2026世界机器人大会（WRC）现场，银河通用首款双足人形机器人Galbot ET1“星仔”以一段丝滑的街舞倒立惊艳全场。这不再是预设脚本的机械表演，而是由通用小脑驱动的物理世界原生智能体。
2026世界机器人大会·银河通用机器人叠衣服｜创业邦实拍
此前，业界常将银河通用视为“轮式务实派”，其G1至S1系列均采用轮式底盘。创始人兼CTO王鹤，这位90后斯坦福博士、北大助理教授，始终是具身智能“大脑优先”路线的坚定布道者。
8月20日，王鹤现身2026世界机器人大会主论坛，发表题为《推动具身智能与人形机器人的核心突破时刻》的演讲。以下为演讲全文精编。
从仿真到物理世界：运动智能的"AlphaGo拐点”
实现人形机器人走进千行百业、千家万户的愿景，核心在于用模型驱动具身人形机器人走向通用。这涉及两个关键：一是机器人本体是否足够灵活自由；二是是否具备走向通用的“大脑”，以及能真正控制身体完成各种动作的“小脑”。大小脑是人形机器人的灵魂，也是具身智能产业最具价值的部分。
银河通用走向通用的路线图，第一个里程碑是在单一任务中证明人形身体的价值。今年3月，我们全球首次发布人形机器人全自主打网球成果。该任务要求机器人在维持全身平衡的同时，精确控制腕部击球，确保落点质量，并执行前后左右调动的战略意图。低层级是全身操控，高层级是战略博弈，充分展现了人形机器人的能力。
该成果一经发布便引发全球热议。埃隆·马斯克第一时间评论这是"Inference"。随后，独立研究员指出这类工作证实了“运动的AlphaGo时刻”已经到来，马斯克随即表示认同。就像2016年DeepMind定义围棋一样，我们将人形机器人的自主能力释放了出来。这背后离不开银河通用长期积累的仿真及强化学习技术。
从基础回球学习到策略自对抗学习，我们已在网球场景中积累了超1万年的仿真对打训练时长。这比围棋更难——围棋在数字与物理世界规则一致，而我们的训练需从仿真器迁移到真实世界，这是银河通用独有的世界领先技术。近期，我们将在世界人形机器人开幕式上发布新一代网球对打技术，展示更强拟人性及人机混双能力。
很多人认为网球拍只是被握住，但手的价值在于懂得何时握紧、何时松开。今年春晚，银河星脑大模型中的灵巧手脑区展示了转核桃能力。核桃性状持续变化，无法用固定轨迹实现，否则会导致捏碎或掉落。这背后是强化学习在真实世界回流数据、进一步训练模型能力的体现。
与国际顶尖团队对比：Figure做灵巧手开瓶盖动作是抓握后转松，动作不连贯，可通过遥控采集数据实现；而我们的操作连贯配合，无法通过遥操采集，采用强化学习直接在仿真器中学习，实现高效的Sim-to-Real。难度越高的手部精细操作，越需要Sim-to-Real这类领先技术。
英伟达2023年发布的转笔虽采用强化学习，但因笔与手指频繁碰撞，仿真器难以完全保真。相比之下，银河通用在全球首次实现了包括高动态、空中飞旋后落回指尖等高难度操作的灵巧手转笔，完全依赖强化学习与Sim-to-Real技术。
下一步的关键是从专用模型走向通用。数字世界中GPT定义了范式，具身智能的GPT何在？如何让具身大模型吸纳各种任务与数据？这就要介绍银河星脑的框架。人形机器人既需要高层级的动作意图生成、轨迹规划，又需要全身控制与高频反馈。因此，我们像人一样为其搭建了大脑和小脑，中间通过脑桥连接——沟通慢的大脑与快的小脑。这套仿生框架，就是银河星脑面向通用人形机器人的基座大模型。
什么是大脑的GPT范式？谷歌提出了VLA，OpenAI提出了世界模型，两者各有优劣。VLA能吸收大量动作数据但仅限有标签数据；世界模型能吸收海量视频数据却无法学习关节角度。真正融合VLA与世界模型，既能利用机器人有动作标签的数据，又能吸纳人类海量场景无动作标签的数据，学习人类操作经验，这样的范式就是“世界动作模型”。
今年英伟达具身智能主任在红杉采访中提到，ONE是机器人的终身游戏。“机器人终局技术”由银河通用在全球首次提出。今天搜索“世界动作模型”，全球第一篇文章即来自银河通用——2025年3月挂出，被2025年ICCV接受。这一范式正引领具身智能大模型的发展。目前已有171篇相关论文，而我们2025年首发时仅有一篇。
100万小时数据与视频即训练：机器人干活不再靠“人工喂饭”
今天的银河星脑，提出在隐空间进行建模，真正实现了跨本体、跨任务、跨场景的操作。一个模型既能驱动无指手，也能驱动搬运机器人。该模型融合了仿真数据、真实世界数据与人类数据，形成了新的统一具身大模型数据范式。验证表明：仅用无标签人类数据，即可持续优化机器人动作预测的损失函数。
这些成果耦合了世界领先的真机强化学习技术。在我们的展台，观众可亲自体验给机器人做早餐“捣乱”——无论是抽走面包，还是盖住瓶子阻止倒水，机器人全程均可自主应对。
我们即将发布的技术，将在全球首次展示十分钟级早餐制作全流程，包括水果、沙拉等材料准备，最终完成三明治。该能力既体现机模能力，更是强大真实世界强化学习后训练能力的体现。
小脑需要控制身体完成各种动作。今天银河通用的全身控制脑区，是真正的通用小脑——基于上亿参数的大模型。在该模型控制下，可遥控人形机器人远程执行各类任务：家庭场景中照料宠物、铲猫砂；应急场景中提供支援；以及高动态的各类动作。均无需提前录制轨迹，可实时控制。这就是小脑：大脑发出意图，小脑将动作丝滑、抗干扰地执行。
过去的小脑是对单条轨迹过拟合的专用小脑。今天银河通用打造的通用小脑，与国际顶尖团队英伟达对比：延迟更低、动作更精准，高难度动作的平衡稳定性也更优。我们验证，在十万小时人类数据下，通用小脑的损失曲线持续降低——这是通用小脑的Scaling Law。
在通用小脑支持下，昨天我们在分论坛发布了自有小人形机器人银河·星仔Galbot ET1，可实现人类实时跳舞——实时抽取动作，并由通用小脑完成高难度舞蹈展示。智能体换形后，对人类舞蹈进行实时识别与抽取，包括倒立等地面动作。当你拥有一颗真正通用的小脑，便可解锁更多实时产生的即兴动作，并支持机器人进一步与人智能交互。这就是物理世界原生智能体。
通用大小脑之后，大家最关心的是：具身智能何时迎来ChatGPT时刻？我将其含义分为两层：一是机器人在人类无需特殊学习的任务上，达到70%—80%的成功率；二是通过极简后训练，让无专业技能的人将机模训练为场景中成功率100%的干活模型。
第一，如何在广泛任务上达到七八成成功率？这就是机模。今天，在通用小脑范式下，最重要的是进一步扩大数据规模、提升算力，实现Scaling Up——这是银河星树，即五级具身智能金字塔：从互联网数据、人类数据、合成数据，到真机遥操数据和真机回流数据，每一层均发挥自身作用。
人类数据自2022年起打造，迄今仍是规模最大的含标签人手操作数据。2022年，我们率先让人戴上头盔采集双手操作。8月20日，我们发布了Astra Set自研头戴及双手UMI数据采集装置，可实现高精UMI数据采集，极大推动机模进展。
在此硬件支撑下，我们已有上千个头戴双手UAI采集源在各行各业运行。背后是在线数据管理、标注与筛选系统。依托这套完备的数据基建，我们现有高精UMI数据50万小时，无手持机械装置的人手数据50万小时——共计100万小时，让机器人充分学习人类动作。
机器人动作首先来源于合成数据。银河通用搭建了银河星防全套仿真管线：涵盖仿真资产、动作生成、仿真验证及Sim-to-Real管线。该管线创下全球多项领先：一是最难仿真，今天我们可实现柔性物体、灵巧手仿真，连洗牌这类最难场景也能做到；二是Sim-to-Real技术，转笔等全球首次突破的背后，均依托引领级的仿真器。
仿真数据之外，还需真机遥操数据。今天，银河通用已在6个省市建立训练场，持续采集各行各业应用数据。同时，在各行各业部署机器人——银河太空仓覆盖45个城市200个点位，智慧药房落地100家，宁德时代等车场、工厂、医疗康养场景累计回收8万小时真实世界数据。这些数据让机器人知晓自身优劣，持续成长。
具身智能的ChatGPT时刻何时到来？
在银河星树支撑下，我们判断行业数据正蓬勃发展。从银河视角，即将快速进入ChatGPT水平的机模阶段，唯一条件是机模能否快速落地。为此，我们打造了银河星脑WAM-TTT技术——客户只需拍摄视频，无需任何遥操数据采集，即可后训练模型。
这意味着，无需专业背景的场景使用方，头戴摄像机记录干活过程，我们的后训练仅需视频损失，无需标签、无需动作数据，即可完成。模型落地场景的速度极快、门槛极低，千行百业皆可将机模用起来。
今天，我们判断：在数据积累与后训练技术持续突破下，银河通用将于2028年问鼎具身智能的ChatGPT时刻。一旦到达该节点，行业落地规模与速度将大幅跃升。“十五五”结束时，银河通用将落地数十万台人形机器人于各行业——真正走向多场景应用，以及轮式、双足、灵巧手等多元形态的未来。
建设千行百业应用生态、服务客户只是第一步。未来将进一步开放二开生态——以我们的机模、硬件、数采设备及整套数据管理、后训练能力，帮助更多企业建立具身智能团队，研发自有技能、落地自有场景。
同时，通过世界国际奥林匹克人工智能竞赛等顶级赛事，培育具身智能领域的青年人才，推动全行业共赴具身智能AGI时刻。
最终实现“手机的量、汽车的价、大模型的增益”，打开十万亿市场，迎接第四次工业革命。
