具身季报 26Q2：世界模型大风不停，和不想被贴标签的人

📌 一句话摘要

本文以播客对话形式深入复盘 2026 年 Q2 具身智能行业五大进展：人形马拉松、Figure 直播、灵巧手爆发、世界模型热潮与 VLA 迭代，并分析了技术路线之争与资本市场变化。

📝 详细摘要

文章为《晚点聊》具身季报系列第二期，由实习生裴雨桐整理，主持人程曼祺与 Alphaist 创始合伙人陈哲对谈。全篇围绕 2026 年第二季度具身智能领域五个最重要事件展开：1）北京亦庄人形马拉松，荣耀机器人夺冠，展现终端大厂在工程制造和系统集成能力上的优势，竞争从单一技术转向系统工程；2）Figure AI 连续 200 小时直播人形机器人分拣包裹，证明了在可形变材料操作上的价值，指出传统机器视觉加工业手臂方案难以解决此类长尾问题；3）灵巧手与灵巧操作爆发，以舞肌为代表的直驱高自由度灵巧手在 ICRA 上备受关注，直驱与绳驱路线并存，灵巧手成为竞争焦点，数据采集方式正从 ALOHA 向 Ego-centric 视频和全身动捕演进；4）英伟达发布 Cosmos 3 世界模型，采用 MoT 架构统一理解和生成，开启世界模型创业热潮，作者梳理了世界模型的三种分类（Video World Model、Action-Conditioned World Model、World Action Model），认为 VLA 与世界模型正走向融合而非对立；5）Physical Intelligence 的π0.7 和 Generalist 的 GEN-1 迭代，前者在 VLA 基础上接入轻量世界模型提升预测能力，后者用自身采集的 50 万小时数据训练出端到端模型，展示了 Scaling Law 的有效性。此外还讨论了资本市场变化、OpenAI Robotics 团队回归、远程接管模式、灵巧手数据采集困境、以及中国公司在该领域的竞争力。整体信息密度极高，分析深入，具备行业洞察。

💡 主要观点

- 人形机器人马拉松揭示竞争格局转变：从单一技术优势转向系统工程和系统作战能力。 荣耀凭借定制大扭矩电机和液冷机制夺冠，展现终端大厂（手机/汽车）在工程制造、组织能力和资源密度上的优势，未来市场可能以大厂为主导。

Figure 的 200 小时物流直播验证了人形机器人在可形变材料操作上的不可替代性。 传统机器视觉加工业手臂方案无法处理软体包裹的二维码翻面和展平，而人形机器人的灵巧操作能力能够解决这一长尾问题，物流分选成为合适的落地场景。

灵巧手市场进入高自由度竞争阶段，直驱与绳驱路线并存，数据采集成为关键瓶颈。 舞肌的直驱手以体积小、反驱性好获学界认可，类似宇树在运控硬件中的角色；但大厂多跟随特斯拉的绳驱路线。灵巧手数据高度依赖硬件构型，独立三方公司存在机会。

英伟达 Cosmos 3 统一架构的世界模型引领创业热潮，VLA 与世界模型正在融合。 Cosmos 3 采用 MoT 架构（自回归+扩散），原生支持多模态输入输出，是首款产品级全开源 Omni-model；同时 VLA 模型（如π0.7）也开始接入轻量世界模型，两者非替代关系。

Model 与 GEN-1 的迭代展示了 VLA 路线的持续突破和对 Scaling Law 的验证。 π0.7 通过融合世界模型提升预测能力，GEN-1 用 50 万小时自采数据从零训练端到端模型，速度与准确率显著提升，证明了数据规模的 scaling 效应。

💬 文章金句

- 与其说世界模型颠覆或超越了 VLA，不如说它给现有的 SOTA 模型带来了更新的能力和思路。

• 人形机器人作为一个高端制造加上复杂算法、复杂软件系统的行业，正在从单一技术见长的创业公司视角，演变成一种系统工程和系统作战能力的竞争。
• 马拉松作为一种极限运动性能的测试，本质上是人形机器人技术的练兵场，是一个 benchmark。
• 在标准化的包裹、纸箱之外，还有大量非标的包裹和拣选需求没被解决……Figure 和星动纪元选这个场景非常聪明。
• 灵巧手的硬件结构还没有完全收敛……谁能更快地提供可靠、稳定、廉价的灵巧手供给，谁就能更快成为这个行业的事实标准。

📊 文章信息

AI 初评：89

来源：晚点LatePost

作者： 晚点LatePost

分类：人工智能

语言：中文

阅读时间：78 分钟

字数：19333

标签： 具身智能, 人形机器人, 世界模型, 灵巧手, VLA

阅读完整文章