“大规模后训练，是具身公司最重要的事”。
特约记者丨王与桐
2018年11月，蔚来第1万辆ES8下线，标志着新造车势力跨越了从样车到规模化交付的生死线。八年后，这一“万台节点”在人形机器人赛道重现。
2026年11月，上纬新材旗下消费级品牌“启元机器人”将迎来第1万台机器人下线。然而，与拥有百年汽车工业体系支撑的新能源汽车不同，人形机器人行业即便跨过万台关口，仍面临如何让机器人理解复杂物理环境、稳定完成操作及应对意外等核心技术瓶颈。
近期，启元机器人展示了将GPT-6 Astra与自研具身模型结合的成果，开源生成式世界模型PrimeSim，并通过HIL-UMI技术降低数据采集依赖，探索大规模后训练路径。其研发思路明确：优先在有限场景中将任务成功率提升至95%以上，再逐步扩大泛化范围，旨在解决家庭机器人在高成功率、低成本下稳定完成物理劳动的核心难题。
“快慢脑的分工，会长期存在”
2026年9月发布的GPT-6 Astra展现了惊人的零样本能力，在未经微调的情况下，凭借视觉输入即可直接输出机械臂动作指令，成功率高达95%。这引发了行业思考：当通用大模型能直接控制机械臂时，机器人公司还需保留多少自研智能？
启元机器人通过“大富翁”游戏演示给出了答案：采用“快慢脑”分工架构。Astra作为“慢脑”，负责环境理解、推理与任务规划；自研具身模型作为“快脑”，专注于物理动作的实时执行。测试显示，完全依赖Astra操控机械臂耗时超半小时且成本高昂，而由自研模型执行仅需数秒。
启元机器人首席科学家董豪指出，机器人智能分为思维、作业和运动三个层次。通用大模型虽能承担思维智能，但无法替代基于“肌肉记忆”的作业与运动智能。这种分工既发挥了大模型的推理优势，又保留了专用模型在执行效率上的经济性，预计将在未来长期存在。
这一趋势意味着具身智能公司的技术壁垒将从研发全栈智能，转向如何将通用模型的决策转化为快速、可靠的实际动作。
“成功率必须优先于泛化”
针对具身智能的核心难题——泛化能力，董豪提出“横向Scaling Law”理念：现阶段应优先在少数环境中将任务成功率提升至95%-99%，再逐步扩展可靠工作范围，而非盲目追求适应所有环境却保持低成功率。
传统的模仿学习难以覆盖出错后的调整策略。为此，启元机器人引入“人在环路”的后训练机制，针对执行中的错误补充纠错数据。更关键的是，团队正在尝试在线后训练，将数据采集、模型更新与测试打通，使模型能在5至10分钟内根据最新纠错数据进行迭代，大幅缩短传统需数周的更新周期。
董豪认为，“大规模后训练”应成为具身智能公司的核心战略，以弥补预训练数据在真实场景纠错方面的不足。
“大规模后训练，是具身公司最重要的事”
为实现从工厂到家庭的大规模后训练，降低成本是关键。启元机器人推出了HIL-UMI技术，结合手持设备采集的人类操作数据与模型预测动作，通过差异分析识别模型短板并针对性补强。实验显示，该方法的数据采集效率是传统真机人在环路方法的5.63倍。
此外，启元机器人开源了生成式世界模型PrimeSim。与传统基于物理规则的仿真器不同，PrimeSim通过真实数据学习环境变化规律，为机器人提供强化学习的虚拟训练场。实验表明，在PrimeSim中训练的策略迁移至传统仿真器后，成功率显著提升。
尽管世界模型并非万能，但在特定任务中能有效降低真实环境试错成本。HIL-UMI与PrimeSim分别从数据采集和模型训练两端发力，旨在解决机器人进入千家万户前的成本与效率瓶颈。
“三年后，物理 AI 进入 RSI 阶段”
个人机器人进入家庭的切口将始于整理衣物、打扫卫生等失败代价较低的日常劳动。启元机器人正通过与WorkBuddy等外部生态合作，拓展机器人的交互能力与应用场景，形成“Agent调配+自身作业智能”的服务模式。
目前，机器人能力的迭代仍高度依赖人类反馈，类似于ChatGPT的RLHF阶段。董豪预测，随着后训练系统的完善，约三年后物理AI将进入递归自我改进（RSI）阶段。届时，机器人不仅能从经验中学习，还能逐步改进自身的学习方法，减少人工介入比例。
学界已在该方向展开探索，如Physical Intelligence的π*0.6及NVIDIA参与的ENPIRE研究，均致力于让AI Agent自主分析实验结果并优化训练代码。对于消费者而言，万台下线仅是制造能力的突破，唯有当机器人能以高成功率、低成本真正分担家务时，才算真正赢得市场。
题图来源：《末路狂花》
- FIN -