人形机器人，终于甩掉遥控器了？

上周机器人圈有两件事几乎同时发生，放在一起看很有意思。

一件是 Reward AI 发布通用操作策略 OM-1，训练数据全部来自人类示范，遥操作数据：零；另一件是 OpenAI 新旗舰 GPT-6 Astra 因「循环深度」设计陷入可监控性争议，首席科学家 Jakub Pachocki 亲自下场灭火。再加上 宇树科技 的 王兴兴 还在用出了名的抠门继续压人形机器人成本——

三条线指向同一个判断：具身智能的叙事，正在从「遥控表演」切换到「自主干活」。数据怎么来、模型怎么想、本体多少钱，这三道坎，今年都有人给出了新解法。

📉 遥控器时代的黄昏

干过具身智能数据采集的人，都对遥操作又爱又恨。

一个操作员坐在主控台前，戴着主手、踩着踏板，一秒一秒地「遛」机械臂叠衣服、插USB。动作是对了，可数据里全是人类的迟疑、抖动和停顿。更麻烦的是成本：行业内私下流传一句话——「遥操作采的数据，一半在教机器人干活，一半在教它学人犯错」。

OM-1（Omnibody Model 1）想绕开这条路。它的训练数据全部来自人类示范，用一只 7 自由度的穿戴式手套采集，既没有遥操作，也没有在机器人本体上采的数据。也就是说，人类只是正常地干活，手套负责记录，机器人负责学。

几个关键参数值得抠一下：

两个细节最值得说。一是电磁手部追踪——67cm/s 的速度下过冲比视觉惯性方案低 60%，这意味着示范数据里「手」的轨迹是真而稳的，模型学到的动作先验更干净。二是那个跑在独立时钟上的 RL 控制层：感知和策略可以「想」，控制层按自己的节拍「动」，这在工程上就是把慢思考与快反射解耦，符合机械臂出身的工程师对实时性的执念。

产业逻辑很直白：当数据采集从「人替机器人干活」变成「人干自己的活」，数据成本曲线的斜率就变了。30 分钟学会一个新任务，如果属实且可复现，那遥操作采集车间的商业模式，恐怕要重新算账了。

🧠 模型开始闷头想

模型侧的风向，变得更快也更暧昧。

GPT-6 Astra 发布前两天，The Information 援引内部消息称，Astra 用上了 recurrent depth（循环深度）、也就是 looped transformer（循环 Transformer）设计，而这种设计「会让模型的部分乃至全部推理过程变得不可见」。发布后争议进一步升温，Jakub Pachocki 出面澄清，说他想避免「一场由混乱的报道引发的、奔向不可监控性的竞赛」，并强调包括 Astra 在内的当前前沿模型，其计算图深度与 GPT-4 的差距仍在两倍以内。

在一片语焉不详的转述中，《Build a Large Language Model (From Scratch)》作者 Sebastian Raschka 写了篇长文，把技术脉络摊开了。这条技术线其实不新：

而针对最受关注的那个问题——循环 Transformer 是不是思维链变短、难以监控的元凶——Sebastian Raschka 给出了否定回答。他给出的一个对照很有说服力：GPT-5.6 家族里，Luna 比 Sol 多用 80% 的 token 才达到相近性能，没有人因此说 Sol 的可解释性更差。更合理的解释是，能力更强的模型犯错更少、回溯更少，不需要那么长的草稿纸。Astra 系统卡确实承认推理轨迹的可监控性出现了退步，但没有证据能把这笔账直接记在循环架构头上。

这事和机器人有什么关系？关系很大。具身智能的主流路线 VLA（视觉-语言-动作模型）正处在「要不要让策略模型多想一会儿」的十字路口——想得深，成功率高，但延迟上去、轨迹也变得更难看懂。Astra 的争议等于提前给机器人行业打了个预防针：模型越来越聪明、外部可见的推理痕迹越来越短，这是能力进化的自然结果，别急着把黑箱化归罪于某个具体架构。

当然，对要接物理世界的机器人来说，监控性不是纯学术问题——产线出事故时，你得能回放「它当时在想什么」。这一课，机器人厂商最好在大模型行业交完学费之前先学会。

💰 王兴兴的抠门管理学

模型和数据再漂亮，最后都要落在一件买得起的本体上。

宇树科技 能在人形机器人价格战里跑到前面，绕不开创始人 王兴兴 的风格：对成本近乎偏执的控制，事无巨细的微管理（micromanagement），把 BOM 表上的每一个零都抠到极限。外界的总结很到位——创始人的降本执念，驱动了 Unitree 在廉价人形机器人上的领先地位。

在外资同行还在把人形机器人当百万级展品卖的时候，宇树把整机价格打到了让高校实验室和中小集成商「先买一台玩玩」的区间。别小看这个动作：出货量上去了，供应链议价权、故障率反馈、数据回流，全都是滚雪球的原料。据不少接触过宇树供应链的人说法，其核心零部件的国产化和自研比例，是价格优势的真正底座。

但素材里那个问题同样尖锐：这套风格能 scale 吗？

微管理在百人规模是执行力，在千人规模可能就是瓶颈。当宇树从「卖货的机器人公司」走向「卖部署的机器人公司」，交付、售后、行业解决方案，哪一样都不是创始人盯着每个零件能管过来的。人形的下半场拼组织能力，王兴兴能不能从首席降本官进化成首席组织官，可能比下一代机器狗更重要。

🏭 谁先跑通闭环

把三条线放一起，答案开始浮现：工业场景先落地，几乎不需要争论。

OM-1 的发布说明里有一个容易被忽略的细节：这套策略同时跑在工业机械臂和人形机器人上，且都达到人类速度。这透露出 Reward AI 的商业化排序——工业机械臂是现成的本体、现成的场景、现成的 ROI 算法，人形是期权。对拿真金白银投票的工厂客户来说，一条「30 分钟示教、人类速度执行」的机械臂产线换型方案，比会翻跟头的人形有趣得多。

不过泼盆冷水：OM-1 的权重、代码、API 一个都没公开。这意味着所有关于数据效率的说法，目前都停留在官方口径上，第三方复现为零。行业里对这类「演示视频驱动」的发布向来警惕——Demo 和产品之间，隔着光照变化、物料公差、节拍要求三座大山。据多位看过其技术路径的投资人私下评价，电磁追踪加 RL 控制的组合思路是真东西，但「30 分钟」三个字打了多少折扣，要等客户说了算。

三条线的合流路径大致是这样的：

🔗 数据、模型、成本，三重挤压

三条线，一个公式。

数据侧，OM-1 把「人类示范」变成一等公民，遥操作的垄断地位首次被正面击穿；模型侧，GPT-6 Astra 的循环深度之争预示着 VLA 模型也会走向「少说多想」，可监控性债务开始累积；成本侧，王兴兴 的宇树把本体价格压到普及线以下。三者相乘，才是具身智能真正的起飞条件——任何一项掉链子，故事都停在 Demo 阶段。

值得盯的观察点有三个：OM-1 何时开放权重或 API、循环架构会不会在明年的 VLA 模型里出现、以及宇树在微管理之外的组织进化。2026 年的具身智能，不再是「能不能动」的问题，而是「动得多便宜、多省心」的问题。遥控器，是时候进抽屉了。