九月，有人做了件事：把一个能写代码、能帮人做表格、能跟你聊一下午的AI，直接塞进机器人身体里，让它干活。
这个AI从来没被教过怎么当机器人，官方介绍里一个字都没提机器人。
结果它在机器人考试里拿了22分。
及格线是多少？没人定。但当时全行业公开过的机器人模型，最高也就十几分。看起来，一个“外行”把一群“科班生”全压下去了。
消息热了三天，然后就散了。
但这两个月机器人领域真正发生的事，恰恰是从这个 22 分开始的。
示意图 · 有脑的AI，和没有手感的手
22分这个数字，得拆开看才有意思。
考题分成好几类。有一类考“你能不能看懂要干什么”——比如桌上有一堆杂物，让你把该收拾的收起来。这类题它拿了31分，而专门训练的机器人模型只有4分。
差距大得离谱。
但换个方向就反过来了。考“手稳不稳”的题，它只拿4分，对手20分。考“这件事要连着做十几步”的题，它拿8分，对手32分。
说白了，它像一个从没下过厨的美食评论家。
你把一道菜端上来，他能立刻说出“盐少了、火大了、这个顺序错了”。可让他自己站到灶台前，油一热，他就不知道手该往哪儿放。
更糟的是上真机。本来要在真正的机器人身上跑一遍，结果跑到一半停了——因为它反复下达不该下的指令，把设备弄坏了。剩下能算数的几十次尝试，成功率3分。
还有个特别反直觉的发现：给它看示范，它反而更差。
不给示范，22分；给它看图片和动作示范，降到17分；只给它讲文字版的步骤，降到12分。
就像一个不会游泳的人看游泳视频，看得越多，下水越乱。
十月，英伟达开源了一套方法，思路朴素得让人意外。
既然 AI 最擅长的是写代码，那就别让它直接去扭机器人的关节——让它写一段程序，程序去控制机器人。
干完之后回看录像：哪儿没抓住，哪儿撞上了，哪儿顺序弄反了。然后它自己改代码。改对了，就把这段程序存下来，变成一条可以反复用的“技能”。
现在攒了九十多条技能，覆盖一百五十多种活儿。
效果立刻不一样了：同样是没练过的长活儿，从原来最好的4分，做到了31分。换成更强的 AI 之后，一批任务能做到99分。
示意图 · 左边是纠缠不清的模型，右边是排好的技能块
同一时间，另外两个团队几乎走在同一条路上，结论一样。
这三个团队其实在说同一句话：经验不该存在模型的脑子里，该存在代码里。
为什么这句话重要？因为模型是三个月换一代的。
每换一代，你要把之前教的全部重来一遍，成本是几千万级别的。但技能库不会因为换模型而消失——新模型接上来，直接就能用老技能。
有点像开餐馆。你把菜谱写下来，换厨师照样能做；你要是只让厨师记在脑子里，人一走，什么都没了。
机器人干长活儿，一直卡在三件事上：记不住、算不准、做错了不会改。
记不住是最要命的。
比如让它“把客厅收拾干净”，它擦完桌子，转头就忘了自己擦过；或者走到一半，忘了自己是要去拿垃圾桶。以前的做法是让它一直回看之前的所有画面，太笨重，也来不及。
有个研究换了个思路：不让它看全过程，只让它记住两样东西——这次干活一开始站在哪儿，以及中间几个关键节点干了什么。
算不准这块，另一个团队找到了更省的办法去预测“下一步会发生什么”。同样的活儿，它用一个体积小得多的模型，做出了和大模型差不多的成绩，成本却降了十倍。
做错了不会改这块，办法是给它外挂一个小助手。每次要调整动作之前，先算一遍“这么改会不会更糟”，会更糟就直接拦住。
还有一件小事值得说：现在已经有体积很小的模型，小到能直接装进机器人身体里，不用联网、不用后台服务器，就能应付两百多种活儿。
机器人不缺手了。它开始有记性、有小脑、也知道分寸。
训练机器人最贵的东西是数据。以前只能在真实机器人上一次次示范，一小时一小时地买，慢且贵。
尚品宅配联合汤元科技发布面向家庭服务场景的具身智能 “ WorldSimReady-Home ” 数据集。开源仅仅5天，该数据集即登顶全球最大AI开源社区 Hugging Face 的数据集趋势榜单。
英伟达开源了一套工具：人示范一次，它能自动扩展成几千次“边走边干活”的完整演示。
李飞飞团队用很少的真实数据加大量仿真数据做训练，只用了十几小时的混合数据，就把一套家务活儿做到 90 分。
国内的智元升级了他们的仿真系统，让软的东西（比如布料、袋子）在仿真里的表现，和真实世界几乎一致。
这里有个变化，比任何分数都重要。
以前仿真只是个练习场——在里面练，练完了去真机上考。现在仿真开始被当成“考场”本身：在仿真里做得怎么样，基本能预测真机上做得怎么样。
这直接决定了你敢不敢在仿真里做决定。因为真机试一次成本太高，仿真试一万次几乎不要钱。
十一月一号，国内人形机器人公司乐聚的负责人冷晓琨，在论坛上讲了一条很少有人公开的曲线，讲机器人怎么一步步“够用”：
一开始只用仿真数据练，看起来啥都会，但真干起来只有四五成的成功率。
然后用真实场地采的数据再练一轮，能到八成。
最后进工厂实打实地干，把现场遇到的问题带回来继续学，能到九成五。
示意图 · 一年那么长，真正在干活的部分只有一小段
他补了一句很关键的话：只有到八成，工厂才愿意让你的机器人进产线。
另一边，智元的机器人在工厂里六天干了六万多次活儿，几乎不出错。
但最有意思的是大洋对岸。一家做人形机器人的公司十一月要在纳斯达克上市，招股书里第一次把账摊开了：一台机器人一年里真正在干活的时间，可能不到它存在时间的两成。
也就是说，剩下八成时间，它是站着的、等着的、闲置的。
好比买了台洗衣机，一年只用十次。那它再便宜，也是贵的。
所以评价标准其实已经换了：从“这机器人能不能动、像不像人”，换成了“它一年能被真正用掉多少小时、每小时能干多少活”。
回头看这两个月，真正变的不是哪个模型又涨了几分。
存在代码里，不存在模型脑子里。
靠生成和校验，不再只靠一勺勺采集。
按工时算，不按演示效果算。
开头那个22分，和后来的99分之间，差的不是算力，是把一件件事想明白、试错、记下来的过程。
上半场比的是谁家机器人更像人；下半场比的是谁家机器人一年能被真正用掉多少小时。
