战略合作协议签署 - 宁波华翔子公司华翔启源与深圳市大寰机器人科技有限公司于2025年12月22日共同签订了《战略合作协议》[1] - 双方合作旨在加快建设通用机器人产业，推动通用机器人供应链示范和产品创新双驱动[1] - 合作基于依法合规、优势互补、友好协商、互利共赢的原则[1] 合作领域与目标 - 双方拟在通用人形机器人灵巧手的研发、制造和销售等领域加强合作[1] - 华翔启源以“推动智能机器人普惠千行百业”为使命，专注于智能机器人的制造[1] - 通过此次合作，华翔启源将进一步深化机器人产业链建设，加快实现“硬件制造解决方案服务商”的愿景目标[1]

文章核心观点 - 当前AI产业正处于技术爆发初期，但面临技术迭代与应用创新脱节、商业化困境等挑战，其发展路径可借鉴工业革命初期“月光社”的经验，即需要建立跨界交流与协作机制，推动“产学研”闭环，将科学发现转化为成功的产业应用[3][24] - 中国科学院院士杨玉良发布的《科技预见与未来愿景2049》报告，系统预判了未来科技前景，为AI产业发展指明了方向，特别是智能体互联网、通用机器人、未来交通等关键领域，并强调应用是AI技术的终极价值所在[4][6][12][13] - 历史经验表明，革命性技术从实验室走向规模化应用，需要技术、产品、成本、基础设施等多维度系统性地协同适配，而非线性直达，AI产业需构建技术与应用间的坚韧协同纽带[23][24] 科技愿景与未来预判 - 《科技预见与未来愿景2049》报告由中国顶尖科学家和行业专家组成的编委会历时一年多研讨完成，提出了“十大科技愿景”与“十大未来场景”[4][6] - “十大科技愿景”包括人机共生、通用机器人、飞行汽车、虚实共生、量子计算、智能体互联网、常温超导、可控核聚变商业化落地、AI+分子医学、太空旅行[6] - “十大未来场景”覆盖生命健康、人才教育、科学研究、基础民生、未来交通、工业制造、经济金融、先进能源、城市与环境、空间探索，均将在AI改造下迎来巨变[9] 智能体互联网发展 - 智能体互联网是当下正在发生且被产业寄予厚望的愿景之一，其本质是使AI能基于知识主动思考、规划和解决问题[8] - 报告预测，到2030年全球智能体数量将突破2000亿个，2049年全球智能体网络节点将突破数万亿，通过分布式能力与网络协议协作，成为数字与物理世界融合的“神经系统”[8] 通用机器人赛道与挑战 - 通用机器人是当前海内外最炙手可热的赛道之一，但要走进生产生活仍面临数据匮乏、触觉感知不成熟、灵巧手设计不完善、电机扭矩与散热不足、成本过高五大核心挑战[9] - 报告判断，触觉感知、灵巧手设计、电机扭矩与散热等问题将在2030年前逐步解决，2030年后数据飞轮成熟、手部操作能力提升、成本快速下降，预计2049年左右通用机器人将走进千家万户[9] 未来交通场景变革 - 自动驾驶方面，预计2027年底开启L4试商用，2030年部分场景实现L4规模化应用，2035年达成大部分场景L4+，2049年L5+全面普及[11] - 交通基础设施将进化为具备自我感知与调节能力的智能神经网络，到2049年，交通拥堵造成的时间损失将减少70%以上[11] - 出行模式将转向“移动即服务”，人们可通过统一平台调用自动驾驶出租车、空中出租车(eVTOL)、高速磁悬浮等立体化工具，无需拥有汽车[11] AI技术发展现状与商业化困境 - 大模型技术迭代持续加速，频率从“年更”演变为“月更”甚至“周更”，一周内可诞生数款针对特定任务优化的新模型，上下文窗口已从数万扩展到200K（约30万汉字）[13][18] - 根据麦肯锡报告，在其访问的全球近2000家企业与组织中，有88%已开始使用AI技术，但只有36%表示改善了盈利能力，33%表示带来了实质性的收入增长[18] - 思科前CEO John Chambers指出，AI发展速度是互联网时代的五倍，但大多数商业领袖不知如何将技术转化为可持续竞争优势[21] 历史经验借鉴与产业协同 - 工业革命初期的“月光社”通过搭建跨界交流平台，形成了“产学研”闭环，直接推动了瓦特改良蒸汽机等重大发明的商业化落地[3] - 电动车发展早期曾因技术优势脱离主流市场需求和基础设施（如续航、成本、补能网络）而被市场淘汰，其近二十年的复兴是技术迭代与产业应用、大众需求系统性适配的结果[23] - 任何革命性技术从实验室走向千家万户，都需要产业链各方围绕共同目标，在技术、产品、成本、基础设施等多维度上主动构建协同桥梁，这是一个需要设计的系统工程[23][24]

合作公告概述 - 宁波方正与宁波华翔电子股份有限公司全资子公司华翔启源科技有限公司签署战略合作协议 [2] - 双方旨在建立战略合作关系，加快建设通用机器人产业，推动供应链示范和产品创新 [2] - 合作原则为依法合规、优势互补、友好协商、互利共赢 [2] 合作具体内容 - 合作将围绕精密结构件、关节模组等核心部件开展联合研发，形成从研发、样品验证到量产落地的完整开发链条 [2] - 宁波方正将开放办公及生产场景用于机器人产品的测试与示范 [2] - 双方将推动机器人在工业智造、商业服务、科研教育等领域的推广应用 [2] - 合作覆盖通用双足人形、轮式人形、四足及商业清洁机器人等多类机型 [2] - 华翔启源负责需求设计与方案确认，宁波方正承担工艺开发和制造实施，并共同拓展下游应用场景 [2] 公司优势与业务协同 - 宁波方正凭借在汽车模具领域积累的精密制造经验，在材料选型、工艺优化、成本控制等方面形成差异化优势 [2] - 通过与华翔启源合作，公司有望锁定下游优质客户，在细分领域快速建立市场份额 [2] - 机器人部件业务与公司现有汽车模具、汽车零部件、锂电池精密结构件、智能装备等业务可形成技术联动 [3] - 该合作有助于进一步提升公司产能利用率与规模效应 [3] 发展前景 - 长期来看，机器人业务有望成为公司新的增长曲线，为业绩持续增长提供新动能 [3]

合作公告核心 - 宁波方正与宁波华翔子公司华翔启源签署战略合作协议，建立战略合作关系 [1] 合作方背景 - 华翔启源系宁波华翔电子股份有限公司设立的一家专注智能机器人制造的全资子公司 [1] 合作领域与内容 - 双方将整合各类研发及制造资源 [1] - 合作领域包括通用机器人零件生产制造和整机应用 [1] - 双方就机器人产品需求的精密结构件、关节模组等产品开展相关的开发和量产方面的合作 [1]

战略合作核心 - 公司与宁波华翔启源科技签署战略合作协议 旨在加快建设通用机器人产业 推动供应链示范和产品创新双驱动 [1] - 双方合作领域包括通用双足人形/轮式人形/四足/商业清洁机器人的零件生产制造和整机应用 [1] 合作内容与模式 - 合作将围绕华翔启源机器人产品需求的精密结构件及关节模组等产品展开开发与量产合作 [2] - 样品阶段费用由双方共同确认 华翔启源通过样品采购方式向公司支付 量产阶段工装模具等一次性投入由公司先行承担并计入成本 [2] - 公司将向华翔启源开放其办公及生产制造等应用场景 华翔启源提供机器人产品及技术服务支持以构建适用场景 [2] - 双方将利用各自社会及行业资源 共同推动机器人产品在工业智造、商业服务、科研教育及家庭服务等领域的销售和市场开拓 [2] 合作原则与利润分配 - 合作基于依法合规、优势互补、友好协商、互利共赢的原则 [1] - 利润分配以“合理利润”为基础 参考同行业平均利润率设定保持竞争力的利润率 并可经双方协商调整 [2]

战略合作公告 - 公司与宁波华翔启源科技有限公司签署了《战略合作协议》[1] - 双方将建立战略合作关系[1] - 合作领域包括通用双足人形机器人、轮式人形机器人、四足机器人及商业清洁机器人的零件生产制造和整机应用[1]

核心事件概述 - 字节跳动大模型团队（Seed）研究员任某某因多次泄密被公司开除 [1] - 该员工于2023年加入字节跳动Seed团队，专注于机器人系统集成等前沿技术研究 [3] - 该员工曾深度参与团队GR-3项目，该项目是具备强大泛化能力的Vision-Language-Action Model，被视为迈向通用机器人"大脑"的重要一步 [3] 涉事员工背景 - 任某某为知乎优秀答主，拥有超过8.6万粉丝，分享内容涵盖协作机械臂、灵巧手等热门领域 [3] - 2015年毕业于浙江大学机电工程专业，2019年获意大利理工学院机器人学博士学位 [3] - 职业经历包括珞石机器人机电工程师、小米高级研发工程师，2023年加入字节跳动Seed团队 [3] 字节跳动Seed团队概况 - 团队于2023年成立，研究方向涵盖LLM、语音、视觉、世界模型、基础架构等多个领域 [4] - 主要在北京、上海、深圳、杭州等地办公，研发的豆包大模型已支持超过50个应用场景 [4] - 团队目前负责人为吴永辉和朱文佳，分别偏重基础研究和模型应用，均向CEO梁汝波汇报 [4] 公司人才管理与信息安全 - 公司希望吸引全球最好人才，并重视内部潜力股培养，将其培养成顶级人才 [6] - 字节跳动不断强调企业内部纪律和信息安全管理 [7] - 2025年第二季度共有100名员工因触犯公司红线被辞退，其中18人因涉刑事犯罪等被实名通报，8人涉嫌刑事犯罪已移交司法机关 [7] - 有10名员工因违规参与外部付费访谈、泄露公司保密信息而受到处罚 [7]

核心技术突破：DexNDM模型 - 银河通用推出的灵巧手神经动力学模型DexNDM，实现了从能动到能用的飞跃[2] - 模型通过分布有偏的真实数据训练，无需成功示例即可精准弥合Sim2Real鸿沟[2] - 首次在真实世界中突破手掌任意朝向的物体旋转限制，实现跨物体、跨姿态的稳定手内旋转与工具操作[4][39] 核心性能优势 - 实现跨类别、跨尺寸、跨姿态的稳定旋转，处理对象从微小零件到大书本、长棍、复杂几何体[5][6] - 无论手掌朝上、朝下或侧向，均能沿任意轴向进行稳定、持续的旋转[5] - 可自如抓、转、拧各类工具，胜任拧螺丝、家具组装等长程、复杂操作任务[5][21] - 在手掌朝下的姿态下，实现10–16cm长物体沿长轴的空中完整旋转[17] 技术创新细节 - 采用关节级神经动力学模型，将复杂的手–物交互拆解到关节级，提升数据利用效率和泛化能力[8][9][10] - 开发全自动数据收集策略，在任务无关的随机扰动下自主生成丰富的接触数据[11][13][14] - 训练残差策略网络弥合仿真到现实的差距，使基础策略能迁移到真实世界[15] - 采用"从专家到通才"训练流程，先训练多个专家策略再融合为统一通用策略[16] 行业应用意义 - 推动机器人从简单抓取向精细操作能力跨越，是通用机器人部署中最艰难的前沿[23][31][36] - 手内旋转和工具使用能力代表灵巧操作向更高维度发展的趋势，是灵巧操作皇冠上的明珠[37][38] - 为遥操作系统的数据生成与策略迁移提供基础，为灵巧操作工业化落地奠定条件[55][56] - 使机器人能在工业装配、家具组装、工具使用等多场景中实现可扩展部署，提升实际生产力[58] 应用场景演示 - 在装配任务中展示全链路灵巧控制：使用螺丝刀固定电路板、安装音量旋钮、敲击安装装饰部件[59][60][61][62][63][64] - 灵巧操作正从"抓取放置"迈向"任务理解"，成为真正的生产力单元[58][64]

公司产品与定位 - 星际动力科技有限公司于2025年9月19日成立，并于2025年11月3日入驻浙江宁波前湾新区 [3] - 公司展示了首款人形机器人产品星际1号，其外观与真人高度相似，无裸露电缆和关节，外壳涂装类似特斯拉Optimus V2.5的金色版本 [3] - 公司明确对标北美全尺寸人形机器人，如Figure、特斯拉Optimus和1X的产品 [4] - 公司股权结构为宏润建设持股60%，矩阵超智持股40%，双方于2025年9月上旬签署战略合作协议设立合资公司 [3] 核心技术优势 - 公司创始人强调智能机器人的核心是能通过自然语言与人顺畅沟通，而非依赖复杂指令 [4] - 通过自研架构，公司将最核心的控制代码从几十万行压缩到3000行以内，以降低出错概率，提升系统稳定性和可靠性，为规模化量产奠定基础 [4] - 公司提出“硬件抽象层”概念，实现软件与硬件解耦，使产品系统能兼容不同供应商的零部件，应用方可像选配电脑一样根据不同场景需求选配机器人部件 [5] 行业挑战与竞争格局 - 通用机器人在不同场景下面临着性能与成本平衡的普遍难题 [5] - 规模化量产是行业关键挑战，连特斯拉也尚未完全实现，市场消息称特斯拉将Optimus年产目标从5000台下调至2000台，因机器人手部和前臂设计存在严重技术难题 [4] - 未来机器人企业的竞争关键将取决于体系化的工程能力与产业协同速度 [5]

技术架构 - 采用“协调器+动作模型”的双模型协同智能体架构，协调器由Gemini Robotics-ER 1.5实现，负责高层任务规划与拆解，动作模型由Gemini Robotics 1.5实现，负责将自然语言指令转化为机器人底层动作轨迹 [2] - 架构支持ALOHA、Bi-arm Franka、Apollo三种形态机器人的直接控制，无需额外适配，并通过环境反馈形成“感知-思考-行动”的闭环执行链路 [2][4] 核心创新：运动迁移机制 - Motion Transfer机制通过多形态机器人混合数据训练，学习通用运动规律，解决了传统机器人模型的“数据孤岛”问题 [5][7] - 该机制在Apollo人形机器人上实现“零样本技能迁移”，任务泛化得分从单形态数据训练的0.49提升至0.62，提升约26.5% [13] - 对于数据量中等的Bi-arm Franka机器人，引入多形态数据和MT机制后，任务泛化得分从0.30提升至0.50，解决了新机器人数据少、训练难的行业痛点 [13] 核心创新：思考-动作融合 - 在VLA模型中引入“思考-动作交织”机制，将复杂指令的转化拆分为“指令→自然语言思考轨迹→动作”两步，提升任务执行的可解释性和鲁棒性 [8] - 在ALOHA机器人“按颜色分类衣物”任务中，开启思考模式后进度得分从0.55升至0.67，提升约21.8% [11] - 思考VLA展现出隐式成功检测、自主错误恢复和场景几何理解三大关键能力，例如能在0.5秒内完成物体滑落后的纠错指令更新 [16] 嵌入式推理能力 - Gemini Robotics-ER 1.5在嵌入式推理得分（59）和通用性得分（75）上取得平衡，是唯一处于“高推理+高通用”象限的模型，既能处理专用机器人任务，也保留通用多模态能力 [17][19][20] - 在复杂指向任务中表现优异，其精准指向能力能为VLA提供结合物理约束和语义理解的动作目标定位，是机器人精准动作的核心支撑 [20][24] 性能评估：多形态泛化 - 在视觉、指令、动作、任务四个泛化维度上，1.5版本相比前代模型均有显著提升，例如在Apollo人形机器人上的任务泛化得分从0.07提升至0.63 [25][27][28] - 在ALOHA机器人上，指令泛化得分从0.53提升至0.76，能理解不同表述的同一指令 [28] - 在Bi-arm Franka机器人上，动作泛化得分从0.24提升至0.66，能根据物体重量调整握力以避免滑落 [28][29] 性能评估：长周期任务 - “ER 1.5+VLA”组合在长周期多步骤任务中表现优异，在“Blocks in Drawer”任务中得分0.83，是“Gemini 2.5 Flash+VLA”方案的2.4倍，凸显ER模型精准任务拆解的价值 [33] - ER模型具备工具调用能力，如在“Nut Allergy”任务中能通过网页搜索正确判断食物成分，而对比模型则出现误判 [33] - ER方案在需要场景记忆的“Desk Organization”任务中得分0.88，远高于仅使用VLA的0.32，证明其场景记忆优势 [33] 安全机制 - 通过ASIMOV-2.0基准测试，覆盖文本风险识别、多模态约束适配、视频风险干预三大维度，例如在文本风险识别中能准确判断儿童误食药片的风险类型为“中毒”及严重程度为“重度” [34][36] - 在多模态约束适配测试中，对于承重限制规则，ER 1.5指向8kg和15kg物体的准确率达到90.9% [36] - 在视频风险干预测试中，能预测“儿童接近热水壶”视频中的最后可干预帧，展示出关键的时间推理能力 [36]