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
演員吳越遭 AI 換臉帶貨，微信視頻號：涉事賬號永久封禁、內容清空
AI資訊AI新閒資訊正文演員吳越遭 AI 換臉帶貨，微信視頻號：涉事賬號永久封禁、內容清空發布於AI新閒資訊時間 :Oct 19, 2026閱讀 :1分鐘演員吳越昨日發聲稱，微信視頻號"花姐美膚日記"利用 AI 炮製了她的虛假帶貨視頻。她曬出的錄屏顯示，該賬號發佈了一段"吳越"出鏡的 AI 視頻：開頭便是"吳越"在帶貨，隨後拼接她公開活動的畫面，並借"吳越"的口吻稱"這個產品不是他們找我，是我找他們的……效果是真的非常直觀"。更離譜的是，視頻末尾還出現了疑似鄧亞萍的帶貨片段，一人冒用牽連多人。據澎湃新聞從微信團隊核實，目前該賬號已被永久封禁，相關內容清空不可見。踩中"清朗"專項整治紅線這起事件正撞在監管的槍口上。9 月 30 日，中央網信辦印發通知，在全國部署為期 2 個月的"清朗·整治短視頻虛假人設亂象"專項行動，重點整治利用 AI 仿冒人物等行為——包括通過 AI 合成虛假音視頻，假冒公眾人物實施虛假代言、營銷等侵權違法活動。當 AI 換臉擬聲的門檻低到隨手可制，公眾人物成了最易被"借臉"的對象。此次微信視頻號快速封號清空的處置，既是平臺對侵權內容的即時止血，也呼應了專項整治對仿冒亂象的零容忍。對普通用戶而言，刷到"明星親自帶貨"時多留個心眼，或許比事後維權更管用——畢竟一鍵生成的假臉，肉眼越來越難辨。相關推薦算力相當於全人類不吃不喝算 200 年！我國首個全國產十萬卡 AI 超集群“曙光 8000”真機震撼亮相在深圳舉行的2026全國高性能計算學術大會上，我國首個全國產十萬卡AI超集群“曙光8000”真機首次公開亮相，並將集中發佈十大重要應用成果。其算力可構建“數字孿生大腦”，模擬百億光年宇宙演化；核心是通過高速互聯技術整合十萬張國產AI加速卡，實現規模與算力突破。Oct 19, 2026108.5k成本砍掉90%！DeepSeek-V4.1-Flash 重磅升級：逆
Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3
Mistral AI has released Timestral, its first family of time series foundation models. Timestral is a set of 4 zero-shot forecasting models from Mistral AI, sized from 5M to 209M parameters.
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。