AI有了身体！启元机器人加码下一代「超级终端」

不知不觉间，生成式AI的爆发已经走过了将近四个年头。如果回看这几年的发展，你会发现AI的进化速度堪称恐怖。从最初只能一问一答的单一文本模型，迅速进化到如今融合视觉、听觉的多模态世界模型与AI Agent（智能体），整个数字世界都发生了翻天覆地的变化。

作为我们接触AI的主要渠道，手机与电脑在这次AI爆发中受到的影响是最明显的。现在大家只要对着手机喊一嗓子，系统内置的AI Agent就能自动帮我们跨应用比价、点外卖、买景区门票，甚至整理几十页的会议纪要。

这不禁让人畅想：既然当年电脑能从机房走向个人桌面，如果现在也能像拥有个人电脑一样，拥有一个能直接替我们动手的“个人机器人”，该有多好？

这么想是有原因的，因为无论手机里的Agent多聪明，它的所有操作依然被死死困在那块二维屏幕里。所以，AI对物理世界的影响仍然停留在数字层面，一旦涉及拿快递、收拾桌面或者面对面的实体陪伴，它依然得通过“人”的手脚才能真正接触到物理世界。

不过，随着Agent自主规划能力的增强，以及世界模型对物理规律理解的不断深入，AI已经开始具备看懂真实环境、拆解物理任务并付诸行动的潜力。而想要捅破数字与现实之间的这层窗户纸，具身智能无疑是最为关键的一环。

正如黄仁勋在GTC大会上所说的那样，继感知AI、生成AI、代理AI之后，“物理AI”正在成为人工智能的下一波浪潮。从国家“十五五”规划将具身智能列入六大未来产业，到工信部公布2026年上半年我国人形机器人产量突破4万台、全年预计突破10万台，可以说整个赛道都在加速狂奔。

虽然之前大家聊到机器人，第一反应可能还是“进厂打螺丝”，但在消费领域其实也有不少进展。比如，上纬新材旗下的消费级具身智能品牌——启元机器人就在10月25日完成了第5000台机器人的正式下线，并在近日亮相腾讯全球数字生态大会。而他们的主打产品启元Q1与启元T1，都正是面向个人与家庭场景的机器人。

最初小雷以为，个人机器人离普通家庭还很遥远。但是在看完启元机器人在技术、生态以及量产等方面的进展后，我才意识到物理AI走进千家万户的速度，可能会比想象中快得多。

从“大脑”到动作执行，启元如何训练一台机器人？

很多朋友可能会好奇：现在的机器人在视频里翻跟头、跳舞已经相当丝滑，运动能力这么强，为什么还不能帮我干活？

说实话，机器人进家庭比进工厂难了至少一个数量级，因为工厂产线是高度标准化的，而家里是极其复杂的“非结构化环境”。你随手乱丢的外套、跑来跑去的宠物、每天换位置的茶杯，这些充满随机性的变动，让机器人每次都需要进行新的适应。

可以说，如果不能同时具备环境感知、任务规划、动作执行和持续学习等能力，机器人进家门大概率只能“抓瞎”。用上纬新材、启元机器人CEO田华的话来说，要把具身智能推向物理AI，必须跨过感知规划难、任务执行难、场景价值难这三道关卡。

那么启元机器人是如何解决这个问题的？首先，在“大脑”层面，启元采用了“通用大模型+自研具身模型”协同的方案。在认知层，启元机器人依托自研的“启元大脑”快速适配GPT-6 Astra，吸纳其在环境理解、复杂推理与任务规划上的优势；而在执行层，则交由自研VLA具身模型以及Prime系列的全栈模型家族，负责高频物理交互和精细动作控制。

啥意思？翻译成人话就是：让通用大模型管“想明白”，让自研具身模型管“做得到”。

看到这里可能有人要问了：“家庭环境千变万化，总不能在实验室搭一万个客厅，让机器人挨个试错吧？”这要求企业必须把训练的“学费”打下来。

其一，是解决真实数据采集难。这不得不提启元机器人的一项突破：HIL-UMI后训练技术。

这项技术有多给力？这么说吧，传统训练方式需要工程师一对一操作昂贵的机器人本体来采集数据，效率极低。而HIL-UMI大幅降低了对真机本体的依赖，人类只需穿戴或手持设备进行正常操作，系统就能实时比对模型预测与真人操作的差异、定位能力盲区，并直接将动作转化为可训练轨迹。

在官方给出的数据里，同等预算下，传统真机只能采集100条数据，而HIL-UMI能采集10000条数据，整体采集效率提升了5.63倍。同时，启元机器人还以少量真机数据作为“锚点”，防止生成数据跑偏，并跑通了“数据量+任务量”的二维Scaling Law。随着数据量和任务量同步扩展，新任务的初始成功率越来越高，所需样本量持续下降，实现了“越学越省”，而不是换个场景就得重新训练一遍。

其二，是解决仿真训练环境失真。就在近日，启元具身研究中心发布了启元PrimeSim世界模型，直接登顶了EWMBench和WorldSimProbe两大机器人权威榜单。简单来说，PrimeSim是一款面向机器人操纵任务的世界模型仿真器。它基于预训练视频生成模型，经由中训练、后训练两阶段改造，具备替代传统仿真器的交互推演能力。

测试表明，它模拟的策略成功率与传统物理仿真器的相关系数高达0.99。这意味着，启元可以在虚拟环境里以极低成本进行海量强化学习，再无缝迁移到现实世界。目前，新本体适配仅需100-200步微调，单卡A100推理速度10.12 FPS。

正如启元机器人首席科学家董豪所言：“预训练提升下限，后训练决定上限。具身智能的上半场，大家都在拼谁先拿大模型把机器人点亮，但下半场，要拼的就是谁能用最低的边际成本和最快的速度，去构建机器人的纠错网络。”凭借HIL-UMI与PrimeSim这套“数据采集+仿真推演”的组合拳，启元已经在下半场的效率战中抢占了先机。

机器人想进家庭，先得有自己的应用生态

不过，在雷科技看来，搞定硬件和模型只是第一步。机器人如果只会跳舞，那么刚买回去的头两天可能还觉得新鲜，但很快就会被丢在角落吃灰，可能只有朋友来访时才会带出来溜达一下。所以，个人机器人还有一个很现实的挑战：用户把它买回家后，究竟能天天用来做什么？

手机之所以成为每个人离不开的终端，是因为围绕通信、支付、娱乐、工作等需求，已经形成了成熟的应用生态。个人机器人同样如此，想要成为“下一代个人智能终端”，机器人必须建立起属于自己的应用生态。而启元机器人选择了两条腿走路：一边自建开发者生态，一边接入超级互联网生态。

首先是自研方面，启元机器人推出PrimeHub元创工坊与PrimeFlow平台。其中，PrimeHub提供了一站式的技能创作、仿真与真机验证平台，验证后的优质Skill可一键发布到应用商店；而PrimeFlow则支持用一句话或一张图定制机器人的性格、动作与外观。

同时，启元机器人还开放了全栈SDK/HDK接口，兼容ROS/ROS2生态，并推出了5年投入10亿元的“启元星生态计划”，目前已有超1000名开发者参与共创。说实话，这套组合拳颇有当年安卓开源生态星火燎原的味道。

除了自建生态，启元机器人更聪明的一步棋是与现有的互联网超级生态进行合作。在10月29日的腾讯全球数字生态大会上，启元机器人作为首个接入WorkBuddy的具身智能企业，也成为WorkBuddy进入物理世界的入口，并接入了腾讯云三层AI能力体系。

什么概念？如果把掌握10万+ Skill的腾讯WorkBuddy看作“数字大脑”，那么启元机器人下线的5000台机器人，就相当于为它提供了5000具“物理身体”（启元机器人将其称为Buddy with Body，别说还挺上口）。

目前，启元Q1和启元T1已经打通了腾讯会议、微信读书、QQ音乐、咖啡订餐、绘本生成等技能。这些能力结合在一起，就让物理AI具备了“感、思、随、行”的四大能力，可以说距离真正成为一个可靠的物理随身助手又近了一步。

在大会现场，启元机器人就直接做了两个演示。一个是在办公场景下，你只需对启仔说一句“查日程”，它就能调用WorkBuddy查询腾讯会议安排，还能在你随口吩咐后自动加载Skill，帮同事下单买好咖啡，再带你去会议室。而在家庭场景下，一句话就能让它联动WorkBuddy实时生成图文绘本，并配合肢体动作讲给孩子听。

在AI Agent与具身智能的协同下，普通人只需要用自然语言就能编排和调用技能，而真实交互数据又能反向优化WorkBuddy对物理世界的理解。可以说，启元机器人与WorkBuddy的合作，真正做到了“数字大脑+实体身体”的双向迭代。

机器人交付不是终点，OTA才是长期体验的起点

不过，聊完生态，我们还是得回到制造业最残酷的现实：如果造不出来、交不了货，那么一切都是零。

机器人的量产其实一直都是许多厂商面临的问题。一台外观看似简洁的机器人，其内部却涉及关节、电机、传感器、线束、运动控制等多种硬件与算法。能够做出一台演示样机，并不意味着就具备了量产的能力，甚至可以说这是两个完全不同的工程问题。

从9月20日启元Q1与启元T1发售，到10月25日第5000台机器人下线，启元机器人仅用了35天，日产能从10余台提升至200余台，产线最快每2.5分钟就有一台整机下线。如此快速的量产，启元机器人又是怎么做到的？

首先，作为上纬新材旗下企业，启元机器人本身就具备不错的工业生产和制造底子，同时还与沪光股份等产业链伙伴开展制造协同，将汽车零部件领域的精密制造、成熟工艺和质量追溯经验引入机器人生产，以此建立起消费级机器人的成熟制造体系。

这对于整个行业来说都有着不一样的意义，因为消费级产品首先需要产量，其次需要稳定，用户要的也不是实验室里那些昂贵的定制产品。

除了解决制造难题，启元机器人也考虑到了机器人的长期体验问题。毕竟用户买回家，肯定不是只为了一时爽，甚至可以说交付才是整个体验的开始。所以，启元机器人将在未来进一步完善OTA升级体系，让机器人具备更丰富的能力。

有消息透漏，下一阶段，启元机器人会首先对三个用户常用场景进行升级。一是联动有道Hi Echo开展儿童英语、雅思口语等练习，并生成音素级纠错诊断报告；二是提升复杂环境下的智能跟随能力；三是结合腾讯的实时音视频能力，实现远程视频通话、远程操控机器人等功能，让机器人变成你的“数字分身”，陪伴家人。

在雷科技看来，机器人与其他消费级产品最大的不同在于，产品发布其实只是开始。真正的关键是，机器人进入用户生活后，能否持续迭代，为用户带来不断升级的体验。这也会成为未来机器人企业的竞争核心。

物理AI，让机器人真正走进现实世界

当我们回看智能终端的发展历史，电脑首先实现了人与信息的连接，而手机则让这种连接变得随身，而在AI时代，个人机器人则是让AI拥有穿过屏幕，进入物理世界的能力，并以此成为连接数字、物理与人类世界的“下一代智能终端”。

这也是为什么，“物理AI”会成为接下来整个赛道的竞争核心，因为它将推动具身智能技术从过去的“单点突破”迈向“综合能力比拼”。为什么这么说？运动能力、执行能力等方面的单点突破，顶多让机器人获得留在工厂或实验室的资格；想要让其真正发生质变，还需要物理AI的深度介入。

物理AI能让机器人不再只是机械执行预设代码的机器，而是真正拥有感知和理解复杂三维物理世界的能力，同时还能听懂人话、自主拆解任务、规划步骤并付诸行动。说白了，这正是机器人得以从工厂产线和实验室里走出来，真正走进大街小巷、融入千家万户的关键。

这时候再看启元机器人近期的这一系列大动作，无论是底层适配GPT-6 Astra、结合自研VLA具身模型，还是用HIL-UMI技术把训练“学费”打下来，抑或在应用层作为物理世界入口接入腾讯WorkBuddy十万级技能生态，其实全都是在为这一刻做准备。

随着物理AI技术与应用生态的双向成熟，毫无疑问，能够走出屏幕、在现实世界里陪伴和行动的个人机器人，将会成为许多人家里不可或缺的“下一代智能终端”。