宇樹智元共用一個大腦！神秘模型Demo炸場，10分鐘一鏡到底
一段長達10分鐘、一鏡到底的機器人實測影片，近日在具身智慧與機器人產業圈內引發熱烈討論。畫面中，宇樹科技與智元機器人兩款硬體架構截然不同的機器人，竟然共享同一個「大腦」，並且在完全自主的狀態下彼此協作，接連完成擦窗、搬運箱子墊高、任務中斷後自主恢復等一系列長程操作。整段影片全程無剪輯、無遙控、也無任何人工指令介入，等於是在最嚴苛的條件下，讓兩台本體設計邏輯各異的機器人聯手跑完複雜流程，被部分觀察者視為全球罕見的跨本體通用大腦樣本。所謂「跨本體」，指的是不同廠商、不同機械結構、不同感測器配置的機器人，不再各自訓練專屬模型，而是直接共用同一套決策與感知系統。
過去具身智慧領域普遍認為，機器人的硬體差異會嚴重限制模型遷移，因此多數廠商傾向針對自家機型打造專用大腦。這次曝光的影片之所以受到矚目，正是因為它直接挑戰了這項預設——兩款機器人面對動態環境時，不僅能各自判斷下一步動作，還能協調分工，甚至在任務被打斷後自行修正路線、繼續完成目標。從影片內容來看，兩台機器人並非只是各自執行預先寫死的動作序列。在擦窗任務中，機器人需要先定位窗戶位置、判斷清潔範圍，再以適當力度與角度進行擦拭；在搬運箱子墊高的環節，兩台機器人則展現出明確的分工邏輯，一台負責搬運，另一台則在適當位置接手堆疊，過程中還必須應對箱子重量、重心變化與地面環境等變數。
最令業界驚豔的是任務中斷後的自主恢復能力——當流程被人為打斷時，機器人並沒有停擺或陷入錯誤迴圈，而是重新評估現場狀態、調整計畫，並自行回到任務軌道上，這在過去的機器人實測中相當少見。這項成果若屬實，可能對具身智慧產業的技術判斷與Scaling Law認知帶來深遠影響。過去業界常以「某個本體蒐集多少數據」來衡量模型潛力，但跨本體通用大腦的出現，意味著數據與能力的累積不再被單一硬體綁死，不同機器人之間的經驗可以互通，訓練效率與泛化能力可望大幅提升。
換句話說，未來機器人產業的競爭焦點，可能從「誰的硬體強」轉向「誰的大腦更通用」，而這也讓外界更加好奇，宇樹與智元背後究竟使用了什麼樣的神祕模型，才能讓兩台架構迥異的機器人展現出如此流暢的協作表現。值得注意的是，宇樹科技與智元機器人分別在機器人領域擁有不同的技術路線。宇樹以四足機器人與人形機器人的運動控制見長，產品強調靈活性與動態穩定性；智元機器人則更側重於具身智慧與通用操作的結合，試圖讓機器人在真實世界中具備更強的任務理解能力。兩家公司在硬體設計、感測器配置與運動控制邏輯上都有明顯差異，過去若要讓這兩種機器人協同作業，通常需要針對各自平台分別開發控制系統，再透過外部通訊協定進行協調。
然而這次影片顯示，兩台機器人似乎共享同一套高層決策系統，硬體差異被大幅淡化，這在技術上具有指標性意義。從產業角度來看，跨本體通用大腦若真的成熟，將直接改寫具身智慧領域的數據競爭邏輯。目前許多機器人公司投入大量資源，針對自家硬體蒐集操作數據，並以此訓練專屬模型。這種模式雖然有效，但數據蒐集成本高昂，且不同平台之間的數據無法互通，導致整個產業的技術進步呈現碎片化狀態。如果一套通用大腦可以同時驅動不同廠商的機器人，那麼數據的價值將不再受限於單一硬體平台，整個產業的數據累積效率與模型泛化能力都有機會出現跳躍式成長。當然，也有業界人士持保留態度。
跨本體通用大腦的訓練難度遠高於單一本體模型，因為不同機器人的關節配置、自由度、感測器類型與執行器響應特性都存在差異，模型必須在抽象層級上理解「任務目標」，而不是依賴特定硬體的低階控制指令。此外，影片中的任務雖然涵蓋多個環節，但相較於真實世界無限多變的場景，仍屬於相對受控的環境。要在更複雜、更動態的場域中實現同樣水準的跨本體協作，恐怕還需要更多驗證。不過，無論最終技術細節如何，這段影片已經成功在產業內投下震撼彈。它讓外界看到一種可能性：機器人的智慧不必被禁錮在特定的機械身軀中，同一套認知系統可以像人類的大腦一樣，指揮不同形態的身體完成任務。
這種「身心分離」的架構，正是許多人對通用人工智慧與機器人結合的終極想像之一。對於宇樹科技與智元機器人來說，這次合作曝光也釋放出明確的訊號——在具身智慧競賽中，單打獨鬥的時代可能正在過去，跨平台、跨本體的合作將成為新的競爭維度。兩家公司在各自領域都有深厚積累，如今聯手展示通用大腦的潛力，無疑會讓其他競爭對手重新思考自身的技術布局。外界目前最關心的，莫過於這個神秘模型究竟從何而來。是宇樹或智元內部自行研發的成果，還是雙方共同投資的第三方團隊所打造？模型採用了什麼樣的訓練架構？數據來源是否涵蓋兩家公司的機器人平台？
這些問題目前都沒有明確答案，但可以預見的是，隨著這段影片持續發酵，相關技術細節與合作內幕，可望在近期內逐步浮上檯面。無論如何，這段10分鐘的一鏡到底影片，已經為具身智慧產業打開了一扇新的窗。它不僅展示了兩台機器人協作完成複雜任務的能力，更暗示了一條不同於以往的技術路徑：當機器人的「大腦」不再受限於「身體」，整個產業的遊戲規則，或許即將迎來一次深刻的重新定義。
Related
相關文章
Cloudflare 稱 AI 智能體已佔 60% 互聯網流量，同比激增 1700%
首頁 > 智能時代>人工智能 Cloudflare 稱 AI 智能體已佔 60% 互聯網流量，同比激增 1700% 2026/8/26 15:41:18 來源：IT之家 作者：故淵 責編：故淵 評論： IT之家 8 月 26 日消息，韓媒 chosun 昨日（8 月 25 日）發佈博文，報道稱 Cloudflare 亞太區執行副總裁兼董事總經理 Goran Risticsevich 表示，由 AI 智能體產生的流量在過去 1 年中激增逾 1,700%，目前約佔總流量的 60%。Risticsevich 出席本週二在韓國首爾舉辦的媒體發佈會，IT之家翻譯其演講內容如下：AI 智能體產生的流量比去年同期（原文並未明確具體月份 / 季度）增長了 1,700% 以上，網絡上約 60% 的流量來自 AI 智能體。在構建智能體型互聯網基礎的同時，我們也需要以與創新同步的速度應用 AI 安全技術。互聯網最初是為人而建的，但現在流量是由以機器速度運行的 AI 智能體產生的。一個人可能要瀏覽四五個網站來研究或計劃一次旅行，而 AI 智能體可以同時連接到成千上萬個網站和服務器來執行同樣的任務。隨著 AI 智能體代表用戶同時訪問多項服務，攻擊面正在不斷擴大。Cloudflare 將“影子 AI”列為日益嚴峻的隱患，員工在工作中使用未經批准的 AI 工具，可能導致敏感內部數據暴露給外部模型。該公司還警告稱，模型上下文協議（MCP）的快速普及催生了“影子 MCP”風險：該協議負責將 AI 應用連接至外部工具和內部系統，而未經授權的協議連接可能繞過企業管控措施。 投訴水文 我要糾錯 下載IT之家APP，簽到賺金幣兌豪禮 相關文章關鍵詞：Cloudflare，AICloudflare 復現遠程“幽靈”攻擊：99% 準確率、每秒 12 bits 提取數據Cloudflare：中國是 2026 上半年受 D
Artificial Analysis 公佈蘋果 iPhone 17 Pro 跑 8GB 以內本地 AI 性能排名
作者：故淵 責編：故淵 評論： 8 月 26 日消息，Artificial Analysis 於 8 月 24 日發佈博文，宣佈攜手 Liquid AI，發佈面向手機端的 AI 跑分基準，重點關注 AI 模型在蘋果 iPhone 17 Pro 上的表現。
實測豆包工作：WorkBuddy迎來最強對手？
實測豆包工作：WorkBuddy迎來最強對手？AIX財經2026.08.26 10:00 · 來自福建全文4573字00:00 / 14:08一週補全能力，豆包工作好用嗎？文 | AIX財經，作者 | 雷晶，編輯 | 金璵璠8月25日，字節跳動正式發佈AI辦公Agent產品豆包工作。豆包工作的模型提供自動、豆包2.1 Pro和豆包2.1 Turbo三種選擇，用戶可以根據任務複雜度選擇不同能力。使用入口也比較多，既可以下載獨立App，也可以直接在豆包APP的工作任務區使用，還能從飛書內調用。相比市面上的同類Agent應用，豆包工作最大的特點在於與飛書深度打通，可以在權限範圍內調用企業協作場景中的文檔、聊天記錄、會議紀要等信息，讓Agent參與到日常辦公任務中。在正式發佈之前，豆包用一週時間連續更新了多項辦公Agent能力。8月17日，手機遠程控制電腦上線，用戶可以通過手機訪問電腦文件，直接調取和處理分散在不同設備中的資料。8月18日，Windows虛擬桌面上線，AI可以在獨立環境中執行任務，避免影響用戶自己的電腦環境。8月20日，側邊工作臺上線，將本地文件、飛書文檔、網頁和代碼等內容集中到同一個工作空間。8月21日，技能商店、連接器和工作夥伴功能推出，讓用戶可以將常用流程沉澱下來，後續重複調用。這一系列更新補充了Agent進入辦公場景所需要的幾個環節，既能操作電腦和調用資料，也能在獨立環境中執行任務，還開始嘗試把一次性的操作沉澱為可複用流程。此外，字節也在調整AI辦公業務佈局。8月24日，有媒體爆出TRAE、釦子（Coze）團隊併入豆包體系，其中TRAE Work、釦子將與豆包在工作場景的產品能力進行整合，TRAE IDE及CLI則作為豆包品牌下的編程產品線繼續發展。在這一背景下，作為字節面向AI辦公場景推出的Agent產品，豆包工作實際效果體驗如何呢？我們來一起看看。01.
IBM 推出 Granite 4.2：為開放企業模型帶來原生推理與代理式強化學習
IBM 推出 Granite 4.2，這是一系列開放推理語言模型，提供 3B、8B 與 30B 參數規模。有別於先前以指令遵循助理為主的 Granite 版本，Granite 4.2 以明確推理能力為核心；每個模型都能在回答前輸出思維鏈（chain of thought），並具備思考／非思考切換，以及低努力模式，能對簡單問題只消耗較短的推理預算。這些模型是 decoder-only 密集 Transformer，從零開始以約 15 兆個 token 預訓練，再透過多階段強化學習鏈進行後訓練。其中 8B 與 30B 的強化學習鏈包含代理式 RL 區塊，讓模型在真實沙箱環境中學習編輯程式碼、操作終端機與執行網頁搜尋。三款模型皆以 Apache 2.0 授權釋出。
xAI深化Grok Bot功能演進:將支持模板共享、多賬戶切換與網絡出口路由
作為能夠在雲端持續運行並跨應用、跨網站協作的 AI Agent，Grok Bot 於2026年8月11日首次公測，並在8月21日將使用權限進一步擴展至 SuperGrok Plus（當前定價每月100美元）、Cursor Pro+ 及 Cursor Teams 訂閱用戶，同時面向普通用戶開放限額免費試用。
大廠AI To B大戰，這回戰場為什麼是辦公？
大廠AI To B商業化的戰火，已經燒到AI辦公。內部賽馬、業務整合、資源重配，過去一個多月，騰訊、阿里、字節三家大廠幾乎同時將AI資源砸向辦公場景。“AI作為生產力工具，最終還是得企業來買單。”一場圍繞AI辦公的To B大戰，正在升溫。前兩週，兩家大廠披露的財報，也已經透出了些許硝煙：從騰訊Q2財報及業績會看，WorkBuddy用戶快速增長的同時，付費意願也在增強，付費用戶毛利率已經與騰訊雲整體毛利率相當。剛推出不久的千問辦公，已被阿里寫入2027 Q1財報（對應自然年Q2）。