驾驶是第一个具身智能：Embodied 专栏开篇
具身智能的资讯已经多到看不过来，但缺少一个参照系。这个专栏的参照系是自动驾驶——它是唯一已经在真实物理世界里规模化部署、每天跑几百万公里的具身系统。用驾驶解释机器人，再用机器人反观驾驶，很多被当成「新问题」的争论其实早有答案。
📚 Embodied
系列文章 · 共 23 篇，按阅读顺序排列
路线图：VLA、世界模型，以及它们怎么在 2026 年合成了一条路
过去几年，VLA 和世界模型被当成两条竞争路线来回站队。2026 年下半年这个争论收口了：世界模型不是 VLA 的对手，是它的一部分，融合形态叫 WAM。这篇把三条路线的分野讲清楚，然后逐条拆 π0.7 的技术报告——包括它自己承认的那个说不清的地方。
双系统：为什么最前沿的具身大脑都在同一个地方妥协
把一个思考要几百毫秒的 VLM，和一只手需要每秒两百次指令的机器人拼在一起，中间那道频率鸿沟只能靠分层来填。这篇拆开 Helix、GR00T N1、π0.5 三份架构答卷，看同一个妥协点上各家怎么选，以及为什么 π0.5 的三种失效模式恰好指向了世界模型该补的位置。
数据瓶颈：遥操一天 150 条，而缺口有五个数量级
机器人数据只有 240 万个片段，文本数据是 15T tokens——差距是五个到六个数量级。靠真人遥操作填这个坑，按从业者的原话「得干十万年」。这篇算清楚遥操作的真实账，然后逐条拆合成数据、人类视频、真机回流三条路的成本与代价，最后回答一个问题：为什么「仿真占多少比例」是个假问题。
相机挪几毫米，成功率腰斩：泛化为什么这么难
VLA 在基准测试上动辄 90%+ 的成功率，相机视角轻微变化后可能跌到 30% 以下。这篇拆开 2026 年最有诊断价值的两份研究，把「捷径学习」从一句抱怨变成一个可以逐条检查的机制清单——最后落到一个不舒服的结论：捷径不是模型的失败，是训练目标的成功。
物理 Token 经济学：机器人到底该怎么收钱
软件按 token 收费，机器人按小时收费，两条曲线正在中间相遇。这篇算清楚 RaaS 的真实账目——名义小时价、充电比吃掉的有效成本、利用率低于 50% 就打不过人工——然后回答首季的收尾问题：机器人这门生意和 API 生意，结构上差在哪，又会汇合在哪。
一百桌的饭店坐了十桌：这一周，具身智能的两块地基同时被清点
本周模型发布密度创了今年纪录，也是数据基础设施第一次被摆上台面算账：两年 106 家数采中心、真机数据 500–1000 元/小时、66% 的中心绑死在单一本体。本篇逐条短评六条真实增量——数采泡沫、Odyssey-3 的反向管线、CausalWM 的因果推理链、机械臂上的 95% 与 10%、本体厂商集体补脑、灵巧手从参数转向一致性。
仿真里也没人及格：42 道题，最强策略 8.80%，遥操作的人类 76.03%
Isaac、MuJoCo、Genesis 三条引擎路线在 2026 年基本谈完了，但胜负手不在这里。RoboDojo 把 30 个主流策略放进同一套仿真与真机流程，最强的仿真成功率只有 8.80%，人类遥操作是 76.03%；同一份榜单里还藏着一个 92.9% 的泛化崩塌。这篇拆开仿真工具链的三种「物理」、域对齐的三条路径，以及国产平台为什么不靠精度卖钱。
开车的能力能不能借给机器人：导航成功率 45.8%，对手 5.3%
理想汽车 Foundation Model 团队发布 ME-VLM，把具身认知和多模态 Agent 揉进一个 4B/35B 的模型里。论文最有意思的不是分数，是它明确划了一条能力迁移边界——什么能从数字世界搬进物理世界，什么必须重新学。以及一张不能只看平均值的表：导航成功率 45.8% 对 5.3%，八倍差距里有一半写在脚注里。最后附端侧：4B 模型跑在自研 M100 上，prefill 从 400ms 压到 188ms。
一半的钱进了脑子：中国具身智能势力图（2026 年 9 月版）
2026 上半年国内具身智能融资 438 亿元，大脑模型拿走 50.8%，本体整机只剩 12.8%——资本已经用脚投票。本篇按「大脑 / 小脑 / 本体 / 数据」四层给国产玩家画一张势力图：宇树开源、智元 Scaling、银河通用与千寻智能的双雄对垒、数据基建的军备竞赛，以及这张图上真正值得盯的位置。
叠碗十次全中，插充电器十次中一次：这一周，天花板翻了三倍
理想同一批实验里，把碗叠起来十次全中，把充电器插进插座十次中一次。这一周 RoboDojo 仿真榜首从 8.80% 涨到 27.96%，顶分的团队成立仅三个月且出自智驾；英伟达把插入任务单独立项做到零样本 56%；宇树给 22 自由度灵巧手标价 3.99 万；触觉赛道一周内两家启动资本化。天花板在涨，最后一毫米没动。
不用采一条数据就把杯子拿起来：世界模型的三种用法，和它真正补的那块缺口
V-JEPA 2-AC 只用不到 62 小时无标注机器人视频做后训练，零样本在两个实验室的 Franka 上完成抓放——没在这两个环境采过一条数据。本篇把世界模型这条线从 JEPA 讲到 WAM：隐空间预测为什么比像素预测省、Stage-JEPA 如何回应首季那份失效清单、物理 Token 为什么是第三种用法，以及这条路上还没解决的三件事。
插钥匙：三个最强模型都是 0%，一个会改自己工作程序的系统是 39.33%
RoboDojo 首发时榜首成功率 8.80%，五周后榜首是 31.38%——但那个 8.80% 的模型一分没动，只是掉出了前十。涨分涨在模型外面。这篇用榜单的五维分解和港大 MMLab 的自进化脚手架拆开三件事：插钥匙为什么让三个最强模型同时归零、π0.5 单独用只有 6.93%、以及同一周 Google 在 agent 侧发布的同名思路说明了什么。附三条不该被涨分遮住的限制。
熔掉身体、开源大脑、砍掉小指：这一周，具身智能在拆自己的边界
Figure 把唯一有 1250 小时宝马工厂履历的机器人机队运到芬兰，训练它们自己跳进 75 吨电弧炉熔掉。同一周，宇树把 6B 全身模型的权重、代码与数据集一起开源；Runway 用网络视频把机器人策略的数据瓶颈拆了；波士顿动力砍掉小指，只留四指 13 个自由度。这一周的关键动作几乎全是减法：身体、大脑、数据、算力，四样东西的归属同时被重新划分。
1.91 万、2.5 万、3.6 万：同一个半年，三家机构数出三个答案
2026 上半年全球人形机器人出货量，IDC 数出 2.5 万台，SAG 数出 1.91 万台，弗若斯特沙利文数出 3.6 万台——最高比最低多 88%，而且没有一方收回。这篇不追问哪个数字对，而是追问为什么同一个半年能被数出三个答案，并顺着这条缝去看宇树上市后第一份公开财报里那个更硬的信号：营收仍在两位数增长，扣非净利已经掉头向下。出货曲线与利润曲线的分叉，是人形机器人量产叙事第一次被审计。
6.0B 答 51.5%，57M 答 85.9%：这一周六篇世界模型论文，治的是同一个病
十月第一周，至少六篇世界动作模型（WAM）论文集中出现，开篇问题陈述却是同一句话：联合训练出的未来看起来合理，却对动作指令响应很弱。本篇指出病灶已从「没有世界状态」前移到「世界状态不听动作的话」，参数量从 6B 掉到 57M 反而更准，而「不做未来想象更省」被 107 毫秒对 244 毫秒翻了案。
0.005 牛顿到 12.97 秒：这一周，具身智能在给「动作」编一部词典
广交会的展台上，一只灵巧手能感知 0.005 牛顿的轻触，可模型训练时读到的往往只是一个关节角；同一周，工博会上机器人的装配节拍被压到 12.97 秒。这一周五件事——WAVE-0 的 257M 潜在世界模型、GreenWAM 把 20 种本体塞进一套关节坐标、NEURA 把触觉与声音并进同一个表征、格物通智从视频反推受力、车间里开始报节拍与成功率——都在给「动作」造一层可翻译的中间物。问题是，五套词典没有一本是公共的。
4449 亿跌到 1750 亿，19.2 秒涨到 78.7%：这两周，具身智能把定价权交给了时间
十月前两周，宇树市值从峰值蒸发约 2700 亿，监管把「经常性收入」写进上市门槛；同一周，Long-WAM 把视觉上下文拉到 19.2 秒，让 RoboCasa 成功率从 63.3% 涨到 78.7%，而双向预训练的底座一分未得。本篇认为这两件事问的是同一个问题：你的收入有没有时间纵深，你的模型会不会使用历史。
快 10 到 80 倍的引擎，被 NVIDIA 投了：仿真战争已经打完，赢家不在引擎里
10 月 13 日，英伟达战略投资了 Genesis AI——一家公开宣称自家引擎比 Isaac Gym 快 10 到 80 倍的公司。同期 GTC 柏林的物理 AI 议程，上台的是场景方和部署方，不是本体公司。本篇把三张引擎牌摊开，拆掉 43 万倍实时这个数字的成色，并给出判断：仿真的终局客户不是训练，是认证。
一天 20 万小时，成本 1/125：NVIDIA 把物理 AI 的胜负手押在了数据流水线上
GTC 柏林前一天，NVIDIA 开源了机器人数据引擎 Flora：一天标注 20 万小时视频，成本约为 GPT-6 Astra 的 1/125。本文拆解 Flora 三件套的机制与成色，把 Isaac 平台一周内的发布拼成一张图，并给出判断：机器人的 ChatGPT 时刻不会靠发布会提前，只能靠数据流水线跑通提前。
产线开跑、设计锁定、标尺落地：这一周，具身智能换了交卷方式
特斯拉把造 Model S 和 Model X 的车间腾出来造 Optimus，产线跑起来了，交付日期却推到 2027 年底；Figure 同一周把 Figure 04 锁定设计，又为数据管线一周花了 810 万美元；宇树 H2-X 从舞台演员转岗保镖；Digit 拿下农机厂订单，缔造者却写下《我无法爱上 Digit 5》。而上海张江，千台机器人同场竞技时，真正的新闻是一把国家级评测标尺——考题正在从「能做什么」换成「能造多少、谁来打分」。
部署之后才是主战场：国产具身智能势力图（2026 年 10 月版）
一个月前本专栏画过一张四层国产势力图，并押注「跨层数量是最可靠的实力指标」。本周国产玩家的动作几乎全指向同一个新变量：部署之后。智元 AI WAVE 七连发把 Physical RSI 从仿真搬进真实便利店，宇树把自进化列为四大优先方向之一，银河通用与宇树完成跨层握手，RoboDojo 榜单上国产专用模型首次压过 GPT-6 Astra。四层图需要加一层了。
608 维、84 毫秒、19.5%：这一周，世界模型把「动作」从标签改成了接口
十月最后一周，阿里达摩院 RynnWorld-Latent、哈工大深圳 SkeLAM、TAPESTRY 与一篇讲潜空间可预测性的论文集中出现，四份答卷答的是同一个问题：动作该由谁来定义。本文拆解 608 维通用隐动作、骨架监督的分解、可预测潜空间与「动作即视频 patch」四条路线，并对照同一天发布的 Genie 4，给出判断：动作表示的标准化会比模型规模更早决定谁能用上互联网级视频。