全球大型科技与AI公司的实体化布局 - 全球大型科技与AI公司（如谷歌、OpenAI、苹果等）的实体化布局并非刚刚起步，而是呈现清晰的“数字-实体”进阶脉络 [1] - 技术演进路径为：2022-2024年聚焦聊天机器人等数字产品，2025年后逐步拓展至可穿戴设备、移动设备，当前已进入灵巧机器人阶段，2030年后将深入人形机器人及多形态机器人领域 [1] 机器人市场规模与增长预测 - 摩根士丹利预测，至2050年全球机器人仅硬件端营收即可达到25万亿美元 [4] - 其中，2030年全球机器人硬件营收将突破5000亿美元，2040年约达9万亿美元 [4] 实体布局的产业链资源需求 - 支撑2050年的市场规模，需要海量的关键组件与计算资源 [7] - 具体需求预测包括：若售出14亿台机器人，将对应57亿个摄像头（价值2770亿美元）、270亿台电机（价值2.5万亿美元）、170万吨稀土磁铁（价值1670亿美元），以及1250万百亿亿次边缘计算能力（价值1.5万亿美元） [7] 中国在机器人领域的领先地位 - 中国已将机器人与物理AI列为国家优先发展战略，且与美西方的差距正持续扩大 [8] - 这一优势的形成源于政策层面的强力引导与支持，以及国内完整的产业链资源支撑 [8] 具身智能社区资源与服务概览 - 社区汇集了来自斯坦福大学、加州大学、清华大学、智元机器人、有鹿机器人等国内外知名高校实验室及机器人头部公司的成员 [22] - 社区汇总了近40+开源项目、近60+具身智能相关数据集、行业主流具身仿真平台以及各类技术学习路线 [22] - 技术学习路线覆盖广泛，包括具身智能感知、交互、强化学习全栈、VLN、VA/VLA、多模态大模型、Diffusion Policy、机器人导航与规划、大模型部署、机械臂抓取、双足与四足机器人等超过20个细分方向 [22] - 社区提供产业与项目相关方案、岗位内推与求职服务，并与多家具身公司建立了内推机制 [19][21] - 社区汇总了大量行业研究报告，包括《IFR-2024世界机器人报告》、《2024中国具身智能创投报告》、《2024年具身智能产业发展研究报告》等 [30][32] - 社区资源还包括机器人相关书籍、零部件品牌、开源项目、ToF与3D相机资料、数据采集方案、仿真平台汇总等全方位内容 [33][35][37][39][41][45]

CES 2026展会概况 - 展会于2026年1月6日美国西部时间10点在拉斯维加斯举行 热度空前 AI与硬件结合是主要话题 [2][3] - 参展商总数超过4000家 其中中国企业达942家 占比约22% 为全球第二大参展国 [4] - 中国参展企业从展示技术转向关注产品落地能力 中国智造影响力增强 [5] 具身智能与人形机器人领域 - 参展的38家人形机器人展商中 有21家来自中国 占比达55% [6] - 中国具身智能企业竞争焦点转向工程交付 场景复用和真实商业现场运行能力 [6] - 苏州优理奇机器人(UniX AI)成为全球媒体关注焦点 被纳入CES官方媒体重点报道矩阵 并进入美通社 美联社 雅虎财经等全球主流财经媒体传播网络 [6] - 宇树科技展示Unitree H1人形机器人 具备360度全景感知和15公斤负载能力 可满足工业巡检需求 现场G1型号机器人进行拳击格斗演示 [7] - 银河通用展示人形与四足机器人协同作业 演绎户外巡检流程 发布户外巡检专用机型 搭载多传感器融合系统 续航延长至8小时 在复杂环境下保持95%泛化抓取成功率 [9] - 其他参展中国具身智能企业包括智元 傅立叶 云深处等 [10] 无人驾驶与智能汽车领域 - 自动驾驶正成为消费产品 吉利 长城 零跑 新石器等公司携产品亮相CES [11] 智能家居与消费机器人领域 - 追觅等公司推出基于AI的智能算法 与高速数字马达 仿生机械臂共同构成三大底层技术平台 [13] - 未岚大陆作为智能割草机器人企业 推出多传感器融合系统 优化在复杂场景如窄通道 夜晚条件下的定位策略 提升作业可靠性 [13] - 石头 科沃斯等公司也展示了最新产品 [14] AI眼镜领域 - 参展的23家AI眼镜品牌中 中国企业占比近70% 包括阿里巴巴 XREAL 雷鸟等 [15] 其他消费电子产品 - TCL 海信等展示自身优势产品 MOVA 影石等新锐品牌也积极展示 [17] - AI技术正逐渐融入生活 中国企业加速走向世界 [17]

编辑丨 机器之心 点击下方 卡片 ，关注" 具身智能之心 "公众号 想象一下，你正在训练一个未来的家庭机器人。你希望它能像人一样，轻松地叠好一件衬衫，整理杂乱的桌面，甚至系好一双鞋的鞋带。但最大的瓶颈是什么？ 不是算法，不是硬件，而是数据 —— 海量的、来自真实世界的、双手协同的、长程的、多模态的高质量数据。 因此为了整个具身智能探索加速，开源集合成为了大家的共同选择，从谷歌 Open-X Embodiment、智元 AgiBot Digital World，到智源 RoboCOIN 与它石智航的 World In Your Hands，都在试图构建更庞大、更完善的数据集合，并开源给到全行业。 但在 1 月 6 日，有一家公司将这件事做到新高度，进行了超过 1 万小时、接近百万 clips 的具身数据集合开放，这是行业最大规模、也是泛化程度最高的开源数据 集合，它就是 简智机器人的 "10Kh RealOmni-Open DataSet" 。 （ 下载地址为： https://huggingface.co/datasets/genrobot2025/10Kh-RealOmin-OpenData ，其他数据正在 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 纯视觉的灵巧手，锁死了五指操作的上限。 人类的五指结构，是自然界长期进化筛选出的 "操作最优解"。 五指灵巧手作为最泛化的末端形态，是具身智能真正迈向全人形智能的关键一环，同时也是真实场景驱动下 的 "精细化操作需求" 。 但灵巧手操作太难了，主要有三点： ★ 灵巧操作受限于"看得见摸不准" 近日，乐聚机器人联合开放原子开源基金会， 正式开源首批800条高质量力触觉灵巧操作数据集 ，该数据集 已在 乐聚OpenLET社区 上线，向行业开发者、科研团队开放获取。后续计划开源涉及工业场景的更多数据集 ★ 首先，灵巧手硬件还没有收敛，市面缺乏成熟稳定的产品； 其次，模型训练比较困难，纯视觉无法有效利用灵巧手的传感器信息； 最后，也是尤为关键的一点， 没有数据 ，开源数据少，数采很困难，并且大部分开源数据没有力触； 资源。 这是国内首次面向真实作业场景的人形机器人灵巧操作真机数据 ，比较精准的填补了领域高质量灵巧操作数 据的迫切需求， 26年大概率会是灵巧操作研究爆发的一年。 atmogit链接：https://ai.atomgit.com/lejurobot/LE ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 编辑丨 具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 从开源具身世界模型平台，到发布大小脑系统，我们一直致力于为机器人构建更强的 理解能力与决策能力 。过去一段时间，社区用户基于这些基础 设施已经构建了很多令人印象深刻的 Demo，也验证了世界模型作为模拟器、大小脑系统作为控制器的可行性。当机器人走出实验室，走向开放、 复杂且持续变化的真实世界时，一个更核心的问题随之出现：如何真正实现通用机器人的规模化部署与智能化运行。 现有 VLA 预训练模型已经提供了强大的通用性。但 真实世界的部署受困于更高的任务专精度要求，以及离线数据采集方式的边际效益递减 ，往往需要通过后训练 获得更高的任务成功率。遗憾的是，当前主流的 VLA 后训练方法仍受 离线、单机、串行采集等因素制约 ，难以支撑高效、持续的真实世界学习。 这些限制并非源自具体算法，而是来自 学习范式本身 。 SOP：分布式在线后训练框架 SOP 的 ...

具身智能之心VLA技术交流群来啦～欢迎VLA模型、VLA+RL、轻量化与部署方向的同学加入！ 添加小助理微信AIDriver005，备注：昵称+机构+进群。 ...

在本次活动上，征和工业正式发布了全球首创链式灵巧手——臻手・CHOHO Hand， 该产品兼具高承重、 高抗力、高可靠、高耐久、高精度、高能效、低自重、低成本八大核心优势，成就灵巧手行业全能"八边形 战士"。与星源智的合作，将借助后者在具身智能模型领域的技术优势， 为灵巧手注入自主感知、规划决策 和自适应能力 ，为人形机器人、协作机器人、机械臂等提供系统性末端泛化执行方案。同时，双方还将联 合开展灵巧手大模型的研发，推进在实际场景中的测试训练与迭代优化，确保技术与市场需求精准匹配。 在具身智能产业加速落地的关键阶段，机器人的高质量发展已超越"硬件+软件"的简单叠加，而是跨领域资 源整合、协同研发与优势互补的深度联动。此次星源智与征和工业的携手，实现了硬件性能与软件智能的 双向赋能，打通了灵巧手从技术创新到产业化应用的关键链路，为具身智能行业规模化落地按下"加速键"。 .... . . . . ® CHOHO 青岛征和工业股份有限公司 & 北京星源智机器人科技有限公司 签约仪式 CHOHO 星源 智 タり 存、 波 E > ALLA 点击下方 卡片 ，关注" 具身智能 之心 "公众号 1月6日，" 具身智能灵巧 ...

π系列VLA模型的技术演进与行业影响 - π系列是视觉语言动作模型领域的里程碑 通过持续技术突破引领生成式AI时代的机器人学习范式 重塑行业应用逻辑 [2] - 2024年10月发布的π0首创Flow Matching连续动作轨迹预测 突破传统离散动作精度瓶颈 为精密制造和自动驾驶等场景提供毫米级操作基础 [3] - 2025年4月发布的π0.5通过异构任务协同训练和层次化推理 在陌生环境复杂任务泛化成功率达到94% 利用人类视频训练使数据成本降低90% 大幅提升跨本体适应性并降低机器人规模化部署门槛 [3] - 2025年11月发布的π0.6通过RECAP强化学习赋能零样本泛化与高效微调 在真实世界效率与精度超越人类 实现工业级高任务完成率与数十分钟快速换型 推动柔性生产落地 [3] - 其模型能力引领通用机器人从实验室走向工业制造和家庭服务等实景应用 成为2025年来业界众多VLA模型的核心参考 [3] - 不少公司基于π系列搭建自己的真机演示 例如叠衣服和拆箱子等 或基于此思路改进优化 Physical Intelligence的新工作发布总会引起行业反响 [3] 行业学习与应用的挑战 - 然而π系列模型存在难以调试和难以达到预期效果的问题 导致许多从业者将大量时间浪费在“踩坑”上 [4] - 对于初学者而言 想要基于π系列完成数据、VLA模型训练优化到部署的一整套任务非常困难 有的甚至踩坑半年仍无法真正入门 [5] - 对于更新快速的技术路线 如何有效学习VLA难倒了相当多的同学 许多人即使拥有真机也不知道如何使用 [8] 具身智能之心推出的解决方案与课程 - 具身智能之心基于SO-100机械臂复现了π0、π0.5、ACT、GR00T等方法 旨在解决行业缺乏真机和项目指导的问题 [7] - 该平台联合业内VLA专家开发了国内首个《面向实战与求职的VLA小班课》 手把手带领学员复现π0系列 [8] - 课程涵盖机械臂硬件、数据采集、VLA算法、VLA评测、仿真、主流VLA模型部署、VLA+世界模型、各类真机实验以及具身产业讲解等内容 [13] - 购买课程的学员将获赠一套SO-100机械臂 包含示教臂和执行臂 [16] - 课程讲师为某机器人公司VLA高级研究员 拥有5年以上机器人行业实战经验 聚焦产学研协同落地 熟练掌握具身智能全栈技术 并发表过多篇顶级学术论文 [19] 课程目标人群与收获 - 课程面向正在具身领域求职需要实战项目的同学、VLA领域需要进阶提升的入门者、从事具身智能研究的本科生、硕士生和博士生、希望从传统CV、机器人或自动驾驶领域转行进入具身的同学 以及对具身智能感兴趣的其他人员 [24] - 课程要求学员具备一定的Python和PyTorch基础 推理建议使用RTX 3060及以上显卡 训练建议使用2张以上RTX 3090 Ti显卡或可自租云服务器资源 [24] - 学员学后将掌握真机调试与数据采集、各类VLA算法在真机上的部署 并对VLA模型量化及具身产业落地有清晰认识 [24] - 学员简历上将获得足够多的项目支撑 学完可达到具备1-2年以上经验的算法工程师水平 [24] - 参与项目可写入简历 所学技巧可作为面试答案 更重要的是能节省大量“踩坑”时间 [11] 课程安排与信息 - 课程于2025年12月30日正式开课 课程大纲共分九章 授课时间持续至2026年2月25日 [27] - 课程购买后不支持退款 有效期为2年 学员可在微信VIP群内获得答疑 [25] - 更多课程内容与咨询可通过添加小助理微信AIDriver005了解 [9][26]

点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Zhe Li等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 ★ 本文的主要作者来自北京智源人工智能研究院、哈尔滨工业大学、香港科技大学、上海交通大学、北京大学和悉尼大学。本文的第一作者为北京智源人工智能 研究院的实习生李哲，主要研究方向为具身智能和3D数字人。共同一作是哈尔滨工业大学的韦杨扬。本文的通讯作者为北京大学计算机学院研究员、助理教授 仉尚航和北京智源研究院研究员迟程。 行业痛点：多阶段流程带来的信息损失 当爵士乐的节拍响起，人形机器人即刻舒展肢体，抬手、转身、踏步精准踩中每一个鼓点；当演讲者的话音落下，它又能顺着语调的抑扬、话语的重音，自然抬 手、侧身、点头，用恰到好处的肢体语言强化表达。 这不是科幻电影里的片段，而是 RoboPerform 正在实现的现实。 它打破了人形机器人 "照本宣科" 的动作困境，既让机器能随音乐即兴起舞，也能配合语音生成自然手势，真正听懂声音的情 ...

点击下方 卡片 ，关注" 具身智能 之心 "公众号 当具身的上限被数据左右时，一定会有越来越高效的采集方案。这不仅仅是机器人领域的趋势，还是整 个以"数据为驱动"产业的基因。 具身智能行业有一个众所周知的困境，就是数据不够。 当具身智能的上限被数据锁死，一场关于"数采效率"的军备竞赛便成了必然。 这不仅是机器人学的技术演 进，更是所有"数据驱动型"产业刻在基因里的进化逻辑。 然而，理想与现实的鸿沟正横亘在每一位从业者面前。无论是基座模型还是规模化的高质量数据，都在一边 发展一边优化。 当前，在开发的不同阶段和需求下，我们看到具身智能行业大致形成了几种数采路线：UMI、真机遥操、人 类视频、仿真生成等，但它们各有限制： 机器人要完成灵巧操作的学习，必须要从训练数据中找到线索。这个线索可以是抓取的力量、目标物体 的纹理与颜色、每个指头的协调运动以及不断的视角切换。 机器人若要习得真正的"灵巧"，必须从数据中寻得线索。 如果我们要求机器人像人一样思考，就必须先赋予 数据"人性"的颗粒度。 近期，灵初智能一套便携式外骨骼穿戴设备的出现，正试图打破僵局。拟人臂、触觉手套、同构外骨骼…… 这不仅是硬件的升级，更是将数采维 ...