在北京石景山区的一栋办公楼里，有一层看起来像个幼儿园。
地面铺着彩色跑道，角落里堆着海洋球和障碍物，所有材质都做了防磕碰处理。但在这里“上学”的不是小朋友，而是机器人。
这是北京他山科技与2024年图灵奖得主、“强化学习之父”理查德·萨顿团队联合共建的机器人强化学习实验场。首批不同形态的机器人已经入场，它们在场地上自主行走，尽可能长时间地与环境交互，自主完成充电。目标是让机器人学会适应陌生环境，而不是对单一技能做固化编码。
这个场景，是当前具身智能行业重心转移的一个缩影。焦点正在从“躯干”转向“大脑”。
从“能走”到“能干活”：模型研发进入关键期
过去几年，人形机器人行业的竞争主要集中在硬件本体——谁能做出稳定行走的机器人，谁就能获得关注。但现在，机器人本体在成本、可靠性、性能等方面已准备就绪，具备规模化基础。短板转向了“大脑”。
海外方面，人形机器人公司Figure发布最新神经网络模型Helix 2.5。实验结果显示，搭载该模型的Figure 03可以在陌生环境进行自主作业，穿过狭小空间，整理客厅和床铺。Figure表示，Helix 2.5使用更少的专用数据，实现了更强的泛化性——机器人学习到的任务执行能力可以迁移到不同的新场景。
国内方面，宇树科技、松延动力这两家最早以机器人本体量产能力为人熟知的公司，也在将更多资源投向模型研发。
9月10日，宇树科技发布全新一代通用人形机器人基础模型UnifoLM-WLA-1.0并宣布开源。该模型依托大规模通用多模态感知与理解数据，融合以交互为中心的世界建模技术，可驱动机器人完成64项操作任务。视频中，机器人自主执行收纳工具箱、叠毛巾、向洗衣机投放衣物等日常任务。
松延动力的节奏更紧凑。9月8日发布首个自研具身智能模型“HERON-World Model”；9月15日，第二个自研模型“HERON-CRA”接踵而至。公司创始人姜哲源透露，公司自去年8月组建具身模型研发团队，目前大部分投入流向模型研发部门。
姜哲源解释了这一转变的逻辑：“2023年公司成立之初，全球除了波士顿动力，缺乏能稳定行走的人形机器人本体，因此我们优先补齐了硬件和运控的短板。如今，机器人本体已准备就绪，现在是补齐‘大脑’短板的合适时机。”
他还观察到一个关键变化：2023年至2024年，具身模型的技术路线较为分散，而如今，行业对于世界模型与VLA路线融合的方向形成一定共识。这成为具身模型研发的阶段性拐点。
怎么“喂养”模型？三条不同的路径
模型的能力，取决于怎么训练。当前，企业正在探索不同的路径。
路径一：在真实物理世界中试错。 他山科技的强化学习实验场是这一路径的代表。他山科技研发副总裁侯广东介绍，第一阶段，机器人将在实验场内适应环境变化，以“延长在线时间”“减少损伤”为目标，长时间与环境互动。后续，研发团队逐步引入更复杂的算法，让机器人建立自我认知、区分自身与外界、掌握运动控制、理解物体交互、最终实现多智能体间的协作。
“我们的目标是开发出能够赋予机器人学习能力的模型，而非对单一技能做固化编码。”侯广东说。
路径二：仿真与现实的“对齐”。 浙江人形机器人创新中心首席科学家熊蓉指出了当前的核心瓶颈：模型的泛化能力。而提升泛化性的一大挑战在于，训练中使用的仿真生成数据与现实物理世界难以对齐。
“这就涉及视觉、力觉、触觉信息，机器人全身状态及环境信息的统一表征问题。”熊蓉介绍，浙江人形机器人创新中心实现了视触融合的统一表征，使机器人在仿真世界中训练的模型能力能准确对应到真实世界；在模型学习上，将预测模型与行为模型相结合，具身模型与世界模型协同进化。
路径三：数据“配方”的探索。 松延动力摸索出了一套“喂养”模型的数据配方。姜哲源介绍，公司部署了数据采集基础设施，通过自采与合作采集相结合，以第一视角无本体采集数据为底座，结合仿真数据、真机遥操作数据，训练模型能力。他判断，模型能力达到拐点，预计至少需要百万小时量级的数据，数据的多样性至关重要。
拐点何时到来？两种判断
具身智能的“ChatGPT时刻”什么时候会来？
宇树科技董事长王兴兴给出了一个明确的标准：当机器人被部署至家庭等各类陌生环境，通过语音指令可实现80%的任务，就意味着产业迎来爆发的临界点。他判断，这一时刻快则两至三年，慢则五到十年。
但北京极佳视界科技有限公司首席科学家朱政持不同看法。他认为，具身模型的发展不一定会存在某个“令人惊喜”的瞬间。“语言模型是在数字世界做交互，输出文本，更容易让人感受到惊喜；具身模型需要在与物理世界的交互中持续演进，很难会在某个瞬间制造惊喜。”
两种判断的分歧，指向一个更深层的问题：具身智能的进步，究竟是阶梯式的跃升，还是渐进式的积累？无论答案是什么，资本和人才正在用行动投票。
IT桔子数据显示，2026年至今，国内获得融资的具身模型公司数量超过140家，是去年同期的1.5倍；融资总额超过1000亿元人民币，是去年同期的三倍多；单笔融资均值也高于往年。
结语：从“能走”到“能干活”
从Figure的Helix 2.5到宇树的开源模型，从松延动力的数据配方到他山科技的强化学习实验场，具身模型的研发正在进入一个密集探索期。
这个阶段的关键词是“泛化”——让机器人在陌生环境中也能干活，而不是只能在预设场景中重复固定动作。谁能率先突破泛化能力的瓶颈，谁就能在下一阶段的竞争中占据主动。
从“能走”到“能干活”，中间隔着的，正是具身模型这道门槛。当机器人在“幼儿园”里学会了适应环境，它们离走进真实家庭的那一天，或许就不远了。
