社区

作者 |肖恩 编辑 |德新 在去年末的年度开发者大会上，地瓜机器人发布了旗舰级具身智能大算力平台——旭日 S600，这个计算平台 560 TOPS 的算力即使现在来看，也依然是具身领域性能最强的平台之一。 7 月 15 日，在本届上海 WAIC 前夕，地瓜机器人再次举办了一场媒体沟通会，又把旭日 S600 推到了台前，这次地瓜想讲的是——量产。 2026 年被称为具身智能的量产元年。评价一家机器人公司的标准正在改变。 地瓜机器人开发者生态副总裁胡春旭说：“过去大家会问，机器人能不能跳舞，能不能翻跟头。现在大家关心的是，你的机器人能不能连续工作 24 小时，能不能重复动作一万次，功能能不能复用到另一款标准化产品？” 地瓜过去半年围绕旭日 S600 的工作，也都指向了同一个问题：怎样帮客户从原型，走到量产交付。 一、半年成绩单：告别demo，迈入规模部署 先看过去半年多，地瓜机器人交出了一张怎样的成绩单？ 去年旭日 S600 公布了傅利叶、加速进化、自变量机器人、星动纪元等在内的首批合作伙伴；半年后，地瓜披露这个平台上已经与超过 20 家头部客户展开合作，新增的客户包括优必选、帕西尼、小雨智造、智在无界、千寻智能、叮当动力等。 合作范围也从最初的人形机器人，扩展到了工业具身、3C 柔性产线、具身大模型、世界模型和全模态感知。人形机器人（上海）有限公司的灵龙 2.0 计划在今年第三季度启动应用验证，北京人形机器人创新中心的天工 3.0 计划在年内量产交付；千寻智能、智在无界、自变量机器人等模型公司，也在把模型搬到 S600 上运行。 在众多在推进的量产项目中，尤其引人注目的，是地瓜机器人与它石智航进行中的全国首个千台级工业具身机器人规模化部署项目。 它石智航全新一代 A3 轮式双臂工业机器人搭载旭日 S600，面向工业、汽车和科研场景展开部署。 在此之前，它石首批百台级 A 系列

作者 | 肖恩 编辑 | 德新 OpenAI 的第一颗自研芯片，终于被端到了台前。 2026 年 6 月 24 日，OpenAI 和博通正式公布了 Jalapeño。 这个词来自西班牙语，指的是一种原产墨西哥的辣椒。名字听起来有点随意，但它背后是一颗 OpenAI 围绕大模型推理设计的芯片。 关于 Jalapeño 的完整参数还没有公开。但是从博通最新一代 AI XPU 封装平台 3.5D XDSiP 上，可以一窥这颗芯片可能的技术方向：台积电最新的2nm工艺、F2F 垂直堆叠和 CoWoS 封装技术，以及面向大规模 AI 集群的以太网和 I/O接口。 OpenAI 和博通在 2025 年 10 月正式公布自研芯片合作。九个月后，这颗芯片完成流片，工程样片已经在实验室里运行 GPT-5.3-Codex-Spark。复杂 ASIC 从设计到流片，通常要按年算，Jalapeño 把这个过程压缩到了九个月。 这里面不只有博通的工程能力，OpenAI 也第一次把自己的大模型用在了加速芯片的设计流程。 但 Jalapeño 不是整个故事的起点。 时间往回拨到 2023 年。那时 OpenAI 的芯片计划还没有这个辣椒的名字，Sam Altman当时向外界描绘的也不是一颗芯片，而是一个最高达到7万亿美元的宏大计划。 这个计划的名字叫 Tigris。 一、疯狂的 Tigris 和现实的 Jalapeño 2023 年下半年，OpenAI 正处于一种冰火两重天的奇特状态。 一方面，ChatGPT 在全球范围内疯狂扩张，用户量以不可思议的速度呈指数级增长，OpenAI 瞬间成为整个科技界最耀眼的明星。但另一方面，聚光灯背后的 Sam Altman 和他的工程团队，却在忍受着算力供应链吃紧带来的极度煎熬。 当时，英伟达的 GPU 面临全行业哄抢，供货周期被拉得无限

作者 |肖恩 编辑 |德新 虽然Anthropic当下风头无两，收入和估值都暂时压过了OpenAI，但OpenAI仍是全球增长最快的科技公司之一。 在最新一轮融资公告中，OpenAI给出了漂亮的反击：公司每月收入约20亿美元；不久前刚完成1220亿美元承诺融资，投后估值达到8520亿美元。 对比任何传统科技公司，这都是一条令所有人羡慕的增长曲线。 但背后还有另一串数字——据路透社报道，OpenAI在2026年一季度收入为57亿美元，同时期账上现金减少了37亿美元。 赚钱越多，花钱更快。 更烧钱的还在后面。OpenAI计划到2030年，累计投入约6000亿美元用于计算资源，这个资金规模已经超过了传统软件公司高毛利的经营范式，更像是重工业领域的投资。 这也是OpenAI当下最矛盾的地方：它的模型越是先进复杂，用户规模越多，推理成本越高。一方面，它站在AI技术探索的最前沿；同时，又深陷于重资产的AI基建之中。 OpenAI的处境是美国AI产业的一个缩影。你去翻看它的账本里，藏着AI繁荣背后的另一套逻辑。 一、万亿巨头之间的「循环融资结构」 今天美股市场有13家万亿美金市值以上的公司，如果去掉巴菲特的伯克希尔以及制药公司礼来，剩下的11家万亿巨头都与AI强相关，并且相互之间有错综盘杂的合作关系。 这一轮美国AI产业的繁荣，并不只是企业之间正常的商业合作，背后逐渐形成了一种特殊的“循环融资结构”。 资金由巨头公司投向模型公司，模型公司再通过算力采购将资金返回给上游的云厂商与芯片公司，云服务商、芯片公司因为订单需求和收入扩张迎来一轮市值暴涨，而模型公司又通过释放更高的收入预期和算力需求，撑起下一轮的估值与融资。 在这个结构里，每一笔支出，同时也是另一端的收入来源，交易本身在不断强化整个系统的增长故事。 OpenAI是其中最典型的样本，据披露的2025财年数据，OpenAI当年收入为13

作者 | 忍冬 编辑 | 德新 赢过智驾一战的理想系老将，正在用汽车工业的打法，重写具身智能的格局。 「目前出去创业的都是我 100% 鼓励他去创业。因为有这个想法你应该去尝试，而且要做就做出个样子来，大部分我们也都投了。」在和老罗的访谈里，李想并不避讳理想同事出去创业。 今年也正值理想转型成为AI与具身公司，“理想系”们已经抢先一步。 2026年过半，市场上已经有至少6家“理想系”具身公司，创始人们都曾是理想的中高层。 理想汽车时下在港股市值超过940亿（7月1日），而6家“理想系”公司成立不足半年，平均每家估值接近10亿美元，总估值已经差不多是半个理想汽车，这让局面更加有趣。 理想今年在具身智能上落下第一子，L9 Livis以“具身智能旗舰”定位发布，试图切换战局来应对高端SUV激烈、同质化的竞争。 在L9 Livis发布后，理想还召开了专门的软件与人工智能发布会，当天不少出走创业的中高管们再次回到理想捧场。 在L9 Livis身上，能看到理想布局具身智能的野心——马赫M100芯片、基座模型、操作系统等底层技术全栈落地，这些都为汽车变成具身智能打好了地基。 汽车、自动驾驶以及具身智能有很强的相通性，而这种相通性也赋予了理想系军团「出道即C位」的资格。 如果按创始人的背景来分，今天的具身赛场上有五股势力最为显著，分别为**系、理想系、地平线系、Momenta系以及学术系。“理想系”军团，有几分胜率最终冲出重围？ 一、“理想系”军团，哪些拿到了理想投资 所谓理想系，即从理想出走的高管创业的具身智能公司。 理想系具身公司目前有六家，分别是维他动力、斜跃智能、赫宇机器人、无界动力、昆仑行以及至简动力。 按照业务和技术方向可以分为三大类： 家庭场景：斜跃智能、赫宇机器人、维他动力。三家公司都从家庭服务服务场景切入，围绕生活空间的消费级机器人开展模型和本体研发。

作者 | 肖恩 编辑 | 德新 真实仓库不会去配合机器人。 软包会塌，纸箱会变形，塑封袋的边角会翘起来。同一个商品，上午还在料箱里躺得规规矩矩，下午换了一层外包装、挤在另一个角落，机器人就要重新判断从哪里下手。 但实验室里不是这样。 实验室有干净的台面、稳定的光线、提前摆好的物体，机器人的每个动作都可以显得很流畅。但到了客户现场，评价指标很简单：能不能像人一样稳定地完成工作？ 真正卡住行业的，是一个更底层的矛盾：好模型需要真实机器人数据，但真实数据只有在大规模部署中才会产生；而大规模部署，又必须依赖已经足够可靠的模型。 这就变成了一个“先有鸡还是先有蛋”的循环。 原力灵机刚刚发布的 Ferrata（飞拉达），正是为了打破这个循环。 它不是一台新的机器人，也不是一个具身大模型，而是一套面向真实场景的多智能体混合作业系统。它要做的，是让机器人先在有保护、有调度、有人兜底的状态下进入现场，稳定完成任务；再把真实作业里的成功、失败和接管，持续变成下一轮模型和系统迭代的数据。 只有在真实场景中稳定运行、持续回流数据，具身智能的数据飞轮才有可能真正转起来。 一、真实场景需要的是一套系统 要让机器人在真实场景里稳定工作，首先要面对一个问题：仓库里的任务并不是凭空出现的。 它来自订单，来自库存状态，来自仓储管理系统。系统要知道哪一个料箱已经到位，哪一个 SKU 需要被取出，当前哪个工位空闲，哪个任务优先级更高。 机器人接到的也不只是一个孤立指令，而是一组被业务系统约束过的目标。 这也是 Ferrata 发布会上反复强调的一点：它首先是一套系统，而不是某个单独的模型或硬件。 它要做的，是把这些目标拆成可以执行的任务，再判断由谁来做、什么时候做、用什么方式做。 任务执行后，成功结果和失败原因都会回流到系统里。一次失败是因为姿态问题，还是抓取方式问题，还是设备状态问题，这些信

作者 | 肖恩 编辑 | 德新 2026年4月，OpenAI宣布完成了一笔1220亿美元的融资。软银、亚马逊、英伟达悉数入场，共同将这家公司的估值推向了8520亿美元的天价。距离万亿美金俱乐部仅一步之遥。 然而，更让硅谷侧目的数据，来自它的宿敌。同一个月，Anthropic宣布其ARR（年度经常性收入）突破300亿美元，正式在营收规模上反超OpenAI，完成了AI王座的易主。回看2025年初，Anthropic的ARR还只有10亿美元——短短一年半时间，它实现了惊人的30倍增长。 大洋彼岸的中国市场，同样处于“沸腾”状态。智谱AI与MiniMax的市值双双突破三千亿港币，智谱AI的最高市值甚至触及了四千亿港币的关口。 4000亿什么概念？它几乎等同于吉利汽车与奇瑞汽车市值的总和。 魔幻的是，这两家被寄予厚望的中国模型巨头，年营收至今尚未跨过2亿美元的门槛。 所以，那个老问题又回来了：AI到底有没有泡沫？ 要回答这个问题，光看估值没用，得把它拆开来看。 中美四家头部AI公司给出的答案，差异之大，可能远超大多数人的想象。 一、OpenAI：9亿用户的超级应用 OpenAI是什么样的公司？它是AI时代的先行者，GPT-4开启了大模型的Scaling Law时代。它也曾带着一种非营利组织式的理想主义底色，宣称要让AGI造福全人类。 而现在，它已经成为AI应用领域无可争议的流量霸主。截至2026年3月，ChatGPT的周活跃用户（WAU）正式突破9亿，付费订阅用户超过5000万。只用了三年多，它就跨过了Facebook和微信曾花十年才建立起来的流量护城河。 这9亿人，构筑起了一台庞大的吸金机器。除了5000万C端订阅者，企业端还拥有900万付费用户和100万家商业客户。过去12个月，其Token消耗量暴增320倍。合计250亿美元的ARR（年度经常性收入），不仅证

作者 | 肖恩 编辑 | 德新 刚刚过去的3月，中国人形机器人赛道同时摆上了两份极具代表性的成绩单。 一边是宇树科技，科创板IPO申请获受理，招股书里最亮眼的不是营收增速，而是另一个数字：2025年扣非净利率达到35.1%。 几乎同一时间，优必选发布了2025年年报：营收20.01亿，同比增长53.3%，亏损收窄到7.9亿。人形机器人交付1079台，收入8.21亿，同比暴增22倍。 两家中国最有代表性的人形机器人公司，同时交出了2025年的成绩单。一个净利润6亿，一个净亏损8亿。 表面看，这是盈利能力的差距。但我们把两家公司的招股书和年报逐行拆开之后，发现表面的利润差距只是冰山一角。 宇树和优必选虽然都叫“人形机器人公司”，但它们卖的不是同一种产品，面对的不是同一类客户，采用的也不是同一种商业组织方式。 二者之间没有好坏之分，区别在于，他们讲的不是同一个故事。 01.宇树：像一把刀，扎得深，赚得快 宇树2025年的财务表现，几乎每一项都透着一种“不像机器人公司”的锋利感。 营收17.08亿，同比增长335%。扣非净利润超6亿，同比增长674%。经营性现金流6.72亿。一家成立不到十年的机器人公司，在一年之内完成了从"活着"到"暴赚"的跨越。 但真正值得看的不是增速，而是它的利润结构。 60%的毛利率，不是因为卖得贵，而是因为几乎什么都自己造。 电机、减速器、控制器、激光雷达——这些占机器人成本大头的核心零部件，宇树全部自研自产。外购成本只占14%到18%。宇树自研谐波减速器成本是市场均价的三分之一。G1定价8.5万，入门级R1只要2.99万，价格是其它人形机器人的零头，毛利率反而高出一截。 垂直整合做到这个程度的机器人公司，全球范围内可能只有宇树一家。 毛利率从44%涨到60%，不是因为降了成本，而是因为产品结构在升级。 2022年，宇树76.57%的收

全球首个大规模具身智能真机评测平台 RoboChallenge，凭借数万次标准化真机测试、客观权威的评测成果，获得全行业高度认可，成为衡量 具身模型物理实操能力的核心标杆。 近日，RoboChallenge 正式完成第二批生态扩容，星动纪元、极佳视界、地平线、光轮智能、生数科技、中移杭研、长虹、算力自由8 家顶尖企业重磅入驻，覆盖算力、仿真、硬件、算法全链条，加速构建开放协同的标准化具身智能产业生态。 今年3月，同步升级的 Table30 V2聚焦真实应用场景，任务难度全面提升，以更高标准推动具身智能技术落地迭代。 破局实验室困境，RoboChallenge 打造真实物理考场 具身智能的真正突破，不只来自单点模型能力的提升，更来自评测标准、数据基准与真实本体的共同成熟。长期以来，行业内充斥着精心剪辑的“虚假 Demo”与无法复现的参数神话，缺乏统一的真机测试环境成为了制约技术落地的最大瓶颈。 为此，由 Dexmal 原力灵机联合 Hugging Face 共同发起的 RoboChallenge 应运而生。作为开放式基准测试平台，RoboChallenge 集成了 UR5、Franka Panda、Aloha、ARX-5 等多款主流机器人，首创了大规模远程真机评测机制。其首发任务集 Table 30 精心设计了 30 个日常操作任务，为 Pi0、Pi0.5、OFT 等 6 个主流 VLA 模型提供了标准化测试环境。 为此，由 Dexmal 原力灵机联合 Hugging Face 共同发起的 RoboChallenge 应运而生。作为开放式基准测试平台，RoboChallenge 集成了 UR5、Franka Panda、Aloha、ARX-5、DOS-W1 等多款主流机器人，首创大规模远程真机评测机制。今年RoboChallenge的年度报告显示，平台累计执行的真机测试总量已

作者 | 本一 编辑 | 德新 在科技圈，我们总是痴迷于讨论"大脑"——更强的算力，更聪明的算法，更具泛化能力的模型。对机器人行业而言，这意味着对"具身智能"的无限遐想。 但我们往往忽略了一个更基础、也更令人头疼的问题：在拥有一个聪明的"大脑"之前，机器人首先需要一双可靠的"眼睛"。 而恰恰是打造这双"眼睛"的过程，正在让整个行业陷入"重复造轮子"的巨大内耗之中。 图片来源：The Economic Times 一、隐性内耗：行业进步的"拦路虎" 这种内耗是隐性的，它藏在每家机器人公司的财务报表和项目进度里。 工程师们花费着巨量的时间和精力，试图将一堆来自不同厂商的摄像头、激光雷达和惯性测量单元（IMU）攒在一起。他们要处理复杂的硬件安装、电源管理、数据同步、外参标定，以及最可怕的——试图在软件层面，将不同传感器采集到的时空都不同步的数据进行融合。 这有多难？打个比喻，这好比你要把三个以各自节拍演奏的独立"乐手"，同步成一首和谐的"交响曲"。 但这个基础工作却又是任何应用级开发的先决条件。这就导致它占用了开发者宝贵的时间和资本，使其无法投入到机器人自身的核心价值创造中。这种"重复造轮子"的模式不仅成本高昂、效率低下，更导致了感知方案的碎片化，难以规模化复制和迭代。 这种"内耗"已经成了行业进步的巨大障碍，拖累了创新的步伐，尤其是对那些缺乏资源、需要从头解决这些复杂系统集成问题的小型企业和初创公司。 行业需要一个破局者。不是提供一个更好的独立"乐器"，而是提供一个自带指挥、拥有完整建制的"交响乐团"。 图片来源：Queensland Symphony Orchestra 二、速腾聚创，用Active Camera打破行业痛点 这正是速腾聚创（RoboSense）带着机器人视觉全新品类—— Active Camera 登场时，试图告诉大家的故事。 在8月8日

作者 | 张马也 编辑 | 本一 人手有27块骨骼，19个关节，34块肌肉和48条神经，通过它们的组合可以完成各种极限精密的动作，可以说是生物学进化的一个奇迹。 在机器人领域，机械手被称为「多指灵巧手」，是一种通用灵巧的末端操作工具。 灵巧手是人形机器人的「双手」，需要像人手一样抓取、操作物体，是AI与物理世界交互的核心部件，是人形机器人能够代替人类最关键的一项机械设计。 人形机器人超过80%的任务依赖灵巧手完成，其性能直接决定机器人的功能上限和交互体验。 假设富士康的一条iPhone产线想用机器人代替人类进行手机零部件的组装，若没有能够媲美人类的灵巧手，这样精细的任务，机器人显然无法胜任。 既要用机械设计来实现同人手一样的运动性能，还得把体积控制得跟人手一样大，灵巧手面临着难度非常高的技术和工程挑战。 随着电机、减速器等核心部件的更新，灵巧手成本已从百万级降至万元级，将加速人形机器人的商业化落地。 根据有关机构数据预测，全球灵巧手市场规模将在2030年突破30.35亿美元，市场容量达141.21万只，中国市场的年复合增长率更将高达90%。 01 历史上的灵巧手 机器人多指灵巧手的研究始于20世纪60年代，最初以辅助假肢为目标，一共经历了三个阶段： 第一阶段是从20世纪70年代 - 90年代。 这一阶段有4款典型代表产品，分别是南斯拉夫研制的Belgrade手，日本Okada手，美国的Stanford/JPL和Utah/MIT。这四只灵巧手是研究初始阶段的典型代表，为后续仿人型多指灵巧手研究建立了理论基础。 1962年，南斯拉夫研制的Belgrade手，成为全球首款多指仿生假肢，采用电机驱动，实现了基础抓取功能，被认为是世界上最早的灵巧手。 1974年日本「电子技术实验室」成功研制了Okada灵巧手，是早期灵巧手的典型代表。它有3根手指和1个手掌，拇指有