這兩年看機器人行業的新聞，很容易產生一種 “通用機器人馬上就要走進生活” 的錯覺。今天這家發個端咖啡的視訊，明天那家秀個疊衣服的演示，畫面絲滑，動作精準，彷彿明天就能上崗替代人工。可真到了真實場景裡，換個品牌的礦泉水、把桌子墊高兩釐米、走廊多了個障礙物，剛才還無所不能的機器人，立馬就卡殼、掉件、原地打轉。
到底是那裡出了問題？
WAIC 2026 開幕前夕，大曉機器人創始人陶大程在一場媒體群訪裡，沒有放出新的炫技演示，反而拋出了即時零售、開放巡檢、酒店洗衣三個聽起來一點都不 “科幻” 的落地場景，同步還將牽頭舉辦 WAIC 唯一聚焦具身世界模型的 “六小龍巔峰論壇”。
整場交流聽下來，最核心的一句話是：
“我們的目標，是把世界模型從“生成內容”推進到真正“服務行動”，用任務成功率、人工接管率、恢復能力、安全性、時延和營運成本檢驗技術，而不是用視訊效果證明技術。”
選三個 “不性感” 的場景，大曉在算一筆什麼帳
很多人不解，機器人參展，不都選最容易出視覺效果的場景嗎？端茶倒水、寫字畫畫，隨便拍個特寫都能刷屏。為什麼大曉偏偏挑了即時零售分揀、園區開放巡檢、酒店客房洗衣這三個，聽起來就瑣碎又複雜的活兒？
陶大程的答案很直白：這三個場景，剛好對應了機器人落地真實世界的三類核心控制難題，沒有一個是靠 “演” 能矇混過關的。
即時零售場景，要面對成千上萬種 SKU、軟的硬的奇形怪狀的包裝，還要保證連續履約的穩定性，考的是機器人對海量柔性物體的操作能力；
開放巡檢場景，要長時間在開放環境裡跑，維護自身狀態、識別異常、多機協同調度，考的是長時程任務的狀態保持能力；
酒店洗衣場景，要識別衣物、規劃操作步驟、連續完成取放分揀，出了錯還得自己恢復，考的是順序規劃、失敗自癒的綜合能力。
這三個場景加在一起，剛好能完整驗證大曉對 “合格具身世界模型” 定義的五項核心能力：能不能保留足夠的控制狀態、能不能提前預判不同動作的結果、懂不懂動作和後果的因果關係、能不能靠記憶完成長任務、能不能從失敗裡自己進化。
也正是基於這三個場景，大曉在本屆 WAIC 上帶來了小滿、小圖、小新三套行業方案 —— 沒有花裡胡哨的概念，就是瞄準真實行業痛點的落地產品。小滿負責即時零售的全流程履約，小圖專注開放場景的無人巡檢，小新深耕酒店後勤的自動化操作，三套方案背後，都是同一個具身世界模型在支撐。
在陶大程看來，判斷世界模型的好壞，標準從來不是視訊拍得有多逼真，而是一組非常務實的數字：任務成功率高不高、人工接管多不多、出問題能不能自己恢復、安不安全、響應快不快、營運成本降沒降。說白了，能幹活的模型，才是好模型。
卷 “千萬小時資料”？無效資料，再多也沒用
這兩年機器人行業的軍備競賽，除了參數，就是資料時長。你說百萬小時，我就喊千萬小時，好像時長越長，技術就越厲害。
但陶大程直接給這股風潮澆了冷水：資料的核心價值，從來不是時長，而是控制資訊密度。
很多人對機器人資料的理解，還停留在大語言模型的思路里 —— 爬越多的視訊，喂給模型，就能越聰明。但真實情況是，普通的觀察視訊，只能幫機器人建立基礎的物理常識，比如東西掉了會往下落；真正決定機器人能不能把東西抓穩、會不會摔、出錯了怎麼救的，是那些帶接觸、帶力覺、帶失敗過程、帶恢復路徑的真機資料。這類資料規模不大，但每一秒都對控制能力有直接貢獻，價值遠高於幾十上百倍的普通視訊。
大曉現在的資料體系，走的是分層路線：百萬小時級的開放世界視訊打底，十萬小時級的人類第一視角資料學意圖和任務分解，再加上真機互動、失敗恢復的高價值資料做核心訓練，也就是陶大程提到的 “開悟（Kairos）” 課程式學習體系。
更關鍵的是，大曉評判資料的標準，不是 “有沒有採集到”，而是 “能不能幫模型少犯錯”。尤其是最稀缺的失敗資料，不是標個 “失敗” 標籤就有用。要看它有沒有完整記錄失敗前的狀態、動作指令、受力變化、失敗結果和恢復過程，能不能歸因到底是感知錯了、動作錯了還是外力干擾，能不能遷移到其他場景。只有滿足這些條件的失敗資料，才是能幫機器人成長的 “有效資產”，否則就是佔記憶體空間的垃圾。
這也是為什麼陶大程會說，當前物理 AI 商業化的最大瓶頸，不是硬體不夠好，也不是模型不夠大，而是缺少能形成閉環的高品質互動資料，缺少把資料和真實部署連起來的基礎設施。機器人換個環境就不會幹活了，本質上就是資料裡沒見過足夠多的 “意外”，只學會了標準路徑，沒摸透邊界在那。
統一世界模型，不是一個大模型包打天下
現在行業裡關於具身大腦的路線吵得不可開交：有人做 VLA 視覺語言動作模型，有人做純模擬路線，有人把動作拆成原子任務，還有人喊著統一世界模型。
陶大程沒有否定任何路線，但明確了大曉的選擇：做統一世界模型，核心是把理解、預測、行動整合到一起，共享同一個通用世界狀態。
很多人以為統一世界模型，就是做一個超大的模型，什麼都能幹。其實不是，大曉的機器人大腦，是一套 “共享認知、分層計算、閉環協同” 的體系，核心是兩個模組配合：ACE-Brain 和 Kairos。
簡單說，ACE-Brain 管 “認知和行為”，解決 “我在那、我要做什麼、現在做到那一步了” 的問題。從空間感知到任務拆分，從導航執行到進度檢查，形成 “看見 - 思考 - 行動 - 檢查” 的完整閉環，相當於機器人的 “認知中樞”。
而 Kairos 管 “物理後果”，解決 “我這麼做了會發生什麼、會不會失敗、有沒有更好的辦法” 的問題。它不需要記住世界的所有像素細節，但必須牢牢記住物體狀態、空間關係、接觸條件、失敗風險這些和控制直接相關的資訊，相當於機器人的 “物理預判系統”。
一個管方向，一個管風險，再加上底層的動作執行系統配合，才是完整的具身大腦。不是一個大模型包打天下，也不是零散的小模型拼湊，而是圍繞同一個控制目標搭建的協同體系。
這套體系還有一個關鍵價值：解決跨本體的資料復用問題。現在行業裡一個很大的痛點是，A 機器人採集的資料，B 機器人用不了，換個本體就得重新采資料、重新訓練，效率極低。大曉的思路是，把所有不同來源、不同本體的資料，都對應到同一個 “事件空間” 裡，用統一的標註體系去定義接觸、滑動、碰撞這些物理事件。這樣一來，不管是機械臂、輪式機器人還是未來的人形機器人，積累的物理經驗都能互相復用，相當於做了一套 “物理經驗的作業系統”。
六小龍聚首 WAIC，行業要從 “比炫技” 轉向 “拼落地”
這場群訪之外，更值得關注的，是 7 月 19 日下午將在上海世博中心 1F 銀廳 C+D 舉辦的WAIC 世界模型 “六小龍” 巔峰論壇。
作為本屆 WAIC 唯一聚焦 “世界模型與具身智能深度融合” 的核心論壇，大曉拉來了螞蟻集團、星海圖、智元、輝達等產學研的頂尖玩家，主題就一個：物理 AI 怎麼從 “理解世界” 真正跨越到 “執行任務”。
過去兩年，世界模型的概念火遍了 AI 圈，但大多停留在生成視訊、理解語義的階段，真要落到機器人控制上，總隔著一層紙。這次論壇的核心目的，就是拉著行業裡最頭部的玩家一起，把這層紙捅破，圍繞世界模型怎麼支撐機器人真實行動，形成更廣泛的行業共識。
畢竟現在整個行業都走到了一個關鍵節點：一邊是技術快速迭代，一邊是各家都喊出了量產目標。技術還沒完全成熟，量產就已經加速，這矛盾嗎？
陶大程的判斷很清晰：一點都不矛盾。不是等技術完全成熟了再去量產落地，而是量產和部署本身，就是技術迭代的核心環節。大語言模型是先有海量資料再訓練模型，機器人反過來，必須先有真實部署，才能積累到真正有價值的互動資料，才能形成 “部署 - 資料 - 模型 - 再部署” 的閉環。沒有真實場景裡摔過的跟頭，再大的模型，也只是紙上談兵。
而未來三到五年，具身智能公司真正的護城河，也從來不是某個獨家的模型架構，而是閉環學習的速度。誰能更快地把真實場景裡遇到的新錯誤，轉化成模型的新能力；誰能在每一次部署裡，都讓整個系統變得更聰明，誰才能真正笑到最後。畢竟架構可以抄，參數可以堆，但真實場景裡積累的異常資料、恢復策略、閉環體系，是要靠時間一點點磨出來的，抄不走，也買不來。
寫在最後
這兩年看多了機器人行業的 “演示奇蹟”，反而越來越覺得，敢把產品放到瑣碎、複雜、不完美的真實場景裡去考驗，才是真正的底氣。
大曉這次在 WAIC 的一系列動作，不管是三套落地行業方案，還是牽頭六小龍巔峰論壇，本質上也在給行業指路 ——具身智能的故事，終究不能只活在演示視訊裡。世界模型的終點，是讓機器人在真實世界裡，穩穩當當地把活幹好。
從 “理解” 到 “執行”，這一步跨過去，物理 AI 才算真正走進了現實。
以下是2026大曉機器人WAIC媒體群訪記錄內容
網易科技：
“本屆WAIC上，大曉機器人將展示“小滿”“小圖”“小新”等行業方案。為什麼優先選擇即時零售、開放巡檢和酒店洗衣三個場景？世界模型六小龍巔峰論壇又將傳遞那些行業訊號？”
陶大程：
“大曉選擇的這些場景，並不是為了完成一次性的演示，而是因為它們分別對應不同類型的控制問題。即時零售需要處理大量商品、柔性包裝和連續履約任務；開放巡檢需要在長時間運行中維護狀態空間、異常資訊和多機任務；酒店洗衣則涉及定位識別、順序規劃、連續操作以及失敗恢復。
這三個場景可以共同驗證具身世界模型的五項核心能力：是否保留控制充分狀態，是否能夠在執行前比較不同動作，是否理解動作與結果之間的因果關係，是否能夠借助多時間尺度記憶完成長時程任務，以及是否能夠從失敗、恢復臨界狀態和接觸資料中持續自我進化。
我們的目標，是把世界模型從“生成內容”推進到真正“服務行動”，用任務成功率、人工接管率、恢復能力、安全性、時延和營運成本檢驗技術，而不是用視訊效果證明技術。
論壇的具體嘉賓、議程和發佈內容，以大會及公司最終公開資訊為準。大曉希望借助論壇匯聚學術界、產業界和生態夥伴，共同探索世界模型如何推動機器人進入真實物理世界，並圍繞模型如何從理解世界走向支撐行動形成更廣泛的行業共識。具身世界模型應以降低行動代價為目標，具備多動作分支推演、動作後果建模和多時間尺度記憶能力，同時重新認識失敗、恢復臨界狀態與接觸資料的價值，推動世界模型從技術研究走向真實機器人的閉環。”
億邦AI：
“大曉提出今年實現百萬小時、明年實現千萬小時的資料目標。兩個數量級分別基於什麼判斷？目前進展如何？”
陶大程：
“百萬小時和千萬小時對應兩個不同階段。百萬小時主要用於完成基礎覆蓋和資料引擎驗證，包括建立開放世界物理先驗、人類任務結構、第一視角互動與機器人相關場景的基本組合，同時驗證採集、鏡頭切分、去重、過濾、標註、記憶體和訓練吞吐能否穩定運行。
千萬小時主要面向長尾覆蓋，需要納入更多物體屬性、工具、環境和行為組合，以及罕見接觸事件、跨文化家庭與不同產業場景，為更大模型和更多下游任務提供足夠的多樣性。核心不是簡單增加時長，而是實現對模型能力提升真正有價值的資料增長。
大曉評估資料時，還會考慮有效時空Token、覆蓋率和邊際收益，包括片段時長與清晰度、去重後的新穎性、物理事件完整度、任務相關性、控制資訊密度和標註可信度。普通觀察視訊數量較大，主要用於建立廣泛先驗；人類第一視角資料權重更高，主要服務於意圖理解、工具使用和任務分解；機器人接觸、失敗恢復和動作對齊資料規模相對較小，但對world-action訓練的貢獻更直接。
開悟（Kairos）採用從開放世界視訊、人類行為到機器人互動的課程式學習。開放世界視訊達到百萬小時量級，人類行為資料約為十萬小時量級，也說明不同階段資料的價值並不相同。每增加一批資料，都要觀察驗證損失、物理合理性、指令對齊、跨對象與跨環境泛化、動作預測、失敗預判，以及真實策略提升的邊際變化。
目前團隊已匯聚約11萬小時human-centric實景資料和數百萬小時網際網路真實視訊。百萬小時和千萬小時目標的具體完成進度，仍以公司後續公開資訊為準。”
億邦AI：
“大曉如何把控資料採集質量？目前有效訓練資料的佔比是否可以透露？”
陶大程：
“資料質量不能只用採集時長衡量，更要看資料能否提供與任務相關的世界歷史、動作後果、失敗邊界、收益回報、資料偏差和安全風險資訊。
大曉會通過鏡頭檢測、幀篩選、語義標註等全流程預處理篩選資料並完成結構化；在資料組織上，對開放世界視訊、人類行為互動資料和機器人真機資料進行分層，避免不同來源資料無序混合；同時對視覺、深度、3D幾何、力觸覺、物理屬性、接觸關係、失敗日誌和恢復路徑進行多模態對齊。
具體有效資料佔比目前不便公開，後續以公司正式披露為準。”
億邦AI：
“與其他開展機器人資料採集的企業相比，大曉的獨特優勢是什麼？”
陶大程：
“大曉的核心特點，是資料體系相對完整，能夠把多種來源、不同控制價值的資料組織在同一體系內，從而獲取更高資訊密度的資料。高資訊密度的資料，是訓練具身世界模型、建立動作後果模型和提升真實控制能力的關鍵。”
億邦AI ：
“在硬體、模型、資料、場景四要素閉環中，即時零售、開放巡檢和酒店洗衣，那個場景的協同效率更高？”
陶大程：
“三個場景很難簡單比較誰的協同效率更高，因為它們提供的是不同價值。核心邏輯都是通過真實任務，驗證與控制資訊密度相關的技術要素，以及模型在不同控制問題中的閉環能力。”
新華財經：
“當前具身大腦和世界模型存在多條技術路線，您如何看待這些分歧？”
陶大程：
“目前行業存在多條主要路線。大曉重點推進統一世界模型（Unified World Model），其核心價值是把理解、預測和行動三個體系有效整合，使三部分共享一個通用世界狀態。
在任務執行過程中，共享世界狀態有助於保持觀測、行動和結果之間的因果關係。相較於傳統模型，這一路線更直接地圍繞控制進行最佳化，目標是保證控制資訊的充分性；模型訓練和資料採集也都圍繞這一目標展開。”
新華財經：
“不同技術路線未來會逐漸收斂，還是會針對不同產品和場景長期並存？”
陶大程：
“長期來看，行業目標會逐漸收斂，但技術路徑不一定收斂到單一形態。模型用於生成訓練資料，和模型直接用於真機控制，目標、結構和約束並不相同。最終採用怎樣的技術形態，仍取決於具體任務。”
新華財經：
“當前機器人進入工廠、家庭和開放場景的最大瓶頸是什麼？為什麼機器人換一個環境就可能無法完成原有任務？”
陶大程：
“演算法、硬體和資料都是制約因素。如果必須選出當前物理AI商業化的首要瓶頸，我認為是可形成閉環的高品質互動資料不足，更準確地說，是缺少把資料評價與真實部署連接起來的基礎設施。
許多機械臂和移動底盤已經能夠支撐受限場景，視訊生成、VLA和世界模型也在快速進步，但進入開放環境後，系統仍然不知道會在那裡失敗、為什麼失敗，以及失敗後如何恢復。這也是大曉提出控制資訊密度（CID）的原因。普通成功示教只能告訴模型一條標準路徑，卻很難揭示接觸臨界點、摩擦變化、遮擋誤判、執行器偏差和安全邊界。缺少這些資訊，再大的模型也可能把訓練相關性誤認為真實物理規律。
真實世界的錯誤具有長尾性：大量時間都在正常運行，真正決定可靠性的往往是低頻但高代價的事件。因此，資料必須與模型結構、硬體感知能力協同設計。視覺難以完整觀察微小滑動、受力和形變，還需要觸覺、力矩與機器人狀態控制日誌等互補資訊。
如果動作、觀測和結果在時間上不能對齊，模型就無法學習動作與後果的因果關係；如果世界模型缺少持續狀態、反事實分支驗證和不確定性表達，再好的資料也可能被壓縮成與控制無關的視覺特徵；如果端側延遲超過決策周期，再精準的失敗預測也無法阻止事故。
因此，當前缺少的是一條可觀測、可歸因、可訓練、可校準並能及時呼叫的物理經驗鏈條。瓶頸也會隨場景變化：家庭和開放環境更強調泛化、安全與常識記憶；大規模商業交付則更強調系統整合、維護成本和現場流程。長期來看，競爭焦點將從“有沒有可用本體”，轉向“每一次部署能否提升整個系統的認知能力”。”
新華財經：
“有路線嘗試把動作拆成原子任務，以減少資料需求；也有觀點認為模擬資料配合少量真實資料即可取得良好效果。當前是否已經形成主線路徑？”
陶大程：
“各方目標本質上是一致的，都是希望盡快建構可形成閉環的高品質互動資料體系。差異主要來自驗證成本很高，不同企業會採用不同手段降低高品質資料的獲取成本。
有的企業選擇模擬資料配合高品質真實資料，有的企業將動作拆分為原子任務。這些方案的出發點相同，但那一種最有效，目前仍處於探索階段，需要通過真實效果持續驗證。”
每日經濟新聞：
“一種機器人採集的資料，如何遷移給其他本體使用？大曉如何解決跨本體資料復用問題？”
陶大程：
“這涉及跨本體問題。大曉希望長期建構的核心能力，是跨本體、跨場景物理經驗的作業系統：識別那些經驗具有控制價值，把人類、機器人、模擬和第一視角資料對應到共同事件空間，在部署前比較候選動作，從失敗中恢復，並把真實偏差快速反饋給模型。
高品質、可閉環且精確標註的資料非常稀缺，因此必須通過統一標註體系，把不同本體的資料對應到共同事件空間，再在這一空間內開展模型訓練。這樣才能最大限度地復用不同本體積累的物理經驗。”
每日經濟新聞：
“當桌面高度、物體位置等環境條件發生變化時，機器人常出現動作僵硬。大曉是否正在通過開放環境演算法提升機器人的泛化能力？”
陶大程：
“這是大曉正在長期推進的方向。百萬小時資料主要用於驗證模型基礎能力和體系結構，千萬小時資料則更多用於解決長尾問題。環境尺寸發生變化後機器人無法適應，本質上就是資料長尾和泛化不足。
形成有效泛化，需要足夠多樣的訓練資料幫助模型理解更底層的規律。就像人學習加法，不能只做一道題，而要在不同位數、不同數字組合中理解運算原則，才能泛化到新的問題。
將複雜行為拆解為簡單行為的組合並不是全新的思想。過去行為分析研究已經採用類似方法。未來行業會繼續探索如何以較低複雜度實現動作組合，但仍需要足夠的資料支撐模型形成穩定泛化。”
虎嗅：
“軟硬體分工意味著需要適配大量第三方本體。如果“大腦”理解了任務，但“身體”做不到或做不准，世界模型如何克服不同硬體本體的物理瓶頸和執行誤差？”
陶大程：
“不同本體都需要對應的介面，而介面能力需要相應的資料進行訓練。世界模型訓練中包含三個層次的資料：基礎視訊資料用於獲取廣泛物理經驗；人類行為資料用於學習動作意圖；真機遙操資料用於學習任務與具體機器人本體動作之間的關聯。
因此，適配不同本體必須引入對應類型的介面資料。資料體量和覆蓋範圍，都是實現跨本體泛化所必需的條件。軟體無法憑空突破硬體上限，但可以通過本體適配、狀態反饋和誤差資料閉環，儘可能提高不同硬體的執行可靠性。”
虎嗅：
“腦身協同未來是否會形成類似PC時代Wintel聯盟的軟硬體分工？大腦廠商和本體廠商將如何分配利潤與產業主導權？”
陶大程：
“行業目前仍處於很早期，核心不是如何分蛋糕，而是先把蛋糕做出來，解決終端客戶的實際問題。現階段過早討論利潤分配和主導權意義有限。
未來價值分配會遵循基本的產業規律：如果大腦廠商定價過高，硬體廠商會自己做大腦；如果硬體廠商定價過高，大腦廠商也可能向硬體延伸。依靠單一技術壁壘長期維持優勢並不現實。
真正的核心能力，是系統整合能力和對下游場景的適應能力。技術只有與客戶流程、工程系統和場景交付有效結合，才能形成長期商業價值。”
虎嗅：
“完整機器人參考方案和ODM廠商的出現，會不會加速通用人形機器人的商業化？大曉是否只需要與ODM方案商合作？”
陶大程：
“ODM是產業鏈中的一個重要環節，能夠提高機器人落地效率，但目前還不能認為一套ODM方案可以解決所有問題。是否可以不再與具體品牌、本體廠商和其他生態夥伴合作，現階段還沒有確定結論。ODM模式很有價值，但仍處於持續驗證階段。”
高工人形機器人：
“如何定義世界模型？楊立昆、李飛飛、輝達等不同團隊的研究，是否都屬於世界模型的一部分？具身世界模型應如何評價？”
陶大程：
“當前出現多種世界模型，是一個積極訊號，說明世界模型的基本理念正在影響不同產業和學科。它不僅用於機器人和物理AI，也可以進入科學發現和傳統資訊產業等領域。不同研究都可能從各自任務出發，構成世界模型發展的不同部分。
對於具身世界模型，大曉強調的核心不是全量復刻物理世界的像素，而是圍繞行動控制維護控制充分狀態，以降低行動代價為目標。它需要支援同一狀態下多個動作分支的推演，建立動作與結果的因果模型，通過多時間尺度記憶完成長程任務，並持續利用高控制資訊密度資料提高訓練效率。
判斷模型是否有效，需要建立可復現的benchmark。一個好的具身世界模型評測至少應關注五個維度：第一，模型預測是否真正降低碰撞、滑落、任務中斷和人工接管等行動代價；第二，是否能夠比較不同動作的後果，而不是只續寫一段視訊；第三，更換物體、環境和本體後，是否仍保持動作因果關係；第四，長時程任務中是否能夠維護共享世界狀態；第五，是否能夠識別失敗、恢復臨界狀態和接觸邊界。同時還要把時延、視訊記憶體、通訊和能耗納入評價。
本屆WAIC期間，大曉將聯合權威高校和機構發佈相關評測，希望以公開、客觀、可復現的方式，為行業判斷世界模型能否真正支撐機器人行動提供參考。標準化benchmark不能替代真實營運指標，更合理的是形成“雙評價體系”：benchmark提供可橫向比較的技術尺度，真實場景則用任務成功率、人工接管率等營運指標檢驗產業價值。”
高工人形機器人：
“面對千萬乃至上億小時的資料目標，真正可以規模化的資料獲取模式應當是什麼？眾包、模擬和環境式採集應如何選擇？”
陶大程：
“不同資料模式都很重要，關鍵不是選擇唯一模式，而是如何整合不同資料，快速形成有質量、有價值的規模。單一資料類型即使快速增長，如果缺少其他資料配合，也不一定能形成健康的資料體系。
網際網路視訊、環境式素材、真機資料和模擬資料解決的是不同問題。環境式素材不能覆蓋所有本體控制問題，網際網路視訊也不足以讓機器人直接完成真實任務；現實中難以安全獲取的失敗資料，則可以通過模擬補充。
因此，不同資料獲取方式應形成互補。更關鍵的是，採集後如何組織這些資料，並匹配模型結構與課程式訓練。機器人世界模型不能像大語言模型那樣，把不同來源的資料簡單混合後直接訓練，而需要圍繞控制目標進行更精細的分層、對齊和調度。”
新浪財經：
“一方面資料和演算法仍在發展，另一方面國內外機器人企業已經提出較高的量產目標。如何理解技術尚未成熟與量產加速同時發生？”
陶大程：
“未來資料競爭會從“誰擁有更多小時”轉向“誰能夠持續獲得更高資訊密度的經驗”，但這並不意味著規模不重要，而是要建構有質量的規模。開放視訊用於覆蓋廣泛的物理和語義先驗，真正決定控制上限的，是能夠顯著降低決策不確定性的片段。
成功資料很重要，失敗資料也能有效提升模型泛化，但不能機械放大失敗樣本。任何資料都要判斷是否接近真實任務分佈、失敗原因能否歸因、狀態能否復現。未來資料系統會從靜態倉庫變成主動實驗者，根據模型當前最不確定、最容易出錯的區域，決定下一階段採集什麼。
這與主動學習（active learning）的思想相近：不必反覆採集機器人已經完成得很好的資料，而應優先採集容易出錯、決策不確定性高的資料。資料資產的衡量，也將從總小時數轉向有效控制小時數和學習產出。真正的資料壁壘，是一套能夠持續發現未知、驗證原因、回收部署反饋並更新模型的閉環。”
新浪財經：
“大規模量產的核心目的，是形成資料閉環和飛輪嗎？”
陶大程：
“量產和部署是機器人積累原始資料資產的必要過程。大語言模型早期首先解決資料規模問題，模型能力達到一定階段後，行業才逐漸發現粗糙網際網路資料無法持續提升能力，轉而重視高價值標註資料。機器人也有類似規律。
早期必須先達到一定資料規模，才有條件進一步討論資料質量。如果沒有真實部署和重複訓練，世界模型、VLA等模型都很難達到基本可用狀態。因此不是“先完成技術迭代，再考慮量產”，而是量產和部署本身就是技術迭代的一部分。總體路徑是先有量，再有質；達到一定規模後，質量將成為最重要的因素，行業需要實現有質量的增長。”
新浪財經：
“大曉機器人的量產計畫是否可以透露？”
陶大程：
“相關量產計畫以公司後續正式公開資訊為準，目前不便進一步披露。”
具身智能觀察室：
“開悟（Kairos）的核心是支撐行動決策的控制充分狀態，而不是生成逼真畫面。技術上應通過那些實驗，證明模型學到的是穩定控制變數而非資料偏差？”
陶大程：
“控制充分狀態不能靠幾段看起來合理的視訊證明，而要轉化為可以證偽的實驗命題。嚴格來說，把完整觀測與動作歷史壓縮為內部狀態Z後，基於Z做出的最優動作，其真實物理成本應儘量接近基於完整歷史所能達到的最優成本。這裡的成本不僅包括任務是否完成，也包括碰撞、滑落、不合適的接觸力、人工接管、恢復時間和虛實偏差。
第一步是Representation Probing。凍結內部狀態Z，或採用few-shot微調，預測任務進度、對象狀態、接觸穩定度、失敗事件、安全風險和Sim2Real gap，並與通用視覺embedding、視訊重建latent及純VLA特徵對比。如果內部狀態只能改善畫面連續性，卻不能精準預測控制變數，就不能稱為控制充分。
第二步是因果壓力測試，即“無關變化不敏感、關鍵干預高敏感”。在任務物體幾何和動作不變的情況下，系統改變背景、紋理、語言描述、攝影機和無關物體，內部狀態和動作預測應保持穩定；只改變支撐面、重心、摩擦、接觸點、夾爪速度和力矩限制時，模型則應對控制結果產生相應變化。同時還需要開展記憶消融實驗。
第三步是匹配初始狀態的反事實與閉環實驗。對同一物體狀態精確復位，分別執行左抓、右抓、快抓、慢抓等動作，比較模型預測分支與真實rollout之間的關係，檢查接觸事件誤差、成功失敗判斷、動作質量評估和不確定性校準。”
具身智能觀察室：
“ACE-Brain與開悟（Kairos）在機器人智能全鏈路中分別承擔什麼角色？未來的大曉機器人大腦是單一大模型，還是多模型與工程系統協同？”
陶大程：
“ACE-Brain和Kairos解決的是相互銜接、側重點不同的問題。簡單概括，ACE-Brain負責組織機器人的認知和行為，Kairos負責建立機器人對物理世界及行動後果的內部模型。
ACE-Brain 0首先回答機器人如何理解自身所處空間，把空間智能作為智駕、無人機、機械臂和其他機器人本體可以共享的認知支架，學習物體位置、對象關係、可通行或可操作區域，以及如何把第一視角觀察轉化為穩定的三維空間理解。它說明不同本體雖然動作方式不同，但可以共享對空間、對象和場景結構的認知。
ACE-Brain 0.5進一步從“看懂世界”走向physical agentic AI，把空間感知、任務規劃、導航與操作執行、進度評估和錯誤恢復連接起來，形成“看見—思考—行動—檢查”的閉環，回答使用者要完成什麼、那些對象與區域相關、任務如何拆分、下一步做什麼，以及執行後是否取得進展。
Kairos更關注物理後果：機器人這樣行動後世界會怎樣變化，不同動作會造成什麼結果，那裡可能發生滑落、碰撞或任務失敗，那些歷史資訊必須持續保留。它把視覺、語言、機器人狀態、觸覺、力和歷史行動壓縮成控制充分狀態，不需要保存世界的全部細節，但要保留對象狀態、空間關係、接觸條件、任務進度、動作後果、失敗風險和預測不確定性。
因此，大曉既不是把彼此割裂的多個模型鬆散拼接，也不是期待一個模型取代全部軟體和控制系統，而是形成“共享認知、分層計算、閉環協同”的統一機器人大腦。ACE-Brain提供“我在那裡、我要做什麼、做到那一步”的認知主線；Kairos提供“這樣做會發生什麼、風險在那裡、是否有更好選擇”的物理主線；動作專家和工程系統則負責把認知可靠地轉化為現實行動。”
具身智能觀察室：
“失敗與恢復資料難以採集。大曉如何判斷一段失敗資料是高價值資產，還是應被剔除的無效資料？”
陶大程：
“失敗資料的價值不在於“失敗”標籤本身，而在於它是否提供可解釋、可驗證、可遷移的控制資訊。需要判斷樣本是否包含失敗前狀態、動作命令、機器人狀態、接觸或受力變化、失敗結果、人工接管和後續恢復，這些訊號是否在時間上對齊；失敗是否發生在正常任務路徑中；原因能否區分為感知錯誤、動作選擇錯誤、接觸力錯誤或外部干擾。
工程上可以分為三層。第一層是基礎質量控制，剔除模糊、重複和缺失關鍵資訊的資料。第二層是因果結構化，把片段標記為contact、slip、collision等事件，建立“對象—動作—接觸—狀態轉移”的關係，例如視覺顯示物體滑落時，夾爪角度、力矩、觸覺和末端軌跡能否共同解釋該過程。
第三層是控制價值評分，判斷事件是否可歸因、可恢復，是否只是對同類問題的重複採樣，並據此形成控制資訊密度評分。最終還要通過訓練後的實際貢獻反向驗證資料價值。
同一條資料對不同模型的價值可能不同。如何用機器學習方法判斷資料對當前模型是否產生實際增益，是一個複雜的長期工程，不可能一蹴而就。”
具身智能觀察室：
“未來三到五年，具身智能公司的核心壁壘將來自那裡？大曉最希望長期守住的不可替代優勢是什麼？”
陶大程：
“未來三到五年，行業壁壘會呈現明顯層級差異。單一網路結構、蒸餾和量化等能力會隨著更強基礎模型開源和訓練方法普及而逐漸降低門檻。端側工程比論文和單點演算法更難複製，因為它涉及真實硬體上的時延、視訊記憶體、通訊和穩定性；場景交付又比單點工程更複雜，需要理解客戶流程、完成安全認證、處理異常並建立維護體系。
真正具備複利效應的是“部署—資料—模型—再部署”的閉環。每一次場景運行都能發現新的失敗邊界，並把它轉化為有效資料，繼續提升模型。只在實驗室提高平均分的優勢很容易被追平；誰能進入真實工作流程、長期積累異常分佈，誰才擁有更有價值的資產。
長期壁壘不是世界模型架構、資料閉環、端側工程和交付能力的四選一，而是能否用同一個控制目標把這些能力連接起來。關鍵資產包括跨場景統一的對象、接觸、動作、事件和結果體系；識別高控制資訊密度片段的資料引擎；想像rollout與真實rollout的校準記錄；不同本體的動作與感測器adapter；邊緣硬體上的推理棧，以及基礎評測設施。
即使未來VLA或統一模型吸收Kairos的部分能力，控制充分狀態仍是具身控制無法繞過的問題。大曉希望長期守住的，是跨本體、跨場景物理經驗的作業系統：識別那些經驗具有控制價值，協同人類、機器人、模擬和第一視角資料，並對應到統一事件空間。
大曉的護城河不是“擁有一個別人沒有的模型”，而是系統能否更快地把現實世界的新錯誤變成平台的新能力。架構優勢可能按季度變化，但閉環學習速度、客戶現場關係、長期可靠資料和經過驗證的恢復策略，需要按年積累。”
極客公園：
“有些世界模型只能學到物體外觀，難以學習真實空間資訊、因果關係和狀態變化。下一步應如何解決？”
陶大程：
“不能用生成視訊的畫面質量判斷世界模型是否真正理解物理世界，而要通過消融和因果實驗，驗證模型的latent state是否保留了控制充分資訊。
可以系統替換與控制無關的像素細節，觀察內部世界狀態和下游動作是否保持穩定；同時改變真正影響控制結果的物理變數，觀察模型是否產生相應變化。如果刪除無關畫面細節不會影響控制結果，說明內部狀態保留了有價值資訊；如果生成畫面仍然合理，但下游控制失敗，則說明模型學到了錯誤表徵。”
極客公園：
“僅依賴視覺和控制訊號，是否仍會受到視覺表象干擾？具身世界模型是否必須加入觸覺資訊？”
陶大程：
“需要加入觸覺和力覺等資訊。這也是環境式素材配置多種感測器的原因。觸覺、力觸覺、動作和其他感測器資訊還必須完成嚴格的時間對齊，否則無法有效支援模型學習動作與後果之間的因果關係。”
極客公園：
“有人認為，沒有千卡級算力的企業就沒有認真開展具身模型預訓練。算力和預訓練是否會成為未來具身智能的主要競爭點？”
陶大程：
“算力必然是訓練大模型的重要基礎，但不能僅用“是否擁有千卡算力”判斷一家企業是否認真做模型。具身智能不是無限擴大參數和算力就能自然解決的問題，真實機器人還受到資料質量、動作因果、推理時延、視訊記憶體通訊和安全邊界等共同約束。
對具身世界模型而言，更重要的是單位算力、單位時間和單位內部狀態能夠減少多少真實行動代價。模型是否保留控制充分狀態，能否比較多個動作分支、預測失敗，並在控制周期內輸出結果，比單純的訓練卡數更接近產業價值。
大規模算力有助於擴大模型和資料覆蓋，但原創架構、高控制資訊密度資料、部署中的感知協同設計和真實場景閉環能力同樣關鍵。算力是門檻之一，但不是技術路徑正確性的唯一證明。”
極客公園：
“具身模型開展真正的預訓練，是否確實需要千卡級規模？”
陶大程：
“企業不一定需要始終維持千卡規模，但在特定的大規模訓練階段，需要獲得相應算力資源。這也是雲算力越來越重要的原因。企業應對訓練周期、算力使用進度和資源規劃形成合理預期與精細安排，保證關鍵訓練階段能夠獲得足夠資源。”
極客公園：
“如何評價2026年上半年機器人行業最大的進展，以及行業內企業的真實狀態？”
陶大程：
“上半年行業在資料、模型和真機落地三個方面都有明顯進展。資料方面，行業從主要依賴真機遙操和模擬資料，逐步認識到環境式素材的價值，越來越多環境式素材工廠開始建設，眾包等模式也在探索，規模化資料正在為下一階段模型升級提供支撐。
模型方面，行業從過去主要關注VLA，逐漸認識到世界模型的核心價值，越來越多創業公司開始提出自己的世界模型路線和發展目標。
真機方面，機器人本體動作更加靈活，靈巧手等關鍵硬體也取得進展。行業已經不再只關注單項能力或某個benchmark分數，而是更重視系統整合、綜合能力與下游任務的協同發展。
未來真正重要的是系統能否形成self-improvement能力，能否從失敗中持續獲取高CID資料，並在不同場景中建立可泛化的資料和模型體系。”
極客公園：
“To B場景中，通用人形機器人與輪式機器人、機械臂等專業形態都在發展。通用人形機器人是短期商業機會，還是十年以上的長期願景？”
陶大程：
“人形機器人的長期價值在於，現有工具、場景和基礎設施都是為人設計的。如果機器人希望在這些環境中完成與人相似的工作，非人形結構更多是一種階段性折中，而不是中長期終點。
短期內，受特定場景需求和落地周期約束，行業需要通過輪式、機械臂或人形與專用結構結合等方式降低硬體落地難度。隨著技術體系完善，人形機器人仍可能成為行業長期共識，但當前不必在所有場景追求完全人形。
這些專業形態能夠幫助行業快速進入場景並積累真機資料。跨本體資料對未來人形機器人訓練同樣有價值，並不是只有人形機器人的資料才能訓練人形機器人。ACE-Brain 0.5的研究也表明，不同類型資料具有互補作用。
人形機器人落地周期取決於具體下游任務。針對部分明確任務，未來三到五年，甚至更快，可能進入真實場景。當前基礎資料、基礎模型和基礎硬體等關鍵支柱已經具備較好基礎，下一階段的核心是把這些能力整合成完整、可靠的工程體系。”
未來機器人網：
“自動駕駛與機器人對接觸和控制的要求不同。“通用世界模型”是否是偽概念？落地具體場景時，是否仍需進行定製化蒸餾或訓練垂直模型？物理AI還需要多長時間才能規模落地？”
陶大程：
“家庭和工廠可以共享同一個世界模型的認知主幹，但不能期待一套未經適配的模型直接覆蓋兩種場景。不同場景可以共享碰撞、支撐、恆常性、工具使用、空間關係和任務分解等底層規律；真正不同的是任務先驗、風險容忍度、動作空間、感測器適配和評價方式。
即使同樣是拿杯子，工廠更關注吞吐率，家庭則要判斷杯中是否有液體、人的位置在那裡，以及如何避免與家具碰撞。因此，一個可行的技術形態可以分為四層：第一層是通用物理與語義基礎模型，吸收開放視訊和人類行為中的廣泛經驗；第二層是共享控制充分狀態，統一表達對象、空間、任務進度、動作後果和不確定性；第三層是本體適配層，把共享狀態對應到機械臂、夾爪、靈巧手和不同機器人本體；第四層是場景蒸餾與安全校準，用工廠或家庭資料校準特定任務分佈和策略。
定製化蒸餾並不是重新訓練一個孤立模型，而是把通用知識壓縮成特定場景中低時延、可呼叫的子模型，同時保留與基礎模型和資料閉環的連接。理想情況下，場景變化主要更新adapter和記憶，而不必從頭訓練完整世界模型。
通用物理先驗已經開始形成，未來可能出現支援工業、倉儲和零售等場景的基礎模型，但仍需要針對本體和現場做適配。家庭場景需要更高層任務知識遷移，進展可能比純工業場景慢。決定時間表的不是參數量，而是能否形成統一的接觸與動作表示、可遷移的多模態感測器介面，以及規模化真實閉環驗證。
通用物理AI不會是“一次訓練、處處通用”，更可能是共享主幹不斷增強、場景適配成本逐步降低。未來新場景直接落地所需重新採集的資料會減少，但機器人在運行中主動收集失敗資料並持續self-improvement的閉環會越來越重要。”
未來機器人網：
“通用物理模型會沿用大語言模型的升級路徑嗎？”
陶大程：
“兩者具有很強相似性，但也存在本質差異。大語言模型主要運行在數字空間，物理AI必須進入真實物理世界，並與具體場景和硬體發生互動。許多物理場景無法在數字空間中完成全量模擬，因此物理AI的發展效率不會像純數字世界的大語言模型那麼快，還需要較長時間持續獲取物理世界長尾資料。”
未來機器人網：
“未來是否會出現一兩家類似OpenAI或DeepSeek的通用物理AI巨頭？”
陶大程：
“存在這種可能，行業可能出現擁有強通用性和泛化能力的巨型世界模型公司。但物理AI很難複製一家企業“通吃”所有場景的模式，因為下游適配必須與具體場景保持緊密繫結。
通用模型會在規模化場景中形成獨特優勢，但仍需要場景合作夥伴、本體廠商和工程交付體系共同解決具體問題，因此更可能形成強大基礎模型與多層產業生態協同的格局。” (未來機器人網)