这一新系统改变了机器人“静态离线”的学习模式，将机器人的“课堂”从数据采集中心搬到了真实世界中，同时实现了“一机学习全体共享”的效果，机器人可上网自主学习其他机器人的技能。 在新的学习模式下，机器人数量越多，可能就会越聪明，量产数量成了具身“大脑”发育的关键因素。今年，国产人形机器人将向“10—100”规模化迈进，国内的具身智能有望迎来一波智能涌现浪潮。 “过去几年，大语言模型、VLA（视觉-语言-动作）模型及预训练的能力有极大的提升，由此，机器人面对多任务、多物体和多指令的泛化能力也同步提高。”智元机器人合伙人、首席科学家罗剑岚认为，目前，具身智能接触真实场景仍比较有限，在真实世界环境下能否稳定高效并长时间完成具体任务，仍是一个问号。 去年12月，在全球开发者先锋大会暨国际具身智能技能大赛上，记者目睹了许多机器人无法抓起一个压扁的可乐瓶、叠衣服少折了一只袖子、上楼梯走歪了直接摔跟头等诸多“糗事”。这与我们常在视频中看到的跳街舞、后空翻、做家务等机器人形象大相径庭。 究其原因，我们在视频中看到的场景，大多是在特定可控的环境中经过一系列调优后的结果，而真实场景比摄影棚内的环境复杂千万倍，失误反而是机器人的常态。 过去，机器人依赖离线模仿学习，在标准化的特定环境中采集高质量数据，再以此训练VLA模型作为核心“大脑”。为搭建这一学习底座，智元在上海张江布局了一座 4000平方米的机器人数据采集中心，复制餐厅、奶茶店、家居等多元生活场景，让机器人在模拟环境中逐项打磨技能。 但这种模式存在难以突破的瓶颈：特定场景的覆盖范围终究有限，即便机器人具备一定的 “举一反三” 能力，也无法穷尽现实世界的复杂变量。一旦遭遇全新应用场景，就必须重启 “数据采集—模型训练—全域同步” 的流程，极大制约了技术落地效率。 简单来说，机器人在真实世界中执行指令时，任何行为都会上传到云端，通过云端算力进行微调或强化学习，最终将新能力同步回传至所有机器人大脑中。通过这一学习模式，所有机器人能实时共享经验、协同进化，快速掌握如叠衣服等复杂精细任务。 测试结果显示，引入SOP模式后，机器人在物品繁杂的商超场景中，综合性能提升幅度达到33%，多任务处理能力实现质的飞跃，各项任务成功率普遍突破94%，其中纸盒装配任务的成功率更是高达98%，逼近 “零失误” 的理想状态。 “SOP模式落地后，数据采集中心将回归基础能力培育的定位，机器人的核心数据来源将全面转向真实世界。” 在罗剑岚看来，新模式改写了机器人学习路径——过去，出厂是学习的终点，现在，出厂反而成了新起点。 有行业分析指出，SOP在线后训练架构在一两台机器人上，学习效率比不上“静态离线”学习模式，但是当1000台机器人同时在线时，效率就是几何级数倍增。当一个机器人犯错，云端模型修正后，其他机器人就不会犯错。要实现这样的成功率，单一机器人需要1000小时，而1000台机器人并行只需要1小时。 智元采用1台、2台和4台机器人队伍来做对照试验，结果显示，在总训练时间为3小时的限制下，4台机器人的队伍学习成功率达到了92.5%，比1台的对照组高出12%，而且4台机器人队伍的训练效率也增至2.4倍。 罗剑岚以特斯拉自动驾驶“影子模式”举例，在该模式下，每辆车在自动驾驶时，后台模型系统会实时对比AI和人类的决策，同时上传到训练系统进行分析，全球数百万车都成了特斯拉的“小课堂”。这意味着，当上路的特斯拉越多，自动驾驶的训练效果就会越好。 高工机器人产业研究所预计，2026年国内人形机器人出货量有望攀升至6.25万台，业内预测更加乐观，量产数据抬升至10万台至20万台区间。 目前，国内具身智能的技术路线主要分为“本体派”和“智能派”。“本体派”主要聚焦在机器人运控方面，对伺服电机、关节模组、动力系统等核心零部件把控力较强，模型算法也更偏向于力学控制领域，让机器人更灵活。“智能派”更为重视机器人的操作智能、VLA模型等能力，注重机器人“大脑”开发，让机器人更懂事。 2025年，各大具身智能公司几乎都在机器人运控方面“补短板”，运动智能差距正逐步缩小。比如，去年上半年，智元机器人还无法完成后空翻等武术动作，经过半年时间，如今也能与宇树这样的“体育生”简单切磋了。据不完全统计，国内估值超过50亿元的具身智能公司有11家，多数都将研发重点放在具身模型的迭代上。 北京人形机器人创新中心总经理熊友军认为，中美在全球具身智能行业同处“两强格局”，在本体控制领域，中美几乎处在同一起跑线上，主要差距仍在模型算法上，不过随着国内大模型加速推进，将在半年至一年内追赶上美国。 1月5日，国产大模型MiniMax宣布为智元机器人提供文本到语音全流程AI技术支持，优化用户与机器人的语音交互体验。此前，阶跃星辰也与智元机器人联合研发世界模型、探索数据合作、新零售等应用场景合作。 1月7日，智元发布全球首个大语言模型驱动的开源仿真平台Genie Sim 3.0。用户只要用日常语言向机器人描述场景，就能在几分钟内自动生成成千上万个逼真的训练或测试场景，再也不用程序员手动一行行写复杂代码来搭建场景，大幅降低数据采集成本，缩短算法验证周期。 此外，智元同步开源了包括真实机器人作业场景的上万小时仿真数据集，覆盖200余项任务，包含多传感器信息及多种泛化维度。
