行业的发展贡献一点微小的力量，我就已经比较满意了。

 

极客公园：意思是其他不太靠谱吗？

黄青虬：倒也没有。只是希望我们是属于靠谱的那一波。

作者｜苏子华

编辑｜靖宇

 

极客公园最近发现，婴儿床这个品类正在被 AI，或者说被「具身智能」重新定价。从一张几百元的价格，直接抬升到一万元。

婴儿床是少有的被技术「忽略」的家居品类。100 年来，它的形态几乎没有变过。四根立柱、一圈围栏、一张床垫。

关键变化发生在过去五年。

传感器、算法、电机第一次被装进一张床，价格随之跳升：美国智能婴儿床 SNOO 售价 1695 美元（约 1.2 万元人民币），Cradlewise 售价 1999 美元；而在今年年初的 CES 上，中国公司亲宝宝展示的 AI 睡眠舱，官方定价 8999 元人民币。

目前只要打上「智能」的旗号，仅仅做到温度控制、视频记录，在电商平台上售卖 4000 元起步的也有大把存在。

在海外，SNOO、Cradlewise 等初创品牌已经用产品证明了：婴儿床可以被卖到一万元人民币以上，而且卖得动。

巨头们正在加速入场。德国工业巨头博世也发布了 AI 婴儿床 Revol，传统的母婴巨头厂商 HALO、Graco 也在全线跟进。

让婴儿睡得安全，解放父母夜里的睡眠时间和看护焦虑——这个小众品类已经从边缘走向台前。而且，现在它正在被贴上「具身智能」的标签，变成一个越来越多玩家入局的早期创业赛道。

关键是，这只是营销噱头，还是全新的品类机会？以及，谁有机会拿下这个赛道？

一张上万元的婴儿床，多了什么？

 

讨论智能婴儿床，入局最早的 SNOO 和 Cradlewise 是绕不开的名字，也算是这个品类的开创者。

SNOO 是由儿科医生哈维·卡普（Harvey Karp）创办，出版过畅销书《The Happiest Baby on the Block》。

SNOO 的核心是三件套：摇晃、白噪音、自带襁褓包裹——睡袋扣在床体两侧的卡扣上，保证宝宝只能仰睡。

为了模拟子宫环境，Snoo 让父母用附带的睡袋将宝宝紧紧包裹起来，床体会轻轻摇晃婴儿，并播放持续的白噪音哄其入睡｜图片来源：insidebook

 

宝宝一哭闹，传感器会识别哭声的强度，床以递增的四档强度自动摇晃安抚，官方称多数情况下不到一分钟就能平息哭闹，让婴儿每晚平均多睡 1-2 小时。

不过，它只适用 0-6 个月的婴儿，售价 1695 美元，也可以按月租赁（159-499 美元/月），还配备了 7 天 24 小时在线的睡眠顾问。SNOO 至今仍是唯一被 FDA 批准用于保持婴儿仰睡的婴儿床——这是它区别于所有竞品的最大资本，也让它成了二手市场流通最快的婴儿床。

Cradlewise 是另一种打法。售价 1999 美元，内置摄像头和麦克风，床底下安装了用于跳动的电机。

算法盯着宝宝的细微动作，进行识别——翻身、睁眼、出声——在宝宝真正醒来之前就开始轻轻弹跳哄睡，它把这种思路叫作「预测优于反应」。

Cradlewise 的创始人是一对夫妇，芯片公司出身，他们的路线是，通过算法在云端积累每个宝宝的睡眠数据，不断迭代「懂婴儿」的能力。

Cradlewise 这个床是可以上下跳动的。通过轻柔的弹跳动作模拟了父母在怀中安抚婴儿的方式｜图片来源：Cradlewise

 

床可以从摇篮模式转换成幼儿床模式，来适配不同年龄段的婴儿，一直用到 24 个月，通过 OTA 的方式更新功能。2025 年 4 月，OpenAI 创始人山姆·奥特曼在社交媒体上曾推荐过它，引来一波不小的关注。

Cradlewise 前几个月可用作婴儿摇篮；等宝宝长大些，降低床垫高度即可转换为婴儿床｜图片来源：Cradlewise

 

来自中国的公司「亲宝宝」，在今年推出了他们的首款婴儿床产品，在宣传中，强调了他们的「具身智能」理念。

亲宝宝相关负责人，对其「具身智能」理念的解释是，从传感器婴幼儿状态识别，到风险分级，到提醒还有自动安抚（播放声音），再到 AI 助手提供的父母可执行动作建议，整个过程就是 AI 具身智能的闭环。

不过，相比于 Cradlewise 和 SNOO，亲宝宝没有摇晃哄睡的动作能力。

因此，何谓「具身智能」？不同的行业玩家可能各自有不同的解释。

具体拆解来看，亲宝宝 AI 睡眠舱床体内置毫米波雷达，隔着床垫读取宝宝的呼吸和心率；红外测温持续读取体温，高烧等异常信号自动预警。

同时，根据宣传，它可以通过算法能识别遮脸、翻越、踢被、哭声、哼唧等多种状态，并按紧急程度分级提醒。

AI 睡眠舱检测到哭闹时，会自动播放适合月龄的安抚音乐、故事或白噪音。另外，通过床体自带的四轴悬浮称重实现无感身高体重记录。

总的来说，国内外厂商通过 AI 来让婴儿睡得更好之后，解放的也是父母们的睡眠时间，以及带娃育儿的焦虑。

而「具身智能」的概念，正在成为这类产品的营销和技术方向。

但问题是，谁能真正将所谓的「具身智能」做好？

巨头涌入，这门生意的三个拷问

 

资本方面，Snoo 在 2015 年完成 1000 万美元 A 轮，2021 年完成 C 轮 4500 万美元融资后，根据公开信息，其年收入在 4500 万–5200 万美元之间。

创业公司验证了需求，巨头随即入场。

德国博世（Bosch）发布的 AI 婴儿床 Revol：传感器加摄像头，监测心率呼吸、识别哭声、分析睡眠，还能自动摇晃；HALO、Graco、Fisher-Price 等传统厂商也推出了带自动安抚功能的智能摇篮。

一家做汽车电子的公司开始做婴儿床，说明这个赛道已经大到值得认真对待。

Bosch 发布的 AI 婴儿床 Revol｜图片来源：Bosch

但赛道越大，翻车也越多。

2026 年 3 月，HALO 旗下 Magic Sleepsuits 因安全隐患召回约 4.5 万件；更早前 Fisher-Price 的倾斜睡椅引发过大规模安全争议。安全监管也在收紧——2025 年 12 月，美国消费品安全委员会更新了婴儿床强制安全标准，把电气部件和配套床垫都纳入监管。

这些公司共同撑起了一个真实存在、需求远远未被满足的市场。但这门生意的潜力要真正释放，需要跨过 3 个核心问题：

• 睡眠模型的技术验证，是核心

婴儿睡眠模型在全球范围仍是非常早期的阶段——成人睡眠研究有整套理论，但婴儿不会说话，婴儿的睡眠节律、安抚频率、状态判断仍然缺少成熟可用的算法。

SNOO 用医学育儿理论背书，而 Cradlewise 等新产品，需要靠数据迭代，但都还需要更多家庭数据来验证「有效」。

谁能真正做出婴儿的睡眠模型，谁或许有机会定义这个市场。目前，这方面市场还过于早期，或者说相对空白。

• 婴儿床的生命周期

婴儿床实际使用 6 个月到 2 年。值得注意的是，SNOO、Cradlewise 都提供官方翻新机和租赁服务——这个品类天生短周期、高流转，二手市场从第一天起就存在。

租赁、订阅、一床多用，都是在用商业模式对抗产品的短周期。

多家研究机构的数据虽有出入，但量级一致：全球智能婴儿床市场 2025 年规模在 10 亿美元上下，年增速接近两位数。但是，考虑到全球的人口出生率，这个非天然增长的赛道，后劲儿可能会不足。

• 安全信任

AI 并不会让顾虑消失：传感器有没有辐射？摇晃会不会伤到宝宝？算法是否准确？

SNOO 用 FDA 授权解决了信任问题，但是其他主打「具身智能」理念的产品，如何证明自己的「AI 睡眠模型」的有效性和安全性？

创业公司们需要找到自己的答案。家长的心理门槛也需要时间和口碑来填平。

从婴儿床入手，只是个开始

 

如果把视角拉远一点，具身智能婴儿床背后还蕴含着更大的潜力。

例如，具身智能婴儿床的仿生深舱、温湿度噪音亮度调节、睡眠节律分析——其实已经在朝「睡眠环境管理」的方向走。

这个方向在成人市场已经有参照物：一些企业高管定制的睡眠舱，售价 3 万到 10 万元人民币，在办公室搭一个小环境，午休一小时。过去几年，一些公司也在尝试把这套「环境助眠」逻辑产品化。

 

在电商平台上的部分定制睡眠舱产品｜图片来源：淘宝

具身智能婴儿床，如果能验证「感知——安抚」的技术能力，这笔技术账一旦算通，理论上可以平移到任何睡眠场景。

那么，「AI 睡眠舱」或者说「具身智能睡眠床」这个品类，有机会长出同时覆盖成人市场、婴儿市场的睡眠科技公司。

这也是这个品类更大的市场潜力。

谁能跑出来，不取决于谁先发布产品，而取决于谁先跨过睡眠模型的技术验证、信任、生命周期这三关。

这场竞赛，才刚刚开始。