北京人形機器人創新中心發佈天工 Omni，CEO 熊友軍稱入局不算晚
作者：- 責編：汪淼 評論： 8 月 20 日消息，2026 世界機器人大會（WRC 2026）期間，北京人形機器人創新中心正式發佈輕量化人形機器人天工 Omni。據瞭解，其打通硬件本體與端側智能，是全球首個兼具感知移動與全身通用控制的 Humanoid Native 開放底座。現場看到，天工 Omni 身高 1.35m，整機 39kg，具有一定負載能力。據介紹，其面向狹窄空間、應急救援及家庭服務等未來場景。值得一提的是，其開放了二次開發體系，開放關節、傳感器、系統、運控 API，以降低開發者底層研發門檻及成本，加速應用創新迭代。
此前，在與包括新浪科技在內的媒體的交流中，北京人形機器人創新中心 CEO 熊友軍表示，當前具身智能的發展還在早期，還有很多問題沒有解決，“Omni 的入局並不算晚。Omni 未來還是面向於工業場景，不會做太多其他公司已經在座的事情，希望能給行業提供標準平臺，讓其他廠商能夠在我們的平臺上做二次開發。所以我們更加關注行業的共性以及關鍵的核心技術。”並表示，Omni 不會和松延動力、加速進化等廠商直接競爭。同時，熊友軍表示，發佈 Omni 是希望能夠面向於行業做一個相對於成本更低、利於量產和產業化的平臺。“未來會投入更多的是大小腦的平臺，我們希望能夠在行業的大小腦方面能夠提供生態的平坦度。
”此外，談及人形機器人在工廠等場景中的投入產出比問題，熊友軍坦言，現在人形機器人走入工廠等場景處於剛開始的階段。“當前人形機器人的 ROI 確實比工業機器人或者比人有一定差距，但是這個差距在很快速地縮小。”原標題《直擊 WRC 丨北京人形機器人正式發佈天工 Omni，熊友軍此前表示 Omni 不會和其他廠商直接競爭》 投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：北京人形機器人，天工 Omni，北京人形機器人創新中心，熊友軍高同步、多隊形集體舞蹈展演，北京人形機器人創新中心發佈多智能體群控方案人形機器人天工 3.
0 將於下半年開啟規模化量產，搭載地瓜機器人旭日 S600 芯片中國機器人產業鏈接全球“第一站”：RCAP 亞太機器人世界盃北京中心落戶朝陽何小鵬：“陸地航母”飛行汽車已獲 7000 臺訂單，預計今年與 IRON 人形機器人同樣實現量產脖子以下全是腿：網友自制“豆腳”機器人現身北京人形機器人馬拉松破人類 1500 米世界紀錄：宇樹 H1 自主跑完北京人形機器人馬拉松 1.9 公里多彎道賽程，用時 4 分 13 秒
Related
相關文章
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。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.