【眼界-科技】一场户外直播秀，炸出具身智能“大脑派”的黑马玩家

4B参数干掉数据军备竞赛？这场户外直播把具身智能行业底裤扒了

8月26日，一段10分钟的无剪辑视频在科技圈疯传。画面里，两台机器人（智元远征A3+宇树G1）那种虽笨拙，但"自己琢磨着把事办成"的逻辑，让无数人惊叹。

就在大家误以为这是智元或者宇树的新成果时，9月10日，答案揭晓：那段视频里的智能，既不是智元的，也不是宇树的，而是来自一家名为乐享科技研发的"以太大模型"，内部代号MVP——Make Veritable People，翻译过来叫"做个人吧"。

很多人不禁好奇，一家连名字都没怎么在行业媒体上出现过的公司，凭什么让智元的远征A3和宇树的G1同时乖乖听话？

答案很简单：这两台机器人，只是"身体"，真正发号施令的"大脑"，是乐享科技的以太大模型——一个只有4B参数的小模型。

从室内Demo到户外烧烤：敢直播"翻车"才是真本事

如果说室内视频还只是"圈内惊艳"，那9月16日上海闵行那场户外烧烤直播，就是乐享科技直接把整个行业的遮羞布扯了下来。

在此之前，具身智能的"秀"都有标准答案：恒温实验室、固定机位、预设脚本、专属数据。录几十遍挑最好的剪出来，是心照不宣的惯例。高级一些的，用网球比赛或乒乓球比赛做演示，以向外界证明：自家的机器人已经进阶到下一个level。

但乐享科技的做法似乎更为高级且硬核：他们直接把机器人拉到了路边烧烤摊，全程无剪辑、无遥控、无预设脚本，甚至允许现场观众随机干预——把盘子挪个位置、临时改一下口味、中途递一杯水过去。

结果盘子被挪了，机器人就调整伸手方向；顾客临时要水，放下手里的菜去递，回来接着烤；没见过的调料瓶，试两次就能调整好抓握力度；直播中的两台机器人自主分工、互相交接，全程没掉链子。

直播数据也十分亮眼：机器人连续工作超过1小时，线上观看量则突破550万，现场30多家行业媒体全程见证。

最让人意外的是那组数据：4B参数，200小时人类视频训练，0真机交互数据。

要知道，行业主流路线的门槛是上万小时真机操作数据、数百万条轨迹标注、动辄百亿级别的参数规模。乐享科技用200小时视频就做到了零样本场景下的高成功率，这相当于一个人只看了200小时别人干活的视频，第一次上手就能把活干明白。

反观不久前 OpenAI 发布的 GPT-6 Astra，基准准确率确实拉到了95%，但代价惊人：单任务烧掉6-11亿Token，成本上百美元。长文本推理跟机器人毫秒级实时控制天生矛盾，手滑要下一轮才能发现，亚毫米级精细操作成功率仅10%。说白了，用大语言模型驱动机器人，每一步都在 "说话"，但说得多、慢且贵。

OpenAI在岸上谈"异星心智"，乐享已经让它下地干活

就在直播前几天，OpenAI首席科学家Jakub Pachocki发表了一篇长文，指出：AI正在形成一种与人类完全不同的"异星心智"，递归式自我提升让它越来越难以被人类理解，我们需要警惕这种不可预测性。

很少有人注意到一个细节：乐享科技7月底上线的以太官网上，早就把几乎一模一样的逻辑写得明明白白——分层自进化架构、神经元动态分配、目标与价值分离、递归式自我迭代。甚至"星外来客"的提法，比OpenAI的"异星心智"还要早。

OpenAI站在岸上讨论水有多深、多危险；乐享科技则直接跳进水里，把这套"心智"装进机器人，让它去烤串、去应对刁难、去真实世界试错。一个还在为"机器会不会有自己的想法"焦虑，一个已经让机器在烟火气里自己琢磨着把串烤好。

这不是谁抄谁的问题，而是下一代智能的竞赛，已经从"能不能想出来"，变成了"能不能落地跑起来"。

三个拐点，正在改写具身智能的游戏规则

这场直播真正的价值，不在于机器人烤了多少串，而在于它重新改写了具身智能行业的游戏规则。

1、 从"秀动作"到"做事情"

8月份，超维动力乒乓机器人对阵奥运冠军丁宁，银河通用网球机器人对阵名将郑洁，现场效果炸裂。但这类表演本质是"小脑"的胜利——毫秒级反应、轨迹预测、挥拍控制，场景高度结构化：球台球场固定，任务单一，就是把球打回去。

而乐享科技烧烤直播考验的则是"大脑"：临时加单能不能理解？盘子被挪了能不能调整？两台机器能不能自己分工？小脑再强，不等于大脑已经能自主决策。动作漂不漂亮不重要，被打断了能不能续、环境变了能不能适应、出了错能不能自己修正，这才是商业化前提。

2、 从"软硬件绑定"到"大脑通用"

此前，行业默认的逻辑是"一硬件一算法"——每家机器人公司都要从头训练自己的模型，适配自己的硬件。但以太大模型证明了：同一个大脑可以装进不同的身体。智元能用、宇树能用，未来任何品牌都能用。如果这条路走通，硬件厂商和智能厂商的分工将彻底重构——硬件专心做身体，软件专心做大脑。

3、 从"堆数据"到"拼架构"

如今，行业已经陷入数据军备竞赛的死胡同：数据越采越多，成本越来越高，但泛化能力依然很差——没见过的场景就是不会。乐享科技的路径恰好为行业竞赛提供了一条新的思路，即不靠数据量堆，靠架构让模型理解物理规律。重力、摩擦、惯性，这些东西不用每个场景都学一遍，懂了规律就能举一反三。

结语：

乐享科技说过一句很狂的话："机器人的ChatGPT时刻，就是要放弃ChatGPT。"

过去，我们都以为给机器人装上大语言模型，听懂人话再翻译成动作即可。但文字描述有自身局限性，比如不知道火候——几分熟是"嫩"？几分熟是"老"？也描述不了手感——抓杯子用多大劲？每翻译一次，物理世界的信息就丢一层。

而真正的具身智能，应该像人一样：视觉、触觉、力觉直接驱动动作，不用在脑子里把每件事都翻译成文字再去执行。

当通用的机器大脑真的出现，当机器人不用把世界见过一遍才能干活，具身智能的商业化成本才会真正崩塌。

而当那天到来的时候，我们可能才会回头意识到：8月底那段粗糙的10分钟视频，9月那场烟雾缭绕的烧烤摊直播，就是一切的起点。