具身智能的真瓶颈，全都不在模型里

具身智能的讲法很多，真跑起来的很少。过去一周，三件看似不相关的事撞在了一起：一位无人机开发者在 Livox Mid-360 上实测了四套SLAM方案的真实精度；NVIDIA 开源了一个叫 PAIR 的「个人AI路由器」，把散落在局域网里的算力串起来；Anthropic 则让 Claude 直接操控实验室设备跑实验。感知、算力、执行——具身智能的三层肌肉，这周各自长了一寸。本文用这些一手素材拆一个问题：AI走进物理世界的瓶颈，到底卡在哪一层？

📈 感知层：便宜激光雷达+边缘算力，精度差距大到不能忍

选错一行代码，飞机会偏出半个车位。

先看一个务实到近乎枯燥的场景。一位开发者在 Jetson Orin NX 加 Livox Mid-360 和 Pixhawk 的组合上搭无人机导航栈，做选型前先跑分：一半用公开的 TIERS 数据集（室内、OptiTrack 动捕真值），一半用自己的实飞数据。结果很能说明问题：

同样的传感器，同样的数据，GLIM 的定位误差只有 KISS-ICP 的五分之一，比 FAST-LIO2 还要再好一倍多。对一台无人机来说，12厘米和2.5厘米的差距，就是「勉强能用」和「敢进窄巷」的差距。

更有价值的是第二步：他没停在公开数据集上，而是在 VICON 动捕追踪的室内场地里，用真实目标硬件飞了7个序列，真值来自 Pixhawk EKF 与 VICON 融合后的位姿输出，并开启了 GLIM 的 GPU 模式。这是机器人行业的老毛病——论文跑分漂亮，上机就露馅。敢于在目标硬件上重测一遍，反而是稀缺动作。

产业逻辑其实很清晰：当 Mid-360 这类千元级固态激光雷达把硬件门槛打到地板上，感知层的竞争就从「堆传感器」变成了「抠算法」。同样一套两三千块的感知套件，方案选对了，定位精度差五倍。机器人公司真正的know-how，越来越藏在这种不起眼的工程选型里。

🔀 算力层：NVIDIA开源PAIR，把家里所有机器变成一台推理机

智能体跑起来之后，最先崩的不是模型，是算力调度。

感知解决了「看得准」，下一个问题是「想得快」。NVIDIA 这次开源的 PAIR（Personal AI Router），思路相当朴素：一台虚拟推理路由器，把家庭或小团队局域网里已有的算力节点——RTX 显卡工作站、DGX Spark、Mac——全部调度起来，分摊本地AI请求。

它聪明的地方在于不 reinvent 轮子：PAIR 直接代理现有的 Ollama 和 LM Studio 端点，上层智能体框架一行代码都不用改。调度器按五个维度过滤节点——就绪状态、引擎状态、目标模型是否在场、任务负载、GPU 利用率。

官方给的演示很直观：一个五子智能体任务，单台 RTX Spark 笔记本平均跑 18 分钟，三台设备组集群后只要 8 分 48 秒——接近两倍提速。但有个耐人寻味的细节：NVIDIA 自己明确标注这是「非官方测试」，不算正式 benchmark。这个谨慎本身就是信号：调度收益高度依赖任务切分粒度，不是所有负载都能线性加速。

PAIR 目前也有明显短板：只有单一调度策略，而且对显存容量和模型是否已预热完全无感。把请求路由到一台没加载目标模型的机器上，等待时间可能把加速收益全部吃掉。

一个流程图看懂它的位置：

这背后是产业的真实痛点：随着智能体从单轮问答走向多Agent长任务，边缘侧推理需求呈碎片化爆发，而算力天然分散在异构设备上。调度与编排层，正在成为大厂和开源社区新的必争之地。圈内最近的一个共识是：模型能力每三个月追平一次，但把模型跑顺的调度层，各家还都在摸石头。

🧪 执行层：Claude伸进实验室，大模型开始摸真东西

感知和算力都在卷，但真正的护城河可能是「敢让它动手」。

第三块拼图来自 Anthropic。据 SingularityHub 报道，一套新系统让 Claude 能够自主编排复杂的实验流程、直接操控实验室设备——这是 Anthropic 把大模型能力延伸到物理世界的关键一步。

为什么先选实验室？逻辑不难推演：实验室是天然的「结构化物理环境」——设备接口标准化、流程可重复、容错边界清晰、且单位时间价值极高。药品筛选、材料合成这类高重复度实验流程，恰恰是大模型规划能力最好的练兵场。让 Claude 先在实验室里学会「做计划—调设备—看结果—改方案」的闭环，比一上来就放在开放物理环境里安全得多，也更容易出商业结果。

这其实和机器人行业的路径暗合：具身智能的商业化大概率不是从千家万户的客厅开始，而是从结构化、半封闭的高价值场景开始。实验室，可能就是物理世界的第一个「充电桩」。需要说明的是，目前的公开信息仍停留在「能编排、能操控」的层面，成功率、故障恢复等关键指标尚无披露——这一层恰恰才是物理执行的难点所在。

💡 三层拼起来：瓶颈全在工程，不在模型

模型决定上限，工程决定今天能不能落地。

把三件事放在一张图里，产业地图就出来了：

• 感知层：传感器已经白菜价，算法选型决定精度上限，且必须上真机验证；
• 算力层：边缘推理调度成为新战场，NVIDIA 亲自下场做开源编排，说明这块蛋糕够大；
• 执行层：大厂开始让模型直接碰设备，先圈结构化场景。

三层指向同一个判断：具身智能的下一段竞争，不在模型排行榜上，而在工程细节里——定位误差差5厘米、调度多等30秒、执行环节缺一个故障恢复，任何一个都能让产品体验归零。

据多位接近机器人创业公司的人士观察，目前团队里模型研究员和系统工程师的比例正在悄悄倒挂——招人预算流向了能把真机跑稳的人。这不是模型不重要，而是模型能力增速太快，工程落地的欠账太多。

小结

感知、算力、执行，具身智能的三层肌肉这一周各长了一寸：SLAM 实测告诉我们算法选型价值巨大，PAIR 告诉我们调度层正在被大厂正视，Claude 进实验室告诉我们物理执行的闸门已经打开。2026 年看具身智能，别再盯着参数榜，去看谁家的定位误差更小、谁家的算力调度更快、谁的执行闭环更稳。模型会追平，工程护城河才是真正的分水岭。