具身智能的「终局」究竟如何定义？在本届世界机器人大会（WRC）上，头部企业给出了不同答案：有的押注可迁移的通用大模型，有的聚焦工程与量产能力。星尘智能（Astribot）则提出不同观点：大脑与身体不应割裂，必须同步进化。
为此，星尘智能同步发布三项核心成果：
1. 三大前沿模型：基座模型 Lumo-2 现场演示高难度精细操作（如书包整理、拉链闭合）；强化学习模型展示桌面冰球人机对打；零售商用模型 DuoCore 实现揽客、支付、交付全流程闭环。
2. 具身操作系统星尘 OS：推出「一句话生成 App」黑客松，将灵巧操作、导航等能力封装为 Meta 包，降低开发门槛，构建机器人时代的「App Store」生态。
3. 绳驱人形机器人 T1 首秀：售价 8.99 万元起，首次将高精细操作机器人价格拉至消费级区间，为进入家庭场景奠定基础。
这三条技术路线指向同一结论：具身智能的下半场，竞争焦点不再是单一的「大脑」或「身体」，而是「AI—OS—本体」系统能否深度协同。
战场转移：当估值最高的公司也开始补全栈
全球具身智能领域的高估值公司，正不约而同地走向「全栈整合」。从 Figure、1X 到 Genesis AI，资本市场的逻辑已发生变化：最高溢价不再属于单纯的算法或硬件，而属于拥有完整自主可控系统的企业。
这一趋势在自动驾驶和手机行业已有先例。
自动驾驶的「Mobileye 时刻」
十年前，车企依赖 Mobileye 等第三方方案商提供感知算法。随后特斯拉选择自研 FSD 芯片，将感知、决策、执行及数据回流全部纳入自有技术栈。事实证明，真正跑通「影子模式」数据飞轮的，正是这批实现全栈闭环的公司。战场已从「算法优劣」转移至「链路闭环能力」。
手机行业的「苹果时刻」
功能机时代，芯片、系统、整机由不同厂商分层供应。iPhone 的成功并非单一硬件或软件的胜利，而是芯片、硬件与 iOS 系统由同一团队统一打磨的结果。诺基亚联盟的失利，本质上是输在了「体验一致性」上。
星尘智能同样遵循此逻辑，自称「做了一台 iPhone，顺便写了它的 iOS」。其绳驱本体（S1/T1）、具身基座大模型（Lumo）与操作系统（AOS）由同一团队基于统一架构研发，而非简单的外部拼接。
模型缺乏优秀本体执行是空中楼阁；本体缺乏 OS 调度则是哑巴机器；系统缺乏强大模型决策则无法进入真实场景。三者必须协同进化，方能构建系统级优势。
软硬件不是两道题，是同一道题的两个解
行业习惯将模型与本体分开评分，但星尘智能的技术细节表明，二者实为互相成就的关系。
模型架构的物理约束
Lumo-2 模型从「显式文本规划」升级为「隐式世界 - 动作模型」，直接在基于物理约束的隐空间预测动作状态。该机制依赖真实物理交互数据，因此星尘一次性发布了 20+ 项超难家务真机测试视频，验证模型在真实环境中的泛化能力。
绳驱结构的数据效率
星尘采用的绳驱（腱驱）技术路线，其运动学特性与人类高度同构。这种结构设计天然降低了模型从人类演示数据迁移到真机执行的偏移成本。身体的形态直接决定了大脑的学习效率，而强大的模型泛化能力又反过来让本体敢于在复杂场景中试错。
OS 层的生态连接
星尘 AOS 将灵巧操作、导航、交互等能力封装为可调用的「Meta 包」，面向三类角色开放：终端用户零门槛使用、开发者组合变现、科研团队深度定制。目前，该系统正通过黑客松加速验证规模化交付能力。
当 AI、OS、机器人真的拧成一股绳
WAIC 期间落地的商业案例，是「三位一体」系统有效运转的有力证明：
这些跨行业场景共用同一套底层系统，验证了其通用性。而 T1 机器人 8.99 万元的定价，更是将系统从企业级推向消费级的关键一步。只有当本体价格与可靠性支撑起规模化普及，OS 层的开发者生态才能真正繁荣。
具身智能的终局，不在于单独的大脑或身体，而在于 AI、OS 与机器人能否长成同一个有机体。WRC 现场的无剧本冰球对打，以及药房、零售等场景的真实运行数据，正在为这一判断提供最直接的答案。
参考资料：www.astribot.com/research/Lumo2
编辑：Aeneas