"包括Physical Intelligence在內(nèi)，如今的北美頭部具身智能公司離成熟都還有不短的距離。整個領(lǐng)域，也還沒出現(xiàn)真正的奠基性工作。"
"中國真正領(lǐng)先的，恰恰是機器人硬件。美國同樣沒有成熟答案，中國公司又何必急著把自己稱為‘中國版XX’？"
這是量子位來到悉尼參加RSS 2026后，幾天交流下來聽到最讓人意外的兩個判斷。
但有一說一，這是后話。
為啥世界模型在國內(nèi)都火了快半年，怎么到了機器人頂會，大家還在討論VLA？
這是我們這次線下的"第一感受"。
在周一的日程里，世界模型還要和記憶放在一起，組成一場45分鐘的Session。
到了周二，模仿學(xué)習(xí)與VLA相關(guān)報告從下午3點多一路排到傍晚，結(jié)結(jié)實實占據(jù)了后半個下午。
老實講，這其實挺讓人疑惑的。
畢竟在國內(nèi)，"VLA已死，世界模型當(dāng)立"的說法已經(jīng)傳了好幾輪。
世界模型也被越來越多公司放進技術(shù)路線，被視為具身智能的新版本答案。
那到這，問題就來了：
為啥在機器人頂會上，大家還是VLA、VLA？難不成國內(nèi)外真有半年時差？
在與不少同學(xué)、老師交流后，我們發(fā)現(xiàn)之所以這樣，其實是頂會的審稿周期已經(jīng)跟不上AI領(lǐng)域的迭代了。
比如，RSS 2026在1月30日截稿，4月27日公布錄用結(jié)果，7月13日在線下舉行。
從截稿到會議，已經(jīng)過去了近五個半月。
因此，現(xiàn)在的頂會論文可能更像過去一段時間的技術(shù)切片，而很難成為過去幾周的行業(yè)熱搜。
當(dāng)然，這并不是說論文不重要，畢竟任何研究都得站在之前人的肩膀上。
今年RSS的獲獎?wù)撐?，量子位已?jīng)在剛剛，機器人頂會RSS三項最佳論文出爐！708篇送審，僅8篇殺入決賽中記錄，這里就不再贅述。
相比重新復(fù)述論文，在這里我們更想聊一些只能在線下發(fā)生的事。
RSS 2026大會程序主席Matei Ciocarlie在開場時問道：
為什么我們要來這里？為什么不直接把論文發(fā)到arXiv，把視頻發(fā)到X（Twitter），然后就結(jié)束？
他的回答落在了一個詞上：connection，連接。
會議真正重要的，不只是臺上的報告，還有人與人之間的聊天、討論和面對面交流。
量子位在RSS期間不僅和現(xiàn)場的學(xué)生、研究者及創(chuàng)業(yè)者聊了聊，也聯(lián)合香港大學(xué)OpenDriveLab、源策未來、諾亦騰機器人舉辦了線下活動。
可以說，就在這些線下連接中，我們聽到了一些和國內(nèi)熱門敘事不太一樣的判斷：
一位來自Sergey Levine組的受訪者直言：包括PI在內(nèi)，今天的具身智能公司離成熟都還有不短的距離，整個領(lǐng)域也尚未出現(xiàn)他所認(rèn)為的奠基性工作。中國具身在硬件有巨大優(yōu)勢，對中國公司稱自己為中國版xx感到不解。
Physical Intelligence的實習(xí)生表示：VLA和世界模型并不沖突，可以全都要。不同任務(wù)需要語言推理和視頻預(yù)測兩種能力；至于世界模型能否像宣傳中那樣預(yù)測動作后果，他反問："你真的看到它做到這件事了嗎？"
EgoVerse核心作者Simar Kareer認(rèn)為：機器人領(lǐng)域缺的未必只是更多數(shù)據(jù)，真正拉開模型差距的還有數(shù)據(jù)如何篩選、配比和整理。
Karen Liu在閉幕Keynote中把機器人領(lǐng)域概括為"Model-rich, Data-poor"：過去積累的仿真、規(guī)劃和視覺模型未必適合直接充當(dāng)機器人策略，卻可以相互組合，成為持續(xù)生產(chǎn)訓(xùn)練數(shù)據(jù)的老師。
李弘揚教授認(rèn)為機器人下一步要解決的不只是上半身操作，而是覆蓋移動、平衡、接觸和操作的全身智能；這并非一種單獨的模型能力，而是一項橫跨控制、感知、數(shù)據(jù)和硬件的系統(tǒng)工程。
Wenzhen Yuan指出，觸覺目前大多仍以附加模態(tài)接入VLA，背后的難題不僅在于數(shù)據(jù)稀缺；不同觸覺傳感器難以遷移，機器人的指尖與末端執(zhí)行器形態(tài)也會直接影響觸覺能否發(fā)揮作用。
在與智元、宇樹、高擎、Seeed等廠商的交流中，多位從業(yè)者提到，在RSS展臺上，來問詢的仍然是高校研究機構(gòu)為主；最先追問的內(nèi)容往往不是機器人展示效果，而是價格、投資回報、二次開發(fā)條件，以及產(chǎn)品能否進入礦山、巡檢等本地場景；現(xiàn)階段，中國機器人的硬件出海也明顯走在軟件和數(shù)據(jù)服務(wù)之前。
……
這些判斷未必代表行業(yè)共識，其中一些甚至彼此沖突。
但也正是這些分歧，讓我們重新思考VLA、世界模型、數(shù)據(jù)、本體與產(chǎn)業(yè)之間的關(guān)系。
世界模型和VLA，我全都要
數(shù)據(jù)，已經(jīng)被公認(rèn)為當(dāng)前具身智能領(lǐng)域里最重要的話題。
但毋庸諱言，無論是在審稿人亦或是投資人眼中，模型依舊性感。
那么，回到最開始的問題，VLA還是世界模型？
在與Sergey Levine（Physical Intelligence）的兩位博士生交談時，我也把這個問題拋給了他們。
在他看來，不同的具身任務(wù)，適合處理它們的方式也不一樣，有些任務(wù)天然更適合語言。
比如處理家務(wù)時，機器人需要先理解人的指令，再借助語言把一個復(fù)雜任務(wù)拆成多個子任務(wù)，逐步規(guī)劃接下來的行動。
而當(dāng)任務(wù)變成把物體從A點移動到B點時，機器人也可以借助圖像或視頻生成能力，預(yù)測動作結(jié)果，生成下一步需要達到的視覺狀態(tài)。
只不過，對PI自己而言，語言仍然承擔(dān)著更重要的角色。
這可能也解釋了為什么從Steerable Vision-Language-Action Policies for Embodied Reasoning and Hierarchical Control到pi0.7以來，研究者始終把Steerable放在核心位置。
也就是說，PI并不排斥圖像或視頻生成，但更傾向于讓VLM承擔(dān)語義理解和任務(wù)推理，再通過語言指令、視覺子目標(biāo)等接口，把高層推理grounding到機器人的具體動作上。
有意思的是，在我們組織的晚宴上，我又碰到了他們。
我提到，在國內(nèi)討論世界模型與VLA的區(qū)別時，有一種頗為流行的概括：
VLA根據(jù)數(shù)據(jù)輸入和語言指令直接輸出動作；世界模型則能預(yù)測未來狀態(tài)，輔助機器人規(guī)劃動作、規(guī)避風(fēng)險。
他沒有直接認(rèn)同這種劃分，而是追問了一句：
"你真的見過它們這樣做嗎？你真的見過一個部署了世界模型的機器人，說，這個動作我做了可能有問題，我不該這樣做，我該采取其他動作"。
說實話，我一時沒接上話。
后來再想，這句追問其實把問題拉回了更具體的地方。
對世界模型而言，關(guān)鍵不只是能不能準(zhǔn)確預(yù)測未來，還在于它究竟應(yīng)該預(yù)測什么，以及這些預(yù)測能否真正幫助機器人完成操作。
這個問題，在我與Simar Kareer的交談中，有了更具體的答案。
他認(rèn)為，世界模型應(yīng)該預(yù)測什么，要由它最終服務(wù)的下游任務(wù)決定。
如果目標(biāo)是讓機器人完成動作，那么更合理的方向，是讓視頻預(yù)測（video prediction）與動作預(yù)測（action prediction）聯(lián)合學(xué)習(xí)，而不是只訓(xùn)練模型生成未來畫面。
對此他舉了一個例子，現(xiàn)階段的視頻預(yù)測或許能生成視覺上合理的未來狀態(tài)，卻未必知道機器人的手有多大、要抓取的物體有多大。
缺少這些與真實動作相關(guān)的信息，預(yù)測出來的視頻再逼真，也很難直接轉(zhuǎn)化為可靠的操作。
因此，至少在現(xiàn)階段，視頻預(yù)測還無法完全取代動作監(jiān)督。它可以幫助機器人想象未來，而動作預(yù)測與動作監(jiān)督，則負(fù)責(zé)把這種想象落到真實、可執(zhí)行的動作上。
此外，來自香港大學(xué)的陳立博士在Robot World Models研討會上又補充了另一層：
即便確定了預(yù)測對象，"生成未來"和"判斷這個未來是否有用"，也不一定要交給同一個模型。
在他的RISE框架中，動力學(xué)模型負(fù)責(zé)生成未來狀態(tài)，價值模型則判斷這些狀態(tài)是否符合任務(wù)目標(biāo)。
機器人由此可以先在模型生成的未來中嘗試不同路徑，再利用價值信號改進策略，減少在真實世界中試錯的成本與風(fēng)險。
世界模型的價值，也就不只在于能否"想象未來"，還在于這些想象能否為動作提供有效依據(jù)。
總結(jié)來看，世界模型固然重要，但對具身智能而言，它并不是VLA的簡單替代，兩種方法也并不矛盾。
真正的問題在于，世界模型應(yīng)該預(yù)測什么，以及這些預(yù)測如何服務(wù)于機器人動作。
值得一提的是，在RSS會場內(nèi)外，已經(jīng)有不少研究者開始探索VLA與世界模型結(jié)合的混合架構(gòu)，前面提到的π0.7正是其中之一。
數(shù)據(jù)量很重要，但Curation更重要
雖然模型上的創(chuàng)新可能好發(fā)論文，也更吸引眼球，但數(shù)據(jù)已經(jīng)毫無爭議的成為了具身領(lǐng)域最重要的問題。
在poster環(huán)節(jié)，我們也排隊問了Simar幾個數(shù)據(jù)問題。
Simar這幾年從EgoMimic一路做到EgoVerse，研究的都是怎么把第一視角人類數(shù)據(jù)用到機器人上。照理說，他應(yīng)該是最看好Egocentric Data的那批人。
但當(dāng)我問起數(shù)據(jù)該怎么scaling時，他的建議卻是：
Egocentric數(shù)據(jù)當(dāng)然有用，但我其實不建議你們直接從數(shù)據(jù)公司買（笑）。
在回答中，Simar舉了大模型領(lǐng)域的例子。他提到像OpenAI，anthropic，他們不光是數(shù)據(jù)多，更重要的是數(shù)據(jù)的清洗、篩選、配比和組織數(shù)據(jù)，機器人領(lǐng)域同樣如此。
也就是說，相比單純的堆數(shù)據(jù)量，數(shù)據(jù)的curation可能更重要。
但具體怎么個curation，多少數(shù)據(jù)量才夠，Simar頓了一下，并沒有給出直接的答案，只是建議參考π0的訓(xùn)練規(guī)模（1萬小時）以及公開數(shù)據(jù)集。
也就是說，這個數(shù)字只是一個參照，不是一條已經(jīng)得到驗證的Scaling Law。
類似的一幕其實也發(fā)生在論文匯報的QA環(huán)節(jié)。在論文中，研究得出的結(jié)論是：
隨著VLA預(yù)訓(xùn)練數(shù)據(jù)規(guī)模和多樣性的提升，人類數(shù)據(jù)向機器人策略的遷移能力逐漸顯現(xiàn)。
于是，現(xiàn)場有觀眾追問：這種數(shù)據(jù)多樣性應(yīng)該怎樣衡量？
后來我和諾亦騰機器人的工作人員聊了這個問題，他的看法是：
對于模型公司或者Lab來說，架構(gòu)可以寫進論文，數(shù)據(jù)配方卻更像那份不會輕易示人的recipe。
這或許解釋了我們前面提到的，幾乎所有人都在談數(shù)據(jù)，論文里最顯眼的東西卻仍然是模型。
所以，諾亦騰也提到了另一種可能性：
未來的數(shù)據(jù)公司未必只按小時出售原始素材，還需要自己訓(xùn)練模型、做對照實驗和評測，最終向機器人公司交付經(jīng)過篩選、能夠直接進入訓(xùn)練流程的數(shù)據(jù)方案。
到了這一步，數(shù)據(jù)公司的價值就不再是"采了多少小時"，而是"知道哪些數(shù)據(jù)真正有用"。
當(dāng)然，勸大家不要直接買數(shù)據(jù)，不代表Simar不看好Egocentric Data。
在「Data-Centric Robotics：What Data Do Robots Really Need？」研討會上，他重新畫了一遍機器人領(lǐng)域的數(shù)據(jù)金字塔。
問題出在它暗示的關(guān)系：互聯(lián)網(wǎng)和人類視頻似乎天然構(gòu)成機器人學(xué)習(xí)的基礎(chǔ)，少量機器人數(shù)據(jù)只負(fù)責(zé)最后適配。
EgoVerse的實驗給出了另一種圖景。
只使用機器人數(shù)據(jù)與自由形態(tài)人類數(shù)據(jù)，提升有限；只加入與任務(wù)對齊的人類示范，改善同樣不大。最明顯的提升來自三類數(shù)據(jù)共同出現(xiàn)：
機器人遙操作數(shù)據(jù)；
與機器人任務(wù)對齊的Episodic Human Data；
覆蓋場景和長尾行為的Free-form Human Data。
機器人數(shù)據(jù)和任務(wù)對齊的人類數(shù)據(jù)共同提供了"錨點"，告訴模型人類行為與機器人動作空間怎樣對應(yīng)。
所以，數(shù)據(jù)多樣性并不是把不同來源的數(shù)據(jù)倒進同一個池子。真正決定效果的，可能是Data Mixture中有沒有足夠的對齊區(qū)域。
但不管怎么篩，真實機器人數(shù)據(jù)和具身人類數(shù)據(jù)都很難無限采集。那能不能換一種思路，讓模型自己生產(chǎn)數(shù)據(jù)？
機器人Data Poor，但Model Rich
在Karen Liu的閉幕演講Data Poor，Model Rich中，這位來自斯坦福大學(xué)計算機系、從計算機圖形學(xué)和物理仿真一路做到人形機器人控制的教授，就回應(yīng)了上面這個問題。
Data Poor，不只意味著依靠數(shù)采員"力大磚飛"收集數(shù)據(jù)很難scale。
與此同時，隨著機器人任務(wù)從桌面抓取走向靈巧操作和全身控制，數(shù)據(jù)采集的難度也在不斷增加。
更重要的是，這種方式還藏著一個默認(rèn)假設(shè)：每一條示范數(shù)據(jù)，都能立刻對訓(xùn)練產(chǎn)生作用。
Model Rich則意味著，我們可以換一種思路，把已有模型變成數(shù)據(jù)引擎，用它們生產(chǎn)訓(xùn)練數(shù)據(jù)。
計算機圖形學(xué)積累了物理仿真、動畫和數(shù)字人模型，計算機視覺有3D重建和幾何模型，機器人學(xué)也有軌跡優(yōu)化、運動規(guī)劃和動力學(xué)模型。
這些模型各有所長，很難直接充當(dāng)一個通用的機器人Policy。但在Karen看來，可能不是模型沒用，而是我們一直給它們安排錯了工作。
它們可以退到訓(xùn)練階段充當(dāng)Teacher，把已有知識轉(zhuǎn)化成高質(zhì)量的機器人示范。
過去幾年，連接傳統(tǒng)仿真模型和機器人學(xué)習(xí)兩端的技術(shù)也開始成熟。
一頭是3D Gaussian Splatting，可以高效重建真實環(huán)境，為世界資產(chǎn)提供Real-to-Sim的部分解；另一頭是全身動作跟蹤策略，可以把運動學(xué)軌跡轉(zhuǎn)化成真實機器人的動作，為機器人行為提供Sim-to-Real的部分解。
現(xiàn)在缺少的，就是把兩端連接起來。
Karen團隊在VLK中搭建了一條Real-to-Sim-to-Real Pipeline。
整套系統(tǒng)不需要人類示范，在重建的室內(nèi)環(huán)境中自動合成了4.8萬條視覺、語言和全身運動學(xué)軌跡，訓(xùn)練出的策略還能遷移到真實的Unitree G1上，完成導(dǎo)航和物體搬運。
雖然這還不能徹底取代真實數(shù)據(jù)，但至少證明了一件事：
機器人Scaling的起點，未必只能是招更多人遙操作機器人，也可以讓過去積累的模型先把數(shù)據(jù)飛輪轉(zhuǎn)起來。
數(shù)據(jù)決定硬件
那么再往前一步，如果數(shù)據(jù)如此重要，機器人是不是也應(yīng)該圍繞數(shù)據(jù)采集來設(shè)計？
Sunday Robotics先設(shè)計Skill Capture Glove和機器人手，再圍繞這只手設(shè)計整臺機器人，可能就是最具體的回答。
（Tony Zhao與Cheng Chi分別是ALOHA、ACT和Diffusion Policy、UMI的核心作者，2024年共同創(chuàng)辦Sunday Robotics，現(xiàn)分別擔(dān)任CEO和CTO）
Tony和聯(lián)合創(chuàng)始人Cheng Chi先確定了Skill Capture Glove與機器人手的形態(tài)，讓兩者在結(jié)構(gòu)上盡可能一一對應(yīng)，再圍繞這只手設(shè)計機器人的其他部分。
也就是說，數(shù)據(jù)不再只是機器人造好之后收集的訓(xùn)練材料。它反過來開始定義傳感器、機器人手，乃至整臺機器人的形態(tài)。
來自UIUC的Wenzhen Yuan在演講中也提到了類似的觀點。
機器人手指的形狀、相機、光源和材料，都應(yīng)該與感知模型和操作策略協(xié)同設(shè)計。觸覺智能不只是一個傳感問題，還需要傳感器、數(shù)據(jù)、模型與機器人形態(tài)共同優(yōu)化。
這也引出了本屆RSS上另一個不可忽視的方向：全身智能。
邁向全身智能
在今年RSS Early Career Spotlight的演講中，來自香港大學(xué)、源策未來的李弘揚教授提出了一個新的方向：全身智能（whole-body intelligence，WBI）。
（注：全身智能是指讓人形機器人從異構(gòu)的人類與機器人經(jīng)驗中學(xué)習(xí)可復(fù)用的全身協(xié)同先驗，并據(jù)此在真實環(huán)境中生成安全、自適應(yīng)、可執(zhí)行的行為。詳情可參考https://www.archon.tech/blog/whole-body-intelligence）
畢竟，宇樹機器人已經(jīng)在春晚上跑跳起舞，今年各家公司的Demo和論文又都在向精細操作發(fā)力。
下半身已經(jīng)能跑，上半身也越來越會干活，為什么還要單獨提出全身智能？
問題可能恰恰藏在"能跑"和"能干活"之間。
今天的機器人可以走到桌前，站穩(wěn)，再伸手抓取。但真實世界里的任務(wù)，往往不會這么配合機器人。
搬起自行車時，雙腿需要隨著重量變化調(diào)整重心；伸手去夠遠處的東西時，另一只手可能要主動抬起保持平衡；遇到狹窄通道，還得一邊側(cè)身，一邊繼續(xù)搬運。
到了這里，走路和操作就不能再被拆成兩個互不相干的動作。機器人需要把腿、腰、軀干和雙手當(dāng)成一個整體，邊移動、邊操作，還能根據(jù)環(huán)境實時調(diào)整身體。
這也是李弘揚所說的全身智能。
具體來說，運動控制解決的是機器人如何穩(wěn)定地從A走到B；全身控制解決的是一個給定動作如何被整具身體穩(wěn)定執(zhí)行。
所以，李弘揚并沒有把希望完全寄托在一個從圖像直接輸出電機電流的超級模型上，而是給出了一套分層系統(tǒng)。
最上層的"大腦"負(fù)責(zé)理解語言、調(diào)用記憶和長程規(guī)劃；中間的具身模型把任務(wù)轉(zhuǎn)化成全身動作；更底層的身體模型與控制器，則負(fù)責(zé)平衡、接觸和實時執(zhí)行。
但問題來了，如果底層控制只是其中一層，為什么它仍然值得投入這么多精力？
北京通用人工智能研究院研究科學(xué)家黃思遠在workshop中，給出了一個很形象的比喻。
人類大腦皮層大約有160億個神經(jīng)元，而主要負(fù)責(zé)控制、平衡與協(xié)調(diào)的小腦，卻有約690億個神經(jīng)元，占整個大腦神經(jīng)元數(shù)量的80%以上。
現(xiàn)在看到的跑跳、空翻，很多還是針對特定動作訓(xùn)練出來的專業(yè)能力，距離一個模型駕馭各種動作，還有相當(dāng)長的距離。
黃思遠給出的路徑，是先為跑、跳、攀爬等不同能力訓(xùn)練多個專業(yè)控制模型，再讓這些專家產(chǎn)生高質(zhì)量的運動軌跡，交給一個更通用的模型學(xué)習(xí)。
小模型先把單項技能練到足夠好，大模型再吸收它們的經(jīng)驗，獲得更加廣泛的身體能力。
如果回頭看前面的幾位演講者，會發(fā)現(xiàn)類似的思路一直在重復(fù)出現(xiàn)。
Karen Liu讓已有的專業(yè)模型退到訓(xùn)練階段充當(dāng)Teacher，Tony Zhao在高層策略與底層控制之間尋找合適的系統(tǒng)接口，黃思遠用多個專業(yè)模型為通用控制模型提供經(jīng)驗，李弘揚把這些能力放進一套全身智能系統(tǒng)中， Wenzhen Yuan則試圖將觸覺感知融入機器人的基礎(chǔ)模型中。
（注：Tony Zhao還提到，機器人不太可能只靠一個從圖像直接輸出電機電流的模型解決所有問題。高層策略負(fù)責(zé)理解任務(wù)、生成動作目標(biāo)，底層控制負(fù)責(zé)平衡與穩(wěn)定執(zhí)行，而兩者之間應(yīng)該用什么樣的動作表示連接，仍然需要專門設(shè)計）
端到端與模塊化，可能從來就不是一道二選一。
端到端回答的是一個模塊內(nèi)部該如何從數(shù)據(jù)中學(xué)習(xí)，模塊化回答的則是整套系統(tǒng)該如何分工。
大模型也沒有消滅小模型，而是把它們重新安排成教師、身體先驗和底層控制器。
模型可以端到端，系統(tǒng)仍然需要有層次。
從這個角度看，全身智能不只是把機器人的腿和手接到同一個模型上。
具身智能的下一步，或許也不只是給機器人換一個更聰明的大腦，而是搭出一套能讓大腦真正調(diào)動整具身體的系統(tǒng)。
硬件先出海，智能再跟上
說完了學(xué)術(shù)，咱們聊聊背后的產(chǎn)業(yè)。
一位來自Physical Intelligence的人士告訴我們，美國在冒出幾家具身公司后，很快進入了一個相對平靜的階段，國內(nèi)（中國）卻幾乎每天都有新公司出現(xiàn)，而且大多還能拿到融資。
按照他的觀察，如果只看創(chuàng)業(yè)熱度、硬件供給和出海進度，中國具身智能已經(jīng)明顯超過美國。
這種差異也延續(xù)到了RSS現(xiàn)場。
從參會者來源看，中國和美國包攬人數(shù)前兩名，依舊是會場里的兩支主力。但到了贊助商名單，中國公司幾乎成了展廳里的絕對主角。
對于這樣一場以學(xué)術(shù)交流為主的會議，企業(yè)專門花錢贊助、搭建展位，到底值不值？
畢竟，RSS本身仍然是一場學(xué)術(shù)氣質(zhì)很濃的、小而精的會議（每年接收論文僅一百多篇至兩百篇）。
在現(xiàn)場，海報展示環(huán)節(jié)往往比贊助展廳更擁擠，展位前最常出現(xiàn)的，也不是拿著采購單的企業(yè)客戶，而是追著技術(shù)細節(jié)問個不停的學(xué)生和研究者。
前來問詢的仍以高校和科研機構(gòu)為主，真正帶著明確采購任務(wù)的企業(yè)客戶并不多。
但這恰恰解釋了為什么具身硬件會先走出去。硬件看得見、摸得著，價格、負(fù)載和可靠性也容易比較。
即便當(dāng)?shù)剡€沒有成熟的具身智能產(chǎn)業(yè)，高校和開發(fā)者也可以先把機器人買回去，用于科研、教學(xué)和二次開發(fā)。
而且值得一提的是，在與宇樹的交流中，我們得知四足機器人的現(xiàn)實需求反而比人形更加明確。
國內(nèi)常見的文娛表演、商務(wù)指引，在澳洲沒有那么大的市場；礦區(qū)勘測、巡檢和分揀等能夠明確計算投入產(chǎn)出比的任務(wù)，反而更容易獲得關(guān)注。
與此同時，Seeed Studio則代表了硬件出海的另一條路線。
相比一臺完整的人形機器人，它提供的開源硬件和邊緣計算設(shè)備價格更低，還有相對完整的社區(qū)、安裝教程和二次開發(fā)指引。
對于預(yù)算有限、具身生態(tài)又尚未成熟的海外高校來說，一個足夠便宜、能夠馬上上手的開發(fā)平臺，往往比一個足夠炫的Demo更有吸引力。
這也是為什么，相比購買一臺機器人，海外用戶對模型和自動化方案往往更加保守。他們更希望先看到明確的投入產(chǎn)出比，再決定是否部署。
此外，不同公司也選擇了不同的落地方式。
宇樹等企業(yè)更多借助當(dāng)?shù)睾献骰锇楹头咒N商銷售產(chǎn)品，先降低進入新市場的成本；智元則選擇在澳新地區(qū)設(shè)立自己的團隊。
智元工作人員告訴我們，相比把市場交給中間商，獨立運營雖然更重，卻能更快獲得客戶反饋，了解當(dāng)?shù)卣嬲枰裁慈蝿?wù)，以及機器人應(yīng)該怎樣進入已有的生產(chǎn)流程。
它們一邊賣硬件，一邊尋找當(dāng)?shù)睾献骰锇?、開發(fā)者和任務(wù)需求。頂會展位既是銷售、招聘的窗口，也是進入海外技術(shù)生態(tài)的一張門票。
但硬件先出去，并不等于具身智能已經(jīng)完成出海。
中國在供應(yīng)鏈、價格和交付能力上的優(yōu)勢，讓機器人率先拿到了出海船票。模型如何適應(yīng)當(dāng)?shù)厝蝿?wù)，數(shù)據(jù)如何形成閉環(huán)，開發(fā)者生態(tài)如何建立，仍然需要在當(dāng)?shù)刂匦律L。
而且，這可能還不只是中國公司的問題。
另一位來自Physical Intelligence的人士告訴我們，包括Physical Intelligence在內(nèi)，北美頭部具身公司距離成熟都還有一段距離，整個領(lǐng)域也沒有出現(xiàn)真正的奠基性工作。
所以當(dāng)我們提到中國具身公司總愛對標(biāo)美國、把自己稱為"中國版XX"時，他的第一反應(yīng)反而是不解。
在他的印象里，中國真正領(lǐng)先的恰恰是機器人硬件。既然美國的答案同樣沒有成熟，中國公司又何必急著把自己定義成誰的復(fù)制品？
等你的Conference Buddy成為大佬
回到開頭的問題，我們?yōu)槭裁匆獊鞷SS？
最后，我還想講幾句，主要是送給在場的學(xué)生們。
那些真正的大佬一般都不會來聽開幕式（笑）。當(dāng)然，也有例外，我剛才好像看到Oliver坐在后排。不過總體來說，這些話主要是送給學(xué)生們的。
現(xiàn)場有多少學(xué)生？請舉一下手。歡迎大家。
還有誰是第一次參加RSS？
哇，非常多人，歡迎。
為什么我們要來會議？
為什么我們要來這里？為什么不直接把論文發(fā)到arXiv，把視頻發(fā)到X，然后就結(jié)束？
因為會議真正重要的，是人與人的交流，是聊天、討論和面對面的連接。
所以，我想分享一個小建議。
當(dāng)年我還是學(xué)生的時候，我最大的夢想就是成為那些大牛們的Conference Buddy，和他們一起聊天、喝酒、跑步。
但這其實挺難。
所以后來，我發(fā)現(xiàn)了一個百分之百有效的方法，保證成功，絕不會失敗。
方法就是：等你現(xiàn)在的Conference Buddy，未來變成大牛。
真的。
RSS 2012同樣在悉尼舉辦。當(dāng)時Kris Hauser正在拍照，Dylan Shell坐在那里，我和Anca Dragan也在。那時我們都還沒什么名氣，只是一起玩、一起聊天、一起認(rèn)識彼此。
后來，Dylan穿上了RSS程序主席的夏威夷襯衫，Kris也穿過，今年輪到了我。
所以，去和知名教授聊天完全沒有問題。你可以直接走過去說："Hi，我很喜歡你的工作，可以聊聊嗎？"這完全可以。
但我真正想強調(diào)的是，更重要的是認(rèn)識你的同齡人，和他們建立聯(lián)系，一起成長。
因為今天坐在你旁邊的人，就是未來整個領(lǐng)域的領(lǐng)導(dǎo)者。你們現(xiàn)在建立的，可能是未來幾十年的合作關(guān)系。
還有一點，和別人聊天的時候，不要一直越過對方的肩膀，尋找現(xiàn)場有沒有更資深的人可以聊。
不要這樣。
認(rèn)真認(rèn)識你眼前的人。
第二件事，是關(guān)于焦慮。
最近大家都在說，機器人領(lǐng)域變化太快了。這是真的。
我進入機器人領(lǐng)域已經(jīng)大約25年，從來沒見過這么多人進入這個領(lǐng)域，沒見過這么多資金，更沒見過機器人的能力增長得如此之快。
這是一個令人激動的時代，但也是一個容易焦慮的時代。
很多學(xué)生都會覺得："我是不是跟不上了？""我的工作是不是不夠好？"
我自己也有過這種感覺。
為了緩解焦慮，我有兩樣?xùn)|西。
第一是終身教職，第二是Perspective，也就是看問題的角度。
終身教職沒辦法送給大家，但Perspective可以分享一點。
第一，沒有任何人的工作真的和視頻里一樣完美。
每個人的視頻，都會比真實效果看起來更好。所以，當(dāng)你看到一個特別驚艷的視頻時，請記住，真實情況沒有看起來那么完美。
它可能確實非常優(yōu)秀，但永遠沒有視頻里顯得那么完美。
第二，你現(xiàn)在看到整個領(lǐng)域高速發(fā)展，其實是全世界幾千名研究者共同努力的成果。
它不是某一個實驗室的產(chǎn)出，也不是某一個人的產(chǎn)出。沒有誰真的比你高效10倍。
只是所有人的成果都被精心包裝起來，再一起擺到你面前，所以你才會覺得："怎么一下子出現(xiàn)了這么多東西？"
第三，請記住，如果今天你坐在RSS的會場里，你已經(jīng)進入了這個領(lǐng)域的最高舞臺。
這里就是機器人研究的頂級聯(lián)賽。
在這里，你當(dāng)然會遇見世界上最優(yōu)秀的人。就像踢足球一樣，你會面對哈蘭德，也會面對姆巴佩，他們真的很強。
但與此同時，你也正在和世界上最優(yōu)秀的人一起比賽。
請享受這一點。
未來，你們當(dāng)中的一些人也會成為世界上最優(yōu)秀的人。即便沒有，你依然站在最高水平的賽場上，偶爾也能在最大的舞臺上打進一個漂亮的進球。
所以，請享受這個時代。
這是機器人領(lǐng)域最好的時代。讓我們一起珍惜它，讓這一切變得值得。
謝謝大家。
RSS 2026，正式開（閉）幕！
一鍵三連「點贊」「轉(zhuǎn)發(fā)」「小心心」
歡迎在評論區(qū)留下你的想法！
—完—
點亮星標(biāo)
科技前沿進展每日見
