中美具身智能，开始互相抄作业

没有彩排，没有剧本。机器人被推进1:1复刻的超高压变电站，要在30分钟内按国网标准完成仪表抄读、红外测温、异常识别、50厘米窄道通行。大洋彼岸，Figure AI的System 0刚用1000小时人类运动数据，干掉了109504行手写C++控制代码。

一边在代码里模拟物理，一边在车间里喂养数据。这是具身智能当前最大的路线之争，也是2026年最值得下注的分歧点。我的判断是：两条路都对，也都不够——真正的分水岭，是谁先跑通「真机数据」的闭环。

🏟️ 一场没有剧本的考试，考碎了小模型

金句先放这儿：实验室里练的是体操，现场考的是生存。

这场国际具身智能技能大赛的考题设计，堪称“反表演”教科书。超高压变电站赛项，1:1复刻真实场景，按国网真实作业标准打分；超市赛项，灯光、货架间距全部对标真实门店，货物随机打乱，设备故障人为制造；质检赛项，直接搬进上海市质检院的真实奶片检测流程，限时30分钟，连续完成取样、称重、离心机装载等6个环节。

最扎心的一句话来自百联集团商业互联网部经理、商超赛项命题负责人郭甬平：“很多团队此前训练了各自的小模型，但到了真实超市场景，很多都用不上。”

这不是团队菜，是路线的宿命。小模型 + 单一场景数据 = 过拟合的优等生，卷子上换个题型就露馅。大赛把“泛化能力”这个具身智能最深的水坑，直接摆在了台面上。

产业逻辑很清晰：2025年前后，具身智能的比拼重点从“本体硬件”转向“大脑”，而大脑的KPI只有一个——跨任务、跨场景、跨本体的泛化。真实世界不给彩排机会，谁能在没有剧本的环境里活下来，谁才配谈商业化。

🖥️ 仿真流：优雅，但也要向真实低头

一秒钟跑一万次抓取测试，边际成本趋近于零——这是仿真流最性感的卖点。

美国走的是典型“工具链优先”路线。英伟达用Omniverse和GR00T试图在虚拟世界里构建物理规则完美的数字孪生；最近又宣布升级Isaac通用机器人开发平台，推出人形机器人参考框架、仿真工作流及数据工具，覆盖训练、仿真验证和部署全流程，核心思路是让开发者用合成数据和仿真环境预训练，部署前先在虚拟世界验证行为。

Figure AI的System 0则是这条路线的另一个分支：用超过1000小时的人类运动数据，结合仿真到现实的强化学习，替代了109504行手工编写的C++控制代码。注意这个细节——它不是纯仿真，而是“人类数据 + 仿真”的组合拳。连仿真流最激进的代表，也在偷偷往真实数据里掺料。

据多位接近海外团队的人士透露，仿真环境再逼真，摩擦系数、柔性物体、光照变化这些“物理细节税”，始终要在真机上补交。仿真的价值在于把试错成本压到极低，但它无法凭空生成真实世界的长尾分布。

产业判断：仿真流解决的是“从0到0.7”，剩下那0.3，必须回到物理世界去还债。

🏭 真机流：全世界最密的车间，和最纠结的工人

中国的底牌不优雅，但实在——真实场景的密度，全球无出其右。

超高压变电站、连锁超市、第三方质检院，这些大赛考场的背后，是中国独有的产业纵深：电力、零售、制造、物流，每一行都有海量真实作业标准可以“喂”给机器人。外国团队想找这种密度的真机考场，得先找到愿意配合的甲方，而中国这里，考场本身就在产业链里。

同样的故事在大洋彼岸以另一种方式上演。据外媒报道，特斯拉要求工厂工人穿戴动捕设备记录生产动作，用于训练机器人，遭到部分员工抵制——他们担心自己正在训练一个最终取代自己的机器人。这个细节极具象征意义：真机流的尽头，是人形机器人员工和人类员工在同一间车间里交换数据。

这个数据飞轮是仿真流派不出来的：真实场景产生真实任务，真实任务产生真实失败，真实失败是泛化能力最贵的养料。历史总有回响——当年航空领域，一方痴迷用代码模拟气流，另一方砸真金白银建实体风洞去“硬吹”。到了2026年，建风洞的那一方手里，握着的是别人复制不了的数据资产。

🔀 裂缝出现：两条路线开始互相伸手

当两条路线同时撞墙，融合就不是选择题了。

美国的裂缝在于：仿真的长尾覆盖率见顶，System 0不得不引入1000小时人类运动数据；特斯拉干脆跳过仿真，直接在工厂里搞动捕。中国的裂缝在于：郭甬平那句话背后，是大量团队的小模型在真实场景集体失灵——有真机场景，缺能把数据炼成泛化能力的大模型工具链。

于是出现了很有意思的一幕。10月21日，生数科技世界模型团队开启Motubrain 2.0训练全流程公开直播，计划持续半个月，向公众展示具身模型的训练、测试与能力迭代过程，且Motubrain 2.0即将开源。团队瞄准的正是那个核心问题：Physical AI如何实现——AI理解物理环境、通过机器人完成任务，还要解决动作决策、任务执行和跨场景泛化。

把玩家放到四象限里看更直观：右上角的领跑者，无一例外都是“仿真 + 真机”双修；左下角的单场景小模型团队，恰恰是被大赛考碎的那一批。开源Motubrain这类动作，本质上是在补中国团队相对薄弱的“大脑工具链”，让真机数据有更好的炼丹炉。

🧭 终局判断：数据闭环决定生死

风口上大家比的是PPT，退潮后比的是闭环。

2026年的具身智能产业，正在从“Demo竞赛”切换到“闭环竞赛”。闭环的关键要素可以拆开看：

水面上的成果很好看，水面下的根基才分胜负。美国有全世界最强的仿真工具链，中国有全世界最密的真实车间——这两句话在2024年是路线之争，在2026年正在变成同一道题的两个已知条件。

对创业者的建议只有一条：别站队，站闭环。手握真机场景的，去补大模型工具链；手握模型能力的，去撬真实场景准入。中间那道缝合线，就是未来三年最大的产业机会。

小结

一场没有剧本的大赛，戳破了小模型的泡沫；十万行代码被数据替代，宣告了手工控制的黄昏。中美两条路线看似南辕北辙，实则正加速向对方的地盘伸手——美国往仿真里掺真实数据，中国往真机上加开源大脑。2026年之后，具身智能的竞争不再问“你走哪条路线”，只问“你的数据闭环转起来了吗”。风洞之争的历史告诉我们：最后的赢家，从来不是路线最优雅的一方，而是迭代最快的一方。